科技行业的每一次重大变革都会带来岗位的融合，随后催生新的职位。开发与运维之间的摩擦促成了DevOps工程师这一角色的诞生。后来，当安全需求需要贯穿整个交付流水线时，DevSecOps应运而生。
AI原生人才与服务平台Andela的团队分析了来自财富500强企业的4.7万份近期工程类招聘信息。这项周四发布的研究揭示了超过2000项技能，这些技能汇聚成23个新兴职位。这些新岗位并非凭空出现，而是战略性地融合现有技能组合来创造新角色。
在1832份主要标注为AI或机器学习工程师的招聘信息中，Andela发现53%的岗位至少包含两种来自不同既有角色的技能。
在当下经济环境趋紧、AI浪潮涌动的背景下，企业似乎正朝三个方向发展。一些企业把过多工作职责和经验要求堆砌进如今已变得模糊不清的AI工程师或机器学习工程师岗位中；一些企业可能想用AI取代技术员工；但更具前瞻性的组织正在重新设计职位名称和描述，以反映让AI安全高效地贯穿软件交付生命周期所需的要求。
Andela研究主管科里·海梅尔向The New Stack表示："如果你打算在组织中部署AI，正确的思考方式是：AI具备一套特定技能，人类也具备一套特定技能。"
"如果你把这两者用文氏图表示，找出交叠部分，AI应该承担它能胜任的技能。但人类的能力范围仍然比AI大得多。"
"当你要部署AI时，重点不是试图用AI的能力圈取代人类的能力圈，而是要明确哪些技能可以划分出来交由AI处理。"
以下是因AI而涌现的顶尖工程岗位、如何为这些岗位吸引技术人才，以及在这个艰难的市场中要获得一份技术工作需要关注的重点。
AI并非服务于通才，专精依然是关键
海梅尔援引顶尖AI公司首席执行官们的说法评论道："你已经听过世界上那些AI推销者们的说法，说AI会推动人们变得更加通才化，但我们发现的数据并不完全支持这一点。"
总体而言，他们发现这些新兴职位根本不是通才型的。这些新兴角色确实融合了多个既有职位的技能组合，但每一个都针对特定的运营或产品需求，其中一些与AI应用相关。
发现的五大新兴工程职位如下：
MLOps流水线工程师，负责构建和运行自动化基础设施，用于部署、版本管理和监控生产环境中的机器学习模型，技能构成为46%机器学习工程师、23%DevOps工程师、15%数据工程师，以及各占8%的AI工程师和数据科学家角色。
大语言模型应用工程师，通过大语言模型应用和对话系统构建并评估基础模型，技能构成为48%AI工程师和34%机器学习工程师，并带有一些产品设计师、软件架构师和嵌入式软件工程师的技能。
FinOps可靠性工程师，负责运行云基础设施，兼顾可靠性和成本控制，技能融合了36%DevOps工程师、27%站点可靠性工程师、18%云工程师，以及各占9%的DevSecOps工程师和云解决方案架构师。
代码化文档工程师，将项目管理和DevOps工程技能应用于传统技术文档撰写角色，从停滞的文档转向代码化规范。
产品前端工程师，大约三分之一是传统前端工程师技能，三分之一是产品经理技能，还带有一些全栈工程师、用户体验研究员和产品设计师的技能。
海梅尔解释道："如果你是一名DevOps工程师，从历史上看，你的技能组合中可能有30%到40%是纯粹的DevOps专属技能，剩下的技能则可以在不同角色间通用，比如可以转化为工程师或技术产品经理所需的技能。现在，其中一些技能可以被AI取代，这意味着那些直接聚焦于你本职角色的技能变得比以往任何时候都更加重要。"
他还认为，所谓的"软"商业技能也日益关键。不过，他严重怀疑是否有人真的能够在财务、市场营销、工程和销售角色之间自如切换。
企业工程职位描述的不足之处
海梅尔解释道："眼下的职位描述和简历是我们所拥有的'最好的糟糕工具'。当你谈论大型企业，需要应对规模化问题时，你的招聘流程会离实际工作越来越远。"
