Γιατί η Τεχνική Αριστεία Μόνη της Δεν Ικανοποιεί Πλέον για την Προώθηση των Μηχανικών στην Εποχή του AI

Το AI έχει προκαλέσει μια σημαντική αλλαγή στον τρόπο που εργαζόμαστε και τι αυτοματοποιείται μέσα στις τεχνικές ομάδες. Στο έργο μου στην Sombra, έχω δει αυτή την αλλαγή να αλλάζει όχι μόνο τον τρόπο που 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 μετά κέρδισε τον δρόμο σου στην καριέρα.

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

Αυτή είναι η αλλαγή που έζησα προσωπικά στην πορεία μου από μηχανικό σε συνιδρυτή και τεχνικό διευθυντή στην Sombra. Πέντε χρόνια στην καριέρα μου ως μηχανικός, είχα γίνει ο τύπος ειδικού που οι ομάδες βασίζονται. Ήμουν ο τύπος εργοδότη που μπορούσε να λύσει δύσκολα τεχνικά προβλήματα, να αναλάβει την ιδιοκτησία σύνθετου έργου και να εμπιστεύεται 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 επιχειρήσεων.
Δεν μπορούσα να προχωρήσω μόνο με το να ξέρω πώς να χτίζω κάτι, χρειαζόμουν να μάθω τι άξιζε να χτίζω πρώτα.

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

Η αγορά αλλάζει πιο γρήγορα από ό,τι πολλοί μηχανικοί αντιλαμβάνονται

Το Παγκόσμιο Οικονομικό Φόρουμ αναφέρει ότι το 40% των εργοδοτών αναμένει να μειώσει 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 περισσότερο επαναλαμβανόμενο έργο 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 πυρήνας του επάγγελματος, 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优 tiênίζουν υπό συνθήκες περιορισμού και να συνδέουν τεχνικό έργο με επιχειρηματική αξία.

Αυτή 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 την επανακατέταξα τις ερωτήσεις γύρω από αυτήν.

Παύση από το να μετρώ την ανάπτυξη της καριέρας μου σε όρους “περισσότερου κώδικα”, “περισσότερης复雑ότητας” ή “δυσκολότερης τεχνικής ιδιοκτησίας” και μετατόπισα σε αρχιτεκτονική, επιχειρηματική επίδραση και ποιότητα αποφάσεων αντί.

Πέντε αλλαγές που άλλαξαν τον τρόπο που δούλεψα

Αυτό μπορεί να ακούγεται αφηρημένο, οπότε θα το αναλύσω σε 5 πρακτικές αλλαγές που με βοήθησαν να αναπτύξω μια επιχειρηματική στάση.

Η πρώτη αλλαγή ήταν η μάθηση της επιχείρησης απευθείας αντί να την λαμβάνω δευτερογενώς μέσω εισιτηρίων.

Πολλοί μηχανικοί εργάζονται από σημάδια ροής. Λαμβάνουμε απαιτήσεις, αλλά όχι τη συζήτηση που τις διαμόρφωσε. Δεν βλέπουμε τις συμβιβασμούς πίσω από τις εργασίες μας, ούτε τους στρατηγικούς λόγους που αυτές οι εργασίες υπάρχουν.

Έτσι, άρχισα να μαθαίνω την επιχείρηση απευθείας. Έναρξα να παρακολουθώ περισσότερες πωλήσεις και υποστήριξη κλήσεων, ακούγοντας τις συζητήσεις τους προσεκτικά και δίνοντας περισσότερη προσοχή στις συζητήσεις με ενδιαφερόμενους.

Σταμάτησα να βλέπω τη δουλειά μου ως μια σειρά απομονωμένων παραδόσεων.

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

Η δεύτερη αλλαγή ήταν η μάθηση της επιχειρηματικής γλώσσας χωρίς να την αντιμετωπίζω ως κάτι που είναι αποθεματικό για εκτελεστές.

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

Αυτή η αλλαγή επηρεάζει την τεχνική κρίση, καθώς πολλοί ειδικοί είναι εξαιρετικοί στο να λύνουν προβλήματα, αλλά δεν μπορούν να優 tiênίζουν και να αξιολογούν σύμφωνα με τους επιχειρηματικούς στόχους.

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

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

Μια άλλη μεγάλη αλλαγή στάσης 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 μέτρημα πρέπει να κινηθεί;
• Πώς θα γνωρίζουν ότι είχε σημασία;

Αυτά τα ερωτήματα με βοήθησαν πραγματικά να τακτοποιήσω τα πράγματα πριν από την έναρξη της κωδικοποίησης. Με βοήθησαν επίσης να αποφύγω ένα κοινό λάθος: επένδυση σε παραδόσεις πριν από την ευθυγράμμιση με την επίδραση.

