招聘市场开始询问市场人的编程经验，究竟改变了什么

招聘市场人员时，却问“你亲手做过什么”的公司

吴恩达（Andrew Ng）在8月28日的一档播客中，正面反驳了“AI将取代工作岗位”的论调。他的逻辑是：当经济学家把岗位拆解为具体任务来分析时，会发现AI能替代的比例只有30%至40%，而留给人类的其余60%的任务，其价值反而会变得更高。

然而在同场对话的后半部分，他却这样描述了自己公司的招聘标准：“All of my marketers know how to code.”他说在面试市场人员时，会询问对方亲手做过什么项目；如果没写过任何软件，那就会成为一个问题。

接下来的例子更为具体。市场团队中的一位成员，自己开发了一款Mac桌面应用并投入日常使用，专门用来在确定写作选题时抓取网页以检索相关资料。而在财务团队，一位高管看到组员们每周要花好几个小时逐个打开文档、搬运录入数字，于是亲自写了一段脚本，用于自动打开文件、核对内容并标出异常数值。至于招聘团队，甚至直接安插了一名工程师。

把这两番话放在一起看显得颇为矛盾：一边说着工作岗位不会消失，一边却要求市场人员具备软件开发能力。但这其实是同一种变革的一体两面。企业固然不会取消“市场人员”这个岗位，但对于进入这个岗位的人，却开始提出更多的编程经验与亲手做出的成果要求。

---

吴恩达引用的软件招聘岗位数据

吴恩达拿软件工程招聘岗位数量作为自己观点的佐证。他表示，与那些悲观末日论者的说法相反，招聘需求实际上正在上升。笔者对此进行了核实。

查阅Indeed Hiring Lab在8月发布的数据可以发现，截至2026年8月14日，全行业招聘岗位指数为101.8，略高于疫情暴发前的水平；但软件开发岗位的指数仅为74.4，远远落后于整体水平¹。以2020年2月作为基准数100来看，仅该岗位就萎缩了四分之一以上。

然而吴恩达的说法也并非毫无依据。根据同一机构7月的分析，若以2025年2月Claude Code发布的时间点作为基准数100，软件开发岗位的招聘需求上涨了约15%，而同期全行业招聘岗位却下降了7%。只不过因为起步基数实在太低，即便出现反弹，目前依然比疫情前低了27.5%。

在同一个数据库里，“最近一年半有所增长”与“比2020年2月低了四分之一以上”这两个结论同时成立。 造成这种差异的不是解读角度，而是选取的基准线。如果以最近一年半为基准，那就是复苏；但若以六年半前为基准，那就是崩塌。吴恩达选择了前者，而遭到他批评的那一方则选择了后者。

在韩国，指标因基准不同而波动得更为剧烈

韩国的数据比美国要剧烈得多。据《中央日报》去年6月整理的数据，以招聘平台Catch为基准，2026年3月IT与通信领域大企业和中坚企业的新人招聘公告同比减少了73%。

但必须指出的是，这73%同样是选定基准线后的产物。它是将特定月份与前一年同月进行对比得出的数值，只要某一年公开招聘的日程有所推迟，数据就会剧烈波动。把刚才验证所用的标尺同样套用在这里才算公允。

不过，摆在一旁的其他数据印证了这一方向。NAVER没有在今年举行此前连续进行了3年的上半年应届生公开招聘。MUSINSA时隔4年举行的初级开发者公开招聘中，有2,000余人报名，最终仅录取了66人。从各家公司的ESG报告来看，2022年至2024年间的新增招聘规模，NAVER从599人缩减至231人、258人；Kakao则从870人一路下滑至452人、314人。

高校方面的就业率同样呈现出下滑趋势。对比2023年和2025年的计算机工学专业就业率，首尔大学从83.8%降至72.6%，汉阳大学从81.4%降至70.3%，KAIST从77.9%跌至69.8%。这是排除了升学攻读研究生及服兵役人员后的统计数据。

这里还需要结合来看的是工龄。同一时期，NAVER员工的平均工龄从6.9年增加到7.7年，Kakao则从5年增加到6年零3个月。**在新增招聘减少的同时，老员工的平均工龄却拉长了。**将这两项指标结合起来看，有必要将现有在职人员与寻求新就业者的境遇区分开来观察。

企业方面的反馈同样揭示了招聘标准正在转变的趋势。Wanted Lab在去年12月发布的调查中向韩国国内153家企业的人事负责人进行了询问，受访企业中有74.5%表示将在2026年维持或扩大招聘规模。这并不意味着多数公司打算停止招聘。然而在同一调查中，作为人才画像的条件，岗位专业能力占到了64.7%，AI与数据应用能力占到了24.2%。这表明规模虽然得以维持，但选拔的标准正在发生转移。

开发岗位招聘缩减，AI相关要求激增

Wanted Lab的分析更为直观地展现了开发岗位招聘的下滑。通过对2025年1月至2026年4月期间Wanted平台发布的72,793条招聘公告进行分析，进入2026年以来在统计学上呈现显著减少的6个职位门类中，有5个是开发相关岗位。

