虽然许多科技公司放缓了招聘甚至启动了大规模裁员，但这并不意味着软件开发人员的就业机会已经枯竭。事实上，技术熟练的开发者——尤其是那些具备AI知识的——在其他行业的需求依然旺盛。

对于想要抓住这些岗位的开发者而言，成功的关键在于为不同行业潜在雇主的需求做好充分准备。

"非科技行业对开发者的需求是真实且在增长的，但这些角色与你在软件公司看到的有所不同，"德雷塞尔大学AI与数据科学助理教学教授Pragati Awasthi表示。

"在这些行业中，共同的趋势是软件不再是一项支持功能，而是嵌入核心运营之中，"Awasthi说，"这些环境中的开发者往往是那个将特定领域的业务问题转化为技术解决方案的人，这需要与纯科技公司的产品工程师截然不同的能力轮廓。"

机会敲门

科技行业长期以来一直是软件开发人员就业的中坚力量。但随着这些企业为了削减成本而精简人员，招聘格局受到影响。然而，即便科技行业在收缩，金融服务/金融科技、医疗保健/健康科技、零售/电商和制造等行业仍在寻求编程人才。

"统一的因素是数据复杂性，"Awasthi说，"这些行业产生大量敏感、受监管或对运营至关重要的数据，需要能够构建和维护负责任处理这些数据的系统的开发者。"

招聘公司Summit Search Group的管理合伙人Matt Erhard表示，虽然该公司为科技公司安排了开发者岗位，"但在这一细分领域之外招聘同样普遍。实际上，科技以外的行业为开发者提供了相当广泛的岗位选择。"

例如，在金融服务领域，Summit Search Group看到大量招聘能够构建和维护欺诈检测系统、数字银行平台和监管工具的后端和数据工程师。在医疗保健领域，公司正在招聘开发者来构建AI驱动的诊断平台和患者门户，或管理与电子健康档案相关的系统。

在制造和工业企业中，需要开发者进行系统集成和嵌入式软件开发，涉及预测性维护、物联网系统和智能工厂。而在零售和电商领域，对能够处理物流系统、全渠道平台和个性化引擎的全栈开发者和数据开发者的需求强劲。

"我们最近安排开发者人才的一个重要方向是开发业务系统和内部应用，"Erhard说。这些角色通常有系统工程师或应用开发师等头衔，专业人员被聘用来处理客户关系管理或企业资源规划平台的定制化、构建工作流自动化工具或现代化遗留系统等任务。

Summit Search Group安排大量开发者的其他核心职能包括数据、分析和AI赋能。"这可能是直接参与数据工程，或者构建报告系统和ETL管道等工具，"Erhard说。

该公司还处理过为银行、医疗和零售公司寻找能够构建和维护面向客户的产品的开发者，如移动应用或客户与公司互动的数字平台。

全球技术人才服务商Randstad Digital的全球平台与人才负责人Michael Morris表示，市场对Web开发者、系统开发者和应用开发者的需求旺盛。"这些专业人员将参与从面向客户平台到内部工具的各类开发，"他说，"非科技公司也经常招聘软件架构和DevOps等角色，帮助扩展现有技术。这类工作更深入地融入业务本身，比如为零售商构建供应链系统，而非像在科技公司那样创建独立的技术产品。"

为成功做好准备

为提高在科技行业之外获得开发者岗位的成功率，开发专业人员最好遵循以下几条良好实践。

1. 提升AI技能

一项最佳实践是提升使用AI驱动工具的技能，并熟悉AI相关的方方面面。

"熟练掌握AI辅助开发及其局限性，"Awasthi说，"这不是可选项。每个行业的组织都期望开发者能高效地使用AI编码工具。但更持久的技能是知道AI输出什么时候是错误的、不完整的，或者不适合受监管环境。这种批判性评估能力正是非科技雇主越来越希望招聘的能力。"

