L’IA Cambia Come Gli Ingegneri Sviluppano

Circa un anno fa, una delle discussioni più accese nel settore del software riguardava il futuro degli ingegneri junior. L’argomento sembrava semplice: se l’IA può già gestire molti compiti di codifica di livello junior, perché continuare ad assumere e addestrare junior? E se le aziende smettono di sviluppare talenti junior, da dove verranno gli ingegneri senior tra cinque anni?

Era una domanda seria e molte persone intelligenti la presero sul serio.

All’epoca, la mia risposta era che altre professioni avevano già risolto versioni di questo problema. Nessuno si laurea in medicina e immediatamente esegue un’operazione di cuore aperto in modo indipendente. I medici trascorrono anni a shadowing, a fare internship, a completare residenze e a praticare sotto supervisione prima che il sistema li consideri affidabili per operare da soli.

Lo stesso pattern esiste nella leadership esecutiva. Nessuno si laurea e immediatamente gestisce un’azienda del Fortune 500. Le persone gestiscono team più piccoli, poi unità aziendali più grandi, e gradualmente accumulano giudizio nel tempo. Il percorso diventa più lungo, più pratico e più basato sull’apprendistato man mano che aumenta la complessità del ruolo.

Penso ancora che l’ingegneria stia muovendosi in quella direzione. Ma negli ultimi mesi, ho iniziato a pensare al problema in modo diverso a causa di tre esperienze non correlate che hanno tutte puntato verso la stessa conclusione.

Tre Esempi

Un amico mio ha recentemente trascorso mesi a prepararsi per un esame di lingua ceca. Lui e alcuni suoi colleghi hanno assunto tutor umani e hanno investito denaro reale nel processo. Lui ha superato l’esame con facilità. La maggior parte degli altri no.

La differenza più grande, secondo lui, era che il suo tutor principale era in realtà ChatGPT.

Poteva studiare alle 23:00 se voleva. Poteva ripetere lo stesso esercizio di coniugazione quaranta volte senza preoccuparsi di sprecare la pazienza di qualcuno. Poteva recitare situazioni molto specifiche, come interagire con un funzionario delle tasse ceche, e personalizzare la sessione esattamente a ciò con cui lottava quel giorno.

I tutor umani erano bravi. Semplicemente non potevano eguagliare la disponibilità, la ripetizione e la personalizzazione.

Vedo qualcosa di simile con mio figlio e la fisica. Lui già capisce bene l’argomento, quindi non sta usando Claude per farsi dare le risposte. Lo usa per sfidarlo. Gli chiede di generare problemi più difficili, di mettere in discussione le sue ipotesi, di spiegare perché un approccio era vicino ma alla fine sbagliato e di sottoporlo a quiz interattivi.

La cosa più simile che posso pensare è l’esperienza che i ragazzi intelligenti avevano quando conoscevano un fratello maggiore che si laureava in fisica. Tranne che questa versione è sempre disponibile, non è mai impaziente e non dice mai “chiedimelo più tardi”.

Mio nipote, che è ancora alle scuole superiori, sta costruendo un piccolo progetto di hobby che alla fine vuole commercializzare. L’ho aiutato a configurare un agente di codifica e ad automatizzare alcuni flussi di lavoro. Ogni pomeriggio alle 17:00, mentre finisce la scuola, un agente esamina il suo codice e gli lascia suggerimenti di miglioramento. Una volta a settimana, un altro flusso di lavoro esegue ricerche competitive e porta a galla nuove idee.

Gli è piaciuto.

A un certo punto ha scherzato: “Se la codifica è così facile, mi esaurirò di idee”.

Gli ho detto che le idee erano sempre la risorsa scarsa. La differenza adesso è che l’esecuzione non le limita più nello stesso modo perché l’implementazione è diventata drasticamente più economica.

Cicli di Feedback più Veloci

Nessuno di questi esempi è veramente sulla lingua ceca, la fisica o la revisione del codice.

Sono esempi di feedback personalizzato che diventa continuamente disponibile.

