2025 年度回顧 - Data 與 AI 求職經驗談

Jan 03, 2026

嗨，你好，我是維元 👋 我會持續分享我在資料科學與人工智慧領域所觀察到的趨勢與所見所聞 💥

這篇文章來自「數據職涯加值計畫」的第 36 場直播的重點回顧；這幾年持續舉辦 Data / AI 領域的社群活動，也陪著不少朋友走過資料科學相關的職涯轉換。我越來越明顯地感受到，2025 年對多數數據從業者而言，並不是一個輕鬆的年份。

AI 技術快速迭代，模型能力持續突破，但與此同時，市場上的職缺數量卻沒有同步成長，甚至出現明顯收縮。許多人開始懷疑：

在這一波 AI 浪潮下，資料工程師、資料分析師、資料科學家，是否正在被邊緣化？

這篇文章，並不是要放大焦慮，而是希望嘗試把「正在發生什麼事」講清楚，並重新整理資料科學在 AI 時代中的實際位置，從職涯經驗談談求職的現場狀況。

從「最性感職業」到高度內卷的現實

如果把時間拉回 2010 年，《哈佛商業評論》曾經用一句話形容資料科學家：

Data Scientist is the sexiest job of the 21st century.

資料科學家被稱為 21 世紀最性感的職業。

在那個時期，資料開始大量累積，但真正能夠處理、分析與建模的人並不多。
對許多非純工程背景的人而言，資料科學是一條相對可行的轉職路徑，同時具備技術含量與不錯的市場報酬。

然而，這條路的吸引力，也讓越來越多人投入；當所有人都往同一條路走，這條路一定會開始內卷。

十多年後的今天，資料相關職位早已不再稀缺。
SQL、Python、基礎分析、甚至部分機器學習技能，逐漸成為「基本配備」。

而真正改變競爭結構的，是 AI 工具的成熟。

現在的競爭者，不只來自其他求職者，也來自能快速產出、成本極低、且持續進化的模型系統。當技能可以被高度自動化時，市場自然會出現內卷與壓縮。那些「看不見的 AI」寫得更快、成本更低，而且不會累，很多原本被視為專業門檻的技能，正在快速商品化。

「不是我不努力，而是這條路變得又擠、又窄。」

這也是為什麼，許多人會感覺到自己並非不夠努力，而是原本被視為優勢的能力，正在快速貶值。

若從更宏觀的角度來看，這並非單一職種的問題，而是整個產業結構的轉換。

現代科技的競爭力，取決於能否整合算力、資料與系統，形成可持續運作的整體能力。
大型語言模型，正是這種算力整合的產物。

在這樣的環境下，資料專案的執行方式也隨之改變：

AI 並非單純取代人力，而是重新定義了「人該負責哪一段」。

在這樣的背景下，資料科學家的角色也正在明顯轉變。

傳統以模型訓練與研究為核心的工作內容，受到 AI 工具強烈擠壓；
相對地，能夠將模型真正部署、整合進產品與流程中的能力，變得更加關鍵。

這也是為什麼，市場需求逐漸從「理解模型的人」，轉向「能讓模型產生價值的人」。

近年常見的幾個轉向包括：

新興的角色（例如前線部署工程師、應用型 AI 工程師），往往需要同時理解模型、系統與商業情境，而不只是單一技術。這並不代表研究能力不再重要，而是「研究本身」不再是多數產業場景的主要需求。

回到最初的問題：「2025 年，資料科學還有未來嗎？」

答案不是簡單的「有」或「沒有」，資料科學不再是一條單一路徑，而是一組能力的來源。真正拉開差距的，不只是技術熟練度，而是以下幾件事：

在 AI 快速前進的時代，技能會貶值，但判斷、品味與個人特質不會。
與其擔心是否被浪潮淹沒，不如思考如何找到適合自己的位置，先站上船，再調整方向。

這也是我持續舉辦「數據職涯加值計畫」的初衷。

不是告訴大家標準答案，而是一起釐清現實，找到各自能走得長遠的路。

📰 Data + AI = ∞ 持續輸出我對資料科學 x 人工智慧領域的觀察與見解，邀請對該主題有興趣的朋友一起加入訂閱、關注 ✌️

⮑ 📰 Data + AI = ∞ 電子報 + 追蹤 資料科學家的工作日常｜維元 Facebook

▶ 為了提供更多元的閱聽體驗，本篇文章的內容也有同步進行直播與 Podcast 節目。歡迎選擇您喜歡的方式吸收資訊 ➟ 點我收聽 🎧