Warum technische Exzellenz allein Ingenieuren in der Ära KI nicht mehr zum Aufstieg verhilft

KI hat einen großen Wandel in der Art und Weise, wie wir arbeiten und was innerhalb technischer Teams automatisiert wird, herbeigeführt. In meiner Arbeit bei Sombra habe ich gesehen, wie dieser Wandel nicht nur die Art und Weise, wie Teams liefern, sondern auch das, was in der Karriereentwicklung belohnt wird, verändert. Lange Zeit war der Karriereweg in der Technik ziemlich linear: man lernte neue Fähigkeiten, wurde immer besser technisch, wurde jemand, der schwierige Probleme löste, baute seinen Ruf und sein Vertrauen auf und dann verdiente man sich den Weg nach oben auf der Karriereleiter.

Aber dieser Zyklus beginnt jetzt zu brechen. KI übernimmt viele Aufgaben, beschleunigt die Arbeit und senkt die Kosten. Das bedeutet nicht, dass technische Fähigkeiten nicht mehr wichtig sind, aber es macht Aufgaben, die Urteilsvermögen, Ergebnisdenken und Entscheidungsfindung erfordern, wichtiger.

Das ist der Wandel, den ich auf meiner Reise von Ingenieur zu Mitgründer und CTO bei Sombra selbst erlebt habe. Fünf Jahre nach Beginn meiner Ingenieurskarriere war ich zu einem Spezialisten geworden, auf den Teams angewiesen waren. Ich war der Typ Arbeitgeber, der schwierige technische Probleme lösen, komplexe Arbeiten übernehmen und vertrauenswürdig sein konnte, wenn Projekte in Flammen standen. Aber etwas fehlte, und ich fühlte mich festgefahren.

Es sah so aus, als hätte ich meine Karrieredecke erreicht und könnte nicht weitergehen. Meine technischen Fähigkeiten waren auf dem Höhepunkt, aber diese nächste Wachstumsphase erforderte etwas anderes – Geschäftsgedanken.
Ich konnte nicht vorwärtskommen, nur weil ich wusste, wie man etwas baut, ich musste lernen, was es wert war, überhaupt etwas zu bauen.

Diese Art von Decke wird über die gesamte Branche hinweg immer häufiger.

Der Markt ändert sich schneller, als viele Ingenieure realisieren

Der Weltwirtschaftsforum berichtet, dass 40 % der Arbeitgeber erwarten, ihre Belegschaft zu reduzieren, wo KI Aufgaben automatisieren kann, während Anthropics Forschung zur Softwareentwicklung nahelegt, dass mehr Ingenieure durch die Übernahme von wiederholbaren Entwicklungsarbeiten durch KI in Richtung höherer Design- und Entscheidungsebenen gedrängt werden.

Natürlich gibt es immer noch eine enorme Nachfrage nach technischem Talent. Lassen Sie mich nicht missverstehen, technische harte Fähigkeiten bleiben Kern des Berufs, aber der breitere Trend ist, dass es weniger Rollen gibt, in denen allein die Ausführung ausreicht, um nach oben zu kommen. Es gibt eine hohe Nachfrage nach Menschen, die Probleme formulieren, Prioritäten unter Einschränkungen setzen und technische Arbeit mit Geschäftswert verbinden können.

Das war der Übergang, den ich machen musste. Mein größter Upgrade war nicht nur technisch, es war kontextuell.

Ich habe die Ingenieurarbeit nicht aufgegeben, ich habe sie erweitert und die Fragen darum herum neu formuliert.

Ich habe aufgehört, mein Karrierezuwachs in Bezug auf “mehr Code”, “mehr Komplexität” oder “schwierigere technische Verantwortung” zu messen und mich stattdessen auf Architektur, Geschäftsauswirkungen und Entscheidungsqualität konzentriert.

Fünf Veränderungen, die meine Arbeitsweise geändert haben

Das mag abstrakt klingen, also werde ich es in 5 praktische Veränderungen aufteilen, die mir geholfen haben, eine Geschäftsmethode zu entwickeln.

Die erste Veränderung bestand darin, das Geschäft direkt zu lernen, anstatt es zweitehand durch Tickets zu erhalten.

Viele Ingenieure arbeiten von Downstream-Signalen. Wir erhalten Anforderungen, aber nicht die Konversation, die sie geprägt hat. Wir sehen nicht die Kompromisse hinter unseren Aufgaben, noch die strategischen Gründe, warum diese Aufgaben existieren.

Also begann ich, das Geschäft direkt zu lernen. Ich nahm an mehr Verkaufs- und Supportanrufen teil, hörte ihren Gesprächen aufmerksam zu und achtete mehr auf Stakeholder-Diskussionen. Mit der Zeit hörte ich auf, meine Arbeit als eine Reihe isolierter Lieferungen zu sehen.

Ich kam zu einer Erkenntnis: eine technisch elegante Lösung, die zu spät kommt, zu teuer ist oder das falsche Problem löst, ist keine strategische Arbeit. Es ist nur teure Korrektheit.

Die zweite Veränderung bestand darin, die Geschäftssprache zu lernen, ohne sie als etwas zu behandeln, das nur für Führungskräfte reserviert ist.

Ich begann, all diese Begriffe zu lernen, die viele Ingenieure nie explizit gelehrt werden: ROI, Kostenverzögerung, Opportunitätskosten, Risikobewertung, Marge und Sequenzierung. Dies ist einfach unvermeidlich, wenn man auf Senior- oder C-Level-Positionen abzielt.

Dies beeinflusst das technische Urteilsvermögen, da viele Spezialisten großartig darin sind, Probleme zu lösen, aber sie können sie nicht priorisieren und nach Geschäftszielen bewerten.