Storicamente, gli ingegneri junior imparavano in parte attraverso la ripetizione e in parte attraverso la vicinanza a persone esperte. Scrivevano codice, aspettavano la revisione, ricevevano feedback quando un senior finalmente aveva il tempo e gradualmente costruivano il giudizio nel corso degli anni di errori accumulati.

L’IA cambia il ciclo di feedback stesso.

Un ingegnere junior con un assistente AI configurato correttamente riceve molte delle cose che in precedenza dipendevano dalla disponibilità dei senior. Revisione immediata del codice. Spiegazioni su perché una scelta di design potrebbe creare problemi in seguito. Riferimenti a modelli simili altrove nel codice. Reazioni quando si tende a raggiungere l’implementazione più ovvia invece di quella migliore.

La cosa più importante è che il feedback arriva mentre l’ingegnere è ancora all’interno del problema, piuttosto che due giorni dopo, quando il contesto è svanito.

Ciò conta perché il passaggio da junior a senior è sempre stato guidato in larga misura dal giudizio. Il giudizio è principalmente il riconoscimento di modelli costruiti attraverso l’esposizione ripetuta a errori, compromessi e casi limite. Più velocemente qualcuno può muoversi attraverso quei cicli di feedback in modo riflessivo, più velocemente si sviluppa il giudizio.

Il collo di bottiglia della larghezza di banda un tempo si trovava con gli ingegneri senior. Ora si trova sempre più con l’apprendista.

La Rete di Sicurezza Migliora

C’è un altro spostamento qui che conta altrettanto.

Un ingegnere junior che lavora con sistemi di revisione AI robusti è sostanzialmente meno probabile che danneggi accidentalmente un sistema di produzione.

Molti errori classici vengono ora segnalati immediatamente: credenziali hardcoded, eccezioni inghiottite, query non sicure, problemi di sicurezza, problemi architettonici ovvi, dipendenze mal definite. Le richieste di pull sempre più vengono bloccate prima di lasciare il laptop.

Ciò cambia il piano per il lavoro junior.

Storicamente, una parte significativa del tempo degli ingegneri senior è stato dedicato a proteggere l’organizzazione da errori prevenibili. I livelli di revisione AI assorbono sempre più una parte di quel fardello, il che consente ai junior di operare in modo più indipendente prima di quanto potessero fare in precedenza.

Ciò non elimina la necessità di mentoraggio o supervisione. Cambia dove il mentoraggio diventa più prezioso.

Il Divario si Allarga

La versione ottimistica di questo futuro dipende pesantemente da come l’ingegnere individuale utilizza il sistema.

Qualcuno che tratta l’IA principalmente come un modo per aggirare il pensiero probabilmente genererà più codice mentre impara molto poco. Dieci anni fa, la stessa persona avrebbe copiato soluzioni da Stack Overflow senza capirle. Il meccanismo è cambiato. Il comportamento sottostante non lo è.

L’IA non avrebbe mai risolto la passività intellettuale.

Il risultato più interessante si verifica quando gli ingegneri si impegnano attivamente con il feedback che ricevono. Se qualcuno legge la revisione attentamente, si oppone, pone domande di follow-up, testa alternative e occasionalmente scopre che il modello stesso era sbagliato, costruisce il giudizio molto più velocemente di quanto le generazioni precedenti potessero.

Lo sforzo cognitivo non è scomparso. Si è spostato prima nel ciclo e diventato più economico da ripetere.

Ciò probabilmente allarga il divario tra ingegneri molto impegnati e disimpegnati.

La maggior parte dei cambiamenti di produttività funziona in questo modo. La lettura ha allargato il divario tra popolazioni alfabetizzate e analfabete. Internet ha allargato il divario tra persone curiose e passive. L’IA sembra probabile che continui lo stesso modello.

Il Giudizio del Prodotto Conta di più

La domanda più interessante non è più se gli ingegneri junior scompaiono. È cosa gli ingegneri junior contribuiscono sempre più quando l’implementazione stessa diventa più facile.

