Γιατί η Τεχνική Αριστεία Μόνη της Δεν Προωθεί Πλέον τους Μηχανικούς στην Εποχή του AI

Το AI έχει προκαλέσει μια σημαντική μετατόπιση στον τρόπο που εργαζόμαστε και τι αυτοματοποιείται μέσα στις τεχνικές ομάδες. Στο έργο μου στην Sombra, έχω δει αυτή τη μετατόπιση να αλλάζει όχι μόνο τον τρόπο με τον οποίο οι ομάδες παραδίδουν, αλλά και τι ανταμείβεται στην επαγγελματική ανάπτυξη. Για πολύ καιρό, ο δρόμος της ανάπτυξης στην τεχνολογία ήταν αρκετά γραμμικός: μάθαινε νέες δεξιότητες, συνέχιζε να γίνεται καλύτερος τεχνικά, έγινε κάποιος που λύει δύσκολα προβλήματα, χτίσε την φήμη και την εμπιστοσύνη σου και στη συνέχεια κέρδισε τον δρόμο σου στην καριέρα.

Αλλά αυτό το κύκλο αρχίζει τώρα να σπάει. Το AI αναλαμβάνει πολλές εργασίες, επιταχύνει την εργασία και μειώνει το κόστος. Αυτό δεν σημαίνει ότι οι τεχνικές δεξιότητες δεν είναι πλέον σημαντικές, αλλά κάνει τις εργασίες που απαιτούν κρίση, σκέψη αποτελέσματος και λήψη αποφάσεων πιο σημαντικές.

Αυτή είναι η μετατόπιση που έζησα πρώτο χέρι στη διαδρομή μου από μηχανικό σε συνιδρυτή και CTO στην Sombra. Πέντε χρόνια στην καριέρα μου ως μηχανικός, είχα γίνει ο τύπος ειδικού που βασίζονται οι ομάδες. Ήμουν ο τύπος εργοδότη που μπορούσε να λύσει δύσκολα τεχνικά προβλήματα, να αναλάβει την ιδιοκτησία σύνθετου έργου και να είναι αξιόπιστος όταν τα έργα ήταν σε κίνδυνο. Αλλά κάτι έλειπε και ένιωθα ότι είχα φτάσει σε ένα όριο.

Φαινόταν ότι είχα φτάσει στο όριο της καριέρας μου και δεν μπορούσα να προχωρήσω περαιτέρω. Οι τεχνικές μου δεξιότητες ήταν στο αποκορύφωμά τους, αλλά αυτό το επόμενο στάδιο ανάπτυξης απαιτούσε κάτι διαφορετικό – σκέψη επιχείρησης.
Δεν μπορούσα να προχωρήσω με γνώση μόνο για το πώς να χτίζω κάτι, χρειαζόμουν να μάθω τι άξιζε να χτιστεί στην πρώτη θέση.

Αυτό το είδος ορίου γίνεται όλο και πιο συχνό σε όλη την βιομηχανία.

Η αγορά αλλάζει γρηγορότερα από ό,τι πολλοί μηχανικοί αντιλαμβάνονται

Το Παγκόσμιο Οικονομικό Φόρουμ αναφέρει ότι το 40% των εργοδοτών αναμένουν να μειώσουν την εργατική δύναμη όπου το AI μπορεί να αυτοματοποιήσει εργασίες, ενώ η έρευνα της Anthropic για την ανάπτυξη λογισμικού υποδηλώνει ότι καθώς το AI αναλαμβάνει περισσότερες επαναλαμβανόμενες εργασίες ανάπτυξης, περισσότεροι μηχανικοί μπορεί να οδηγηθούν προς υψηλότερο επίπεδο σχεδιασμού και λήψης αποφάσεων.

