KeyFrame內部研究專用

Don't Waste 2026 on the Wrong Career (What AI Won't Replace)

Maddy Zhang10 min英文
觀看原始影片

三句話摘要

2026年科技職場分裂:AI時代真正值得追求的職位與衰退陷阱。 2026年科技職場的黃金法則:選擇讓你身處AI創造價值前沿、但價值本身仍取決於你的設計選擇、判決和所有權的工作——這才是真正抗衰退、高薪增長的職位。 職業前景的分界線在判斷力:AI能取代重複執行相同任務的工作,但放大需要判斷力、設計、所有權的工作價值。自2022年底起,受AI影響最大產業的入門級職位下降13%,但指導AI的人才需求增加7倍。

重點整理

  1. 職業前景的分界線在判斷力:AI能取代重複執行相同任務的工作,但放大需要判斷力、設計、所有權的工作價值。自2022年底起,受AI影響最大產業的入門級職位下降13%,但指導AI的人才需求增加7倍。

  2. AI工程師兩個世界:職位名稱相同但工作完全不同。一種是微調模型、建構生產流程、用向量資料庫的搜手,薪資243,000美元/年,平均每人3個職位機會;另一種只是呼叫API包裝簡歷,競爭激烈。深度版本才值得追求。

  3. 被低估的高價值崗位:資料工程師雖鮮為人知,但所有AI系統、分析、推薦引擎的優劣都取決於資料質量。這角色難以自動化,屬於系統設計判斷工作,前景廣闊且競爭少。

  4. 無論經濟形勢如何都穩定的選項:網路安全有全球數百萬級缺口,防禦AI攻擊需要人類對抗性思考,薪資14-20萬美元+,經濟衰退時幾乎不受影響。

實用技巧與重點

  • 薪資資料(2026):
  • AI工程師中位數:$243,000/年
  • 安全工程師中位數:$140,000-$200,000+/年
  • 技術產品經理:$150,000-$175,000/年;高階:>$250,000/年
  • 雲端工程師:約$150,000/年,最高$230,000/年
  • 市場資料:
  • 2026年科技裁員:>150,000人
  • 入門級職位下降幅度:自2019年來>50%
  • AI職位空缺與合格人才比例:平均3:1,特殊產品8:1
  • 需要指導AI的人才需求增幅:7倍(自2022年底起)
  • 全球AI支出:約$3,000億/年
  • 公有云年度支出:>$7,000億
  • 預計增長率(至2034):15%(遠高於平均)
  • 具體崗位名稱:
  • AI/ML Engineer、Data Engineer、Security Engineer、Cloud Platform Engineer、Technical Product Manager、AI Product Manager
  • 核心技能:
  • 生產級Kubernetes、自動擴充套件、網路策略、多叢集設定
  • 模型微調、向量資料庫、檢索系統
  • 管道、倉庫、流媒體系統設計
  • 系統設計與判斷力
  • 風險崗位(純重複性):
  • 手動QA測試
  • 基礎資料分析
  • 一級支援
  • 樣板程式碼編寫

結論

2026年科技職場的黃金法則:選擇讓你身處AI創造價值前沿、但價值本身仍取決於你的設計選擇、判決和所有權的工作——這才是真正抗衰退、高薪增長的職位。

完整解析

講者Maddie是資深軟體工程師,曾在Google、亞馬遜、IBM、微軟等公司任職。她指出,2026年科技職場的真實情況是——職場不是死路,而是在分裂。雖然表面新聞充滿裁員訊息,但資料顯示了更復雜的現實:一些職位越來越容易被自動化,對公司價值降低;另一些職位則需求旺盛、薪資高漲、合格人才嚴重短缺。

預測職業前景的最佳指標是判斷力。AI能完美替代重複執行相同任務的工作——資料輸入、基礎支援、常規編碼——但無法替代需要判斷力、系統設計、產品決策的工作。從2022年底資料看,受AI影響最大產業的入門級職位下降13%,同期指導AI的人才需求增長7倍,這正是職場分裂的縮影。

最值得追求的職位包括: 首先是AI和機器學習工程師,雖然熱門但需區分。有的工程師微調模型、建構生產流程、維護向量資料庫系統,薪資$243,000/年且平均每人3個職位機會;有的只是包裝API呼叫到簡歷,則面臨全網競爭。真正搶手的是能讓AI系統在生產環境可靠運作的人,加上行業深度知識(醫療、金融、製造)更值錢,因為懂行業的模型比通用模型價值高10倍。

