在全球AI竞赛如火如荼的今天，战火已悄然从市场份额的争夺转移到了人才储备的较量。面对预计到2030年高达420万的技能缺口，IT企业正面临着前所未有的挑战。然而，更令人深思的是，在为全球企业设计AI转型架构的过程中，我发现了一个普遍存在且致命的系统性失败：超加速的产出与停滞不前的治理之间的猛烈碰撞。

1.人才悖论：编码过剩，架构安全告急

许多IT与软件服务企业正陷入一种令人尴尬的人才悖论。得益于AI的加持，他们的“编码速度”实现了指数级增长，开发人员变身“超人”，项目经理的交付效率也随之飙升。然而，在这场速度狂欢中，他们却惊恐地发现，“架构安全”能力严重脱节。

企业实际上已经将“构建”环节商品化，但却让“问责制”成为了组织中最稀缺、最昂贵的资源。自动化接管了大量初级任务，导致工程师过剩；与此同时，能够驾驭这些自动化流程、确保系统安全可靠的“性能架构师”却极度匮乏。

2.过剩与短缺并存：技能错配的隐形代价

这种“冰火两重天”的人员配置失衡，根源在于工程师技能与现代IT企业复杂需求之间的错配。

过去几年，高校和培训机构输送了大量掌握通用IT技能的毕业生。这些基础技能固然重要，但当业务单元承接大型、复杂的金融或前沿科技项目时，往往需要特定领域的专业知识（如智能安全支付系统、国际监管合规框架等）。此时，拥有庞大基础人才库的企业却难以找到合适的候选人，导致了“有人无岗”和“有岗无人”并存的尴尬局面。

这种短期的技能错配，其后果远不止于个人职业发展的受阻。它导致企业面临庞大的闲置劳动力、臃肿的招聘管道、居高不下的员工流失率以及再培训资源的巨大浪费。长此以往，企业在IT外包行业的竞争优势将被稀释，增长面临停滞风险。

3.破局之道：构建产学研协同的人才生态系统

要解决这一隐蔽但致命的挑战，必须从战略和组织层面入手，构建以生态系统为主导、产学研协同的人才培养模式。

首先，将“过剩资源”转化为“人才宝库”。管理者必须转变观念，将因自动化而释放出的传统开发人员视为宝贵的人才储备。积极对他们进行再技能培训，将其转化为市场极度匮乏的AI治理专家，以管理AI的“隐性成本”。

其次，弥合教育与行业需求之间的鸿沟。高校课程不能再落后于技术进步。必须加强学术界、行业界和管理者的协作，将AI增强工程、云计算、高级分析等前沿技术，甚至量子计算、自动驾驶等新兴领域尽早纳入课程体系。

最后，打造精准、个性化的终身学习生态。摒弃“一刀切”的培训模式，允许员工根据自身需求和项目要求自主选择个性化的学习路径。充分利用在线平台、企业内训、校企合作等多种资源，构建一致性原则与前瞻性方法并重的人才发展战略。

结语

在AI驱动的经济时代，IT公司人才发展与人力保障的瓶颈已不再是技术问题，而是战略眼光和组织敏捷性的较量。只有打破技术与治理各自为政的孤岛，构建一支专业化、与企业目标和行业趋势同频共振的“未来就绪型”劳动力，企业才能在激烈的市场竞争中立于不败之地。弥合教育与实践的差距，让技能与新兴技术同步演进，这是我们在AI竞赛中赢得未来的必由之路。

原文：薄弱的人才战略如何让IT部门陷入人才过剩与人才短缺并存的困境

全球AI竞赛的核心已从市场转向人才。要在2030年前弥合420万的技能缺口，需要构建以生态系统为主导、产学研协同的人才培养模式。

图源：Credit: Andriy Blokhin

在为全球企业设计AI转型架构的工作中，我发现了一个反复出现的系统性失败——超加速产出与停滞治理之间的碰撞。IT与软件服务企业目前陷入了一种人才悖论：他们拥有过剩的AI增强型"编码速度"，却严重缺乏"架构安全"能力。他们实际上已经将"构建"环节商品化，但在此过程中却使问责制成为组织中最昂贵的资源（开发人员/工程师→AI增强的编码速度，项目经理→AI增强的交付效率，解决方案架构师→AI增强的设计质量，技术架构师→AI增强的系统可靠性，业务分析师→AI增强的需求清晰度，测试人员→AI增强的缺陷检测率，等等）。

目前，IT公司的人员配置处于失衡状态，各级工程师同时存在过剩与短缺。因为大多数初级任务正在实现自动化，但这些工程师却极度缺乏能够治理这些自动化的"性能架构师"。因此，管理者必须将过剩的资源视为人才储备库，积极对其进行再技能培训，以管理AI的"隐性成本"，将传统开发人员转化为市场极度匮乏的AI治理专家。

