Por qué la excelencia técnica por sí sola ya no garantiza el ascenso de los ingenieros en la era de la IA.

La IA ha provocado un cambio importante en la forma en que trabajamos y en lo que se automatiza dentro de los equipos técnicos. En mi trabajo en SombraHe visto cómo este cambio transforma no solo la forma en que los equipos trabajan, sino también lo que se recompensa en el desarrollo profesional. Durante mucho tiempo, la trayectoria profesional en el sector tecnológico era bastante lineal: aprendías nuevas habilidades, mejorabas técnicamente, te convertías en alguien que resolvía problemas complejos, te labrabas una reputación y ganabas la confianza, y luego ascendías en la escala profesional.

Pero este ciclo está empezando a romperse. La IA está asumiendo muchas tareas, agilizando el trabajo y reduciendo costes. Esto no significa que las habilidades técnicas hayan dejado de ser importantes, pero sí que las tareas que requieren criterio, capacidad de análisis de resultados y toma de decisiones cobren mayor relevancia.

Este es el cambio que experimenté de primera mano en mi viaje de ingeniero a cofundador y CTO en SombraTras cinco años de carrera como ingeniero, me había convertido en el tipo de especialista en el que los equipos podían confiar. Era el tipo de jefe que podía resolver problemas técnicos difíciles, asumir la responsabilidad de trabajos complejos y en quien se podía confiar cuando los proyectos estaban en crisis. Pero algo me faltaba y me sentía estancado.

Parecía que había llegado al límite de mi carrera y que no podía ir más allá. Mis habilidades técnicas estaban en su punto máximo, pero esta siguiente etapa de crecimiento requería algo diferente: mentalidad empresarial.
No podía seguir adelante solo sabiendo cómo construir algo; necesitaba aprender qué era lo que valía la pena construir en primer lugar.

Ese tipo de límite se está volviendo cada vez más común en toda la industria.

El mercado está cambiando más rápido de lo que muchos ingenieros se dan cuenta.

El Foro Económico Mundial (aqui) Según datos del 40% de los empleadores, es necesario reducir la plantilla cuando la IA pueda automatizar tareas, mientras que la investigación de Anthropic sobre el desarrollo de software sugiere que, a medida que la IA se encargue de tareas de desarrollo más repetitivas, es posible que más ingenieros se vean impulsados ​​hacia el diseño y la toma de decisiones de nivel superior.

Por supuesto, sigue existiendo una enorme demanda de talento técnico. No me malinterpreten, las habilidades técnicas siguen siendo fundamentales para la profesión, pero la tendencia general es que cada vez hay menos puestos donde la mera ejecución sea suficiente para ascender. Existe una gran demanda de personas que sepan plantear problemas, priorizar bajo presión y vincular el trabajo técnico con el valor para el negocio.

Esa fue la transición que tuve que hacer. Mi mayor mejora no fue solo técnica, sino contextual.

No abandoné la ingeniería, la amplié y replanteé las preguntas que la rodean.

Dejé de medir mi crecimiento profesional en términos de "más código", "mayor complejidad" o "mayor responsabilidad técnica" y, en cambio, me centré en la arquitectura, el impacto empresarial y la calidad de las decisiones.

Cinco turnos que cambiaron mi forma de trabajar

Esto puede sonar abstracto, así que lo desglosaré en Cinco cambios prácticos que me ayudaron a desarrollar una mentalidad empresarial.

El primer cambio consistió en aprender el negocio directamente, en lugar de recibir la información de segunda mano a través de los tickets.

Muchos ingenieros trabajan a partir de señales posteriores. Recibimos los requisitos, pero no la conversación que los generó. No vemos las ventajas y desventajas de nuestras tareas, ni las razones estratégicas de su existencia.

Así que empecé a aprender el negocio directamente. Comencé a asistir a más llamadas de ventas y soporte, escuchando atentamente sus conversaciones y prestando más atención a las discusiones con las partes interesadas. Con el tiempo, dejé de ver mi trabajo como una serie de entregables aislados.

Llegué a una conclusión: una solución técnicamente elegante que llega demasiado tarde, cuesta demasiado o resuelve el problema equivocado no es trabajo estratégico. Es simplemente una corrección costosa.

El segundo cambio consistió en aprender el lenguaje empresarial sin tratarlo como algo reservado para los ejecutivos.

Empecé a aprender todos esos términos que a muchos ingenieros nunca se les enseñan explícitamente: ROI, costo de la demora, costo de oportunidad, exposición al riesgo, margen y secuenciación. Esto es simplemente inevitable si aspiras a puestos de alta dirección o de nivel C.

Esto afecta al criterio técnico, ya que muchos especialistas son muy buenos resolviendo problemas, pero no pueden priorizarlos ni evaluarlos de acuerdo con los objetivos del negocio.

