學習筆記

TL;DR

資工系並非不能念，但新鮮人就業門檻提高，成功關鍵在於提升技術深度或具備商業思維，而非停留在AI易於取代的執行層面。

快速結論

近年來，資工系新鮮人的就業市場確實面臨挑戰，失業率與職缺數的數據均顯示入門門檻顯著提高，例如軟體開發職缺在三年內減少了三分之二。然而，這並非資工行業整體沒落，有經驗的工程師失業率依然很低，且資工新鮮人的低度就業率遠優於許多文組科系，顯示一旦找到工作，其專業學用合一的程度仍高。

影片指出，導致新鮮人就業門檻提高的主因並非僅是AI。雖然AI確實自動化了部分初階的「練功型」程式撰寫工作，但其對整體資訊工程師職缺的影響有限。更關鍵的因素是遠距工作模式中斷了傳統的「師父帶土地」新人培養機制，使得公司帶新人的成本提高，轉而傾向招募有經驗的人才；此外，美國稅法Section 174的變革也間接壓縮了企業招聘工程師的意願。

面對現況，影片強調資工領域的長期回報依然存在，歷史經驗也顯示市場恐慌常過度反應短期變化。成功的關鍵在於個人能力的轉型，需發展成「T型人才」——具備深厚技術專精，能判斷與指導AI，將技術轉譯為實際問題解決；或是「M型人才」——具備跨領域廣度與商業思維，能有效指揮AI工具並將技術轉化為商業價值。最終的目標都是避免停留在AI最快能接管的執行層面，透過不斷學習與更新思維來適應產業變化。

這支影片在說什麼

本影片旨在探討近年來資工系新鮮人就業困難的現象，釐清其背後主因並非僅是AI。影片分析了資工新鮮人失業率的實際狀況，並指出遠距工作與美國稅法變革是導致就業門檻提高的關鍵因素。最後，影片提供對資工科系抱持興趣者如何透過深化專業或培養商業思維，來因應AI時代的職場挑戰。

最重要的 3-5 個重點

1. 資工新鮮人就業門檻確實提高，但非行業末日： 美國CS新鮮人失業率高於全國平均，且入門職缺大幅減少。然而，有經驗工程師失業率低，且CS科系畢業生的「低度就業率」遠優於許多文組科系，顯示困難主要在於「進場」而非整個行業衰退。
2. 遠距工作與稅法變革是門檻提高主因，AI影響被誇大： AI主要取代的是基礎執行性的「練功型」工作，對資深工程師職缺影響較小。真正將新鮮人擋在門外的是遠距工作導致新人培養成本過高，以及美國Section 174稅法改變降低了公司招聘工程師的意願。
3. 長期回報仍在，但需持續更新思維： 歷史上科技業曾多次經歷恐慌與洗牌，但長期來看資工領域的回報依然可觀。關鍵在於不獎勵「學完一次用一輩子」，而是獎勵「一直在學下一個東西」的人。
4. 發展「T型」或「M型」人才應對AI時代：
   • T型人才： 具備深度的領域知識（domain knowledge），能判斷AI與人的分工，在模糊需求中確立方向，並監督AI成果。
   • M型人才： 廣度通才，熟悉多領域，能同時指揮AI與人，在模糊情境中判斷，並將AI能力轉化為商業價值。
5. 培養商業思維的重要性： 僅會執行操作已不夠，能看出AI能力可解決哪些真實商業問題並將其變現，才是AI取代不了且能為自己重新訂價的關鍵。薪資增長與否直接關聯到AI能為公司帶來的時間成本節省、具體商業影響以及工作流的廣泛採用。

知識架構

I. 資工系新鮮人就業現況與挑戰 A. 資工新鮮人失業率與職缺銳減 1. 美國CS大學生失業率高於全國平均 2. 軟體開發職缺大幅減少（例：Indeed數據） 3. 有實習經驗與無實習經驗者就業率差異顯著 B. 與其他科系比較 1. 資深工程師失業率低 2. CS科系低度就業率遠低於文組科系 C. 挑戰主要集中於「入門職缺」

II. 導致新鮮人就業門檻提高的真正原因 A. AI的影響 1. 自動化「練功型」基礎程式撰寫工作 2. 對初階開發者招聘影響較大，對資訊工程師整體影響較小 3. AI撰寫程式的效率與品質仍有局限（例：學習/除錯效果、任務時間增加） B. 遠距工作模式 1. 中斷傳統「師父帶土地」的學

習與指導模式 2. 提高公司培養新人的成本，傾向招募有經驗者 3. 佔年輕大學畢業生失業上升原因的最大比例 C. 稅法變革（美國Section 174） 1. 2022年規定：工程師薪水不能當年全額抵稅，需分攤 2. 導致公司面臨虛增獲利與額外稅務負擔，影響招聘意願