其次是資料工程師,講者認為這是最被低估的職位。所有AI系統、分析工具、推薦引擎的好壞完全取決於輸入的資料質量。資料工程師建構和維護資料流——管道、倉庫、流系統。垃圾資料進去,即使是優秀模型也自信地輸出垃圾。這角色因為涉及系統設計判斷而難以自動化,是進入AI繁榮領域的捷徑,且競爭遠少於AI工程師。

網路安全和安全工程則名副其實。全球安全專業人員缺口達數百萬,大多陣列織都人手不足。隨著AI應用普及,攻擊面擴大,需要人類進行對抗性思考。防禦AI攻擊不能完全自動化,安全形色因此無法被取代。薪資$140,000-$200,000+/年,是經濟衰退時期最抗風險的科技職位。

技術產品經理(尤其AI產品經理)也值得關注。這個職位決定建造什麼、確保工程努力轉化為使用者想要的東西。年薪$150,000-$175,000,高階超$250,000。因為地球上每家公司都想加入AI但不知道怎麼做好,總得有人在模型和商業模式間做轉換,這工作完全依賴判斷力難以替代。講者強調,晉升不必永遠寫程式碼,如果你懂系統但天賦在於方向和溝通,這條路現在非常寬廣。

最後是雲平臺工程師,幾乎從未受關注但至關重要。前述所有工作都執行在雲基礎設施上——模型訓練於此、資料管道從此流過。公有云年度支出超$7,000億。普通雲工程師年薪約$150,000,最高$230,000,預計到2034年增長率15%。其中平臺工程(成熟DevOps)處於領先。2026年的區別在於真正的生產級Kubernetes——能駕馭自動擴充套件、網路策略、多叢集設定的工程師薪資遠超無法持續做到這一點的人。

應該謹慎的職位包括純重複性角色:手動QA測試、基礎資料分析、一級支援、樣板程式碼編寫。講者強調不是說這些領域已經衰落或要恐慌,而是純重複性工作在萎縮。那些轉向承擔結果、引導AI、加入判斷力的人一切都很好。真正陷入2026年風險的不是選錯領域,而是固步自封、拒絕適應轉型,死守無法被AI取代的純重複工作。

4 min
AI 技術中文11月21日

Make.com Automation for Beginners: Your First Automation in 10 Minutes

AI Workflow Lab看原片 ↗
  • Make 的核心是「情景」(Scenario) 概念,由多個模組組成,每個模組執行一個應用程式的單一工作。當第一個應用程式中發生事件時,Make 自動將資料傳遞到下一個應用程式,就像一個從不睡眠也不遺忘的數位助手。
  • 映射 (Mapping) 是自動化的核心。使用者需要明確告訴 Make 每筆資料應該放在哪裡,確保表單欄位正確對應到試算表的列,以及郵件內容能夠動態插入客戶資訊。
編輯精選
企業管理英文11月21日

What Anthropic's $900 Billion Bet Means for You

Nate Herk看原片 ↗
  • 訂閱用戶成為上市公司的收益基礎:4000 萬名小客戶(含 Claude Pro、Max、Ultra 或 API 用戶)合計貢獻 25% 的收入,形成 Wall Street 下注的對象。用戶每次訂閱續約都直接影響 Anthropic 股價,
  • 循環融資制造生態系統性風險:Amazon、Google、Broadcom 與 Nvidia 等公司既是投資者、又是運算服務提供商,同時採購 Anthropic 服務,形成相互依賴的閉環。若任一環節需求放緩,所有參與者將同時受創,系統風險無法
編輯精選
AI 技術英文11月20日

6 Lessons I Learned From Installing AI in a $10M Business

Liam Ottley看原片 ↗
  • AI 負責前 80% 工作,人的品味決定最後 20% — 系統一開始生成的提案很基礎,直到 Isaac 的設計師介入決定風格、選擇產品後,品質才大幅提升。需要將品味優秀的員工的規則和案例提供給 AI,讓初版更接近他們的標準。
  • 聚焦單一瓶頸,不要全面改造 — 分析發現提案環節是最大痛點:每月 15-20 張圖、每張 10 小時、成本 $500-1000、9 成無結果。選擇同時改善速度、成本、品質的用例,才是 AI 真正發揮價值的地方。