Para mí, aprender ese idioma cambió mi forma de comunicarme y, lo que es más importante, mi forma de evaluar las soluciones. El trabajo en sí seguía siendo técnico, pero la lógica subyacente se amplió.

Esa es una distinción importante en la era de la IA. La IA puede ayudar cada vez más a los equipos a ejecutar tareas, pero aún no puede tomar las decisiones por sí sola. Esa responsabilidad recae en los humanos.

Otro cambio importante de mentalidad fue definir el éxito antes de escribir código.

Con el tiempo, antes de comenzar la implementación, me hice una serie de preguntas:

• ¿Qué cambia exactamente para el usuario o la empresa?
• ¿Qué indicador debería modificarse?
• ¿Cómo sabrá alguien que importó?

Esas preguntas me ayudaron mucho a aclarar las cosas antes de empezar a programar. También me evitaron un error común: invertir mucho en la entrega antes de definir el impacto.

Esta es una de las razones por las que la medición es tan importante. El software de DORA investigación de partos Se ha demostrado la importancia de medir cómo los equipos entregan software de forma segura, rápida y eficiente. Pero en la práctica, los líderes técnicos de alto rendimiento suelen ir un paso más allá: vinculan las métricas de entrega con los resultados del producto y los resultados del negocio.

En otras palabras, el envío no es la meta final. Si bien estimamos los resultados en función de la entrega, a menudo es la capacidad de definir el éxito con antelación lo que impulsa a alguien hacia un liderazgo más amplio.

El cuarto cambio consistía en poner a prueba las suposiciones antes de sobredimensionar la estructura.

Los ingenieros más competentes a menudo construyen en exceso, guiados por la idea errónea común de que la IA abarata la construcción y que una mayor ingeniería implica automáticamente una mejor calidad.

Los profesionales técnicos de alto rendimiento suelen estar capacitados para pensar en términos de soluciones sólidas, ya que todos queremos hacer las cosas correctamente. Esta es una cualidad excelente para desarrollar, pero a menudo resulta costosa cuando se adopta una solución completa sin antes validar las suposiciones.
Por eso, uno de los cambios más prácticos que implementé fue hacer una pausa antes de formular y definir mis supuestos. Una vez que el supuesto es explícito y claro, el trabajo cambia de rumbo.

El objetivo ya no es demostrar cuán sofisticada puede ser la solución. El objetivo es aprender de forma rápida, económica y con la suficiente claridad como para decidir qué merece una mayor inversión.

Un último cambio que resultó muy útil fue escribir breves notas sobre las decisiones tomadas antes de programar.

Este podría ser el hábito más práctico de todos. Y no me malinterpreten, no intento imponer otro documento; simplemente es una nota breve y estructurada para visualizar su razonamiento: qué opciones existen, qué riesgos son importantes, qué impacto se espera, qué recomendación tiene sentido y dónde aún se necesita alineación.

Esto no solo mejoró la comunicación, sino que también expuso los razonamientos débiles desde el principio y ayudó a clarificar.

suposiciones (véase el cambio anterior). Además, creó un registro de por qué se tomó una decisión, lo cual resulta especialmente valioso al revisar los resultados. Esta pequeña acción puede cambiar la forma en que se plantean, comunican y asumen las decisiones.

En la práctica, muchos ascensos se producen porque una persona es capaz de reducir la ambigüedad para los demás, no porque sea la persona con mayores conocimientos técnicos de la sala.

Por qué el siguiente nivel se trata de tomar mejores decisiones.

Este es el mayor error que cometen muchas personas al hablar de IA y carreras técnicas. Plantean la cuestión como si la elección fuera entre conocimientos técnicos avanzados y liderazgo, o entre ingeniería y gestión.

La habilidad técnica sigue siendo importante. En muchos casos, lo es aún más, ya que se requiere un conocimiento profundo para evaluar el funcionamiento de los sistemas de IA, identificar sus fallos y determinar en qué confiar y en qué no. Sin embargo, la excelencia técnica por sí sola pierde relevancia cuando las herramientas permiten acelerar la ejecución. Esto es precisamente lo que observamos a diario en Sombra: el mayor crecimiento profesional se da cuando los ingenieros combinan un profundo conocimiento técnico con una visión empresarial.

Esto no significa que todo ingeniero competente deba convertirse en gerente. Pero sí significa que el camino hacia el ascenso está cambiando. El siguiente nivel se centra menos en demostrar que alguien puede realizar la tarea más difícil por sí mismo y más en demostrar que puede ayudar a un equipo y a una empresa a tomar mejores decisiones.

No me topé con un muro por falta de inteligencia o disciplina. Me topé con un muro porque el siguiente nivel exigía una perspectiva más amplia. Una vez que eso cambió, mi perspectiva también cambió.