資訊科學學位並未過時：是入門求職管道出了問題

資訊科學學位並未過時：真正出問題的是入門求職管道

本文轉載自 IEEE Spectrum 職涯電子報，與科技職涯發展公司 Parsity 合作撰寫。

學位沒死，入門管道才是問題所在

不少人告訴剛畢業的工程系學生，他們的學位是個錯誤，AI 即將在他們找到第一份工作之前就取代他們。對此，我持不同看法。

我從事軟體工程已有 12 年，在面試桌的兩端累計進行過超過 100 場面試，同時經營 Parsity 這個 AI 工程培訓計畫。在觀察誰能真正在當今就業市場中脫穎而出時，有幾個模式持續浮現。以下是我認為就業市場並不如表面看起來那麼慘的原因，以及如果我正在尋找第一份科技工作，我會怎麼做。

數據需要放在脈絡中解讀

紐約聯邦儲備銀行近期公布，美國資訊科學應屆畢業生的失業率為 6.1%，電腦工程畢業生則為 7.5%。相較之下，哲學系畢業生為 3.2%、藝術史畢業生為 3.0%，這些數字乍看之下令人擔憂，但多數新聞標題並未提供足夠的背景資訊。

當研究人員將「低度就業」（畢業生從事不需要大學學歷的工作）納入考量後，工程相關科系表現相對良好，低度就業率低於 20%，而所有應屆畢業生的平均低度就業率高達 42%。許多報告低失業率的科系，實際上是因為畢業生接受了與其專業完全無關的工作。綜合失業率、低度就業率及早期職涯收入來看，資訊科學與電腦工程仍然是整體勞動市場表現最佳的領域之一。

學位不是問題，求職管道才是。 標示為「入門級軟體工程師」的職缺在 2023 年底至 2024 年底之間增長了約 47%，但同期間這些職位的實際錄用人數卻下降了約 73%。所謂的「幽靈職缺」（企業用來營造成長假象的虛假職缺）無處不在。這讓求職者更難找到入口，但入口確實存在。

以下是具體的應對策略

廣泛搜索你的（真實）人脈網絡

約 26% 的工作機會來自推薦。盤點你的實際人脈——同學、教授、過去的實習聯絡人、親戚——找出在可能正在招聘的公司裡有認識的人。目標是獲得一個能接觸到決策者或認識決策者的溫暖引薦。一次有效的引薦，勝過透過求職網站投遞一百份冷投履歷。

尋找對稱風險

初階工程師本質上就是一個高風險的招聘選擇。而新創公司則有著相匹配的風險特性——可能較低的薪酬、無法保證的存續期，以及更高的績效期望。但這種共同風險創造了雙方的互利關係。學習曲線陡峭、接觸面廣泛，而累積的實戰經驗可以直接轉化。對於長期目標是進入大型組織的工程師來說，新創並非繞路，反而是建立那些大型組織最終希望看到的經驗的途徑。第一份工作是為了驗證能力和學習，不是終身契約。

主動創造經驗，而非被動等待

雇主要求經驗，卻不願僱用你來累積經驗。突破方法是自己創造經驗：部署一個專案、對開源專案做出貢獻、為小企業或家人建構一個實際的應用。招聘人員對玩具型專案持懷疑態度，但一個解決真實問題的已部署應用程式，加上能清楚說明你的設計決策及其原因的能力，仍然能讓你脫穎而出。

培養實用的 AI 工程技能，而非只是會用 AI 工具

使用 Cursor 或 Copilot 現在已是基本期望。真正能讓候選人脫穎而出的，是更深一層的能力。大多數在職工程師，包括資深工程師，都沒有建構過 RAG（檢索增強生成）流水線或設計過多代理系統。了解如何對文件進行分塊、生成嵌入向量、在向量資料庫中儲存與查詢，並將其串接到生產環境的應用程式中——這樣的能力讓候選人在市場上領先一大截，而這正是需求快速增長的技能。

2025 年 AI 與資料科學相關職缺增長了 163%。真正理解這些系統如何運作——而不僅僅是會下提示詞（prompt）的工程師，是市場上最稀缺的人才。

停止為無法預測的狀況做最佳化

沒有人預見到 2021 年的招聘狂潮，也沒有人預測到這波修正。建立持久的技能吧。市場對能清楚推理系統的工程師的需求不會消失。你的起點不等於你的終點。

---

延伸閱讀

Meta 與 Microsoft 加入裁員潮，AI 真的是元兇嗎？

更多大型科技公司正面臨大規模人力縮減：Meta 宣布裁減 10% 的員工，約 8,000 人；Microsoft 則計畫對旗下 7% 的美國員工提供自願退休買斷方案。許多人認為這些裁員與 AI 有關，但 AI 真的是罪魁禍首嗎？雪梨大學兩位學者在 The Conversation 上發表了他們的觀點。

提議禁止中國機器人，美國科技主權布局再推進

美國在多個產業領域持續推動限制使用中國製造的敏感技術。如今，相關立法已延伸至地面機器人，包括人形機器人、機器狗及履帶型機器人。這可能有利於部分美國本土機器人公司，但其中許多企業仍依賴中國製造的零組件。IEEE Spectrum 科技政策編輯 Lucas Laursen 寫道：「美國機器人產業正面臨兩難困境。」

---

原文來源： 查看原文