Perangkap Platau

Saya baru-baru ini menulis tentang kelelahan AI, berargumen bahwa apa yang dialami insinyur bukanlah kondisi kronis, tetapi kelelahan pelatihan. Teruslah maju, adaptasi, dan keluar lebih kuat.

Itu semua baik dan benar, tetapi ada lebih banyak cerita di balik itu, dan itu sekarang menjadi lebih jelas. Risiko nyata yang dihadapi tim insinyur sekarang bukanlah kelelahan. Ini adalah platuing.

Pembagian Baru

Hampir setiap insinyur senior sekarang menggunakan AI. Copilot, Claude, Cursor, Codex, Anda dapat menyebutnya. Bagian itu sudah mapan. Jika Anda memimpin organisasi insinyur, Anda mungkin melihat angka adopsi yang luas dan merasa baik tentang itu.

Anda tidak seharusnya.

Angka adopsi itu tidak berarti. Yang penting adalah pembagian yang terjadi di bawahnya. Tim Anda dengan diam-diam membagi menjadi dua kelompok. Ada insinyur yang mendapatkan peningkatan produktivitas dan menetap, dan insinyur yang terus mendorong setiap minggu. Alur kerja baru, konfigurasi agen baru, cara baru untuk memecahkan masalah untuk AI untuk menanganinya.

Kedua kelompok tersebut muncul di dasbor Anda sebagai “pengadopsi AI.” Tetapi satu kelompok sedang dalam program pelatihan progresif. Kelompok lainnya berhenti di bobot pertama yang terasa nyaman.

Enam bulan yang lalu, kesenjangan antara kedua kelompok tersebut hampir tidak terlihat. Sekarang itu jelas bagi siapa saja yang memperhatikan. Dalam enam bulan lagi, itu akan menjadi struktural.

Apa yang Sebenarnya Terlihat seperti Platau

Insinyur yang terjebak dalam platuing tidak melakukan apa pun yang salah dalam arti tradisional. Mereka kompeten. Mereka mengirimkan. Mereka menggunakan agen mereka untuk pekerjaan sederhana dan membersihkan setelah itu. Mereka mungkin mendapatkan peningkatan produktivitas sebesar 20-30% dan menganggapnya selesai.

Masalahnya adalah insinyur di sebelah mereka tidak berhenti di situ. Insinyur itu sekarang menjalankan alur kerja multi-agents, memperbaiki loop verifikasi, memecahkan fitur-fitur menjadi potongan-potongan yang dapat dieksekusi oleh AI, mengulas pada tingkat arsitektur bukan baris demi baris, dan mengirimkan dengan kecepatan 2-3 kali lipat dari sebelumnya. Bukan karena mereka lebih berbakat. Karena mereka terus melatih sementara orang lain mengambil hari libur yang berubah menjadi kuartal libur.

Ini bukan tentang antusiasme AI atau menjadi pengadopsi awal. Fase adopsi awal sudah berakhir. Ini tentang adaptasi terus-menerus versus penyesuaian satu kali. Dan perbedaan yang berkompound antara dua pendekatan tersebut menjadi tidak dapat diabaikan.

Teakan Kompetitif yang Nyata dan Mempercepat

Jika tim Anda memiliki kemewahan untuk beradaptasi dengan timeline mereka sendiri, masalah platuing akan menjadi masalah manajemen kinerja. Mengganggu, tetapi dapat diatasi.

Tetapi jika Anda melihat situasi yang lebih luas di industri perangkat lunak, kemungkinan besar Anda tidak memiliki kemewahan itu.

Industri perangkat lunak, secara umum, dibuat untuk membantu manusia dengan pekerjaan digital: membantu agen dukungan melihat kasus masuk, melacak respons kepada pelanggan, mengelola alur kerja. Sekarang agen AI menggantikan seluruh alur kerja, dan dengan itu mengganggu platform SaaS yang mendasarinya. Di atas itu, dengan AI menjadi lebih mampu setiap hari, pelanggan Anda mulai bertanya: “Apakah kita masih perlu membeli ini, atau dapat kita bangun sendiri sekarang?” AI telah mulai mengurangi hambatan antara “membeli” dan “membangun” untuk sejumlah kasus penggunaan. Kerekatan yang dulunya melindungi pendapatan Anda melemah setiap kuartal.

Insinyur Anda yang terjebak dalam platuing beroperasi pada kecepatan yang dikalibrasi untuk lingkungan kompetitif yang tidak ada lagi.

Kutipan yang Mengubah Semuanya Bagi Saya

Saya telah mendengarnya lebih dari satu kali sekarang, dari manajer produk yang menggulung lengan baju dan mengkode fitur, dari pemimpin insinyur yang merancang ulang arsitektur yang gagal, di perusahaan yang berbeda, dalam konteks yang berbeda:

“Lebih mudah bagi saya untuk mengulangi ini dengan agen saya, daripada dengan insinyur itu.”

Kali pertama saya mendengarnya, saya pikir itu hiperbola. Kali ketiga, saya menyadari itu adalah indikator utama.

Cara saya melihatnya, ada insinyur yang akan berkembang dalam dunia baru ini dan menjadi “pengganda” kemampuan AI. Untuk melakukan itu, mereka perlu kuat dalam dua bidang, keduanya dapat dikembangkan dengan motivasi intrinsik dan rasa ingin tahu intelektual:

• Mereka beroperasi “pada gelombang yang sama” dengan stakeholder mereka (PM, manajer insinyur, dll). Mereka memahami apa yang baik, sehingga Anda tidak perlu menjelaskannya kepada mereka. Karena jika mereka menghasilkan jumlah kesalahpahaman yang sama dengan agen coding Anda, agen itu akan selalu menang dalam pertarungan itu. Ini tersedia secara instan, 24/7, dan tanpa lelah.
• Mereka terus memperbaiki konfigurasi AI mereka, sehingga ketika Anda memberikan sesuatu kepada mereka, Anda tahu itu akan dilakukan tidak hanya dengan baik (lihat poin di atas), tetapi juga cukup cepat untuk mengikuti tempo pasar baru.

