AI ændrer, hvordan ingeniører udvikler sig

For omkring et år siden var en af de mest ophedede debatter i softwarebranchen centreret omkring fremtiden for junioringeniører. Argumentet lød enkelt: Hvis AI allerede kan håndtere mange junioropgaver, hvorfor skal vi så fortsat ansætte og uddanne juniorer? Og hvis virksomheder stopper med at udvikle junior-talent, hvor kommer så senioringeniørerne fra om fem år?

Det var et alvorligt spørgsmål, og mange kloge mennesker tog det alvorligt.

På det tidspunkt var mit svar, at andre fag havde allerede løst versioner af dette problem. Ingen dimittenderer fra medicinstudiet og udfører straks åbne hjertekirurgiske operationer på egen hånd. Læger tilbringer år med at skygge, praktikere, gennemføre residenser og øve under vejledning, før systemet betror dem til at operere alene.

Den samme mønster findes i ledelse. Ingen dimittenderer fra universitetet og leder straks en Fortune 500-virksomhed. Mennesker leder små hold, derefter større forretningsenheder, og samler gradvist domænekompetence op over tid. Vejen bliver længere, mere praktisk og mere læringssammenhængende, efterhånden som rollekompleksiteten øges.

Jeg mener stadig, at ingeniørbranchen bevæger sig i den retning. Men over de sidste måneder begyndte jeg at tænke over problemet på en anden måde på grund af tre urelatede oplevelser, der alle pegede på samme konklusion.

Tre eksempler

En ven af mig tilbragte for nylig måneder med at forberede sig til en tjekkisk sprogeksamen. Han og flere af hans kammerater hyrede menneskelige undervisere og investerede rigtige penge i processen. Han bestod komfortabelt. De fleste af de andre gjorde ikke.

Den største forskel, ifølge ham, var, at hans primære underviser faktisk var ChatGPT.

Han kunne studere klokken 23, hvis han ville. Han kunne gentage den samme konjugationsøvelse fyrre gange uden at bekymre sig om at spilde nogen sin tids patience. Han kunne rolle-spille meget specifikke situationer, som f.eks. at interagere med en tjekkisk skattebetjent, og tilpasse sessionen præcis til, hvad han kæmpede med den dag.

De menneskelige undervisere var gode. De kunne bare ikke matche tilgængeligheden, gentagelsen og personliggørelsen.

Jeg ser noget lignende med min søn og fysik. Han forstår allerede emnet godt, så han bruger ikke Claude til at give ham svar. Han bruger det til at udfordre sig selv. Han beder det om at generere sværere problemer, presse på hans antagelser, forklare, hvorfor en tilgang var tæt på, men ultimativt forkert, og afholde interaktive quizzer.

Den nærmeste sammenligning, jeg kan tænke på, er den oplevelse, smarte børn havde, da de kendte en ældre søskende, der læste fysik. Bortset fra, at denne version altid er tilgængelig, aldrig utålmodig og aldrig siger “spørg mig senere”.

Min nevø, der stadig er i gymnasiet, har bygget et lille hobbyprojekt, som han til sidst vil commercialisere. Jeg hjalp ham med at konfigurere en kodestyringsagent og automatisere nogle arbejdsgange. Hver eftermiddag klokken 17, mens han afslutter skolen, scanner en agent hans kodebase og efterlader foreslåede forbedringer. En gang om ugen køres en anden arbejdsproces, der udfører konkurrentanalyse og fremhæver nye ideer.

Han elskede det.

På et tidspunkt spøgte han: “Hvis kodning er så let, kommer jeg til at løbe tør for ideer”.

Jeg sagde til ham, at ideer altid havde været den knappe ressource. Forskellen nu er, at udførelsen ikke længere begrænser dem på samme måde, fordi implementeringen er blevet dramatisk billigere.

Hurtigere feedback-loop

Ingen af disse eksempler handler egentlig om tjekkisk, fysik eller kodegennemgang.

De er eksempler på, hvordan meget personlig feedback bliver kontinuerligt tilgængeligt.

