Tankeledere
Stagnationsfælden

NøglepunkterDet konkurrencemæssige bundniveau for ingeniørmæssig arbejdshastighed stiger med AI…
Vis mere
- Det konkurrencemæssige bundniveau for ingeniørmæssig arbejdshastighed stiger med AI, hvilket gør de nuværende produktivitetsgevinster utilstrækkelige.
- Ingeniørhold deler sig i kontinuerlige AI-adaptører og stagnante brugere, hvilket skaber en strukturel performancekløft.
- Ledere må aktivt flytte hele deres hold op ad adapteringskurven gennem miljøændringer, ikke individuelle påbud.
Jeg skrev for nylig om AI-udmattelse og argumenterede for, at det, ingeniører oplever, ikke er en kronisk tilstand, men ømhed efter træning. Arbejd dig igennem det, tilpas dig, og kom stærkere ud på den anden side.
Det er alt sammen rigtigt, men historien har en fortsættelse, som hurtigt bliver tydeligere. Den reelle risiko for ingeniørteams lige nu er ikke udbrændthed. Det er stagnation.
Det nye skel
Næsten alle senioringeniører bruger nu AI. Copilot, Claude, Cursor, Codex — fortsæt selv listen. Den del er afklaret. Hvis du leder en udviklingsorganisation, ser du sandsynligvis udbredt anvendelse og er tilfreds med det.
Det burde du ikke være.
Tallet for anvendelse er meningsløst. Det afgørende er det skel, der opstår under overfladen. Dit team deler sig stille i to grupper: ingeniører, der fik et produktivitetsløft og slog sig til ro, og ingeniører, der fortsætter med at udvikle sig hver eneste uge. Nye arbejdsgange, nye agentkonfigurationer og nye måder at opdele problemer på, så AI kan håndtere dem.
Begge grupper står som «AI-brugere» i dine oversigter. Men den ene følger et træningsprogram med gradvist stigende belastning. Den anden stoppede ved den første vægt, der føltes behagelig.
For seks måneder siden var forskellen mellem grupperne knap synlig. Nu er den åbenlys for alle, der følger med. Om yderligere seks måneder vil den være strukturel.
Hvordan stagnation faktisk ser ud
Ingeniøren, der er stagneret, gør ikke noget forkert i traditionel forstand. Vedkommende er kompetent og leverer. Agenten bruges til enkle opgaver, og ingeniøren retter op bagefter. Måske steg produktiviteten med 20–30 procent, og så blev indsatsen betragtet som afsluttet.
Problemet er, at kollegaen ved siden af ikke stoppede dér. Den ingeniør bruger nu arbejdsgange med flere agenter, forbedrer verifikationssløjfer, opdeler hele funktioner i dele, som AI kan udføre, gennemgår resultater på arkitekturniveau frem for linje for linje og leverer i et tempo, der er to til tre gange så højt som før. Ikke på grund af større talent, men fordi træningen fortsatte, mens alle andre tog en hviledag, der blev til et helt kvartal med hvile.
Det handler ikke om AI-begejstring eller om at være tidligt ude. Fasen med tidlig anvendelse er forbi. Det handler om løbende tilpasning over for en engangsjustering. Den akkumulerede forskel mellem de to tilgange bliver umulig at ignorere.
Konkurrencepresset er reelt og tiltager
Hvis dine teams havde den luksus at kunne tilpasse sig efter deres egen tidsplan, ville stagnation være et spørgsmål om præstationsledelse. Irriterende, men håndterbart.
Men ser du på den bredere situation i softwarebranchen, har du sandsynligvis ikke den luksus.
Softwarebranchen blev i høj grad skabt for at hjælpe mennesker med digitalt arbejde: hjælpe supportmedarbejdere med at se indgående sager, følge svar til kunder og styre arbejdsgange. Nu er AI-agenter ved at erstatte hele arbejdsgange og dermed udfordre de underliggende SaaS-platforme. Samtidig bliver AI mere kompetent dag for dag, og kunderne begynder at spørge: «Har vi stadig brug for at købe dette, eller kan vi selv bygge det nu?» For et voksende antal anvendelser sænker AI barrieren mellem at købe og at bygge selv. De produktegenskaber, der fik kunderne til at blive og beskyttede omsætningen, svækkes hvert kvartal.
Dine stagnerede ingeniører arbejder i et tempo, der er tilpasset et konkurrencemiljø, som ikke længere findes.
Citatet, der fik mig til at se alt på en ny måde
Jeg har nu hørt det mere end én gang, i forskellige virksomheder og sammenhænge: fra produktchefer, der smøgede ærmerne op og byggede funktioner med «vibe coding», og fra udviklingsledere, der omarbejdede arkitekturer, som ikke fungerede:
«Det var lettere for mig at forbedre dette gennem flere iterationer med mine agenter end med den ingeniør.»
Første gang jeg hørte det, troede jeg, at det var en overdrivelse. Tredje gang indså jeg, at det var en tidlig indikator.
