据ZDNet报道，Coursera创始人、斯坦福大学教授吴恩达近日列出AI开发人员应具备的四项核心技能。他分析了超过1万个招聘岗位，并访谈了AI专家、招聘经理和招聘人员后得出这一结论。但一些行业专家认为，这份清单仅从工程角度出发，忽视了商业问题、风险与合规等关键环节。
吴恩达提出的四项技能包括：构建和部署AI应用，即理解大语言模型、上下文工程、RAG、智能体工作流等AI组件，并掌握用统计技术测量和引导AI系统；理解软件工程基础，包括架构、测试和安全；使用编码代理，要求开发者理解智能体的工作方式和局限，知道何时介入；以及“塑造构建”，即工程师需具备产品直觉，理解业务背景和客户目标。
吴恩达表示，生成式AI和智能体AI的兴起已极大改变软件开发流程，但掌握正确技能的过程容易受到炒作氛围干扰。他强调，所有开发者——包括全栈、数据、DevOps、机器学习工程师——都将需要AI工程技能。
然而，他的建议招致批评。一位网友回应称，这一清单“过于关注内部视角，没有解决商业问题”。AI顾问、Field CTO创始人Andy Thurai表示，吴恩达的分类完全聚焦于“第一天”的创新，即编写代码和让模型运行，但企业环境中AI最困难的部分不再是构建智能，而是编排、观测和支付成本。他说：“创新带你到起跑线，但可观测性、安全性、韧性和治理才能带你到生产。”
美国运通软件工程高级经理Deepika Sidana也认为，仅靠这四项技能远远不够。她指出，构建AI应用只是挑战的一部分，工程师还需理解业务问题、客户工作流、风险、合规要求以及失败的后果。她还强调，编排技能至关重要，包括协调模型、工具、数据、评估、可观测性、人工审批和回退路径。
Meta软件工程师Naman Ahuja表示，AI时代最有价值的工程技能日益超出传统编码范畴。AI能快速生成实现代码，更难的是定义正确的问题、理解业务约束、分解系统以及协调AI与软件协同工作。