AI并不一定是取代对人类开发者的需求，而是改变了这些岗位的技能轮廓，Erhard说。"近年来最大的变化是AI素养现在已不可谈判，"他说，"今天的开发者至少需要理解提示工程等概念，以及如何使用AI工具来提高效率。"

"许多求职者没有想到的是，AI的崛起也提升了高层级技能的重要性，如问题定义、系统设计和跨职能沟通，"Erhard说，"本质上，如果某件事与开发相关但对AI来说过于复杂或微妙而无法有效处理，那么具备这种专长的人类开发者的需求就很高。"

成功获得岗位的候选人始终具有构建AI增强工作流的经验以及标准编码技能，Erhard说。"雇主越来越期望招聘到的开发者能够充分利用AI，因此在简历上展示这些经验会非常有帮助。"

2. 获取领域知识

Summit Search Group看到对具有组织所在行业深厚领域知识的开发者需求旺盛。"举例来说，如果有人既是经验丰富的开发者，又具有医疗合规或金融法规方面的专业知识，那么这些候选人往往非常抢手，"Erhard说。

领域熟练度是一项被低估的技能，Awasthi说。"一个理解医疗合规、金融法规或制造流程逻辑的开发者，比一个只会写整洁代码的开发者要难替代得多，"她说，"AI可以生成模板代码，但它无法应对HIPAA审计，也无法向合规官解释模型输出。"

开发专业人员应该"选择一个行业并认真学习它；不仅是技术栈，还包括监管环境、商业模式和从业者面临的实际问题，"Awasthi说，"一个读过HIPAA相关材料或花时间理解信用风险的开发者，在这些招聘场景中立刻就更具价值。"

展示真实的、实践性的技能应用同样至关重要，而不仅仅是证书。"最强大的候选人作品集中有直接关联并解决真实业务问题的项目，"Erhard说。

3. 获取软技能

此外，软技能正在成为比以往更具区分度的优势。随着AI处理更多常规编码工作，人类开发者被期望做出更多架构决策并跨部门协作，Erhard说。"强大的沟通和问题解决能力对我们今天大量要招募的开发者角色至关重要，"他说。

虽然技术技能对使用和管理AI工具的开发者仍然相关，"但他们也需要培养'深度思考'的技能，学会先人一步，"Morris说，"这包括系统设计精通——理解宏观视图，学习微服务、数据库和第三方API如何安全高效地交互。"

他们还应当深入熟悉所在行业常用的AI编码工具，并深刻理解如何对它们进行提示以获得最优输出，Morris说。产品上下文意识也同样有用。"AI不知道客户想要什么，但你知道，"Morris说，"理解业务问题和终端用户体验是引导大语言模型的前提条件。"

4. 掌握调试和事件响应

想要进入非科技行业的开发者还应培养调试和事件响应技能，Morris说。"包含多个AI智能体的复杂系统可能且将会出现故障，这意味着公司需要人类追踪逻辑缺陷，使系统重回正轨，"他说，"掌握根因分析是一项关键技能。"

"安全、合规和可靠性在金融和医疗等非科技行业至关重要，"远程招聘公司Zenius联合创始人Rohit Agarwal表示，"因此雇主也需要熟悉监管环境的开发者。"

5. 建立人脉，持续学习

要从科技公司岗位成功转型，"持续学习、技能提升以及构建融合技术与业务知识的复合技能至关重要，"Morris说，"有了正确的准备，科技专业人员就可以适应并继续在有意义的、充满活力的职业生涯中蓬勃发展。"

同样好的做法是加入感兴趣领域的人才社区，并"与其他成员互动，通过社区的集体智慧增进你的知识，"Morris说，"利用与你角色相关的AI技能提升机会——或者更好的，瞄准你下一步想去的地方。无论是靠自己还是通过结构化项目，去实验这些技术。"归根结底，要保持好奇心和主动性，他说。

"我还建议开发者在求职时不要忽视推荐、直接联系和行业特定社区，"Agarwal说，"通常存在的机会远多于在线发布的岗位。"