大学生未来AI就业能力模型:当“会用AI”成为基本能力,真正稀缺的是什么?

最近，一个叫FDE（Forward Deployed Engineer，前线部署工程师）的岗位突然火了起来。

在国内一些招聘平台上，FDE月薪已经达到三万元、五万元甚至更高；在海外，这类岗位的年薪也相当可观。OpenAI、Anthropic、AWS等科技公司都在加强相关人才布局，国内越来越多的AI企业、云服务企业和数字化公司也开始招聘类似岗位。

但真正值得大学生关注的，并不是“哪个岗位工资高”，而是这个新职业背后正在发生的变化。

FDE做的事情，并不只是写程序。

他们往往需要进入一家企业，了解企业的采购、销售、财务、人力资源、生产、客户服务等具体业务，判断哪些工作可以由AI完成，再利用大模型、Agent、API、数据系统和软件工具，把想法快速做成可以真正使用的解决方案。

换句话说，企业需要的越来越不是单纯“会写代码的人”，也不是单纯“懂管理的人”，而是能够把专业知识、AI能力、技术工具和真实业务连接起来的人。

这可能正是未来大学生就业能力发生的一个重要变化。

一、AI时代，“会使用AI”可能只是起点

过去几年，我们经常听到一句话：“未来不会使用AI的人，会被会使用AI的人替代。”

这句话有一定道理，但今天看来还不够。

随着大模型越来越普及，会提问、会生成文字、会做PPT、会进行简单的数据分析，很可能逐渐成为像使用Word、Excel一样的基本技能。

真正能够形成就业竞争力的，并不是“我会不会使用ChatGPT”，而是：

我能不能用AI解决一个真实的问题。

例如，同样使用AI：

有人只能让AI写一篇文章；

有人能够让AI分析几千条客户反馈，找出产品问题；

有人能够让AI自动读取财务数据、识别异常；

有人能够建立一个企业知识库，让员工直接向AI查询制度、产品和业务信息；

还有人能够重新设计一家企业的工作流程，把原来需要几个人完成的重复性工作交给AI。

差距就在这里产生。

未来大学生的竞争，不会停留在“会不会用AI”，而会逐渐转向“能不能把AI应用到自己的专业和工作场景中”。

二、未来AI就业能力，可以概括为四层

如果把未来大学生需要具备的AI就业能力画成一个模型，大致可以分为四个层次。

第一层：专业能力——先真正懂一个领域

AI能力再强，也必须建立在专业知识之上。

财务审核为什么异常？企业经营数据为什么变化？消费者为什么做出某种选择？一个软件系统应该怎样设计？哪些数据可以使用，哪些数据涉及隐私和合规？

这些问题并不能只靠AI回答。

AI可以提高人的效率，但判断什么是重要问题、什么答案合理，仍然需要专业训练。

因此，未来大学教育首先不能放弃专业基础。

真正有竞争力的人，往往不是“什么都懂一点”，而是首先在某个领域具有比较扎实的知识结构。

会计、工商管理、计算机科学、软件工程，都提供了这样一个专业起点。

第二层：AI工具能力——让AI成为工作的基础工具

未来大学生需要形成系统的AI工具能力。

这里的“会用AI”，已经不只是聊天和搜索，而包括：

能够利用大模型进行资料整理、研究和分析；

能够使用AI辅助数据分析；

能够使用AI进行编程和软件开发；

能够建立知识库和智能助手；

能够理解Agent、Workflow、API等基本概念；

能够把多个AI工具和现有软件连接起来。

过去，一个人需要掌握大量复杂的软件操作，才能完成一项专业工作。现在，大模型正在成为新的“人机接口”。

因此，未来的学生不一定人人都成为程序员，但几乎所有专业都需要理解AI可以做什么、不能做什么，以及如何让AI参与自己的工作。

第三层：问题解决能力——找到“AI应该用在哪里”

这一层可能比学习某一个AI工具更重要。

很多企业今天面对的真正困难，不是“没有AI”，而是“不知道AI应该用在哪里”。

企业老板可能会说：“我们也想做AI。”

但真正的问题是：

哪一个流程效率最低？

哪一种工作最重复？

哪一类信息最适合让AI处理？

哪些工作可以自动化，哪些必须由人判断？

有没有必要开发新的系统，还是直接使用现成的大模型就可以解决？

能够提出这些问题，并找到解决办法的人，才真正具有AI时代的工作能力。

这也是为什么今天很多FDE的工作中，真正写代码的时间可能只占一部分，大量时间都在理解业务、分析问题和与人沟通。

第四层：跨界整合能力——把技术、业务和人连接起来

这是未来人才之间真正拉开差距的一层。

一个优秀的AI人才，不仅要知道技术上“能不能做”，还要判断：

业务上有没有价值；

企业愿不愿意采用；

员工是否能够接受；

数据和权限是否允许；

成本是否值得；

最终能不能真正运行起来。

AI进入企业以后，会越来越多地改变原来的工作流程，甚至改变岗位分工。

因此，未来很多工作并不是单纯的“技术问题”，而是技术、管理和人的共同问题。

能够同时理解这些问题的人，会越来越稀缺。

三、四个专业，实际上对应着四种AI发展路径

从这个角度重新看成都理工大学牛津布鲁克斯学院目前开设的四个本科专业——工商管理、会计学、计算机科学与技术、软件工程，会发现它们恰好处在AI应用最重要的几个交叉点上。

