「我們需要一位 AI Engineer。」
這句需求聽起來明確，實際上可能代表完全不同的工作：有人負責模型研究，有人建置資料管線，有人把模型部署到產品，也有人主要整合既有 API。若企業只用「AI 經驗」作為搜尋條件，很容易收到大量看似相關、實際任務不相符的履歷。
在台灣招募 AI 與軟體人才，真正的起點不是增加關鍵字，而是把商業問題轉換成可評估的工作成果。搜尋方向越清楚，顧問越能接觸合適人才，候選人也越容易判斷機會是否值得投入。
一、先說明要解決的問題，不要先決定職稱
同樣稱為 AI Engineer，任務可能包含模型訓練、推論最佳化、資料治理、MLOps、後端整合或客戶端導入。企業應先回答：這個角色到職六個月後，必須交付什麼成果？
例如，目標是建立可重複使用的模型服務平台，所需能力可能偏向雲端架構、部署與監控；若目標是改善特定預測效果，則更重視資料品質、實驗設計與模型判斷。職稱可以相同，人才市場卻完全不同。
建議把需求拆成四個層次：商業成果、核心任務、必要技術，以及可在職學習的領域。這能避免把所有熱門技術都列成必要條件。
二、建立能力地圖，而不是堆疊技術關鍵字
AI 與軟體工作通常跨越多個層次：
- 模型與演算法：問題定義、實驗、評估與模型選擇
- 資料工程：資料取得、品質、管線與治理
- 平台與基礎設施：部署、監控、成本、資安與可靠性
- 產品工程：API、後端、前端、使用者情境與迭代
- 商業協作：把技術限制轉化為可理解的決策資訊
企業不一定需要每位候選人都完整涵蓋五個層次。更重要的是確認團隊現有能力、真正缺口，以及哪些能力必須由新進人員獨立承擔。
三、Talent Mapping 要回答市場問題
人才地圖不只是列出一串公司名稱。有效的 Talent Mapping 應協助企業理解：
- 相近能力通常存在於哪些產品與產業場景
- 不同公司如何切分資料、模型、平台與產品責任
- 哪些相鄰背景具備可轉移能力
- 候選人的職等與實際責任是否相符
- 工作地點、彈性與管理方式如何影響轉職意願
如果只鎖定直接競爭者，企業往往和市場上所有雇主爭取同一小群人才。把搜尋延伸到相近技術複雜度與產品環境，有時更能找到具備完整解題能力的人。
四、評估證據，而不是只核對工具
熟悉某個框架，不等於能在真實環境中交付。面試應要求候選人說明過去如何定義問題、處理資料限制、選擇方案、衡量結果，以及面對失敗時如何修正。
可使用以下問題取得較具體的能力證據：
1. 當資料品質不足時，你如何判斷專案是否值得繼續？ 2. 你曾在哪個技術選擇上做出取捨？代價是什麼？ 3. 模型或系統上線後，你如何監控效果與風險？ 4. 你如何向非技術決策者說明限制？ 5. 哪些成果是你親自負責，哪些來自團隊合作？
這些問題比單純確認工具清單，更能辨識候選人的判斷深度與責任範圍。
五、把職務價值說具體
「我們正在發展 AI」不足以形成有吸引力的機會。候選人會關心資料是否可用、決策者是否支持、技術債如何處理、團隊如何分工，以及自己能影響哪些產品與決策。
職務說明應誠實呈現現況：已具備什麼、仍缺少什麼、角色為何現在成立，以及預期他優先解決哪個問題。清楚的限制往往比模糊的宏大願景更能建立信任。
六、面試速度與資訊品質必須同時改善
縮短流程不代表降低標準。企業可以在啟動前先分配評估責任：技術深度、系統設計、協作方式與商業理解由不同面試官負責，面試後在固定時間內整合回饋。
如果每一輪都重新詢問相同經歷，候選人只會感受到組織缺乏共識。有效的流程應讓每次對話都增加新的資訊，並及時處理疑慮。
匿名化綜合案例：從「全能 AI 人才」回到真正任務
以下案例綜合自常見招募情境，並非指涉特定客戶。一家科技企業原本希望尋找同時具備模型、資料工程、雲端架構與產品經驗的人才。市場接觸後發現，符合所有條件的人選不但稀少，職務本身也沒有清楚界定哪些成果由他負責。
團隊重新盤點後，確認首要任務是把既有模型穩定整合到產品，而非自行研究新模型。必要條件因此調整為後端與部署能力、模型服務經驗及跨團隊協作；進階模型研究則改為加分項目。搜尋範圍也從純 AI 團隊擴展至做過高流量資料產品與平台服務的人才。
這不是降低標準，而是讓標準與實際成果一致。
招募前的快速檢查
- 六個月成果是否清楚？
- 必要能力是否不超過真正不可替代的範圍？
- 團隊現有能力與缺口是否已盤點？
- 是否接受相鄰產業或可轉移背景？
- 薪酬、工作方式與職等是否符合市場？
- 面試官是否各自有明確評估責任？
AI 與軟體人才招募不是關鍵字競賽。企業越能清楚描述問題、責任與決策空間，就越可能找到真正能交付成果的人。
常見問題
AI 人才一定要來自 AI 公司嗎？
不一定。應評估候選人處理的問題複雜度、責任範圍與可轉移能力，而不是只看前公司標籤。
沒有完全相同技術背景的人可以考慮嗎？
可以，但需區分到職第一天必備能力與可學習項目，並設計能驗證學習速度與基礎能力的面試。
什麼時候適合先做 Talent Mapping？
當職務新設、人才供給不明、條件跨越多個技術領域，或過去搜尋結果反覆偏離需求時，先做人才地圖通常更有效。