全球 AI 人才需求總量續增，市場動能轉向 Agent 工程化與基礎設施建置

全球 AI 與資料職缺總量續增，但單週動能進入短期修正

截至 2026 年 9 月 3 日的資料顯示，過去 180 天可被觀測到的 AI 與資料職缺樣本達到 7,311 個，比上一期增加 204 個；其中 90 天樣本為 5,385 個，30 天為 1,790 個，7 天則為 365 個。總量仍維持在歷史高位，但在更接近當下的短窗口，7 天職缺數對 30 天職缺數的比值從 24.4% 下降到 20.4%，90 天對 180 天的比值也從 75.6% 略降至 73.7%。換句話說，過去一個月企業開出職缺的力道仍然不弱，只是最近一週新增的速度沒有延續前期的衝刺節奏。對企業而言，這未必代表人才需求轉冷；因為新增樣本集中在 AI 營運、網站可靠性工程與通用軟體工程等領域，顯示市場仍在補齊 AI 系統運行所需的基礎人才。若能搭配 90 天以上的趨勢判斷，會比單看一個七天窗口更能反映真實需求。

AI/演算法再次拉開領先，資料人才需求進入結構調整

以 180 天窗口看，AI/演算法相關職缺占 34.4%，資料類占 28.7%，技術類占 18.2%，三者合計 81.3%。若只看最近七天，AI/演算法占 33.4%，資料占 22.7%，技術占 22.5%，資料職缺的占比從上一期的 30.6% 明顯回落。這代表短期新增職缺並未延續資料崗位逼近演算法崗位的趨勢，演算法與 Agent 相關工程師的需求重新擴張。同時，資料平台主題在 30 天占 3.8%，低於 180 天的 6.6%，顯示企業對純資料平台建置的開缺轉趨收斂，更傾向把資料工程能力放進 AI 基礎設施與 Agent 全端專案中。人才研究必須留意：資料工程師的需求沒有消失，但角色邊界正在被 AI 平台吸收，若仍以傳統資料倉儲或 ETL 標準評估候選人，可能錯過懂得 model serving、RAG 管線與線上推論的人才。

Agent 工程化成為新主軸，企業需要可交付的 AI 人才

本期的需求遷移訊號非常明確。Agent/RAG 類職缺在 180 天樣本中占 12.1%，到 7 天窗口升高到 15.6%；AI 基礎設施仍是最大賽道，7 天占比 68.5%，但相較上一期的 75.5% 略為下降。短期新增職缺包括 AI Ops Lead - Forward Deploy、Staff Engineer – Agentic AI、Senior Full-Stack AI Engineer（CTO track）等角色，關鍵字密集分布在 rag、platform、workflow、api、retrieval。這意味著企業的招募重點已從「能不能做出模型」，轉向「能不能把 Agent 放進企業既有系統並驗證成效」。尤其值得注意的是，enterprise AI integration 這類大型交付職缺，在 90 天內有 19 個，30 天縮減至 2 個，7 天為 0 個；顯示大型 AI 解決方案銷售尚未放量反映到人才需求上。真正釋出職缺的，反而是開始自建 AI 能力的產業公司與早期新創。

非科技業者自建 AI 平台，早期新創追求一崗多能

企業模式呈現明顯雙軌。Republic Services 開出 Staff Engineer – Agentic AI，Xaira Therapeutics 同步招募 midlevel 到 staff 等級的工程師，兩者都落在 AI 基礎設施主題下，且關鍵字包含 enterprise、audit、etl 或 platform，說明傳統產業與生命科學公司不再只想採購外部 AI 工具，而是打算建立自己的工程團隊。另一方面，早期專案在最近一週也更活躍；founding 類職缺 7 天占比 1.9%，高於 30 天的 0.7% 與 180 天的 0.6%。這類公司開出的 AI Hiring Lead 或 CTO track 全端 AI 工程師，希望人才同時具備技術深度、業務理解與招聘操盤能力。不同的公司畫像，對人才判斷提出不同要求：平台公司需要能在複雜系統中維運與優化的工程師；行業公司需要能跟稽核、風險與既有流程溝通的 AI 負責人；早期新創則需要具備創始人心態的全能型選手。

人才判斷策略：用結構性趨勢取代單週數字

面對職級與薪資資訊質量的分化，招募決策者需要更謹慎。短期 7 天樣本的職級缺失率降到 58.1%，是各窗口最低，明確標註 lead/senior/staff 的職位占比達 41.9%；但同一窗口的薪資強訊號揭露率反而降至 77.8%，低於 30 天的 84.5%。企業願意寫出職級，卻不願意揭露薪資，可能與短期約聘或新興職位的薪酬架構不一致有關。因此，當我們看到一個掛著 Staff 或 Senior 職稱的 AI 職位時，不能直接預設它的權責與薪資範圍；必須透過訪談確認決策權、預算、跨部門影響力，才能判斷是否為任務關鍵型角色。對 Talentverse 而言，高確定性招聘不是追求最快送出履歷，而是先幫客戶釐清「這個角色真正要解決的系統性問題」，再以證據與訪談交叉驗證候選人。

Talentverse 判斷：高確定性招聘的優先序

綜合本期人才訊號，Talentverse 認為，市場正從模型軍備競賽轉向 Agent 落地與基礎設施優化。未來 6 至 12 個月最值得優先布局的關鍵職位，是具備 AI 基礎設施穩定度與 Agent 框架整合能力的資深工程師、能深入客戶環境的 Forward Deployed 型 AI 營運主管，以及能跨越演算法與資料平台的全端 AI 人才。許多公司仍在用熟悉哪一套深度學習框架作為主要篩選條件，但真正稀缺的是懂得系統整合、合規與業務成果驗收的人。單週職缺比率回落不應該改變高確定性招聘的節奏；反而在市場修正期，更應主動鎖定那些在傳統搜尋中被低估的人才，因為當動能再次回升時，優質人才的爭取窗口會快速關閉。掌握結構性趨勢的研究團隊，才能為前沿科技公司提供可驗證、可執行的關鍵人才判斷。