- 未填公司未填職務36-40歲
37歲想轉職AI工程師，會不會很荒謬？
我之前都在攝影跟自媒體工作中，有幾年的工作經驗
但收入真的太低太低，也看不到未來
希望賺到比較高的收入
所以才想考慮轉職工程師
想問一下，這年紀會不會太晚？
哈囉，感謝您的留言，我想你的用字「荒謬」兩字，可能有部份其實點出了一些現實情況。(我猜也代表您有稍微去了解過市場現況)
就目前的台灣就業市場來看，所謂的「AI 工程師」這個詞，我個人認為有一點過度使用。
其實真正高薪的缺口，集中在三個地方：
第一，半導體、製造、IC 設計相關的演算法與製程應用，這類工作高度吃學歷與產業背景；
第二，大型科技公司與外商的資料、平台、ML infra，競爭者多半是碩博士或已經有工程多年資歷的人；
第三，新創與中小企業，職缺標題上寫雖然有個 AI兩字，但實際工作是工程整合、資料處理、套 API、寫後端。
從現實來看（沒有冒犯的意思Orz），對於一位 37 歲、非本科、來自攝影與自媒體背景的朋友來說，真正有機會進場的是在第三類。
但是，第三類職缺在台灣的起薪，多數落在 4–6萬，少數能到 7 萬，而且前一到兩年不穩定性很高。(不知道有沒有符合你的期待和想像? 可以再上來留言回覆)
承上，因此這裡可能直白說一句：
如果你心裡期待的是「轉職後立刻月收 10 萬以上」，那在台灣機率非常低。(哭)
再來談一個很不太舒服的現實：台灣企業對「37 歲初階工程師」的容忍度不高。不敢說是歧視，但企業絕對會默默計算三件事：
學習曲線
穩定度
可替代性
這代表你不能只回答「我會不會太晚」，而是要回答「我憑什麼比 25 歲的便宜工程師更值得用」?
接下來是重點，我建議你可以試著換個提問，從該怎麼評估「要不要轉」，而不是問「可不可以轉」。
具體的步驟如下，你可以試試。
第一步｜先確認你的目標不是 "身份"，而是現金流結構
可以誠實地回答自己：我要的是「工程師這個頭銜」，還是「三到五年後穩定、可預期、能養活自己的收入」。
如果是後者，那純 AI 工程師不是唯一解，甚至未必是最短路徑。(我想你能夠明白)
第二步｜盤點原本就有的可轉換資產
過去背景來看，我猜您應該擁有：內容理解、視覺、平台操作、用戶感覺…等等，這些在 AI 領域(應用端)有價值的切點 (不是模型端）果如果我們找的工作例如說是：資料分析、AI 產品助理、MarTech、內容科技…等等相關角色。
那麼走這條路，你至少不是從 0 開始。
第三步｜用＂時間＂驗證，而不是用年齡否定
給自己一個 6～8 個月的測試期，比方說：學 Python、資料處理、簡單模型，做 1–2 個小專案。
然後每個月評估三件事：學習時的挫折承受度、是否能長時間獨立解 bug，以及是否真的不排斥"這種工作節奏"。
這個會比「37 歲行不行」準確得多。
第四步｜設計退路，而不是豪賭
請不要裸辭全職學習。(強調一下)
一來也許你已經對低收入感到焦慮，直接"斷現金流"的話，會讓你的判斷變形(情緒影響決策、決策影響行為)。因此我們比較理想狀態是：保留部分收入來源，一邊補技術 (也測自己學不學的)，一邊觀察市場(和自己對這樣工作的掌握度和感受)。
第五步｜設定清楚的停損點
例如說，假設我們花了兩年內，仍沒有進入相關職位、收入結構沒有改善，那就調整方向。這其實也是一種專業風險管理的思維。
最後提醒一下，也許我們在選擇是不是最適合自己的理，不一定要那麼快直接跳到「砍掉重練」，而是「技術加乘」，如其他前輩提醒的，能把工程能力(學到的新技能)變成放大你原本經驗(原來的領域和專業)的工具。
同時，不要拿自己的未來"來賭"，而是要替自己設計一個"比較不焦慮"的後半場。也祝福您一切順利，加油~
歡迎訂閱我的文章《第二曲線的修煉》
https://lihi3.me/zxW1a
您好:
凡是接受改變永遠都不嫌晚!關鍵是自己想好了嗎?直白些就是決心面對因狀態的異動而產生的混沌了嗎?
AI工程師要會的程式語言、熟悉的演算法、神經網絡和框架、掌握自然語言處理 (NLP)、電腦視覺等專業領域知識我們自己會多少?這些未來吃飯的傢伙我們能夠做到的是多少?能夠即時且有效的完成能力是多少?
以上主要是提供您一個思考方向，衡量自己勝任愉快的能量是否足夠?畢竟轉換跑道就要先面臨企業的甄選，足夠就要盡快動作、不足要想辦法補充，未來才有機會。
年紀不是問題!!更何況依標註我們40不到，連中高齡的45歲門檻都還有資格，當然，相對於年輕小伙子我們虛長幾歲，但我們有狀世代的經驗與歷練，更何況台灣將在今年正式邁入超高齡化的社會結構了，您的壯年期還很長喔!加油!
以上供參。祝您順利!
先給你一句實話 :
37 歲轉職「AI工程師」不是不可能，但成功的人，走的路都很務實、很辛苦，而且多半不是你現在腦中想的那條「高薪AI工程師」捷徑。
--如果你只是想「薪水高、前景好」，那要小心，AI 不是救命仙丹。
我會把「AI工程師」拆成三種，你自己對號入座👇
🟥 路線一：正統 AI / ML Engineer（不推薦你）
需要：
線性代數、微積分、機率
Python + PyTorch / TensorFlow
演算法、模型訓練、部署
👉 37 歲、非理工背景、零基礎
我會很坦白說：
成功率低、時間成本高、心理壓力爆炸
🟧 路線二：資料 / 軟體工程轉 AI（可行但辛苦）
例如：
Data Engineer + AI
Backend Engineer + LLM
MLOps
需要：
紮實工程底（不是只玩模型）
至少 1–2 年投入期
👉 如果你真的能全職拼 1–2 年，且能接受先低薪
這條路「勉強可行」
🟩 路線三（最適合你）：
「AI 應用工程師 / AI產品技術整合」
這才是我會建議你認真考慮的方向。
為什麼？
你有：
攝影 + 自媒體 → 內容、使用者、商業感
懂市場、懂需求、懂呈現
缺的是：工程工具，不是思維
你可以轉成：
AI 應用開發（LLM + API + Web）
AI 工具整合（RAG、聊天機器人、內容生成）
AI 產品技術 PM / 技術導入顧問
👉 市場在找的是：
「會寫一點工程 + 懂實際使用場景的人」
希望以上內容對您有所幫助。