Βέβαια, υπάρχει ακόμη τεράστια ζήτηση για τεχνικό ταλέντο. Μη με λάβετε λάθος, οι τεχνικές σκληρές δεξιότητες παραμένουν βασικές για το επάγγελμα, αλλά η ευρύτερη τάση είναι ότι υπάρχουν λιγότεροι ρόλοι όπου η εκτέλεση μόνο είναι αρκετή για να προχωρήσει κανείς. Υπάρχει μεγάλη ζήτηση για άτομα που μπορούν να ορίσουν προβλήματα, να προτεραιοποιήσουν υπό περιορισμούς και να συνδέσουν τεχνική εργασία με επιχειρηματική αξία.

Αυτό ήταν η μετάβαση που έπρεπε να κάνω. Η μεγαλύτερη αναβάθμιση μου δεν ήταν μόνο τεχνική, ήταν περιεκτική.

Δεν άφησα πίσω την μηχανική, την επέκτεινα και ξαναέδωσα τις ερωτήσεις γύρω από αυτήν.

Επαύσα να μετρώ την ανάπτυξη της καριέρας μου σε όρους “περισσότερος κώδικας”, “περισσότερη сложικότητα” ή “δυσκολότερη τεχνική ιδιοκτησία” και μετατόπισε σε αρχιτεκτονική, επιχειρηματική επίδραση και ποιότητα αποφάσεων αντί.

Πέντε μετατοπίσεις που άλλαξαν τον τρόπο που εργαζόμουν

Αυτό μπορεί να ακούγεται αφηρημένο, οπότε θα το κατατάξω σε 5 πρακτικές μετατοπίσεις που με βοήθησαν να αναπτύξω μια επιχειρηματική σκέψη.

Η πρώτη μετατόπιση ήταν η μάθηση της επιχείρησης trực tiếp αντί να λαμβάνω πληροφορίες δεύτερης χειρός μέσω εισιτηρίων.

Πολλοί μηχανικοί εργάζονται από σημάδια κάτω ρεύματος. Λαμβάνουμε απαιτήσεις, αλλά όχι τη συζήτηση που τους διαμόρφωσε. Δεν βλέπουμε τις συμβιβαστικές λύσεις πίσω από τις εργασίες μας, ούτε τις στρατηγικές αιτίες που υπάρχουν αυτές οι εργασίες.

Οπότε άρχισα να μαθαίνω την επιχείρηση trực tiếp. Άρχισα να συμμετέχω σε περισσότερες πωλήσεις και υποστήριξη κλήσεων, ακούγοντας προσεκτικά τις συζητήσεις τους και δίνοντας περισσότερη προσοχή στις συζητήσεις μερών. Με τον καιρό, παύσα να βλέπω τη δουλειά μου ως μια σειρά απομονωμένων παραδόσεων.

Κάτι που έγινε σαφές: μια τεχνικά εύγλωττη λύση που φτάνει αργά, κοστίζει πολύ ή λύνει το λάθος πρόβλημα δεν είναι στρατηγική εργασία. Είναι απλά ακριβής ορθότητα.

Η δεύτερη μετατόπιση ήταν η μάθηση της γλώσσας της επιχείρησης χωρίς να την αντιμετωπίζω ως κάτι που είναι αποθηκευμένο για εκτελεστικούς.

Άρχισα να μαθαίνω όλα αυτά τα όροι που πολλοί μηχανικοί δεν διδάσκονται ρητά: ROI, κόστος καθυστέρησης, κόστος ευκαιρίας, έκθεση κινδύνου, περιθώριο, και ακολουθία. Αυτό είναι απλά αναπόφευκτο αν στοχεύετε σε ανώτερες ή C-επίπεδο θέσεις.

Αυτό επηρεάζει την τεχνική κρίση, καθώς πολλοί ειδικοί είναι καλοί στο να λύνουν προβλήματα, αλλά δεν μπορούν να προτεραιοποιήσουν και να αξιολογήσουν αυτά σύμφωνα με τους επιχειρηματικούς στόχους.

