告別短命AI職位熱潮：企業決勝關鍵，在於稀缺的「邊境工程師」？

在人工智慧（AI）浪潮席捲全球企業的今日，各界對於AI人才的需求與定義不斷演變，從提示工程師（prompt engineer）到迴圈工程師（loop engineer），職位名稱如走馬燈般快速更迭。然而，整合技術公司 Boomi 的執行長史蒂夫·盧卡斯（Steve Lucas）在倫敦舉行的公司世界巡迴活動上，與 ZDNET 進行一對一訪談時明確指出，企業真正需要的，是一種具備「持久技能」的關鍵角色——「邊境工程師」（frontier engineer）。

盧卡斯認為，邊境工程師將是企業在AI時代解鎖競爭優勢的核心專業人士。他強調：

「當組織能深入理解如何最佳化前沿模型、如何運用它們時，他們就能成功。而必須有人每天思考這些問題——一位資訊長（CIO）需要這樣的人，無論他是誰，成為組織的一份子。」

這位自2022年12月起擔任 Boomi 執行長，並曾任 iCIMS 和 Marketo 執行長，以及在 Salesforce 和 SAP 擔任高階主管的資深科技領袖，深諳科技產業的發展軌跡。他指出，邊境工程師將在複雜的AI代理人（AI agents）環境中帶來清晰度，但這項高階職位需要專業資格和具挑戰性的責任。正因如此，隨著企業尋求超越競爭對手，邊境工程師的需求將會非常龐大。

告別「夸克與玻色子」般的短命AI職位

盧卡斯將邊境工程師的興起，置於當前AI職位炒作的背景中。他承認，這個角色在許多方面是最新一波被過度宣傳的AI職位之一。然而，這次的關鍵不同在於，邊境工程師將是一個長期的關鍵職位，而非招聘市場上的曇花一現。

他首先回顧了提示工程師的熱潮。盧卡斯提到，這個角色曾一度是求職者和企業追捧的「當紅炸子雞」：

「專業人士不斷被告知，一篇文章接著一篇文章，一個影片接著一個影片，『這是從模型中提取答案的最佳方式』，一年多的時間裡，焦點都放在提示工程師上。」

然而，隨著2025年末 OpenClaw 的發布，IT招聘趨勢再次改變。盧卡斯指出：「突然間，我們需要『harnesses』（指幫助AI模型可靠運作的操作軟體層）。」這種需求催生了「harness engineer」（駕馭工程師）等職位。最近，迴圈工程（loop engineering）——設計、操作和改進讓AI編碼代理人規劃工作的反饋迴圈——又成為一項必備技能。盧卡斯搖頭感嘆這一連串短命的職位，用粒子物理學的比喻來形容IT招聘的炒作週期：「這就像夸克和玻色子，突然出現，然後又消失。」

更令人擔憂的是，對於追隨這些週期的IT專業人士來說，這可能是一條通往職業生涯死胡同的捷徑。盧卡斯強調：

「這些都不是持久的技能。持久的技能是深入理解資料科學和神經網路。」

從「建構」到「最佳化」：邊境工程師的獨特價值

邊境工程師的獨特價值，正體現在企業AI部署的資料驅動實踐層面。盧卡斯追溯這個角色的起源，發現它源於大型科技公司對「前沿模型工程師」的需求，這些公司正引領AI創新。他強調這些人才的稀缺性：

「我敢打賭，全世界能以我們今天看到的規模，建構和訓練模型，並理解神經網路、能建構基於反向傳播的大型語言模型的人，可能不到3,000人，甚至不到2,000人。」

盧卡斯指出，全球僅有約2,000人能理解神經網路如何生成答案。然而，更關鍵的是，他認為一個轉捩點正在到來：越來越多的終端用戶組織——而不僅僅是科技巨頭——將需要一位能力極強的工程師，能夠將他們對前沿模型內部運作機制的知識付諸實踐。他表示：

「企業將需要真正理解神經網路如何運作的人。不一定是知道如何建構它們，那太稀有了，而是理解這些東西如何運作，以及如何最佳化它們。」

當被問及邊境工程師應具備哪些技能時，盧卡斯表示，至少需要具備資料和神經網路的進階學位。他承認，在這兩個專業領域都擁有強大能力的人才非常罕見，尤其是在非科技企業中應用這些知識。他總結道：「理解資料是一回事；理解神經網路又是另一回事，這是一種更稀有的技能組合。但在企業中應用這種能力，其重要性是深遠的。」

介於AI高管與AI建構者之間：榨取AI最大生產力

盧卡斯解釋，邊境工程師的職責與其他高階職位，如首席AI長（Chief AI Officer），有顯著不同。他認為：「對我來說，首席AI長是思考模型、框架、合規性、與更廣泛組織整合等所有需要發生的事情的人。」

為了闡明邊境工程師的要求，盧卡斯提到了「前線部署工程師」（forward-deployed engineers）的概念，這些IT專業人士與客戶緊密合作，確保技術解決方案在其營運環境中有效部署。他指出：「我認為我們所有人都聽說過這個詞，由像 Palantir 這樣的公司所倡導。前線部署工程師在功能上再次不同；他們是能夠迭代、建構並將解決方案應用於業務問題的人。」

盧卡斯認為，邊境工程師介於AI高管和AI建構者之間——他們對技術的細節有足夠的了解，能夠有效地利用模型。但他警告，這些人很難找到。他坦言：「即使在我們自己的組織內部，我也知道這是事實。在 Boomi，很難找到一個對神經網路有深入了解的人，她或他能否幫助我從這些東西中榨取每一滴生產力？」

然而，盧卡斯強調，找到——或者對於嶄露頭角的科技專業人士而言，成為——這樣一個稀有的人才，對於企業而言至關重要，也是通往長期成功的途徑。