Die Plateau-Falle

Ich habe kürzlich über AI-Ermüdung geschrieben, argumentierend, dass das, was Ingenieure erleben, keine chronische Erkrankung, sondern Trainings-Schmerz ist. Durchhalten, anpassen, stärker werden.

Das ist alles gut und richtig, aber es gibt mehr zu dieser Geschichte, und es wird schnell offensichtlicher. Das eigentliche Risiko, dem sich Ingenieur-Teams gegenübersehen, ist nicht das Burnout. Es ist das Plateau.

Die Neue Spaltung

Fast jeder Senior-Ingenieur verwendet jetzt AI. Copilot, Claude, Cursor, Codex, nennen Sie es, wie Sie wollen. Das ist geklärt. Wenn Sie ein Ingenieur-Team leiten, sehen Sie wahrscheinlich breite Adoptionszahlen und fühlen sich gut dabei.

Sie sollten sich nicht gut fühlen.

Die Adoptionszahl ist bedeutungslos. Was zählt, ist die Spaltung, die darunter stattfindet. Ihr Team teilt sich still in zwei Gruppen. Es gibt die Ingenieure, die einen Produktivitäts-Schub erhalten und sich einrichten, und Ingenieure, die jede Woche weiterdrängen. Neue Workflows, neue Agenten-Konfigurationen, neue Wege, um Probleme für AI zu zerlegen.

Beide Gruppen erscheinen in Ihren Dashboards als “AI-Adopter”. Aber eine ist in einem progressiven Trainingsprogramm. Die andere stoppte bei dem ersten Gewicht, das sich bequem anfühlte.

Vor sechs Monaten war die Lücke zwischen diesen beiden Gruppen kaum sichtbar. Jetzt ist sie offensichtlich für jeden, der aufpasst. In weiteren sechs Monaten wird sie strukturell sein.

Was Das Plateau Wirklich Ausmacht

Der plateaute Ingenieur tut nichts falsch im herkömmlichen Sinne. Er ist kompetent. Er liefert. Er verwendet seinen Agenten für einfache Aufgaben und räumt auf. Er erhielt vielleicht eine 20-30-prozentige Produktivitäts-Steigerung und nannte es erledigt.

Das Problem ist, dass der Ingenieur neben ihm nicht aufhörte. Dieser Ingenieur läuft jetzt Multi-Agenten-Workflows, verbessert Verifizierungsschleifen, zerlegt ganze Funktionen in AI-ausführbare Teile, überprüft auf architektonischer Ebene anstelle von zeilenweise und liefert mit 2-3-mal seiner vorherigen Geschwindigkeit. Nicht, weil er talentierter ist. Weil er weitertrainierte, während jeder andere einen Ruhetag einlegte, der zu einem Vierteljahr-Ruhetag wurde.

Dies geht nicht um AI-Begeisterung oder um ein frühes Adoptieren. Die frühe Adoptionsphase ist vorbei. Dies geht um kontinuierliche Anpassung versus einmalige Anpassung. Und der Unterschied zwischen diesen beiden Ansätzen wird unmöglich zu ignorieren.

Der Wettbewerbs-Druck Ist Real Und Beschleunigt Sich

Wenn Ihre Teams die Luxus hatten, sich auf ihrem eigenen Zeitplan anzupassen, wäre das Plateau-Problem ein Leistungs-Management-Problem. Ärgerlich, aber machbar.

Aber wenn man sich die breitere Situation in der Software-Industrie ansieht, hat man wahrscheinlich diesen Luxus nicht.