Mengapa Ini adalah Masalah Kepemimpinan, Bukan Masalah Individu

Sangat menggoda untuk membingkai ini sebagai tanggung jawab insinyur individu. “Terus maju atau ketinggalan.” Tetapi jika Anda memimpin organisasi insinyur, itu membiarkan Anda lepas dari tanggung jawab.

Insinyur Anda yang terjebak dalam platuing tidak terjebak dalam kekosongan. Mereka terjebak karena tidak ada yang mendorong mereka melewati penyesuaian awal. Mereka mencapai peningkatan produktivitas yang masuk akal, tidak ada yang menantang mereka untuk melangkah lebih jauh, dan inersia melakukan sisanya.

Insinyur yang terus mendorong? Kebanyakan dari mereka termotivasi sendiri. Mereka akan terus mendorong tanpa peduli. Tetapi Anda tidak dapat mempekerjakan organisasi insinyur sepenuhnya dengan pencari batas yang termotivasi sendiri. Pertanyaan bagi pemimpin adalah: bagaimana Anda memindahkan bagian tengah?

Ini adalah masalah manajemen perubahan, dan salah satu kerangka kerja favorit saya untuk itu berasal dari buku Heath bersaudara Switch. Versi singkatnya: Anda perlu memberi orang arah yang jelas, membuat mereka merasa mengapa itu penting, dan merubah lingkungan sehingga perilaku baru adalah jalur yang paling mudah. Diterapkan pada tim insinyur, itu terlihat seperti:

Temukan titik terang Anda dan buatlah mereka terlihat. Identifikasi insinyur yang telah mendorong terjauh dalam alur kerja AI mereka dan biarkan mereka melakukan demo kepada tim secara teratur. Bukan sesi pelatihan. Live walkthrough dari pekerjaan nyata. Ketika bagian tengah tim Anda melihat perbedaan antara alur kerja mereka dan alur kerja adapter teratas, itu menciptakan ketidaknyamanan produktif yang tidak dapat diimbangi oleh mandat apa pun.

• Kurangi perubahan. “Adopsi AI” terlalu abstrak untuk diaktifkan. Ini sprint, kunci pengujian agen ujung-ke-ujung, sprint berikutnya gulirkan ke seluruh organisasi, dan seterusnya. Langkah-langkah spesifik yang dapat dikelola mengalahkan program transformasi ambisius setiap saat, dan kemenangan kecil penting.
• Rubah default. Kodekan proses verifikasi dalam keterampilan AI, dan pastikan itu diterapkan di seluruh tim dan di semua agen mereka. Definisikan alur kerja Anda dan gunakan alat yang mendukung itu. Buat cara baru bekerja menjadi jalur yang paling mudah, sehingga orang-orang bergerak ke arah itu alih-alih harus berjuang untuk mencapainya.

Jendela Sedang Ditutup

Ini adalah bagian yang membuat ini mendesak daripada hanya penting.

Saat ini, kesenjangan adaptasi adalah perbedaan kinerja. Insinyur Anda yang terjebak dalam platuing lebih lambat daripada insinyur yang beradaptasi, tetapi mereka masih produktif. Mereka masih berkontribusi. Anda dapat membawa mereka.

Jendela itu sedang ditutup. Ketika kemampuan AI mempercepat dan tekanan kompetitif berkompound, kecepatan minimum pekerjaan insinyur meningkat. Insinyur “cukup baik” hari ini tidak dijamin akan cukup baik kuartal depan. Bukan karena mereka memburuk, tetapi karena lantai bergerak ke atas.

Organisasi yang dapat memindahkan seluruh tim mereka ke atas kurva adaptasi, bukan hanya pengadopsi awal, akan memiliki keunggulan struktural yang berkompound. Yang tidak akan menemukan diri mereka staf untuk kecepatan kompetisi yang tidak ada lagi.

Setiap pemimpin insinyur yang saya bicarakan memahami ini secara intelektual. Sangat sedikit yang telah mengubah cara mereka menjalankan tim mereka sebagai respons. Kesenjangan antara pemahaman dan tindakan adalah jenis platuing lainnya.

Tidak Ada Kecepatan yang Nyaman

Dalam artikel kelelahan AI, saya berargumen bahwa kelelahan adalah bukti bahwa pelatihan bekerja. Itu masih benar. Tetapi kebenaran lanjutan lebih sulit: beban terus meningkat.

Di gym biasa, Anda dapat memilih beban yang nyaman dan mempertahankannya selamanya. Tidak ada yang menambahkan pelat ke bar Anda tanpa bertanya. Di lanskap perangkat lunak saat ini, setiap rilis model baru, setiap kemampuan agen baru, setiap alur kerja baru yang ditemukan seseorang dan dibagikan, bar itu bergerak. Berdiri diam dan beban akhirnya menindih Anda.

Tidak ada ruang yang nyaman di industri perangkat lunak saat ini. Tidak untuk insinyur individu, tidak untuk tim yang mereka kerjakan, tidak untuk perusahaan yang tim mereka bangun. Posisi yang aman hanya adalah gerakan terus-menerus. Dan pertanyaan yang paling penting bagi pemimpin insinyur adalah apakah tim Anda seluruhnya bergerak, atau hanya mereka yang akan bergerak tanpa peduli.