說不會搶工作，面試卻要你秀程式碼

招募行銷人員時卻問「你做過什麼」的公司

Andrew Ng 在 8 月 28 日的一場 Podcast 中，正面反駁了 AI 會取代工作的說法。他的邏輯是：經濟學家把職務拆解成任務單位分析後，AI 能做的大約只有 30～40%，而人類留下的 60% 反而會變得更值錢。

但同一段對話的後半部，他卻這樣說明自家公司的招募標準：“All of my marketers know how to code.” 面試行銷人員時，他會問對方做過什麼，如果沒有做出過任何軟體，那就是個問題。

接下來的例子更具體。行銷團隊裡有一位成員，為了決定要寫的主題，自己做了一款 Mac 桌面應用程式，用來掃描網頁、找出相關資料。財務團隊則有一位高階主管，看到組員每週要花好幾個小時打開文件、手動抄寫數字，於是寫了一段腳本，讓程式自動開啟檔案、檢查內容並標出異常數值。招募團隊裡，甚至直接坐著一位工程師。

把這兩件事並排放在一起看，感覺很彆扭。一邊說工作不會消失，一邊卻要求行銷人員會寫軟體。但這並不矛盾。職務本身還在，被重新改寫的，是進入這個職位所需要的入場券。

---

先追一下 Ng 用來當證據的數字

Ng 舉出軟體工程職缺公告作為自己主張的證據。他說，跟末日論者說的相反，職缺公告數量其實正在上升。我們查證了一下。

根據 Indeed Hiring Lab 8 月的資料，截至 2026 年 8 月 14 日，整體職缺指數為 101.8，略高於疫情前水準，但軟體開發職類指數為 74.4，遠遠落後於整體水準¹。以 2020 年 2 月為基準 100 來看，這個職類的職缺已經少了超過四分之一。

不過 Ng 的話也沒有錯。根據同一機構 7 月的分析，若把 2025 年 2 月 Claude Code 推出當下設為基準 100，軟體開發職缺約上升了 15%，同一期間整體職缺則下降了 7%。只是起點本來就低，即便反彈之後，仍比疫情前水準低了 27.5%。

同一個資料庫裡，「正在成長」和「少了四分之一」同時成立。 造成差異的並非解讀方式，而是基準點的選擇。以一年半為基準，看到的是復甦；以六年半為基準，看到的是崩跌。Ng 選了前者，而他所批評的那一方，選的是後者。

在韓國，這個刻度晃動得更劇烈

韓國的數字比美國要激烈得多。根據中央日報去年 6 月整理的資料，以徵才平台 Catch 為準，2026 年 3 月 IT、通訊領域大企業與中堅企業的新進職缺公告，比一年前減少了 73%。

這個 73% 本身也是基準線造成的結果，這點得先說清楚。因為是拿特定某個月和去年同月相比，只要公開招募的時程晚了一年，數字就會大幅震盪。剛剛用來檢驗「應」的那把尺，在這裡也該公平地量一次。

不過旁邊擺著的其他數字，確認了方向沒錯。Naver 連續三年進行的上半年新進公開招募，今年沒有開辦。Musinsa 睽違四年開辦的初階開發者公開招募，則有 2000 餘人應徵，錄取 66 人。根據各公司 ESG 報告書，新進雇用規模從 2022 年到 2024 年，Naver 從 599 人降到 231 人、再到 258 人；Kakao 則從 870 人降到 452 人、再到 314 人。

大學端的指標也指向同一個方向。比較 2023 年與 2025 年的資訊工程學系就業率，首爾大學從 83.8% 降到 72.6%，漢陽大學從 81.4% 降到 70.3%，KAIST 從 77.9% 降到 69.8%。這是扣除研究所升學者與入伍者後的統計。

這裡還得一併看的是年資。同一段期間，Naver 的平均年資從 6.9 年增加到 7.7 年，Kakao 則從 5 年增加到 6 年 3 個月。**工作消失的地方，人本該跟著一起流失，但現在留在裡面的人反而待得更久了。**消失的不是工作，而是門。

看企業端的回應，這幅圖像會更清晰。Wantedlab 去年 12 月公布的一項調查，詢問了國內 153 家企業的人資負責人，結果顯示 74.5% 的受訪企業回答將維持或擴大 2026 年的招募規模。並不是多數公司打算放棄招募。相反地，同一份調查中，被列為人才條件的項目裡，職務專業能力占 64.7%，AI 與資料運用能力占 24.2%。也就是說，規模維持不變，但錄取的標準正在轉移。

<<<OZ_BODY>>>

減少的是職種，增加的是要求

最關鍵的數字來自 Wanted Lab。分析 2025 年 1 月至 2026 年 4 月間刊登在 Wanted 上的 72,793 則職缺後發現，2026 年統計上顯著減少的 6 個職種中，有 5 個是開發者職缺。