III. 資工科系的長期展望與成功策略 A. 歷史借鏡與長期趨勢 1. 2000年網路泡沫後CS入學人數下降，但IT產業需求實則增長 2. 選填志願人數是落後指標，短期恐慌會掩蓋長期需求 3. 長期累計收入回報依然可觀 B. 未來所需人才特質與能力 1. T型人才 (T-shaped talent)： a. 深度領域知識（domain knowledge） b. 能判斷AI與人分工、設計系統方向、驗證監督AI成果 c. 能將技術專業轉譯成非專業人士可懂的語言 d. 需求成長快速（例：美國勞工統計局、世界經濟論壇數據） 2. M型人才 (M-shaped talent)： a. 跨領域廣度，同時熟悉多個領域的通才 b. 能連接跨領域想法，有效指揮AI與人 c. 在模糊情境中做出判斷，將AI能力轉化為真實商業問題的解決方案 d. 商業思維與薪資直接關聯 C. 持續學習與心態轉變 1. 科技業獎勵持續學習與更新思維者 2. 避免停留在AI最快能接管的執行層面 3. 真心對CS有興趣且有熱忱者應選擇投入

關鍵概念

• CS新鮮人失業率： 剛畢業的資工科系學生找不到工作的比例，影片中顯示近年有上升趨勢。
• 低度就業率 (Underemployment)： 畢業後只能從事不需要其所學學位的工作的比例，影片中比較了CS與文組科系的狀況。
• Section 174 (稅法變革)： 美國稅法的一項規定，2022年改變後，公司支付給工程師的薪水不能在當年全額抵稅，需要分多年攤銷，對企業招聘工程師的意願產生負面影響。
• 練功型工作： 指的是重複性高、基礎性的程式撰寫任務，這類工作較容易被AI自動化取代。
• T型人才 (T-shaped talent)： 具備單一領域的深度專業知識，同時也擁有廣泛的跨領域知識或協作能力。在AI時代，強調其深度專業能用來判斷與指導AI。
• M型人才 (M-shaped talent)： 指具有多個深度專長，並能將這些專長與廣泛知識連結的通才。影片中特別強調其能將AI技術與商業思維結合，將能力轉化為商業價值。
• 商業思維 (Commercial Thinking)： 能夠理解市場需求、判斷技術的商業價值、將技術轉化為實際營收或解決方案的能力，而非僅限於技術實作。
• 數據飛輪 (Data Flywheel)： 一種商業模式，透過不斷累積數據，讓模型或產品變得更精準、更具競爭力，從而吸引更多用戶或數據，形成良性循環，成為難以被複製的護城河。（例：Table IQ）

重要例子與細節

• 資工新鮮人就業數據：
  • 2016年美國剛畢業的CS大學生失業率比全國勞工平均高。
  • 紐約聯準會數據：22-27歲CS大學生失業率約7-7.8%（電腦工程更高），全體大學生2-3%。
  • Indeed數據：軟體開發職缺至2023年4月比2022年高峰減少69%。
  • TCG調查：2023年應屆畢業生只有3成找到本科系全職工作（前一年4成）。
  • 有實習經驗的畢業生找到工作的比例是81.6%，沒有的只有40.7%。
  • 資深工程師的失業率僅2.8%。
  • 經濟政策研究所：2023年以來美國失業率上升有8成5來自剛進職場的年

輕人。 * 美國整體入門職缺從2023年初減少了35%。

• 資工與文組科系比較：
  • 紐約聯準會數據：人類學系新鮮人失業率7.9%（比CS的7%高）。
  • 表演藝術和犯罪學等科系低度就業率衝到63.9%和65.8%，整個文組科系平均54.6%。
  • CS畢業生的低度就業率約19%。
• AI影響的數據與實驗：
  • 追蹤6000多萬勞工的研究：導入AI的公司初階開發者招聘掉了約9-10%，但資訊工程師職缺幾乎沒有變動。
  • 實驗顯示工程師用AI學習新工具，理解和除錯策略比自己手動學習的組低17%。
  • MITRE機構發現資訊工程師用了AI之後，完成任務反而多花了19%的時間。
• 遠距工作影響：
  • 紐約聯準會估算：年輕大學畢業生失業上升的原因中，遠距工作佔比最大，約64%。
• Section 174稅法：
  • 美國一條規定，2022年修改後，公司付給工程師的薪水不能當年全額抵稅，要分多年攤銷。
• 歷史借鏡：
  • 2000年網路泡沫：納斯達克指數崩了近78%。美國CS大學入學人數連續跌6年，但後來美國IT專業人員（IPG）人數卻創新高。
• 長期收入回報：
  • Hamilton Project數據：CS BS畢業生整個職涯三四十年累計收入常超過200萬美金（一般大學畢業生中位數約120萬美金）。
• T型人才需求：
  • 美國勞工統計局預估：技術專精缺口未來十年成長率高達29-33%（一般職業約4-5%）。
  • 世界經濟論壇未來工作報告：將「深度技術」列為成長最快的技能前段班。
• M型人才與商業思維：
  • 公司為表現突出的AI使用者加薪2-4%的評斷標準：AI幫公司省下的時間成本、帶來的具體商業影響、工作流是否被其他人廣泛採用，而不是只看會不會用AI。
• 哈佛商學院課程案例 (知識衛星與Cristina Wallace合作)：
  • 講師Cristina Wallace曾任BCG管理顧問、天使投資人、連續創業家，其創業失敗案例是哈佛商學院的案例研究。
  • 課程內容包含AI新聞趣事與商機，如半年從零做到350萬美元年收入的Base 44。
  • Cristina創業團隊案例：Table IQ，沒有發明新的AI模型，而是重新定義餐廳監視器用途，分析外場廚房、出餐速度等，提供優化建議，並建立數據飛輪形成護城河，不到一年實現70%毛利率。