Die Software-Industrie wurde im Großen und Ganzen geschaffen, um Menschen bei digitaler Arbeit zu helfen: Unterstützungs-Agenten sehen eingehende Fälle, Antworten an Kunden verfolgen, Workflows verwalten. Jetzt verdrängen AI-Agenten den gesamten Workflow und damit die zugrunde liegenden SaaS-Plattformen. Darüber hinaus fragen Ihre Kunden mit AI, die täglich leistungsfähiger wird, immer mehr: “Brauchen wir das noch kaufen oder können wir es jetzt selbst bauen?” AI hat begonnen, die Barriere zwischen “kaufen” und “bauen” für eine wachsende Anzahl von Anwendungsfällen zu verringern. Die Klebrigkeit, die früher Ihre Einnahmen schützte, schwächt sich jeden Quartal ab.

Ihre plateaute Ingenieure arbeiten mit einem Tempo, das für ein Wettbewerbsumfeld kalibriert ist, das nicht mehr existiert.

Das Zitat, Das Alles Für Mich Neu Definierte

Ich habe es mehr als einmal gehört, von Produkt-Managern, die ihre Ärmel aufgerollt und vibe-codiert haben, von Ingenieur-Führern, die fehlgeschlagene Architekturen neu entworfen haben, in verschiedenen Unternehmen, in verschiedenen Kontexten:

“Es war einfacher für mich, dies mit meinen Agenten zu iterieren, als mit diesem Ingenieur.”

Das erste Mal dachte ich, es sei Hyperbel. Das dritte Mal erkannte ich, es sei ein führender Indikator.

Wie ich es sehe, gibt es Ingenieure, die in dieser neuen Welt gedeihen und “Multiplikatoren” von AI-Fähigkeiten sein werden. Dazu müssen sie in zwei Bereichen stark sein, beide können mit ausreichend intrinsischer Motivation und intellektueller Neugier selbst entwickelt werden:

• Sie operieren “auf der gleichen Welle” wie ihre Stakeholder (PMs, Eng-Managern usw.). Sie verstehen, was gut aussieht, sodass man ihnen nichts überexplizieren muss. Denn wenn sie die gleiche Anzahl von Missverständnissen wie Ihr Codier-Agent produzieren, wird der Agent immer diesen Kampf gewinnen. Er ist sofort verfügbar, 24/7, und unermüdlich.
• Sie verbessern ständig ihre AI-Setups, sodass Sie, wenn Sie ihnen etwas übergeben, wissen, dass es nicht nur gut (siehe den obigen Punkt) gemacht wird, sondern auch schnell genug, um mit dem neuen Marktempo Schritt zu halten.

Warum Dies Ein Führungs-Problem Ist, Nicht Ein Individuelles

Es ist verlockend, dies als individuelle Verantwortung des Ingenieurs zu betrachten. “Bleib dran oder bleib zurück.” Aber wenn Sie ein Ingenieur-Team leiten, lässt diese Betrachtung Sie aus der Verantwortung.

Ihre plateaute Ingenieure haben nicht in einem Vakuum plateaut. Sie haben plateaut, weil nichts in ihrer Umgebung sie über die anfängliche Anpassung hinausgetrieben hat. Sie haben einen vernünftig aussehenden Produktivitäts-Gewinn erzielt, niemand hat sie dazu herausgefordert, weiterzugehen, und die Trägheit hat den Rest erledigt.

Die Ingenieure, die weitergedrängt haben? Die meisten von ihnen sind selbstmotiviert. Sie würden ohnehin weiterdrängen. Aber Sie können ein Ingenieur-Team nicht ausschließlich mit selbstmotivierten Pionieren besetzen. Die Frage für Führungskräfte lautet: Wie bewegt man das Mittelfeld?

Das ist ein Change-Management-Problem, und eines meiner Lieblings-Frameworks dafür stammt aus dem Buch der Heath-Brüder Switch. Die Kurzversion: Sie müssen den Menschen eine klare Richtung geben, ihnen vermitteln, warum es wichtig ist, und die Umgebung so umgestalten, dass das neue Verhalten der Weg der geringsten Widerstände ist. Angewendet auf Ingenieur-Teams sieht das so aus:

Finden Sie Ihre hellen Flecken und machen Sie sie sichtbar. Identifizieren Sie die Ingenieure, die am weitesten in ihren AI-Workflows vorangekommen sind, und lassen Sie sie regelmäßig vor dem Team demonstrieren. Keine Trainings-Sitzungen. Live-Durchgänge realer Arbeit. Wenn das Mittelfeld Ihres Teams die Differenz zwischen seinem Workflow und dem des Top-Adapters sieht, entsteht ein produktives Unbehagen, das keine Anweisung erreichen kann.

