AI 时代催生四大新兴岗位：全栈工程师、FDE、AI PM 与工作流专家

事件概述

文章从一位下属滥用 AI 撰写工作报告的案例切入，引出 AI 时代对个人能力的双刃剑效应：AI 对高手而言是提升效率的“陪练”，但对中级玩家可能成为制造虚假能力的“代练”。核心观点是，AI 让效率成为标配，却让真正的评价判断力成为稀缺，未来人才的分化将加剧，唯有能抵住诱惑、持续深耕的人才能成为赢家。

核心信息

AI 对人才结构的影响

• 行业资源正加速向 AI 相关能力迁移。据《2025 年人工智能产业人才发展报告》，2025 年三季度 AI 行业招聘职位数同比增长 11%，AI 产品经理需求增长 178%。Google 等大厂也通过裁员和架构调整将资源集中到 AI 及 Gemini 战略上。
• 企业逐渐避免为旧岗位、低效率付钱，愿意为 AI 提效、AI 产品、AI 应用、AI 工作流付钱。

人才竞争力公式

企业判断 AI 人才的标准为：竞争力 = 专业能力 × AI 工具 × 项目作品 × 知识表达。其中：

• 专业能力即行业 KnowHow，与技术无关，例如医疗、法律、HR 等领域流程。
• AI 工具包括 AI Coding（CodeX、Claude Code、Trae）、低代码平台（Coze、Dify）、AIGC 类工具等。程序员在 AI 工具学习上有天然优势，但 AI Coding 同时大幅降低了编程门槛。
• 项目作品：由于当前 AI 项目壁垒在大模型侧，许多公司难以区分生产级项目和 Demo，存在“鱼目混珠”的空间。文中举了药企 AI 知识库案例：低价团队快速出 Demo 但后续无法优化，最终推倒重来。
• 知识表达：AI 学习曲线异常诡异——花一个月能学到 60% 技巧，花一年只能学到 70%。多数人之间的差距不大，因此只要具备成体系的知识框架、善于表达，就很容易在 90% 的从业者中脱颖而出。

四大新兴岗位

1. AI 应用开发工程师（AI 全栈工程师）：不再区分前后端、架构师、语言，核心能力是 AI Coding——既懂开发，又懂 Prompt、RAG、Agent 和业务集成。
2. AI 解决方案架构师（FDE）：需要深入企业现场，将客户混乱的业务、数据、流程组织成可执行方案。核心技能为沟通能力和全面知识，当前多由售前、交付经理转型，但专业能力普遍不足，需求量大。
3. AI 产品经理/项目经理：研发工作量从写代码转为写提示词、做 Skills，AI PM 需具备顶层设计、向上管理能力，同时可能需承担程序员部分工作或强化项目管理。
4. 行业专家/AI 工作流工程师：负责梳理行业工作流、结构化私有数据，主要工作围绕知识库建设、可观测数据集等展开。

学习方法论

• 建立 AI 应用分层模型：基于 KnowHow、数据、工程三要素，对 AI 项目分类，明确各品类技术路径与难点。例如：AI 工作流核心是 SOP/Workflow，知识库难点是数据处理，Agent 难点是稳定可观测执行环境。
• 全景图打开：寻找最具代表性的生产级 AI 项目，完整理解模型能力边界、Prompt/Workflow/Agent 设计、数据清洗、系统接入、可观测性、成本控制、安全合规、组织协同等全链路。多数转型者只能接触到边角料（如整理数据、竞品调研），缺乏全局视角。

值得关注

• AI 时代，评价判断力（评价体系）是区分高手与一般玩家的根本。高手能对 AI 输出进行好坏判断和修改，剔除“正确但无用”的内容。
• 脱离 AI 后仍能保持较高水准（10 次中有 2-3 次能达到借助 AI 的最高水准），才是真正的能力内化。
• 普通人进入 AI 领域的机会确实存在，因为及格线以上的人不足行业的 10%，且差距不大；许多企业已开始自己培养 AI 人才。