可學習的洞察

1. 認知「落後指標」效應： 對於職涯選擇或市場趨勢，應警惕大眾對短期壞消息的過度反應，深入理解其背後原因及長期潛力，避免因一時恐慌而做出錯誤決策。
2. 超越執行，邁向決策與判斷： AI正在快速接管重複性、執行性的工作，個人價值應轉向需要人類獨有判斷力、決策力、創造力以及商業連結的能力，這才是AI難以取代的領域。
3. 持續學習是科技業的唯一鐵律： 科技業從來不獎勵「一次學好用一輩子」，而是獎勵那些能不斷學習、適應新技術和新思維的人。將學習新知視為常態，而非階段性任務。
4. 技術+商業思維 = 高價值： 純粹的技術能力雖是基礎，但若能將技術與商業場景結合，看出其能解決的真實問題並轉化為商業價值，才是拉開薪資與職涯發展差距的關鍵。技術人更需補足這塊「商業判斷」的能力。
5. 師徒制與現場交流的隱性價值： 影片揭示遠距工作對新人培養的負面影響，提醒我們現場指導、非正式交流對新人成長的重要性，這份價值在考量工作模式時值得被重視。

可行動的整理

1. 自我評估與心態調整： 深入思考自己對CS是否有真誠熱忱，避免僅抱著高薪或輕鬆工作的期待。若無熱忱，需重新評估職涯方向。
2. 積極爭取實習機會： 無論身處哪個階段，務必尋找實習經驗，數據顯示有實習者就業率是無實習者的兩倍。
3. 深化技術專業（T型）： 專注於某一技術領域，鑽研其深度，目標是成為能指導AI、判斷複雜系統設計方向的專家。
4. **

培養商業思維與跨領域能力（M型）：** 學習如何將技術應用於解決真實商業問題，理解市場需求與價值創造。可透過閱讀商業案例、參與跨部門專案或考慮相關課程來培養。 5. 主動擁抱AI工具並理解其限制： 不僅要學會使用AI工具輔助工作，更要理解其運作原理與限制，並能判斷何時該用、如何用，而不是盲目依賴。 6. 持續學習與技能更新： 建立終身學習的習慣，密切關注產業最新技術與趨勢，並主動學習與應用，例如影片中提到ChatGPT剛出來時就積極探索應用的人。 7. 考慮學習商業管理課程： 若為純技術背景，可考慮進修商業管理或創業管理課程，補足商業判斷與將技術變現的能力。

複習問題

1. 影片中指出，資工系新鮮人就業困難的兩個主要原因（非AI）是什麼？它們是如何影響公司招聘意願的？
2. 相較於全體大學生與文組科系，資工系新鮮人的失業率與低度就業率有何差異？這代表了什麼樣的職涯處境？
3. 影片認為AI主要取代的是哪一類型的程式開發工作？對於資深資訊工程師的職缺和職涯發展，AI的影響為何？
4. 在AI時代，為了確保職涯競爭力，工程師應發展哪兩種主要的能力或人才特質？請簡要說明它們的核心價值。
5. 影片如何用歷史案例（如2000年網路泡沫）來論證人們對科技業短期變化的反應？這對資工科系的長期展望有何啟示？

待確認資訊

• 「10.4億有類似的數字」：此處的10.4億是指什麼單位或數據，上下文稍不明確。
• 美國Section 174稅法變革對台灣科技業供應鏈的「間接」影響具體為何？台灣是否有類似的稅務規定？（影片提及台灣會隨美國變化，但未詳述）
• AI時代的長期累計收入是否能複製過去資工系畢業生累積達200萬美金的數字？影片中雖然說明「長期天花板還在」，但也提及「沒有人敢保證它能複製」，此為一不確定點。