工商管理：从“管理人”走向“管理人与AI共同工作的组织”

未来的企业管理，很大一部分内容都会发生变化。

市场分析可以由AI辅助完成，客户数据可以自动分析，企业知识可以由智能助手调用，很多日常管理工作也可以自动化。

因此，未来的工商管理人才不能只学习传统的组织、营销和战略理论。

他们还需要思考：

AI如何改变组织结构？

企业哪些流程可以重新设计？

人和AI应该怎样分工？

管理者怎样评价AI带来的效率和风险？

未来优秀的工商管理毕业生，很可能成为AI产品经理、企业数字化顾问、AI业务分析师、AI项目负责人，甚至企业内部推动AI转型的重要力量。

会计学：从“记录数据”走向“解释数据、判断风险”

会计可能是最早受到AI深度影响的专业之一。

凭证整理、报表生成、数据核对、基础审核等大量规则明确、重复度较高的工作，都可能越来越多地由AI完成。

但这并不意味着会计专业失去价值。

相反，会计人才的价值会逐渐从“处理数据”转向：

理解数据；

发现异常；

识别风险；

解释经营变化；

支持企业决策。

未来高水平的会计人才，需要同时理解财务规则、数据和AI。

能够把AI用于财务分析、智能审计、风险识别和经营分析的人，很可能拥有新的职业优势。

计算机科学与技术：从“写代码”走向“理解AI系统”

AI时代，程序员不会消失，但程序员的工作方式正在改变。

过去大量时间用于写代码，现在越来越多代码可以由AI生成。

于是，计算机专业学生真正重要的能力，会越来越向更高层次转移：

系统架构；

数据；

算法；

模型；

云计算；

AI推理；

系统安全；

复杂问题设计。

未来优秀的计算机人才，不只是“写得快”，而是知道一个复杂AI系统应该怎样设计，怎样提高性能、可靠性和安全性。

软件工程：从“开发软件”走向“快速构建AI解决方案”

软件工程受到AI编程影响尤其明显。

过去开发一个系统可能需要一个团队几个月，现在借助AI编程工具，一个很小的团队就可以快速形成原型。

但真正的软件工程能力并没有因此失去价值。

需求分析、软件架构、系统集成、测试、部署、维护仍然重要。

特别是在企业AI应用中，真正困难的往往不是做出一个Demo，而是：

怎样连接企业原有系统；

怎样调用数据；

怎样管理权限；

怎样让AI稳定运行；

怎样保证系统可以持续维护。

这正是软件工程专业未来非常重要的发展空间。

四、未来真正有竞争力的人，是“专业×AI”人才

AI时代可能会出现一个越来越明显的趋势：

单纯掌握一种工具的人，优势会越来越短暂；能够把AI与专业能力结合的人，优势才可能持续。

于是，未来人才培养可以形成这样一种结构：

专业知识 × AI工具 × 问题解决 × 跨界协作

或者更简单地说：

先拥有一个专业，再拥有AI能力。

会计学生不一定要成为程序员，但应该知道怎样利用AI完成财务分析；

工商管理学生不一定研究算法，但应该知道怎样利用AI改造企业流程；

计算机学生不能只懂代码，还需要理解客户和业务；

软件工程学生也不能只做功能，而需要理解一套系统最终如何在真实企业中运行。

这几种能力一旦结合起来，就可能产生一种新的职业竞争力。

五、大学教育面对AI，真正要改变的是什么

AI进入大学以后，真正值得思考的并不是“要不要允许学生使用AI”。

这个问题可能很快就会过去。

更重要的问题应该是：

大学怎样培养学生驾驭AI的能力。

未来的课堂，不应该只是告诉学生答案，而应该让学生越来越多地面对真实问题。

一个商业案例、一组真实数据、一个软件需求、一个企业流程，都可以成为学习对象。

学生可以使用AI，但必须能够解释：

为什么提出这个问题；

为什么选择这种方法；

AI给出的答案是否可靠；

怎样验证结果；

怎样把方案真正实施。

这样的学习方式，本质上是在训练一种未来工作能力。

结语：未来属于“懂专业，也懂AI”的人

FDE今天受到关注，也许只是AI时代人才结构变化的一个缩影。

这个岗位几年以后可能不再热门，名称也可能发生变化。

但它揭示出的趋势不会很快消失：

企业越来越需要那些能够进入真实场景、理解真实问题，并利用AI真正解决问题的人。

对于今天的大学生来说，最值得关注的并不是“什么职业最热门”，而是自己有没有形成一种能够适应变化的能力结构。

未来真正有竞争力的人，可能既不是单纯的“技术型人才”，也不是单纯的“管理型人才”。

而是这样一类人：

有扎实的专业，有理解AI的能力，有发现问题和解决问题的能力，也能够与不同的人协作，把技术真正变成现实中的价值。

这或许才是AI时代大学教育最值得培养的能力。