Historisk set lærte junioringeniører delvist gennem gentagelse og delvist gennem nærhed til erfarne mennesker. Du skrev kode, ventede på gennemgang, fik feedback, når en senior endelig havde kapacitet, og byggede gradvist domænekompetence op over årevis af akkumulerede fejl.

AI ændrer selv feedback-loopet.

En junioringeniør med en korrekt konfigureret AI-assistent får nu mange af de ting, der tidligere afhængigt af seniorernes tilgængelighed. Umiddelbar kodegennemgang. Forklaringer om, hvorfor en designvalg kan skabe problemer senere. Henvisninger til lignende mønstre andre steder i kodebasen. Modstand, når man når ud efter den mest åbenlyse implementering i stedet for den bedre.

Vigtigst af alt ankommer feedback, mens ingeniøren stadig er inde i problemet, snarere end to dage senere, efter konteksten er svundet.

Det betyder noget, fordi overgangen fra junior til senior har altid været drevet i høj grad af domænekompetence. Domænekompetence er mest mønstergenkendelse bygget gennem gentagen eksponering for fejl, kompromiser og edge-tilfælde. Jo hurtigere nogen kan bevæge sig gennem disse feedback-loop på en tankefuld måde, jo hurtigere udvikler domænekompetencen sig.

Bandbreddsflaskehalsen lå tidligere hos senioringeniørerne. Nu ligger den mere og mere hos læren.

Sikkerhedsnettet forbedres

Der er en anden ændring her, der er lige så vigtig.

En junioringeniør, der arbejder med stærke AI-gennemgangssystemer, er betydeligt mindre sandsynlig for at beskadige et produktionsystem utilsigtet.

Mange klassiske fejl bliver nu fanget med det samme: hardcodede legitimationsoplysninger, slugede undtagelser, usikre forespørgsler, sikkerhedsproblemer, åbenlyse arkitekturproblemer, dårligt definerede afhængigheder. Dårlige træk anmodninger bliver fanget, før de nogensinde forlader laptoppen.

Det ændrer gulvet for juniorarbejde.

Historisk set gik en betydelig del af senioringeniørernes tid med til at beskytte organisationen mod forkortalige fejl. AI-gennemgangslag absorberer mere og mere en del af denne byrde, hvilket giver juniorer mulighed for at operere mere uafhængigt tidligere end de kunne tidligere.

Det eliminerer ikke behovet for mentorering eller tilsyn. Det ændrer, hvor mentorering bliver mest værdifuld.

Gapet åbner sig

Den optimistiske version af denne fremtid afhænger tungt af, hvordan den enkelte ingeniør bruger systemet.

Nogen, der behandler AI primært som en genvej rundt omkring tænkning, vil sandsynligvis generere mere kode, mens de lærer meget lidt. For ti år siden ville den samme person have kopieret løsninger fra Stack Overflow uden at forstå dem. Mekanismen ændrede sig. Den underliggende adfærd gjorde ikke.

AI var aldrig gået til at løse intellektuel passivitet.

Den mere interessante udfald sker, når ingeniører aktivt engagerer sig i den feedback, de modtager. Hvis nogen læser gennemgangen omhyggeligt, modsætter sig den, stiller følgespørgsmål, tester alternativer og leder efter mønstre bag fejl, som den fanger, bygger de domænekompetence meget hurtigere end tidligere generationer kunne.

Den kognitive indsats forsvandt ikke. Den skiftede tidligere i løkken og blev billigere at gentage.

Det åbner sandsynligvis gapet mellem meget engagerede ingeniører og ikke-engagerede.

De fleste vigtige produktivitetsændringer fungerer på den måde. Læsning udvidede gapet mellem litterære og ulitterære befolkninger. Internettet udvidede gapet mellem nysgerrige mennesker og passive. AI synes sandsynligvis at fortsætte samme mønster.

Produkt-domænekompetence betyder mere

Det mere interessante spørgsmål er ikke længere, om junioringeniører forsvinder. Det er, hvad junioringeniører bidrager med, når implementeringen selv bliver lettere.

