Warum technische Exzellenz allein nicht mehr für die Beförderung von Ingenieuren in der KI-Ära ausreicht

Die 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, was in der Karriereentwicklung belohnt wird, verändert. Für eine lange Zeit war der Karriereweg in der Technologie ziemlich linear: man lernte neue Fähigkeiten, wurde immer besser technisch, wurde jemand, der schwierige Probleme löste, baute sein Ansehen und Vertrauen auf und verdiente sich dann den Weg nach oben.

Aber dieser Zyklus beginnt jetzt zu brechen. Die 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.

Dies ist der Wandel, den ich auf meinem Weg von Ingenieur zu Mitgründer und CTO bei Sombra erlebt habe. Fünf Jahre nach Beginn meiner Ingenieurlaufbahn war ich der Typ von Spezialist, auf den Teams angewiesen sind. Ich war der Typ von Arbeitgeber, der schwierige technische Probleme lösen, komplexe Arbeiten übernehmen und vertrauen konnte, wenn Projekte in Flammen standen. Aber etwas fehlte, und ich fühlte mich festgefahren.

Es sah so aus, als hätte ich meine Karrierebegrenzung erreicht und könnte nicht weiterkommen. Meine technischen Fähigkeiten waren auf dem Höhepunkt, aber diese nächste Wachstumsstufe erforderte etwas anderes – Geschäftssinn. Ich konnte nicht weitermachen, nur weil ich wusste, wie man etwas baute, ich musste lernen, was es wert war, überhaupt zu bauen.

Diese Art von Begrenzung wird in der gesamten Branche immer häufiger.

Der Markt ändert sich schneller, als viele Ingenieure realisieren

Der Weltwirtschaftsforum berichtet, dass 40% der Arbeitgeber erwarten, ihre Belegschaft zu reduzieren, wo die KI Aufgaben automatisieren kann, während die Forschung von Anthropic über die Softwareentwicklung nahelegt, dass, wenn die KI mehr wiederholbare Entwicklungsarbeit übernimmt, mehr Ingenieure möglicherweise in Richtung höherer Design- und Entscheidungsfindung gedrängt werden.

Natürlich gibt es immer noch eine enorme Nachfrage nach technischem Talent. Ich will nicht falsch verstanden werden, technische harte Fähigkeiten bleiben Kern der Profession, aber der breitere Trend ist, dass es weniger Rollen gibt, in denen die Ausführung allein ausreicht, um nach oben zu kommen. Es gibt eine hohe Nachfrage nach Menschen, die Probleme formulieren, priorisieren 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 meine Ingenieurlaufbahn nicht aufgegeben, ich habe sie erweitert und die Fragen darum herum neu formuliert.

Ich habe aufgehört, mein Karrieregrowth in Bezug auf “mehr Code”, “mehr Komplexität” oder “schwierigere technische Verantwortung” zu messen und stattdessen Architektur, Geschäftsauswirkung und Entscheidungsqualität priorisiert.

Fünf Veränderungen, die meine Arbeitsweise verändert haben

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

Die erste Veränderung war, 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 begann, mehr Verkaufs- und Supportanrufe zu besuchen, ihre Gespräche aufmerksam zu hören und mehr Aufmerksamkeit auf Stakeholder-Diskussionen zu achten. 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 Richtigkeit.

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

Ich begann, all diese Begriffe zu lernen, die vielen Ingenieuren nie explizit beigebracht werden: ROI, Kostenverzögerung, Opportunitätskosten, Risikobewertung, Gewinnspanne und Sequenzierung. Dies ist einfach unvermeidlich, wenn man auf Senior- oder Führungspositionen abzielt.

Dies beeinflusst das technische Urteil, da viele Spezialisten großartig darin sind, Probleme zu lösen, aber sie können sie nicht priorisieren und nach den Geschäftzielen 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 KI-Ära. Die KI kann Teams immer mehr bei der Ausführung helfen, aber sie kann die Entscheidungsfindung nicht übernehmen. Diese Schicht gehört den Menschen.

Eine weitere große Veränderung war, den Erfolg zu definieren, bevor ich Code schrieb.

Mit der Zeit, bevor ich mit der Implementierung begann, stellte ich mir 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 Codieren zu klären. Sie retteten mich auch vor einem häufigen Fehler: in die Lieferung zu investieren, bevor ich mich auf die Auswirkung einigte.

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

In anderen Worten, der Versand 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 die breitere Führung bringt.

Die vierte Veränderung war, Annahmen zu testen, bevor ich überbaute.

Starke Ingenieure bauen oft zu viel, geleitet von der häufigen Fehlvorstellung, dass die KI den Bau 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 es wird oft teuer, wenn man sich auf eine vollständige Lösung einlässt, bevor man Annahmen validiert.
Das ist, warum eine meiner praktischsten Veränderungen darin bestand, eine Pause vor dem Bau einzulegen und meine Annahmen zu definieren. Sobald die Annahme explizit und klar ist, ändert sich die Arbeit.

Das Ziel ist nicht länger, zu beweisen, wie sophistisch 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, kurze Entscheidungshinweise vor dem Codieren zu schreiben.

Dies mag die praktischste Gewohnheit von allen sein. Und ich will nicht, dass man mir falsch versteht, 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, welche Auswirkung wird erwartet, welche Empfehlung macht Sinn und wo ist noch Abstimmung erforderlich.

Dies verbesserte nicht nur die Kommunikation, sondern legte auch schwaches Denken frühzeitig bloß und half, Annahmen zu klären (siehe vorherige Veränderung). Darüber hinaus schuf 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, nicht, weil sie der technisch brillanteste Mensch im Raum ist.

Warum die nächste Stufe um bessere Entscheidungen geht

Dies ist der größere Fehler, den viele Menschen machen, wenn sie über KI und technische Karrieren sprechen. Sie formulieren die Geschichte so, als ob die Wahl zwischen technischer Tiefe und Führung oder zwischen Ingenieurskunst 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. Dies ist genau das, was wir jeden Tag bei Sombra beobachten: das schnellste Karrieregrowth kommt, wenn Ingenieure technische Tiefe mit Geschäftssinn verbinden.

Dies bedeutet nicht, dass jeder starke Ingenieur ein Manager werden sollte. Aber es bedeutet, dass der Weg nach oben sich ändert. Die nächste Stufe ist weniger darum, zu beweisen, dass man die schwierigste Aufgabe selbst erledigen kann, und mehr darum, 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 Stufe eine breitere Sicht erforderte. Sobald sich das änderte, änderte sich auch mein Umfeld.