• Verkleinern Sie die Veränderung. “AI adoptieren” ist zu abstrakt, um darauf zu reagieren. Dieser Sprint, nageln Sie das e2e-agente-Testen fest, im nächsten Sprint rollen Sie es über die gesamte Organisation aus, und so weiter. Konkrete, machbare Schritte schlagen ambitionierte Transformations-Programme jederzeit, und kleine Siege zählen.
• Umgestalten Sie die Standardwerte. Kodifizieren Sie den Verifizierungs-Prozess in AI-Fähigkeiten und stellen Sie sicher, dass diese über Ihr Team und alle ihre Agenten hinweg bereitgestellt werden. Definieren Sie Ihre Workflows und verwenden Sie die Tooling, die dies unterstützt. Machen Sie den neuen Weg des Arbeitens zum Weg der geringsten Widerstände, sodass die Leute darauf zusteuern, anstatt dagegen ankämpfen zu müssen.

Das Fenster Schließt Sich

Hier ist der Teil, der dies dringend und nicht nur wichtig macht.

Gerade jetzt ist die Anpassungs-Lücke ein Leistungs-Unterschied. Ihre plateaute Ingenieure sind langsamer als Ihre angepassten Ingenieure, aber sie sind immer noch produktiv. Sie tragen immer noch bei. Sie können sie noch tragen.

Das Fenster schließt sich. Wenn AI-Fähigkeiten beschleunigen und Wettbewerbs-Druck sich aufhäuft, steigt der Mindest-Tempo von Ingenieur-Arbeit. Der “gut genug”-Ingenieur von heute ist nicht garantiert “gut genug” für das nächste Quartal. Nicht, weil er schlechter wird, sondern weil der Boden nach oben verschoben wird.

Die Organisationen, die herausfinden, wie sie ihre gesamten Teams die Anpassungskurve hinaufbewegen, nicht nur die frühen Adopter, werden einen strukturellen Vorteil haben. Diejenigen, die es nicht tun, werden sich in Teams wiederfinden, die für ein Wettbewerbsumfeld ausgestattet sind, das nicht mehr existiert.

Jeder Ingenieur-Führer, mit dem ich spreche, versteht dies intellektuell. Nur sehr wenige haben ihre Teams in Reaktion darauf geändert. Die Lücke zwischen Verständnis und Handeln ist ihre eigene Art von Plateau.

Es Gibt Keinen Bequemen Rhythmus

In dem AI-Ermüdungs-Artikel argumentierte ich, dass Schmerz der Beweis ist, dass das Training funktioniert. Das ist immer noch wahr. Aber die folgende Wahrheit ist härter: das Gewicht wird immer größer.

In einem normalen Fitness-Studio können Sie ein bequemes Gewicht wählen und es für immer beibehalten. Niemand fügt Ihrem Barren Platten hinzu, ohne zu fragen. In der aktuellen Software-Landschaft bewegt sich die Latte. Stehen Sie still und das Gewicht wird Sie schließlich überwältigen.

Es gibt keinen bequemen Raum in der Software-Industrie gerade jetzt. Nicht für einzelne Ingenieure, nicht für die Teams, an denen sie arbeiten, nicht für die Unternehmen, die diese Teams aufbauen. Die einzige sichere Position ist kontinuierliche Bewegung. Und die einzige Frage, die für Ingenieur-Führer zählt, ist, ob Ihr ganzes Team sich bewegt oder nur diejenigen, die ohnehin bewegt worden wären.