而在同一项分析中，也有指标呈现出截然相反的走势。招聘公告中出现的“AI原生”表述激增至8倍，“实体AI”（Physical AI）也增至5倍。这是将各项表述在全部招聘中所占比重与前一年对比后得出的结果。

部分开发岗位招聘出现缩减，而保留下来的岗位则越来越频繁地附带AI相关要求。Wanted Lab负责AI部门的业务总监郑基洙（音译）解释称，过去分配给新人用来适应节奏的基础琐事和简单编码，如今已经完全被AI接管。吴恩达在美国表示“我们公司的市场营销人员全员都在写代码”，而韩国招聘公告中的“AI原生”表述暴增至8倍，两者都印证了同一个趋势：企业正在削减重复性琐事，并借助AI进一步拓宽执行边界。

吴恩达将这种转变诠释为岗位职责范围的扩展。正如过去前端和后端各自独立的开发人员逐步合流为全栈开发一样，曾经只负责协调活动的营销人员，现在需要独自包揽从策划到落地的整个闭环，招聘专员也必须承担招聘流程中更宽广的环节。换句话说，仅凭掌握AI使用技巧是远远不够的，还必须具备足以支撑起这一拓展后职责维度的复合型业务知识。

最近我自己写代码的时间也显著增加了。这意味着我从过去只撰写战略文档的位置，逐渐转向亲自动手构建实现，而上述数据清晰地表明，这绝非单纯的个人喜好转变，而是整个市场格局发生巨变的直接投射。

贩卖恐惧者与兜售乐观者

吴恩达在访谈伊始，将围绕 AI 的虚假信息根源指向了公关宣传与监管俘获²。对于投入数十亿美元训练模型的公司而言，如果有人做出类似的开源模型并免费向全世界开放，处境就会变得极其尴尬。因此，制造恐惧以招徕监管，就能形成有利于既得利益者的监管环境，而开放权重³阵营则会被束缚手脚。

这一指出本身十分准确。因为激励机制现实中确实如此运作。

然而，我们也必须同时审视对立面的利益关系。吴恩达在这次访谈中表示，AI 模型对于学习而言是最糟糕的。他的意思是，学生使用 AI 虽然能提高作业分数，但日后真正沉淀下来的东西却少得多。而就在紧接着的下一个问题中，他便介绍起自己创立的新公司。

Coursera 于 7 月 28 日向吴恩达创立并担任首席执行官的 LearnVector 投资了 1 亿美元，完全稀释后持股比例约为三分之一⁴。首款产品预计于 2027 年初推出，而吴恩达目前仍担任 Coursera 的董事会主席。

“现有模式的 AI 学习是最糟糕的”，这句话同时也在阐释 LearnVector 这类新型学习公司试图解决的问题。 这并不意味着吴恩达在说谎，因为数据确实指向了这个方向。只是，如果说贩卖恐惧的一方存在激励机制，那么兜售乐观的一方同样也存在利益动机。双方都不是毫无私心的旁观者。

重新审视他在同一场访谈中给大学生和职场新人的建议，这种结构便一览无余。他的建议是，既然大学课程跟不上变化，就应该在网上单独学习最新技术，而他举出的例子正是 Coursera、DeepLearning.AI 和 Udemy。这三家中有两家是他创立的机构，且 Coursera 与 Udemy 已在 5 月合并为一家公司。建议本身固然合理，但当建议恰好与自身业务的需求挂钩时，听者最好对这一点心知肚明。

因此，面对 AI 与就业的数据，我们不能只看结论，还必须看解读的基准。今后遇到与 AI 和就业相关的数据时，不妨确认以下三点：第一，基准日期是何时。取决于对比的是 1 年前还是 6 年前，同一个指数既能被解读为复苏，也能被解读为长期下滑；第二，分母是什么。是招聘岗位数量、占比，还是实际录用人数；第三，说这番话的人正在推销什么。可能是模型，可能是监管，可能是课程，也可能正是恐惧本身。

Oswarld视角

在韩国，这番讨论之所以让人感到更加不适，是有原因的。招聘要求早已发生变化，但评估这些要求的方式，却依然停留在以学校、专业、证书和实习时长为中心。

在简历筛选中看学校与专业、数证书数量和实习月数的惯性做法，根本无法捕捉到“究竟做出了什么”。相反，求职者这边虽然总听到要准备作品集，但对于“要做什么、做到什么程度”，却缺乏统一公认的标准。在美国，像吴恩达这样的人会亲自公开面试标准以供参考，但在韩国，这类公开标准大体上是缺失的。

如今填补这一空白的，正是作品集咨询与恐惧营销。标准越模糊，卖方就越占便宜。招聘方哪怕只是把期望的具体产出写明，这个市场的大半乱象就能迎刃而解，但目前却依然停留在“不看学历看实力”的口号阶段。真心劝大家别在这上面花钱……不如拿去买顿牛肉吃。