同一份分析中，也有朝相反方向變動的指標。職缺公告中出現「AI 原生」一詞的頻率增加了 8 倍，「實體 AI」則增加了 5 倍。這是將各詞彙佔全體職缺的比重與前一年相比後得出的結果。

一邊是職缺在減少，另一邊則是這些職缺所要求的條件正在被重新書寫。負責 Wanted Lab AI 部門的 Jeong Gi-su（音譯）部門長表示，過去用來讓新人練手的簡單工作與寫程式，已經被 AI 拿走了。Ng 在美國說「我們的行銷人員全都會寫程式」，與韓國職缺公告中「AI 原生」增加 8 倍，其實是同一件事的一體兩面。

Ng 將這個變化解釋為職務範圍的擴張。就像原本分為前端與後端的開發者合併為全端一樣，原本只負責協調行銷活動的行銷人員，如今要整個包辦從企劃到執行的一整個週期，招募人員也要從頭做到尾。所以，需要的並不只是一套 AI 使用方法。還必須具備能承擔擴大範圍的職務知識。

我最近寫程式的時間也變多了。過去只寫策略文件的職位，現在增加了親自動手做的時間，而這並非個人喜好，上述數字說明了這是市場改變的結果。

<<<OZ_END>>>

販賣恐懼的一方與販賣樂觀的一方

讓我們回到吳恩達開始這場訪談的那個點。他把圍繞 AI 的錯誤資訊之根源指向了公關與監管俘獲²。對於花費數十億美元訓練模型的公司來說，如果有人做出類似的模型並免費公開給全世界，那會很麻煩。因此，只要放大恐懼、拉來監管，就能為既有業者打造出有利的競爭環境，而開放權重³陣營則會被綁住手腳。

這個指摘本身是準確的。誘因結構確實就是這樣構成的。

但同樣的標準也該套用在對面那一方身上。吳恩達在這場訪談中說，AI 模型對學習來說是最糟糕的。他說學生如果使用 AI，作業分數會提高，但長遠來看留下的東西卻少得多。而緊接著下一個問題，他就介紹了自己創立的新公司。

Coursera 於去年 7 月 28 日投資了由吳恩達創辦並擔任執行長的 LearnVector，金額為 1 億美元。以完全稀釋為基準，約佔三分之一股權⁴。第一個產品預計於 2027 年初推出，而吳恩達目前仍是 Coursera 的董事會主席。

「現行方式的 AI 學習是最糟糕的」這句話，同時也是一句用來定義新學習公司自身市場的話。 這不代表吳恩達說了謊。數據確實指向那個方向。只是說，如果販賣恐懼的一方有誘因，那麼販賣樂觀的一方也同樣有誘因。沒有哪一方是毫無私心的旁觀者。

若重新檢視同一場訪談中他給大學生與新鮮人的建議，就能看出這個結構。他說大學課程跟不上變化的速度，所以應該另外在網路上學習最新技術，並舉了 Coursera、deeplearning.ai 和 Udemy 為例。這三者裡有兩個是他自己創立的組織，而 Coursera 與 Udemy 在去年 5 月已透過合併成為同一家公司。這個建議本身是合理的。只是當建議與事業指向同一個方向時，最好在聽的時候就意識到這一點。

因此，這篇文章想留下的不是結論，而是一種閱讀方式。往後當你遇到關於 AI 與工作的數字時，請確認三件事就好。第一，基準日是什麼時候？是一年前還是六年前？依此不同，同樣的指數既可能是復甦，也可能是崩潰。第二，分母是什麼？是職缺數量、比重，還是實際錄用人數？第三，說這話的人在賣什麼？可能是模型，可能是監管，可能是課程，也可能就是恐懼本身。

Oswarld觀點

在韓國，這件事讓人更不舒服的地方在於：條件已經改變了，但判定條件的方式卻還停留在舊的基準線上。

從書面資料看學校與科系、計算證照數量與實習月數的做法，根本抓不到「到底做過什麼東西」這一點。反過來，求職者那邊也聽說要做作品集，卻沒有一套大家都認同的刻度，告訴你到底該做多少、做到什麼程度。 在美國，像Ung（音譯）這樣的人會直接公開自己的面試標準，扮演刻度的角色；但在韓國，這個位置大致上是空著的。

現在正在填補這個空缺的，就是作品集顧問服務與恐懼行銷。標準越模糊，賣方就越有利。只要招募方把想要的成果具體寫下來，這個市場的相當一部分其實就能整理清楚了，但目前還停留在「用實力取代學歷」這種口號階段。拜託不要把錢花在這種地方⋯⋯我建議大家還是拿去吃頓牛肉吧。