一、劳动力过剩源于工程师缺乏专业技能

劳动力市场出现过剩，是因为工程师主要掌握的是IT领域的一般技能，尤其在软件外包领域，这已成为人力规划中最紧迫的挑战之一。过去五年，随着生成式AI的兴起，高校和培训机构培养了大量具备广泛IT能力的毕业生，如通用软件开发、基础数据库管理、云计算概念、网络安全基础或基础网络技术等。虽然这些技能具有基础性，但往往缺乏应对现代IT企业复杂、不断演进需求所需的专业化能力。因此，许多专业人士进入职场时能力重叠，导致大规模项目或复杂业务领域外包的招聘与部署效率低下。

在IT公司（印度、菲律宾、越南、波兰和乌克兰），这种过剩造成了一个悖论：组织拥有庞大的人才库，却仍在填补关键岗位或人力保障部门应对客户大规模、高技术复杂度项目时难以提供充足人力方面举步维艰。例如，某业务单元承接了银行与金融服务领域客户的大型项目，该单元可能需要数百名软件开发人员岗位的申请者，但具备智能安全支付系统或国际监管合规框架专业知识的候选人却寥寥无几。这种错配导致当前业务单元员工就业不足，甚至部分人被分配到无法充分发挥其能力的岗位，或更糟的是，尽管拥有专业资质却仍处失业状态。

IT领域短期技能错配的后果远超个人职业发展路径。IT公司的人力保障部门面临大量闲置劳动力池、臃肿的招聘管道、更高的流失率以及再培训资源浪费等问题。此外，通用型人才的过剩稀释了IT外包行业的竞争优势，因为创新越来越依赖于细分领域专业知识。若无长期纠正措施，如重新平衡实习教育课程、为过剩资源丰富技能培训、为潜在工程师填补课程缺口或激励专业化发展，该行业的增长率将面临停滞风险。

为系统、全面且无重叠地解决这一问题，需要在人力资源、人力保障、学习与发展及政策制定者之间采取协调行动，确保公司拥有兼具广度与深度的专业人才。

二、核心技能的短期短缺及其根本原因

IT专业技能的短缺对增长和规模扩张具有深远影响。它还拖累了生产力提升计划，增加了对外部资源供应商的依赖，并使组织面临监管与运营风险。此外，业务单元之间及劳动力市场对稀缺内部人才的竞争推高了薪酬，造成不平等，并使人力配置和技能提升项目成本变得困难。

在大多数IT公司，人才发展中最持久的挑战之一是教育与行业需求之间的错配，这不仅针对AI增强型IT服务，也涉及AI驱动业务领域的相关技能。学术课程往往落后于技术进步，尤其在AI生态系统中，导致毕业生对现代银行业的现实需求准备不足。例如，当大学可能仍在强调传统编程语言或过时的IT商业模式时，行业却越来越需要AI增强工程、AI自主智能体、云计算、数字化转型和高级分析方面的专业知识。

这种滞后导致员工入职后技能差距不断扩大。实习生带着已经过时的知识进入职场，迫使公司投入资源进行再培训。与此同时，量子计算、半导体、自动驾驶汽车、飞行汽车或去中心化金融等新兴技术仍未出现在大多数课程中。这种严重错配也抑制了创新，因为初级工程师在学习期间未接触前沿工具或实际应用。后果十分严重：业务单元在实施客户新技术时面临延迟，因为他们必须等待员工获取相关技能。

三、资源配置效率低下与员工流失率问题

在当今竞争激烈的劳动力市场中，招聘成本尤为高昂。IT公司非但没有通过市场上各种方法加速员工职业发展，反而经常争夺同一批专业人才，这无意中推高了薪酬和招聘费用，使其高于行业平均水平。然而，许多入职人员在数月或数年内离职，迫使组织重复这一循环。

技能提升（更新或再培训）的成本同样高昂且模式相似，因为员工必须接受技能升级或再培训以满足不断变化的需求，而客户也提出了将新技术升级应用到其业务中的要求。然而，由于专业培训项目与各级岗位优先资源需求之间缺乏明确对接，再培训或技能提升工作往往造成浪费，无法产生可衡量的回报。

资源配置效率低下拖慢创新、消耗财务储备并损害客户满意度，导致业务单元未能达成收入目标，因为他们缺乏预算来维持重复的评审收益，也无法考虑提升职级和再培训周期。

任何与人员规模相关的问题都会导致运营成本、增长率以及企业微观和宏观管理政策方面的问题。因此，资源配置效率低下是人才发展中一个隐蔽但关键的挑战。IT公司在招聘、再培训和留任方面投入巨资，但这些投资大多未能产生可持续的成果。根源在于人才管道错位，资源被导向填补即时缺口，而非构建长期能力。

四、技能提升策略与专业培训生态系统

为解决这一挑战，业务单元必须投资有针对性的培训项目、AI工具、短期专业课程、Coursera、edX、edXOps、Datacamp等在线平台的专业课程，与技术大学以及全球实验室建立合作关系。此外，总部和海外分支机构也应发挥作用，资助专业培训项目并制定认证标准。若无此类干预和改革，教育与行业需求之间的错配以及专业技能的短缺仍将是实现2030年路线图的关键障碍。