Svaret ligner overraskende meget det, stærke senioringeniører allerede bidrager med: kreativitet, produktinstinkt, smag, prioritering, domænekompetence og evnen til at identificere, hvad der faktisk bør eksistere fra starten.

Ingeniørroller bevæger sig mere og mere mod produktorienteret tænkning, fordi implementeringsfriktionen fortsætter med at kollapsere. Rørarbejde betyder mindre end at forstå, om systemet, der bygges, faktisk løser det rigtige problem.

Systemdesign betyder stadig noget. Navngivning betyder stadig noget. Produkt-domænekompetence betyder stadig noget. Forståelse af brugere betyder stadig noget. På visse måder bliver disse færdigheder endda vigtigere, fordi organisationer nu kan teste ideer meget hurtigere end før.

En ingeniør, der er opvokset med AI fra starten, vil sandsynligvis tænke meget anderledes end nogen, der blev uddannet for 15 år siden.

De vil antage, at iteration er billig. De vil prototypere multiple tilgange hurtigt i stedet for at diskutere en enkelt tilgang i dage. De vil forvente meget tættere feedback-loop mellem brugere og implementering, fordi omkostningerne ved at prøve ting bliver mindre.

Det skaber en anden type ingeniør, en, der er formet af meget kortere cykler mellem idé og udførelse.

Organisationer må omvurdere ansættelse, evaluering, mentorering og forfremmelse herefter. Men software har allerede gennemgået lignende transitioner flere gange: da webben ankom, da mobile ankom, da cloud-infrastruktur erstattede on-premises-systemer.

Hver ændring ændrede, hvad god ingeniørarbejde ligner, uden at eliminere behovet for ingeniører selv.

Operationelle implikationer

For junioringeniører er rådet ikke særlig glamorøst.

Vælg rigtige projekter. Brug AI som en skyggegennemgang, mens du arbejder. Læs feedbacken omhyggeligt. Modsæt dig den nogle gange. Stil følgespørgsmål. Hold styr på mønstrene bag fejlene, den fanger.

Det er en af de hurtigste veje til at udvikle domænekompetence, meget hurtigere end at vente på, at en travl senioringeniør endelig får tid til mentorering.

For ledere ændrer flaskenæsen sig også.

Juniorvækst afhængigt tidligere stærkt af, hvor meget tid senioringeniører kunne spare til coaching. Den større gevinstpunkt bliver nu til at designe stærke læremiljøer omkring AI-brug: gennemgangsforventninger, eskalationsregler, promptmønstre, sikkerhedsforanstaltninger og projektvalg.

Organisationer, der strukturerer disse systemer godt, vil sandsynligvis udvikle talent hurtigere end tidligere generationer formåede at.

Og for ledelsesholdene er det sandsynligvis en god idé at stoppe med at se på junioringeniører primært som udskiftelige udførelseskapaciteter. I mange organisationer kan de måske blive en af de billigste kilder til eksperimentering, energi og kreativ iteration, der er tilgængelig.

En anden generation af ingeniører

Min ven lærte tjekkisk hurtigere, fordi han effektivt bar en personlig underviser i sin lomme. Min søn lærer fysik med en niveau af interaktiv feedback, jeg aldrig havde adgang til. Min nevø modtager nu natlige kodegennemgange og markedsanalyse, mens han sover.

Den næste generation af ingeniører vil indtræde i branchen med kontinuerlig coaching, umiddelbar feedback og dramatisk hurtigere cykler mellem indsats og feedback.

Det eliminerer ikke junioringeniøren. Det ændrer, hvor hurtigt de udvikler sig og hvilke færdigheder, der betyder mest undervejs.

Den version af rollen, mange mennesker voksede op med, er sandsynligvis forsvindende. Men erstatningen kan måske ende med at blive hurtiglærende, bedre trænet, mere eksperimenterende og mere produktorienteret end den foregående generation nogensinde havde mulighed for at blive.