结语

我们分不同情况来做个整理。

如果你目前在职，亲自打造一个能减少自己岗位上重复性劳动的工具，是最快速的自我验证。吴恩达的财务团队所做的事情其实也没有多么惊天动地，只不过是将每周重复进行的文档核对工作自动化了而已。

如果你是招聘方，与其在招聘公告里写上模糊的“具备 AI 应用能力”，不如写明你希望招到一个亲手做出过什么的人。要是没有这一句话，求职者就只能按照过去的基准线去准备应聘。

如果你是数据读者，只需确认基准日、分母以及发言者所售卖的产品这三点，就能过滤掉绝大部分的夸大其词。无论是散播恐慌的数据还是兜售乐观的数据，都可以用这同一把尺子去衡量。就像今天看到的 74.4 与 15% 一样，很多时候两者都是事实，只是各自所选的基准线截然不同而已。

读者，说到底，这次转变的核心不仅在于整体工作岗位数量，更在于招聘标准正在发生怎样的变化。

💬 回头重新读一读你所在机构目前的招聘公告，里面是否出现了与三年前不同的语句？有哪些新表述被加了进去？欢迎在评论区留言分享。

📨 如果身边的同事最近正在撰写招聘公告，或者正在准备跳槽，不妨把这篇文章转发给他们。哪怕只确认这三条基准线，准备的方向也会大不相同。

参考资料与延伸阅读

核心来源

• The Singju Post, “Andrew Ng: The Biggest Opportunities in AI Aren’t Where You Think”, 2026年8月31日。 ··· 8月28日播出节目的全文。关于营销人员招聘标准的讨论出现在22分20秒处。
• Indeed Hiring Lab, “US Labor Market Snapshot — August 2026”, 2026年8月24日。 ··· 软件开发指数74.4出自此处。该指数每月更新，引用前建议确认最新数值。
• Indeed Hiring Lab, “AI and Job Postings: From Destruction to Creation?”, 2026年7月8日。 ··· 这份资料同时呈现了反弹与低谷，最适合用来理解基准线问题。
• 《中央日报》, “IT 新人招聘猛降73%，AI时代计算机专业也陷入求职难”, 2026年6月11日。 ··· 刊载了Wanted Lab对72,793条招聘信息的分析以及计算机专业就业率数据。
• Coursera, “Coursera Makes $100 Million Strategic Investment in LearnVector”, 2026年7月28日。 ··· 披露投资规模与股权结构的新闻稿原文。
• AI Times, “Wanted Lab发布招聘趋势报告”, 2025年12月8日。 ··· 针对153名HR负责人的调查。样本量较小，建议仅作趋势参考。

背景知识

• FRED, “Software Development Job Postings on Indeed in the United States”. ··· 可以亲自绘制该指数走势。尝试切换基准线来观察，便能切实体会本期的核心论点。
• Class Central, “Coursera Bets $100 Million That Andrew Ng Can Do What Coursera Can’t”, 2026年7月29日。 ··· 对该笔投资持怀疑视角的报道，直指尚无产品的公司所获得的估值问题。

推荐阅读往期内容

• 向求职者兜售恐惧的人们 ··· 探讨了恐惧如何沦为流通商品的机制。本期则以同样的尺度审视了对立面的发声者。
• 法拉利设计师依然从铅笔画起 ··· 讲述新人过去学习业务技能的进阶阶梯。与本期探讨的“入场券”结合阅读，脉络会更加完整。
• 只需十分钟便会瓦解的思考肌肉 ··· 汇总整理了支撑吴恩达所言“对学习而言是最糟糕的”这一判断的相关研究。

作者 安光涉（Oswarld） 现任世宗大学兼任教授，INLEVEL9 战略顾问。职业经历、研究、著作与近期活动会持续更新在作者简介。 最新动态 · 2026年7月：HEMA-2: A Consolidation-Aware Tri-Memory Architecture with Multi-Channel Scheduling for Lifelong Conversational AI。

📝 术语说明

注释

1. 招聘职位发布指数（Job Postings Index）：Indeed将2020年2月1日的招聘职位数设为100后反映后续变化的指数。它反映的是相对于基准日的比例而非绝对数量，因此基准日设定的不同会让同一条曲线呈现出截然不同的解读。 ↩

2. 监管俘获（regulatory capture）：指制定监管政策的一方最终顺应被监管一方利益行事的现象。典型表现是以安全为名制定的规则，结果反而巩固了既有从业者的市场地位。 ↩

3. 开放权重（open weights）：指公开模型权重文件，使任何人都可以下载并运行的方式。它与连同训练数据和代码一并公开的开源（open source）在范围上有所不同。 ↩

4. 完全稀释基础（fully diluted）：指假定股票期权等尚未转化为股票的权利已全部转化为实际股票后来计算持股比例的方式。得出的数值通常比仅统计实际已发行股票更为审慎。 ↩