因此，IT公司人才发展与人力保障的瓶颈并非技术层面，而是战略和组织层面。我们在大多数IT服务提供商（包括外包行业）都看到了同样的故事：AI团队创造了突破，但项目却因负责性能的人员与负责风险的人员各自为政而停滞。为弥合这一差距，人力保障部门必须采用敏捷方法，通过与行业需求同步的技能提升来演进，将持续培训、AI性能和治理风险视为一个可衡量的统一系统，确保AI生成交付成果的每个组成部分在高效的同时也具备财务稳健性和法律合规性。

IT人才的培训生态系统高度碎片化，大学、训练营、在线平台和企业学习项目各自为政。各机构独立设计课程，往往缺乏与特定目标优先级（科研团队或高质量人力资源提供者）或行业整体需求（AI、数据、云、机器人与汽车工程等）的对接。这种缺乏协调造成了效率低下，削弱了AI驱动经济时代劳动力的整体准备度。

例如，大学倾向于强调理论知识，培养的毕业生学术基础扎实，但对新兴技术的实践接触有限。另一方面，训练营专注于快速技能获取，往往优先教授编程或数据分析，而不整合更广泛的行业背景。企业培训项目针对组织的即时需求量身定制，但很少超越公司边界扩展。结果是培训举措拼凑而成，缺乏同步性，无法形成能够适应业务单元大规模项目复杂技术栈或客户高水平需求的统一人才管道。

五、需要一致性原则与前瞻性方法

作为多年来为全球各类科技公司提供服务的IT人才结构顾问和技术专家，我目睹了这些碎片化和重叠在人才发展系统中导致了意想不到的结果。

首先，这是因为负责人未按专业级别、专业技能、商业模式、项目特点、系统架构和客户文化对课程进行分类。他们不是在通用和基础技能层面（线下、线上、混合学习）组织培训课程或提供技能提升课程，而是专注于专业和项目导向课程，这些属于向生产单元过渡的培训阶段，由高级工程师负责。这导致因过度、方向错误和目标错位的培训而造成努力浪费，结果培训项目培养的实习生技能不符合业务单元要求。

其次，大多数IT公司为每个岗位制定了职业发展路径图。通过识别这些路径图中的核心技能和高级技能，我们可以为每个岗位群体构建最合适的学习路径。问题在于，并非同一岗位群体的所有员工在知识、技能或经验提升方面都有相同需求。有些人可能已经具备这些技能，而另一些人可能需要自我发展以满足部门要求或服务于特定项目。因此，允许员工自主选择技能至关重要。强迫员工按照特定学习路径发展强制性技能会使他们困惑，迫使他们在没有明确指导的情况下艰难选择众多不同路径，不知道在任何特定阶段哪些技能最有价值。因此，个性化学习路径是必须为生产单元员工考虑的标准。反之，这将浪费学习者大量时间，产生讲师（导师、培训师）成本，涵盖运营成本（培训专员）、基础设施使用成本和在线平台投资。结果，培训项目培养的工程师技能不符合客户期望或业务单元要求。

第三，对于IT服务公司，当业务单元从客户处获得项目时，为参与项目的人员组织各级别的技术、应用功能、行业标准等专业培训课程几乎是强制性的。这种形式的培训课程开发、培训实施和结果评估通常由业务单元内的高级工程师（具备与项目要求匹配的专业知识）、外部培训师（具备与项目匹配的专业知识）或客户专家完成。此外，缺乏标准化课程使得跨行业技能基准测试变得困难。解决这一问题需要学术界、行业界和管理者之间的协作，创建将培训项目与人才发展战略优先级对接的整合框架。只有这样，贵公司才能构建能够应对2030年挑战的劳动力。否则，后果将是成本浪费，学员获得的知识和技能不足以完成分配的项目任务。

第四，人力资源开发是一个涵盖情境研究、需求评估、模型设计、战略规划、资源招聘、培训实施和结果评估的连续循环，以使员工技能与业务单元需求和组织目标保持一致。该过程通过技能建设、职业导向和创建适当学习路径等活动，促进个人与企业的协同发展，以避免浪费、提高生产力、留住员工并为未来需求做好准备。为完成这一使命，相关部门需要一致的策略、可靠的信息共享，避免对业务单元的方法重叠，避免滥用职权，并全面负责提供面向初学者的基础职业培训项目、面向中级工程师的高级培训和面向专业级别的培训，还要专注于开发项目以解决技能差距，满足不断变化的需求。如果这些原则不能灵活应用，人力资源开发结果将无法满足组织的预期目标。

最终，如果管理者不从根源上解决这些问题，公司在IT服务市场的竞争力可能会被削弱，因为其他科技公司可能拥有更协调的培训生态系统，使它们处于更有利的位置来满足行业需求和客户期望。

六、追求卓越的人才发展战略

总之，IT公司需要构建一支专业化且与企业目标和行业趋势保持一致的未来就绪型劳动力。该策略弥合教育与实践之间的差距，确保技能与AI、云计算、网络安全和数据治理等新兴技术同步演进。