La risposta inizia ad assomigliare sorprendentemente a ciò che gli ingegneri senior forti contribuiscono già: creatività, istinto per il prodotto, gusto, priorità, giudizio e capacità di identificare cosa dovrebbe esistere in primo luogo.

I ruoli di ingegneria si spostano sempre più verso un pensiero orientato al prodotto perché l’attrito dell’implementazione continua a crollare. Il lavoro di plumbing conta meno dell’aver capito se il sistema che si sta costruendo risolve effettivamente il problema giusto.

La progettazione del sistema conta ancora. La denominazione delle cose conta ancora. Il giudizio del prodotto conta ancora. La comprensione degli utenti conta ancora. In alcuni modi, quelle competenze diventano più importanti perché le organizzazioni possono ora testare le idee molto più velocemente di prima.

Un ingegnere cresciuto con l’IA fin dall’inizio probabilmente penserà in modo molto diverso da qualcuno addestrato quindici anni fa.

Sarà convinto che l’iterazione sia economica. Prototiperà rapidamente più approcci invece di discuterne uno solo per giorni. Si aspetterà cicli di feedback molto più stretti tra gli utenti e l’implementazione perché il costo del provare le cose continua a diminuire.

Ciò crea un tipo diverso di ingegnere, plasmato da cicli molto più brevi tra idea ed esecuzione.

Le organizzazioni dovranno rivedere l’assunzione, la valutazione, il mentoraggio e la promozione di conseguenza. Ma il software ha già attraversato transizioni simili più volte: quando è arrivato il web, quando è arrivato il mobile, quando l’infrastruttura cloud ha sostituito i sistemi on-prem.

Ogni spostamento ha cambiato cosa significa essere un buon ingegnere senza eliminare la necessità degli ingegneri stessi.

Implicazioni Operative

Per gli ingegneri junior, il consiglio non è particolarmente glamour.

Scegliere progetti reali. Usare l’IA come revisore ombra mentre si lavora. Leggere attentamente il feedback. Opporsi ad esso a volte. Porre domande di follow-up. Tenere traccia dei modelli dietro gli errori che cattura.

Quello è uno dei percorsi più veloci per sviluppare il giudizio, molto più veloce dell’attendere che un ingegnere senior impegnato si liberi finalmente per il mentoraggio.

Per i manager, il collo di bottiglia cambia anche.

La crescita junior un tempo dipendeva fortemente da quanto tempo gli ingegneri senior potevano dedicare alla formazione. Il punto di leveraggio più grande diventa sempre più progettare ambienti di apprendimento forti intorno all’uso dell’IA: aspettative di revisione, regole di escalation, modelli di prompt, barriere di protezione e selezione del progetto.

Le organizzazioni che strutturano bene quei sistemi probabilmente svilupperanno talenti più velocemente di quanto le generazioni precedenti siano riuscite a fare.

E per i team di leadership, probabilmente ha senso smettere di considerare gli ingegneri junior principalmente come capacità di esecuzione sostituibile. In molte organizzazioni, potrebbero diventare una delle fonti più economiche di sperimentazione, energia e iterazione creativa disponibili.

Una Generazione Diversa di Ingegneri

Il mio amico ha imparato il ceco più velocemente perché ha effettivamente portato con sé un tutor personalizzato in tasca. Mio figlio sta imparando la fisica con un livello di feedback interattivo a cui non ho mai avuto accesso. Mio nipote riceve ora recensioni notturne e ricerche di mercato mentre dorme.

La prossima generazione di ingegneri entrerà nel settore con coaching continuo, cicli di feedback immediati e cicli di feedback tra sforzo e feedback drasticamente più veloci.

Ciò non elimina l’ingegnere junior. Cambia quanto velocemente si sviluppano e quali competenze contano di più lungo la strada.

La versione del ruolo che molte persone hanno cresciuto probabilmente scompare. Ma il sostituto potrebbe rivelarsi più veloce nell’apprendimento, meglio allenato, più sperimentale e più orientato al prodotto di quanto la generazione precedente abbia mai avuto l’opportunità di diventare.