Für mich änderte das Lernen dieser Sprache, wie ich kommunizierte und, wichtiger noch, wie ich Lösungen beurteilte. Die Arbeit selbst blieb technisch, aber die Logik dahinter wurde breiter.

Das ist ein wichtiger Unterschied in der Ära KI. KI kann zunehmend helfen, Teams auszuführen, aber sie kann nicht die Entscheidungsfindung besitzen. Diese Ebene gehört den Menschen.

Ein weiterer großer Denkwechsel bestand darin, den Erfolg vor dem Schreiben von Code zu definieren.

Mit der Zeit stellte ich mir vor dem Beginn der Implementierung eine Reihe von Fragen:

• Was ändert es genau für den Benutzer oder das Geschäft?
• Welche Metrik sollte sich ändern?
• Wie wird jemand wissen, dass es wichtig war?

Diese Fragen halfen mir wirklich, die Dinge vor dem Beginn des Codierens zu klären. Sie retteten mich auch vor einem häufigen Fehler: in die Lieferung zu investieren, bevor ich mich auf den Einfluss einigte.

Das ist ein Grund, warum Messung so wichtig ist. DORA’s Software-Lieferforschung hat den Wert des Messens gezeigt, wie Teams Software sicher, schnell und effizient liefern. Aber in der Praxis gehen hochleistungsfähige technische Führer normalerweise einen Schritt weiter: sie verbinden Liefermetriken mit Produkt- und Geschäftsergebnissen.

Mit anderen Worten, das Versenden ist nicht die Ziellinie. Sicherlich schätzen wir Ergebnisse auf der Grundlage der Lieferung, aber es ist oft die Fähigkeit, den Erfolg im Voraus zu definieren, die jemanden in eine breitere Führungsrolle bringt.

Die vierte Veränderung bestand darin, Annahmen zu testen, bevor man überbaut.

Starke Ingenieure bauen oft über, geleitet von der häufigen Fehlvorstellung, dass KI das Bauen billiger macht und dass mehr Ingenieurskunst automatisch bessere Qualität bedeutet.

Hochleistungsfähige technische Menschen werden oft dazu ausgebildet, in Bezug auf robuste Lösungen zu denken, da wir alle Dinge auf die richtige Weise bauen wollen. Dies ist eine großartige Eigenschaft, die entwickelt werden sollte, aber sie wird oft teuer, wenn man sich zu einer vollständigen Lösung verpflichtet, bevor man Annahmen überprüft.
Das ist, warum eine meiner praktischsten Veränderungen darin bestand, vor dem Bauen eine Pause einzulegen und meine Annahmen zu definieren. Sobald die Annahme explizit und klar ist, ändert sich die Arbeit.
Das Ziel ist nicht mehr, zu beweisen, wie sophisticated die Lösung sein kann. Das Ziel ist, schnell, billig und klar genug zu lernen, um zu entscheiden, was eine tiefere Investition verdient.

Die letzte Veränderung, die mir wirklich half, war, vor dem Codieren kurze Entscheidungshinweise zu schreiben.

Das mag die praktischste Gewohnheit von allen sein. Und lassen Sie mich nicht missverstehen, ich versuche nicht, ein weiteres Dokument zu erzwingen – nur einen kurzen und strukturierten Hinweis, um mein Denken zu visualisieren: welche Optionen existieren, welche Risiken sind wichtig, welcher Einfluss wird erwartet, welche Empfehlung macht Sinn und wo ist noch eine Ausrichtung erforderlich.

Dies verbesserte nicht nur die Kommunikation, sondern legte auch schwaches Denken frühzeitig bloß und half, Annahmen zu klären (siehe vorherige Veränderung). Darüber hinaus erstellte es einen Nachweis, warum eine Entscheidung getroffen wurde, was besonders wertvoll wird, wenn man die Ergebnisse überprüft. Diese kleine Aktion kann ändern, wie Entscheidungen formuliert, kommuniziert und besessen werden.

In der Praxis geschehen viele Beförderungen, weil eine Person Unsicherheit für andere reduzieren kann, und nicht, weil sie die technisch brillanteste Person im Raum sind.

Warum die nächste Ebene über bessere Entscheidungen geht

Das ist der größere Fehler, den viele Menschen machen, wenn sie über KI und technische Karrieren sprechen. Sie erzählen die Geschichte so, als ob die Wahl zwischen technischer Tiefe und Führung oder zwischen Ingenieurwesen und Management wäre.

Technische Fähigkeiten sind immer noch wichtig. In vielen Fällen sind sie sogar noch wichtiger, weil Menschen genug Tiefe benötigen, um zu beurteilen, was KI-Systeme tun, wo sie versagen und was vertrauenswürdig ist oder nicht. Aber technische Exzellenz allein ist weniger differenziert, wenn mehr Ausführung durch Werkzeuge beschleunigt werden kann. Das ist genau das, was wir jeden Tag bei Sombra beobachten: das schnellste Karrierezuwachs geschieht, wenn Ingenieure technische Tiefe mit Geschäftsgedanken verbinden.

Das bedeutet nicht, dass jeder starke Ingenieur Manager werden sollte. Aber es bedeutet, dass der Weg nach oben sich ändert. Die nächste Ebene ist weniger darüber, zu beweisen, dass jemand die schwierigste Aufgabe selbst ausführen kann, und mehr darüber, zu beweisen, dass man einem Team und einem Geschäft helfen kann, bessere Entscheidungen zu treffen.

Ich bin nicht an eine Wand gestoßen, weil ich an Intelligenz oder Disziplin gemangelt habe. Ich bin an eine Wand gestoßen, weil die nächste Ebene ein breiteres Blickfeld erforderte. Sobald sich das änderte, änderte sich auch mein Umfang.