職缺年增兩成、就業人數卻沒動

上週美國出了兩份跟科技工作有關的資料。一份是求職平台 Dice 的 10 月科技職缺報告：科技職缺比去年同期多 20%，AI／機器學習職缺多 91%。另一份是美國勞工統計局（BLS）11 月 6 日發布的 10 月就業報告：「電腦系統設計及相關服務業」的就業人數，比去年同期少了 1.1%。

一個說職缺在漲，一個說人沒有變多。這兩件事其實可以同時成立，但要知道它們各自在量什麼。這篇把兩份資料並排，再看 Dice 報告裡我覺得最值得注意的一段：雇主開始在職缺裡點名特定的 AI 寫程式工具，同時也點名技術債、可維護性和設計審查。先說明：兩份都是美國資料，台灣不一定同步。

一、發生什麼事

Dice：10 月科技職缺報告（11 月發布）

• 資料來自 Lightcast 的職缺資料庫，Dice 在 11 月 3 日抓資料，分析超過 700 萬筆美國科技職缺。
• 科技職缺月增 4%（9 月是月增 9%），年增 20%。AI／機器學習職缺年增 91%，是整體的四倍多。
• 產業別：保險與軟體業的科技職缺月增超過 30%；年增方面，軟體、航太國防、製造業都在 50% 以上。
• 地區：紐約都會區月增 48%、芝加哥 46%；矽谷的聖荷西則月減 12%、年減 4%。
• 月增超過 150% 的職稱，集中在三類：AI 模型的訓練與營運（AI Trainer、ML Data Engineer、MLOps Engineer）、資深技術職（Lead、Staff、Distinguished Engineer）、企業核心系統（大型主機、SQL DBA、Workday、Salesforce）。
• 技能年增 200% 以上的名單裡，有 Claude AI 和 GitHub Copilot，旁邊是 Technical Debt、Maintainability、Design Reviews、Software Technical Review、Defect Management。Dice 的解讀是：雇主想找能審查、維護 AI 輔助產出程式碼的工程師。
• 同一張名單上還有 Agentic AI、AI Agents、RAG、Responsible AI，以及 Telemetry、Traceability、Exception Handling 這類上線後監控與除錯的技能。

BLS：10 月就業報告（11/6 發布）

• 非農就業增加 16.5 萬人，失業率 4.1%。8、9 月合計上修 8.4 萬人。專業與商業服務業 10 月增加 7 萬人。
• 從產業別就業表（Table B-1）的季調數字看，和去年 10 月比（9、10 月為初值）：

產業	2025/10	2026/10	年變化	10 月單月
資訊業（Information）	285.3 萬	273.4 萬	約 −4.2%	−0.1 萬
電腦系統設計及相關服務	237.97 萬	235.41 萬	約 −1.1%	+0.32 萬
運算基礎設施、資料處理、主機代管	48.07 萬	45.48 萬	約 −5.4%	0
出版業（含軟體出版）	90.35 萬	88.00 萬	約 −2.6%	−0.41 萬
管理、科學與技術顧問	186.00 萬	190.57 萬	約 +2.5%	+1.73 萬
半導體與電子零組件製造	36.95 萬	37.68 萬	約 +2.0%	+0.33 萬

年變化是我依表中數字自己算的。

二、官方沒說、或還沒定案的部分

• 職缺不等於錄取。 Dice 自己寫明，報告完全根據即時職缺資料，和 BLS 的就業統計無關，而且前一個月的數字之後可能回頭修正。一個職缺可能掛很久、重複刊登，或最後沒有招人；Dice 沒有提供錄取或填補率。
• 兩份資料的分類不一樣。 Dice 的「軟體業」是發職缺的雇主所屬產業，BLS 的「電腦系統設計」「出版業」是依 NAICS 產業分類計算的受雇人數，不能直接相減。
• BLS 的 9、10 月是初值。 下一次發布是 12 月 4 日，屆時還會修正。
• Dice 沒有給「Claude AI」「GitHub Copilot」實際出現在多少比例的職缺裡，只說年增超過 200%。基期很小的技能，年增 200% 可能只代表從很少變成少。
• 台灣的同期資料，這次我沒有找到可以和這兩份直接對照的工程職缺數字，所以不做類比。