結語

我依情況分別整理一下。

如果你現在正在工作，最快的驗證方式，就是在自己的職務範圍內，親手做出一個原本一直等著別人幫你做的工具。Eung（音譯）的財務團隊做的事其實也沒什麼了不起，只是把每週重複進行的文件確認自動化而已。

如果你是招募的一方，與其在職缺公告上寫「具備 AI 應用能力」，不如具體寫出你希望應徵者做出過什麼東西。少了那一句話，應徵者就只能照舊有的標準來準備。

如果你是解讀數字的一方，只要確認基準日、分母、以及發言者所販售的東西這三點，就能過濾掉大部分的誇大之詞。不管是偏向恐懼的數字，還是偏向樂觀的數字，都用同一把尺去衡量就好。就像今天看到的 74.4 和 15% 一樣，多半兩者都是事實，只是基準線不同而已。

讀者，說到底，這場變化的核心不是職缺數量的多寡，而是入場券上寫的那句話。

💬 如果你重新讀一遍現在所屬組織的職缺公告，跟三年前的公告相比，有哪些句子不一樣了嗎？歡迎在留言告訴我們，出現了哪些新的表達方式。

📨 如果你身邊有正在撰寫職缺公告，或正在準備轉職的同事，請把這篇文章轉給他們。只要確認這三項基準，準備的方向就會不一樣。

參考資料與延伸閱讀

核心來源

• The Singju Post，「Andrew Ng: The Biggest Opportunities in AI Aren’t Where You Think」，2026年8月31日。 ··· 這是8月28日播出內容的全文。行銷人員的錄用標準在22分20秒處。
• Indeed Hiring Lab，「US Labor Market Snapshot — August 2026」，2026年8月24日。 ··· 軟體開發指數74.4就出自這裡。因為每月都會更新，引用前最好先確認最新數值。
• Indeed Hiring Lab，「AI and Job Postings: From Destruction to Creation?」，2026年7月8日。 ··· 這份資料同時呈現反彈與谷底，是理解基準線問題最好的材料。
• 中央日報，「IT新進職缺公告驟減73%，AI時代電腦工程系變成慘業」，2026年6月11日。 ··· 文中一併收錄了WantedLab對72,793件職缺公告的分析，以及電腦工程系就業率資料。
• Coursera，「Coursera Makes $100 Million Strategic Investment in LearnVector」，2026年7月28日。 ··· 這是揭露投資規模與股權結構的原文。
• AI Times，「WantedLab公開招募趨勢報告」，2025年12月8日。 ··· 這是對153名人資負責人進行的調查。樣本較小，建議只作為方向參考。

背景知識

• FRED，「Software Development Job Postings on Indeed in the United States」。 ··· 可以親自把指數畫出來。試著更換基準線來看，這一期的論點就會變得清楚。
• Class Central，「Coursera Bets $100 Million That Andrew Ng Can Do What Coursera Can’t」，2026年7月29日。 ··· 這是對同一筆投資抱持懷疑態度的觀點，點出了一家沒有產品的公司的企業估值問題。

適合一起閱讀的過往期數

• 販賣恐懼給求職者的人 ··· 探討恐懼如何變成商品的流通結構。這一期則用同樣的標準，檢視了立場相反的發言者。
• 法拉利設計師仍然從鉛筆開始 ··· 講述新人學習工作的階梯故事。與這一期的「入場券」一起閱讀，畫面就會完整。
• 十分鐘就會崩壞的思考肌肉 ··· 整理了支持吳恩達所說「對學習最糟」這一論點的研究，是這一期的依據。

作者 安光涉（Oswarld） 現任世宗大學兼任教授，INLEVEL9 策略顧問。職涯經歷、研究、著作與近期活動會持續更新在作者介紹。 最新動態 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

📝 術語說明

각주

1. Job Postings Index：Indeed以2020年2月1日的職缺公告數為100，用以呈現此後變化的指數。它不是絕對數量，而是相對於當日的比率，因此基準日訂在哪裡，同一條曲線讀起來就會不同。 ↩

2. 監管俘虜（regulatory capture）：指制定規範的一方，反而依照被規範一方的利益行事的現象。以安全為名制定的規則，結果卻反而保護了既有業者的地位，是最具代表性的例子。 ↩

3. 開放權重（open weights）：公開模型的權重檔案，讓任何人都能下載並執行的方式。與連訓練資料和程式碼都公開的開源，範圍並不相同。 ↩

4. 完全稀釋基準（fully diluted）：假設像股票選擇權這類尚未轉換成股份的權利，全部都已轉為股份，據此計算股權比例的方式。比起只計算實際已發行股數，會得出較為保守的數字。 ↩