尤其是当招聘流程从人力资源部门而非工程部门发起时，"你需要制定能够经受住整个流转链条考验的措辞，职位名称应该来自最接近实际工作的工程师。"
一家企业同时挂出50个不同的前端开发招聘信息、每个要求的技能却大相径庭，这种情况并不罕见。对候选人和岗位匹配度而言，越具体越好，包括采用新的职位名称。
这种使用泛化职位名称的习惯过去被认为是有利的，因为它能吸引更多申请者，但如今市场上工程师众多，这种做法反而进一步稀释了招聘人才池，最终让你只能从最先申请的100人中挑选——而这些人往往还是靠AI批量生成申请材料的。
海梅尔表示："任何没有认真审视并修订其职位发布和职位名称的公司都处于极其不利的境地，因为极有可能你最终会招错人，仅仅是因为你没有花时间把这个角色描述清楚。"这会带来严重后果。
"首先可能出现人员流失，你花费大量时间和成本去猎头寻人；其次，即便招进来了，你还得为他们的适应期买单，因为他们当初被承诺的岗位内容与实际描述并不相符；第三，这会影响整体路线图和时间表，因为现在你可能不得不重新替换人员，同样又得等待新人上手。"
除此之外，人力资源和工程部门的招聘经理都在用AI生成职位描述。但目前仍不建议让AI来生成这种关乎核心成功、极具人性化色彩的内容。
尤其在这个变革时期，当没有人具备完全匹配的所需经验时，公司应该从希望未来聘用者达成的目标出发来撰写职位描述。
海梅尔解释道："代码的成本正趋近于零。"组织应该更多地这样思考："这是我们想要的成果。如果你具备相应的软技能和其他技能来实现这一目标，无论是积压任务的优先级排序能力、协作能力，还是曾参与过项目部署的经验，我们不再一定在意你的Python技能能否打满10分。"
工程师应追求哪些新兴角色
那种认为女性只有在满足全部资格条件时才会申请职位的说法并没有充分的证据支持；近期研究发现，申请行为实际上更为复杂。不过，明确区分必要条件和优先条件确实可以减少模糊性和不必要的障碍。
聚焦成果、清晰区分必需技能和加分技能，或许能够扩大申请者群体，尽管这并不能保证带来更大的多样性。
例如，如果你是一名喜欢注重产品导向、协作和战略思维的工程师，海梅尔建议关注新兴的产品前端工程师岗位，该角色负责用户面向功能的完整生命周期，从定义到最终上线。
他说："你需要投入更多心力去做功能优先级排序。"这意味着从单纯执行任务的角色转变过来，"因为现在AI让你有能力向更深层次拓展，你也因此拥有了更多的主导权。"
同样，AI也让后端工程师开始思考后端技术栈之外的部署、可扩展性以及底层基础设施系统的可靠性问题，由此催生了诸如多语言后端集成工程师这样的新角色。
面对AI生成文档带来的合理担忧，技术文档撰写人员应该关注新兴的代码化文档工程师岗位，该角色增加了技术项目管理和DevOps工程方面的技能要求。
海梅尔观察到："如果你在撰写文档，实际上你就是在编写支撑规范驱动开发的规范文件。你现在已经具备了实际参与软件贡献的能力。而且这种转变从最高层就开始了。如果你是产品经理，现在你也可以开始像产品体验设计师一样构建和贡献代码。"
阅读完整的《新兴角色研究报告》。如果这些AI工程岗位描述中有任何一项比你当初被聘用时的职位更贴合实际，我们希望这能为你与人力资源部门的下一次对话赋能，或者促使你去申请一个不同的职位。
Q&A
Q1：AI催生了哪些新的工程岗位？
A：研究发现的五大新兴工程职位包括：MLOps流水线工程师、大语言模型应用工程师、FinOps可靠性工程师、代码化文档工程师和产品前端工程师，这些岗位都融合了多个既有职位的技能组合。
Q2：AI是否会让工程师变成通才？
A：数据并不支持这一说法。研究发现这些新兴职位并非通才型，而是针对特定运营或产品需求，融合特定技能组合，专精依然是关键。
Q3：企业在撰写AI相关职位描述时容易出现什么问题？
A：企业常将过多工作职责堆砌进模糊的AI工程师或机器学习工程师岗位中，职位描述过于泛化会稀释招聘人才池，导致招错人、增加培训成本并影响项目进度。