三、我怎麼看

第一，「職缺回溫」和「就業沒長」可以同時是真的。 職缺在增加，但受雇人數在科技相關產業持平甚至下滑，比較可能的解釋是：企業在換人、換職務組成，而不是單純擴編。這跟我在 AI 時代的工程師職缺 整理的 Indeed 資料方向一致：總量沒回來，組成在換，入門職缺占比變小、資深職缺占比變大。Dice 這次月增超過 150% 的職稱裡，Lead、Staff、Distinguished 這類資深職稱特別顯眼，也是同一個方向。這是推論，兩份資料都沒有直接證明。

第二，雇主開始寫出工具名稱，也開始寫出「收尾」的技能。 以前職缺會寫「熟悉 AI 工具」這種模糊描述，現在出現具體工具名稱。更值得注意的是它旁邊那一排：技術債、可維護性、設計審查、缺陷管理。這呼應了 81% 團隊合併過沒看懂的 AI 程式碼 那篇談的驗收缺口：產出變便宜之後，把關變得更重要。雇主想買的不只是「會用 AI 寫」，而是「能判斷 AI 寫的東西能不能上線、上線後怎麼顧」。

第三，最穩的需求不一定在最熱的地方。 大型主機、SQL DBA、Workday、Salesforce 這些「舊系統」職稱也在名單上，Dice 的解釋是 AI 與資料專案最後都要接回企業核心系統。顧問業就業年增 2.5%、半導體製造年增 2%，也都不是傳統「科技公司」的範圍。對求職者來說，「科技職缺」的地圖比以前分散。

四、實務建議

正在找工作或想轉職的工程師

• 履歷寫出「審查與維護」的證據。 例如：你怎麼審查 AI 產生的程式碼、處理過哪些技術債、建立過什麼測試或監控。這些比「熟悉 Copilot」更有說服力。
• 工具要會用，但重點放在判斷。 職缺開始點名 Claude、Copilot，代表會用是基本門檻；能說清楚什麼時候不採用 AI 的建議、為什麼，才是差異。
• 補上線後的技能。 Telemetry、Traceability、Exception Handling 出現在同一張名單上。會寫功能之外，懂得怎麼監控、追蹤、排錯，是入門工程師比較少準備的部分。
• 把產業知識當籌碼。 保險、金融、製造這些產業的科技職缺在長，懂業務流程加上工程能力，比只會寫程式更好找到位置。

工程主管、招募負責人

• 職缺描述裡如果寫了 AI 工具，也把「怎麼審查 AI 產出」寫進面試題，不然只會篩出「很會用工具產出很多程式碼」的人。
• 面試加一題技術債或 code review 的實作題，比考演算法更接近現在團隊每天在做的事。
• 如果團隊在縮減入門職缺，想清楚三年後的資深工程師從哪裡來。

剛畢業、還沒有工作經驗的人

• 參與開源專案時，挑「修 bug、補測試、整理文件」這類維護工作，正好對應雇主在點名的技能。
• 作品集裡放一個「接手別人程式碼並改善它」的專案，比再做一個新的 to-do app 更能展示這些能力。

五、對求職者的意義

這兩份資料加起來，我讀到的訊息是：市場沒有關門，但它付錢買的東西在換。 能快速產出程式碼的人越來越多，能把關、能維護、能把 AI 接進真實系統的人還不夠。

對台灣的工程師來說，這是美國資料，不能直接套用到本地薪資或職缺數。但如果你在投外商、遠端職缺，或公司正在導入 AI 開發工具，這份「技能名單」值得對照自己的履歷看一遍。Stack Overflow 2026 開發者調查裡「48% 的人只在答案容易驗證時才信任 AI」那組數字，講的也是同一件事：先懂，才知道 AI 對不對。

---

職缺數字會一直上下跳，但「能判斷、能維護」這件事不太會退流行。如果你正在想下一步該補什麼技能，或想讓團隊的招募標準跟上 AI 開發工具的變化，歡迎預約 30 分鐘初談。