Som jeg ser det, vil nogle ingeniører trives i denne nye verden og fungere som «multiplikatorer» for AI’s kapacitet. Det kræver styrke på to områder. Begge kan udvikles på egen hånd med tilstrækkelig indre motivation og intellektuel nysgerrighed:
- De er på bølgelængde med deres interessenter, eksempelvis produktchefer og udviklingsledere. De forstår, hvordan et godt resultat ser ud, så du ikke behøver at overforklare. Hvis de skaber lige så mange misforståelser som din kodeagent, vinder agenten altid den konkurrence. Den er til rådighed med det samme, døgnet rundt, og bliver aldrig træt.
- De forbedrer løbende deres AI-opsætninger. Når du giver dem en opgave, ved du derfor, at den ikke kun bliver løst godt, som beskrevet ovenfor, men også hurtigt nok til at følge markedets nye tempo.
Hvorfor det er et ledelsesproblem og ikke et individuelt problem
Det er fristende at fremstille det som den enkelte ingeniørs ansvar: «Følg med, eller bliv hægtet af.» Men hvis du leder en udviklingsorganisation, fritager den fremstilling dig selv for ansvar.
Dine ingeniører stagnerede ikke i et vakuum. De stagnerede, fordi intet i omgivelserne pressede dem videre efter den første tilpasning. De nåede et tilsyneladende rimeligt produktivitetsløft, ingen udfordrede dem til at gå længere, og trægheden gjorde resten.
Hvad med ingeniørerne, der fortsatte? De fleste motiverer sig selv. De ville være fortsat under alle omstændigheder. Men du kan ikke bemande en hel udviklingsorganisation udelukkende med selvmotiverede mennesker, der konstant opsøger nye grænser. Spørgsmålet for ledere er, hvordan man får midtergruppen med.
Det er et spørgsmål om forandringsledelse. En af mine foretrukne modeller kommer fra Heath-brødrenes bog Switch. Kort fortalt: Giv folk en klar retning, få dem til at mærke, hvorfor den er vigtig, og ændr omgivelserne, så den nye adfærd bliver vejen med mindst modstand. For udviklingsteams ser det sådan ud:
Find de gode eksempler, og gør dem synlige. Find de ingeniører, der er kommet længst med deres AI-arbejdsgange, og lad dem regelmæssigt demonstrere dem for teamet. Ikke undervisningssessioner, men direkte gennemgange af virkeligt arbejde. Når midtergruppen ser forskellen mellem sin egen arbejdsgang og den, de bedst tilpassede bruger, skaber det et produktivt ubehag, som intet påbud kan matche.
- Gør forandringen mindre. «Tag AI i brug» er for abstrakt til at handle på. I denne sprint får I agentbaseret ende-til-ende-test til at fungere ordentligt; i næste sprint ruller I den ud i hele organisationen, og så videre. Konkrete, håndterbare skridt slår ambitiøse transformationsprogrammer hver gang, og små sejre betyder noget.
- Ændr standardpraksis. Kodificér verifikationsprocessen i AI-færdigheder, og sørg for, at de er implementeret i hele teamet og hos alle dets agenter. Definér arbejdsgange, og brug værktøjer, der understøtter dem. Gør den nye måde at arbejde på til vejen med mindst modstand, så folk naturligt bevæger sig mod den i stedet for at skulle kæmpe sig derhen.
Vinduet er ved at lukke
Det er dette, der gør sagen presserende og ikke blot vigtig.
Lige nu er tilpasningsgabet en forskel i præstation. Dine stagnerede ingeniører er langsommere end dem, der har tilpasset sig, men de er stadig produktive og bidrager. Du kan stadig beholde dem i teamet.
Dette vindue er ved at lukke. Når AI’s kapacitet udvikler sig hurtigere, og konkurrencepresset bygges op, stiger det laveste levedygtige tempo for udviklingsarbejde. Ingeniøren, der er «god nok» i dag, er ikke nødvendigvis «god nok» næste kvartal. Ikke fordi vedkommende er blevet dårligere, men fordi minimumskravet er steget.
Organisationer, der finder ud af at flytte hele deres teams op ad tilpasningskurven, ikke kun dem, der var tidligt ude, får en strukturel fordel, som vokser over tid. De andre vil opdage, at deres bemanding er indrettet til et konkurrencetempo, som ikke længere findes.
Alle udviklingsledere, jeg taler med, forstår det intellektuelt. Meget få har ændret deres måde at lede teams på som følge af det. Kløften mellem forståelse og handling er i sig selv en form for stagnation.
Der findes ikke noget behageligt tempo
I artiklen om AI-udmattelse argumenterede jeg for, at ømhed viser, at træningen virker. Det er stadig sandt. Men den sværere sandhed er, at vægten bliver ved med at stige.
I et almindeligt fitnesscenter kan du vælge en behagelig vægt og beholde den for altid. Ingen lægger flere vægtskiver på din stang uden at spørge. I nutidens softwarelandskab flytter hver ny modeludgivelse, hver ny agentkapacitet og hver ny arbejdsgang, som nogen finder på og deler, på stangen. Står du stille, vil vægten til sidst holde dig nede.
Der findes ikke noget behageligt sted i softwarebranchen lige nu. Ikke for den enkelte ingeniør, ikke for de teams, de arbejder i, og ikke for de virksomheder, teamene bygger. Den eneste sikre position er konstant bevægelse. Det eneste afgørende spørgsmål for udviklingsledere er, om hele teamet bevæger sig, eller kun dem, der ville have gjort det alligevel.












