Andela ：研究表明，人工智能创造的是专业化的工程岗位，而非通才岗位
21CTO导读：
先梳理本文的核心要点。
‑ Andela 分析 47000 条招聘岗位，识别出 23 个由 AI 催生的全新工程岗位。
‑ 在财富 500 强企业中，AI 正在推动工程师走向专业化，而非全能通才化。
‑ 代表性新兴岗位：MLOps 流水线工程师、大模型应用工程师、FinOps 可靠性工程师。
‑ 企业需要重新撰写 AI 相关岗位的招聘 JD，更加关注业务产出与软技能。
AI 原生人才服务平台 Andela，对财富 500 强企业近期 47000 条工程岗位招聘启事展开了分析。
研究表明，人工智能正在催生出一批高度专业化的工程岗位。这份于周四发布的研究，梳理出超过 2000 项技能，聚合形成 23 个全新岗位名称。这也标志着，AI 时代正在告别对工程师 “全能通才” 的能力期待。
Andela 研究主管科里・海梅尔表示说，企业正在重新调整岗位名称与职位描述，适配软件全生命周期中安全、高效部署 AI 的现实需求。这与广为流传的观点截然相反：AI 并不会迫使工程师向通才方向发展。
一批新兴工程岗位出现
研究重点列举了几个代表性新岗位：
MLOps 流水线工程师 搭建并维护机器学习模型生产环境的自动化基础设施，负责模型部署、版本管理、线上监控；融合机器学习、DevOps 与数据工程多领域技能。 大模型（LLM）应用工程师 聚焦基于基础大模型开发、评估应用与对话系统，集合 AI 工程师与机器学习工程师的专业能力。 FinOps 可靠性工程师 兼顾云系统可靠性与成本管控，需要掌握 DevOps、SRE 站点可靠性工程以及云工程相关技能。 文档即代码（Docs‑as‑Code）工程师 将项目管理、DevOps 工程能力应用于技术文档写作，支撑 “以规范驱动开发” 的工作模式。 产品前端工程师 把传统前端工程与产品管理、用户体验调研、产品设计能力相结合，完整负责面向用户的功能全生命周期。
海梅尔还强调说：
尽管 AI 可以自动完成部分跨岗位通用技能，但工程师本职核心领域的专业能力，变得比以往更加重要。与此同时，商业软技能的权重也在持续提升。
重新审视岗位描述与技能升级
该研究指出，泛化模糊的岗位名称会给当下招聘带来负面影响，往往造成招聘效果不佳。
如果企业没有更新招聘文案，做到目标明确、结果导向，就会处于竞争劣势；模糊的职位描述很可能招到并不匹配的人选。
海梅尔建议企业招聘应当聚焦想要达成的业务成果，优先看重协作等软技能，而不是僵化的技术指标。毕竟 “代码的编写成本正在趋近于零”。
工程师则需要对照这批新兴岗位评估自身技能，找准技能提升方向。
例如技术文档工程师，学习项目管理与 DevOps 知识，就可以转型为文档即代码工程师；后端工程师可以拓展部署、系统扩容、基础设施可靠性相关能力，转型为多语言后端集成工程师。产品经理也可以上手编写代码，进化为 “产品体验设计师”。
工程管理者与 HR 需要重新修订岗位描述，吸引 AI 方向的适配人才，同时思考如何利用 AI 来赋能现有团队。
名词释义：
FinOps：云成本运维，兼顾云资源可靠性与费用管控；
Docs‑as‑Code：文档即代码，把技术文档像源代码一样做版本管理、CI/CD 发布；
MLOps：机器学习运维，面向模型全生命周期的工程实践。
作者：聆听音乐的鱼
本篇文章为 @ 场长 创作并授权 21CTO 发布，未经许可，请勿转载。
内容授权事宜请您联系 webmaster@21cto.com或关注 21CTO 微信公众号。
该文观点仅代表作者本人，21CTO 平台仅提供信息存储空间服务。