Αυτή είναι μια από τις 이유ες που η μέτρηση έχει τόσο μεγάλη σημασία. Η έρευνα του DORA για την παράδοση λογισμικού έχει δείξει την αξία της μέτρησης του πώς οι ομάδες παραδίδουν λογισμικό με ασφάλεια, ταχύτητα και αποτελεσματικότητα. Αλλά στην πράξη, οι υψηλού επιπέδου τεχνικοί ηγέτες συνήθως πηγαίνουν ένα επίπεδο παραπέρα: συνδέουν τις μετρήσεις παράδοσης με αποτελέσματα προϊόντων και επιχειρηματικών αποτελεσμάτων.

Με άλλα λόγια, η παράδοση δεν είναι η γραμμή τερματισμού. Βέβαια, εκτιμούμε τα αποτελέσματα με βάση την παράδοση, αλλά συχνά η ικανότητα να ορίσουμε την επιτυχία εκ των προτέρων είναι αυτή που μεταφέρει κάποιον σε ευρύτερη ηγεσία.

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

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

Οι υψηλού επιπέδου τεχνικοί άνθρωποι συχνά εκπαιδεύονται να σκέφτονται σε όρους ροβούστων λύσεων, καθώς όλοι θέλουμε να χτίζουμε πράγματα με τον σωστό τρόπο. Αυτή είναι μια εξαιρετική ιδιότητα να αναπτύξουμε, αλλά συχνά γίνεται δαπανηρή όταν δεσμευόμαστε σε μια πλήρη λύση πριν από την επικύρωση των υποθέσεων.
Αυτή είναι η αλλαγή που έπρεπε να κάνω. Η μεγαλύτερη αναβάθμιση μου δεν ήταν μόνο τεχνική, ήταν περιεκτική.

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

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

Αυτή μπορεί να είναι η πιο πρακτική συνήθεια από όλες. Και μην με λάβετε λάθος, δεν προσπαθώ να επιβάλω ένα άλλο έγγραφο — απλά μια σύντομη και δομημένη σημείωση για να οραματιστούμε τη σκέψη μας: ποίες επιλογές υπάρχουν, ποιοί κίνδυνοι έχουν σημασία, ποια επίδραση αναμένεται, ποια σύσταση έχει νόημα και πού χρειάζεται ακόμη ευθυγράμμιση.

Αυτή δεν βελτίωσε μόνο την επικοινωνία, αλλά εξέθεσε auch слабή σκέψη νωρίς και βοήθησε να διευκρινίσει

υποθέσεις (βλέπε προηγούμενη αλλαγή). Επιπλέον, δημιούργησε ένα αρχείο γιατί μια απόφαση έγινε, το οποίο γίνεται ιδιαίτερα χρήσιμο όταν αναθεωρούμε τα αποτελέσματα. Αυτή η μικρή δράση μπορεί να αλλάξει τον τρόπο που οι αποφάσεις διαμορφώνονται, επικοινωνούνται και κατέχονται.

Στην πράξη, πολλές προώθησεις συμβαίνουν επειδή ένα άτομο μπορεί να μειώσει την αβεβαιότητα για άλλους, όχι επειδή είναι ο πιο τεχνικά εξαιρετικός άνθρωπος στο δωμάτιο.

Γιατί το επόμενο επίπεδο είναι για καλύτερες αποφάσεις

Αυτή είναι η μεγαλύτερη λάθος που πολλοί άνθρωποι κάνουν όταν μιλάμε για AI και τεχνικές καριέρες. Σχηματίζουν την ιστορία ως αν το πρόβλημα είναι ανάμεσα σε τεχνικό βάθος και ηγεσία, ή ανάμεσα σε μηχανική και διαχείριση.

Η τεχνική δεξιότητα εξακολουθεί να έχει σημασία. Σε πολλές περιπτώσεις, έχει ακόμη περισσότερη σημασία επειδή οι άνθρωποι χρειάζονται αρκετό βάθος για να κρίνουν τι κάνουν τα συστήματα AI, πού αποτυγχάνουν και τι πρέπει ή δεν πρέπει να εμπιστεύονται. Αλλά η τεχνική αριστεία μόνο της είναι λιγότερο διαφοροποιημένη όταν περισσότερη εκτέλεση μπορεί να επιταχυνθεί από εργαλεία. Αυτό είναι ακριβώς αυτό που βλέπουμε κάθε μέρα στη Sombra: η ταχύτερη ανάπτυξη καριέρας συμβαίνει όταν οι μηχανικοί συνδυάζουν τεχνικό βάθος με επιχειρηματική σκέψη.

Αυτό δεν σημαίνει ότι κάθε ισχυρός μηχανικός πρέπει να γίνει διευθυντής. 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 ένα τοίχο επειδή έλειπε η νοημοσύνη ή η πειθαρχία. Χτύπησα ένα τοίχο επειδή το επόμενο επίπεδο απαιτούσε einen ευρύτερο ορίζοντα. Μόλις αυτό άλλαξε, ο ορίζοντάς μου άλλαξε επίσης.