AI coding agent 未有殺死工程師職位,但初級位真係變窄
Tech News

AI coding agent 未有殺死工程師職位,但初級位真係變窄

圖片:via TechCrunch — https://techcrunch.com/2026/06/24/ai-was-supposed-to-kill-engineering-jobs-but-new-data-suggests-theyre-the-most-resilient/
TechLab 編輯部(譯)·

整體招聘未回暖,不過產品交付責任愈來愈集中喺工程團隊

工程位冇想像中咁脆弱

TechCrunch 今次引 SignalFire 2026 State of Talent Report,最值得睇嘅地方係佢拆開招聘結構。SignalFire 話,佢追蹤過數以百萬計員工同超過 8,000 萬間公司資料,2025 年大型科技公司整體招聘對住 2019 基準低 25%,但工程招聘只低 11%;12 間 Tech Majors 新人入面,工程師佔比由 2019 年 46% 升到 2025 年 55%。早期 startup 仲請多咗 7% 工程師,呢點同「AI 直接食晒工程職位」嗰套講法唔太夾。

不過呢組數字要打折睇:SignalFire 係 VC,報告本身有市場敘事誘因;佢睇嘅亦主要係職涯同招聘資料,唔係官方勞工統計。再講,工程招聘「跌得少」唔等於市道好到任請,因為整個招聘餅已經細咗。比較貼地嘅讀法係:公司縮人手時,支援同協調職能可以大幅收縮,但做產品、維持系統同處理客戶整合嘅工程核心,仍然最難慳。

SignalFire 2026 人才報告封面圖

圖片:SignalFire

AI 令工程師要管更多上下游

要睇清楚 AI 嘅影響,唔好淨係數生成咗幾多行 code。SignalFire 報告入面,AI/ML engineer 佔比自 ChatGPT 推出後升 39%,research engineer 升 28%,forward-deployed engineer 升 30%;相反,front-end engineer 佔比跌約 25%。呢個變化幾合理:CRUD 頁面、樣板 code、簡單 test scaffold 愈嚟愈容易交畀工具,難位移去需求拆解、系統邊界、資料權限、部署監控同客戶場景。

呢度有少少 Jevons paradox 味:寫 code 成本低咗,團隊未必會少做嘢,通常會開多咗功能、整合、內部工具同實驗。以前一個工程師一星期做到三張 ticket,而家 agent 幫你做到六張,產品嗰邊好自然就會問第七張、第八張可唔可以都做埋。所以工程師唔係淨係快手寫 code,而係 AI 出完初稿之後,識 review、測試、跟 incident,亦知道幾時應該停低重諗設計。

SignalFire 圖表顯示工程師喺 Tech Majors 新招聘入面佔比由 2019 去到 2025 嘅變化

圖片:SignalFire

初級位最窄

真正痛位喺 junior。SignalFire 話,new grad / entry-level hiring 對住 2019,Tech Majors 約少 65%,早期 startup 約少 76%。呢個同「工程師職位全面消失」係兩回事,但對 CS 學生同轉工人士好貼身。以前初級工程師可以靠改 bug、補 test、寫簡單 API 慢慢練基本功;而家呢啲任務好容易俾 Copilot、Cursor、Claude Code 類工具食咗一截,細 team 又冇以前咁多 mentor 時間。

呢個亦解釋點解「識用 AI」唔可以停喺 prompt 花款。招聘經理想知嘅,係你可唔可以由一個模糊需求拆出 schema、API、權限、測試策略同 rollout plan;agent 寫錯時,你睇唔睇得出 bug;agent 改動太大時,你識唔識收細 scope。對學生嚟講,portfolio 最好展示一次完整產品交付,而唔止幾張 demo screenshot。

SignalFire 圖表比較 Tech Majors 各職能招聘節奏,工程位跌幅細過設計、產品同 marketing

圖片:SignalFire

裁員故事要分開睇

Challenger, Gray & Christmas 6 月報告話,美國企業 5 月宣布裁 97,006 人,係 2020 年以來最高嘅 5 月數字,AI 連續第三個月係最多公司提到嘅裁員理由。呢個背景解釋咗點解「AI 搶飯碗」咁易傳開,但「公司用 AI 做裁員理由」同「AI 已經取代工程師」唔係同一件事。好多公司其實仲喺消化 2020 至 2022 年過度招聘,亦喺預算上偏向 GPU、雲端、security 同高槓桿工程團隊。

Anthropic 3 月勞工市場研究都幫手降溫:佢哋話截至當時,未見高 AI 暴露職業有系統性失業上升,不過見到年輕工人喺相關職業嘅招聘有放慢訊號。換成 developer 語言:AI 已經可以幫你做部分 task,但公司仲要有人負責定需求、評估風險、接 production、同客戶解釋 trade-off。工程師工作內容變咗,招聘門檻升咗,需求未見到大插水。

香港啟示:識工具,仲要識交付

香港未有夠乾淨嘅公開數據,足以證明 AI 令 developer 職位加定減,但本地招聘版面已經有訊號。6 月 24 日 JobsDB 頁面顯示,香港有 134 個 Copilot 相關職位,同 1,403 個 AI software engineer 相關職位;同頁例子入面,有 Analyst Programmer 明寫要掌握 GitHub Copilot,同有 Copilot SME / AI Engineer 做企業 AI adoption。呢啲只係關鍵字搜尋結果,唔可以當成完整市場統計,但方向幾清楚。

截稿時,Microsoft 香港職位亦曾列出 Copilot and Agent Solution Engineer,職責包括 Copilot Studio、Power Platform、Azure AI、agent-based architecture,同客戶一齊做方案設計。呢類職位講緊嘅技能,已經超出「識問 AI 問題」:要識擺 agent 入企業系統、權限、資料同流程。對香港金融、保險、零售或者中小企 IT team,最缺嘅通常係有人可以由 demo 做到穩陣、可維護、可審計嘅工具。

下一步睇 junior pipeline

做緊嘢嘅 developer,最值得投資嘅技能會偏向 agent workflow:issue 拆細、測試先行、code review、security check、部署監控,同埋知道邊啲 task 可以俾工具做,邊啲要自己落判斷。CS 學生同轉工人士,作品集要展示你點由需求去到可運行產品,最好有測試、架構取捨、失敗記錄同修正過程;淨係貼幾個 vibe coding demo,好快會唔夠分。

之後要睇兩件事:大型公司會唔會重新打開 junior pipeline,畀新人喺 AI 工具旁邊學基本功;中小型 team 又會唔會因為 agent 提升產能,反而願意做多咗產品實驗。等呢兩個方向再清楚啲,先判斷到工程師職位到底係縮緊,定只係換緊玩法。


參考來源

本文根據原文及公開資料整理;資料有出入時,以原文及官方資料為準。

分享:WhatsAppThreadsTelegramFacebook