Για μένα, η μάθηση αυτής της γλώσσας άλλαξε τον τρόπο που επικοινωνώ και, πιο σημαντικά, τον τρόπο που κρίνω τις λύσεις. Η δουλειά παρέμεινε τεχνική, αλλά η λογική πίσω από αυτήν έγινε ευρύτερη.

Αυτή είναι μια σημαντική διαφορά στην εποχή του AI. Το AI μπορεί να βοηθήσει τις ομάδες να εκτελέσουν, αλλά δεν μπορεί να κατέχει την λήψη αποφάσεων. Αυτό το στρώμα ανήκει στους ανθρώπους.

Μια άλλη μεγάλη μετατόπιση ήταν η ορισμός της επιτυχίας πριν από τη γραφή του κώδικα.

Με τον καιρό, πριν από την έναρξη της υλοποίησης, έθεσα σε εαυτόν μου μια σειρά ερωτήσεων:

• Τι ακριβώς αλλάζει για τον χρήστη ή την επιχείρηση;
• Ποιο μέτρο πρέπει να κινηθεί;
• Πώς θα γνωρίζει κανείς ότι είχε σημασία;

Αυτά τα ερωτήματα με βοήθησαν πραγματικά να τακτοποιήσω τα πράγματα πριν από την έναρξη της κωδικοποίησης. Μου έσωσαν επίσης από μια κοινή αποτυχία: επένδυση σε παραδόσεις πριν από την ευθυγράμμιση με την επίδραση.

Αυτό είναι ο λόγος για τον οποίο η μέτρηση έχει τόσο μεγάλη σημασία. Η έρευνα της DORA για την παράδοση λογισμικού έχει δείξει την αξία της μέτρησης του πώς οι ομάδες παραδίδουν λογισμικό ασφαλώς, γρήγορα και αποτελεσματικά. Αλλά στην πράξη, οι υψηλού επιπέδου τεχνικοί ηγέτες συνήθως πηγαίνουν ένα στρώμα πιο πέρα: συνδέουν μετρήσεις παράδοσης με αποτελέσματα προϊόντων και επιχειρηματικά αποτελέσματα.

Σε άλλες λέξεις, η παράδοση δεν είναι η γραμμή τερματισμού. Βέβαια, εκτιμούμε τα αποτελέσματα με βάση την παράδοση, αλλά είναι συχνά η ικανότητα να ορίσετε την επιτυχία εκ των προτέρων που μεταφέρει κάποιον σε ευρύτερη ηγεσία.

Η τέταρτη μετατόπιση ήταν η δοκιμή των υποθέσεων πριν από την υπερκατασκευή.

Ισχυροί μηχανικοί συχνά υπερκατασκευάζουν, καθοδηγούμενοι από την κοινή λάθος αντίληψη ότι το AI κάνει την κατασκευή φθηνότερη και ότι περισσότερη μηχανική αυτόματα σημαίνει καλύτερη ποιότητα.

Οι υψηλού επιπέδου τεχνικοί άνθρωποι συχνά εκπαιδεύονται να σκέφτονται σε όρους robust λύσεων, καθώς όλοι θέλουμε να χτίσουμε πράγματα με τον σωστό τρόπο. Αυτό είναι ένα μεγάλο χαρακτηριστικό να αναπτύξετε, αλλά συχνά γίνεται δαπανηρό όταν δεσμεύεστε σε μια πλήρη λύση πριν από την επικύρωση των υποθέσεων.
Γι’ αυτό η μια από τις πιο πρακτικές μετατοπίσεις μου ήταν η αναγκαστική παύση πριν από την κατασκευή και τον ορισμό των υποθέσεων μου. Μόλις η υπόθεση είναι ρητή και σαφής, η δουλειά αλλάζει σχήμα.

