AI落地與交易基建雙主線：招聘動能邊際放緩下的關鍵人才判斷

招聘動能放緩：是回調，不是主線轉向

截至2026年9月6日，Talent Signal的180天樣本池共累積7,355個職位，比上一期7,311個僅淨增加44個。單看總量，市場仍在擴張，但把時間窗拆開後會發現，90天樣本占180天的比例從73.7%降到71.3%，7天樣本相對30天的比值更從20.4%降到15.7%，7天新增職位只有258個。這代表招募動能連續第二期走弱，不過目前還沒有足夠證據把它解釋成趨勢性收縮；更合理的說法是，企業在發布關鍵職位時變得更謹慎，也更有選擇性。

對人才判斷而言，這種「長窗穩定、短窗冷卻」的組合意味著，用總量解讀供需容易失真。真正要看的不是職位總數，而是哪些職能、哪些主題在短窗口仍然維持占比。AI/演算法職位在7天窗口占35.7%，比30天與180天的34.4%更高，資料職位則降到17.4%，安全與技術職位維持在一定水準。這些結構性差異比總數更能反映企業此刻願意把資源押在哪裡。

資料職位占比下滑，但不會消失，而是角色被改寫

180天資料職位仍有2,098個，占28.5%，是僅次於AI/演算法的第二大職能。但在7天窗口，資料職位只有45個、占17.4%，與上一周期22.7%相比明顯萎縮，顯示短期邊際需求明顯偏向AI與演算法。這個訊號並不代表資料科學或資料工程不再重要，而是市場正在把資料能力收編到AI交付鏈裡；新出現的職位描述中，Python加SQL、RAG與工作流整合的出現頻率上升，說明企業希望找的是能串接模型與業務系統的人，而不是只做儀表板或統計分析的人。

這對前沿科技公司的啟示是，資料團隊的職責邊界必須重新畫。如果仍把資料團隊視為獨立支援單位，很可能在AI平台上出現技能斷層。Talentverse在協助新經濟團隊設計人才策略時，會特別要求把資料角色放在模型部署、inference監控與成果評量的脈絡下檢視，避免傳統職稱掩蓋了真實任務。

AI Infra主導需求，Agent/RAG與成果管理職位預告下一階段

主題集中度是這份報告最穩定的訊號。AI Infra在30天、90天、180天的占比分別是74.1%、68.0%、54.3%，7天也有61.2%，說明AI基礎設施與平台工程化是貫穿所有窗口的主線。值得注意的是Agent/RAG在7天窗口占到15.9%，高於30天的10.6%與180天的12.1%，代表短期討論的重心正從模型能力轉向代理化應用與實際交付。

更明顯的新訊號是一批以「成果」與「部署」命名的職位開始出現，例如GitLab的AI Transformation Owner、DevRev的AI Outcomes Manager、PerfectServe的Forward Deployment Engineer。這些職位要求候選人熟悉enterprise、workflow、inference與API，並對最後的業務結果負責。這說明企業需要的已經不只是能訓練模型的人，而是能將模型放進營運流程、測量效果並持續修正的任務關鍵型角色。Talentverse認為，這種「AI成果管理者」的出現，是高確定性招聘下一個必須提前卡位的職缺類型。

前沿部署角色的擴散也改變了招聘的節奏。過去企業通常先開出AI工程師職位，等模型上線後再補部署人力；現在，愈來愈多公司直接把Forward Deployment Engineer或AI Outcomes Manager當作初始編制，要求候選人在第一天就同時理解技術棧與客戶場景。對技術與產品人才而言，這種職位需要更強的跨部門溝通與結果意識，也代表人才評估不能再只看程式能力與論文發表，而要加入對業務指標的敏感度。

安全與Web3：融合訊號與低頻支線

安全相關職位在180天有477個、占6.5%，看起來是一個穩定的專業領域，但多數安全職位同時被歸類在AI Infra或Agent/RAG主題中。例如CertiK的Blockchain Security Expert - AI Track、Stellar的Director Ecosystem Product Security，都同時跨安全、AI與Web3。與其說安全人才正在獨立擴張，不如說安全能力已經變成AI平台與區塊鏈基礎設施的內建元件。

Web3相關模組在180天合計約300個職位，包括Web3 infra 135個、trading infra 47個、wallet/payment 38個與risk/compliance 80個，占比約3%。單看總量，它不足以與AI主線抗衡，但近7天湧現了交易所產品、託管機構經理、Rust工程師與風控管理等成組職位，顯示數位資產公司正在交易基建和機構化服務上補位。Talentverse會把這個訊號放進觀察清單，而不是直接當作擴張趨勢，因為需要連續幾個窗口才能確認它是否形成獨立市場。

Talentverse判斷：把招聘資源押在AI落地與成果管理

這份研究給出的結論很清楚：人才市場沒有轉向，但需求結構正在從模型研發轉向AI落地。短期發布動能放緩，不代表關鍵職位消失，反而代表企業對人才的要求更嚴格，也更需要外部人才研究的輔助來辨識真需求。最值得優先布局的角色是AI Infra工程師、Agent/RAG交付工程師，以及具備產品意識的AI成果管理者；資料工程師與具備整合能力的資料科學家則會以另一種形式留在需求表中。

若公司只沿用傳統JD與職能分類，可能誤判近期資料職位的降溫，並忽略少數但高價值的Forward Deployment Engineer。在這種市場狀態下，透過人才訊號判斷與高確定性招聘鎖定任務關鍵型人才，會比大規模撒網更有效。Talentverse的建議是，把AI成果管理與部署角色當作下一階段的前沿科技招聘重點，同時用長窗結構校準短期波動，才能在競爭加劇前掌握先機。