Ο στόχος δεν είναι πλέον να αποδείξουμε πόσο σοφιστικημένη μπορεί να είναι η λύση. Ο στόχος είναι να μάθουμε γρήγορα, φθηνά και αρκετά για να αποφασίσουμε τι αξίζει να επενδύσουμε πιο sâuτα.

Μια τελευταία μετατόπιση που με βοήθησε πραγματικά ήταν η γραφή σύντομων σημειώσεων αποφάσεων πριν από την κωδικοποίηση.

Αυτό μπορεί να είναι η πιο πρακτική συνήθεια από όλες. Και μην με λάβετε λάθος, δεν προσπαθώ να αναγκάσω ένα άλλο έγγραφο — απλά μια σύντομη και δομημένη σημείωση για να οραματιστώ τη σκέψη μου: ποίες επιλογές υπάρχουν, ποιοι κίνδυνοι μετρώνται, ποια επίδραση αναμένεται, ποια σύσταση έχει νόημα και πού χρειάζεται ακόμη ευθυγράμμιση.

Αυτό δεν βελτίωσε μόνο την επικοινωνία, αλλά και την εξόθεση αδύναμων συλλογισμών νωρίς και βοήθησε να διευκρινίσει

υποθέσεις (βλέπε προηγούμενη μετατόπιση). Επιπλέον, δημιούργησε einen καταγραφή του γιατί μια απόφαση έγινε, που γίνεται ιδιαίτερα χρήσιμη όταν αναθεωρούμε τα αποτελέσματα. Αυτή η μικρή ενέργεια μπορεί να αλλάξει τον τρόπο που οι αποφάσεις ορίζονται, επικοινωνούνται και κατέχονται.

Γιατί το επόμενο επίπεδο είναι για καλύτερες αποφάσεις

Αυτή είναι η μεγαλύτερη λάθος που κάνουν πολλοί άνθρωποι όταν μιλάνε για AI και τεχνικές καριέρες. Ορίζουν την ιστορία ως αν το AI και οι τεχνικές καριέρες είναι μεταξύ τεχνικής βαθύτητας και ηγεσίας, ή μεταξύ μηχανικής και διαχείρισης.

Η τεχνική δεξιότητα εξακολουθεί να μετράει. Σε πολλές περιπτώσεις, μετράει ακόμη περισσότερο γιατί οι άνθρωποι χρειάζονται αρκετή βαθύτητα για να κρίνουν τι κάνουν τα συστήματα AI, πού αποτυγχάνουν και τι πρέπει ή δεν πρέπει να εμπιστεύονται. Αλλά η τεχνική αριστεία μόνο της δεν είναι τόσο διαφοροποιημένη όταν περισσότερη εκτέλεση μπορεί να επιταχύνεται από εργαλεία. Αυτό είναι ακριβώς αυτό που μαρτυρούμε κάθε μέρα στην Sombra: η ταχύτερη ανάπτυξη καριέρας έρχεται όταν οι μηχανικοί συνδυάζουν τεχνική βαθύτητα με επιχειρηματική σκέψη.

Αυτό δεν σημαίνει ότι κάθε ισχυρός μηχανικός πρέπει να γίνει διαχειριστής. Αλλά σημαίνει ότι ο δρόμος προς τα πάνω αλλάζει. Το επόμενο επίπεδο είναι λιγότερο για να αποδείξουμε ότι κάποιος μπορεί να κάνει την πιο δύσκολη εργασία μόνος του και περισσότερο για να αποδείξουμε ότι μπορεί να βοηθήσει μια ομάδα και μια επιχείρηση να λάβουν καλύτερες αποφάσεις.

Δεν χτύπησα το τοίχο γιατί έλειπα νοημοσύνη ή πειθαρχία. Χτύπησα το τοίχο γιατί το επόμενο επίπεδο απαιτούσε ένα ευρύτερο πεδίο όρασης. Μόλις αυτό άλλαξε, ο ορίζοντάς μου άλλαξε επίσης.