Perché l’eccellenza tecnica da sola non basta più a far promuovere gli ingegneri nell’era dell’AI

L’AI ha causato un grande cambiamento nel modo in cui lavoriamo e in ciò che viene automatizzato all’interno dei team tecnici. Nel mio lavoro presso Sombra, ho visto questo cambiamento modificare non solo come i team consegnano, ma anche cosa viene premiato nella crescita della carriera. Per molto tempo, il percorso di crescita nel settore tecnico era abbastanza lineare: si imparavano nuove competenze, si migliorava costantemente dal punto di vista tecnico, si diventava qualcuno che risolveva problemi difficili, si costruiva la propria reputazione e fiducia, e poi si guadagnava il proprio posto nella scala gerarchica della carriera.

Ma questo ciclo sta iniziando a rompersi. L’AI sta prendendo il controllo di molti compiti, velocizzando il lavoro e riducendo i costi. Ciò non significa che le competenze tecniche non siano più importanti, ma rende più importanti i compiti che richiedono giudizio, pensiero orientato ai risultati e processo decisionale.

Questo è il cambiamento che ho sperimentato di persona nel mio percorso da ingegnere a co-fondatore e CTO presso Sombra. Cinque anni dopo l’inizio della mia carriera di ingegnere, ero diventato il tipo di specialista di cui i team si fidano. Ero il tipo di datore di lavoro che poteva risolvere problemi tecnici difficili, prendersi la responsabilità di lavori complessi e essere degno di fiducia quando i progetti erano in difficoltà. Ma qualcosa mancava, e mi sentivo bloccato.

Sembrava che avessi raggiunto il soffitto della mia carriera e non potessi andare oltre. Le mie competenze tecniche erano al massimo, ma questo prossimo stadio di crescita richiedeva qualcosa di diverso – pensiero aziendale.
Non potevo andare avanti sapendo solo come costruire qualcosa, avevo bisogno di imparare cosa valesse la pena costruire per prima cosa.

Quel tipo di soffitto sta diventando più comune in tutta l’industria.

Il mercato sta cambiando più velocemente di quanto molti ingegneri si rendano conto

Il World Economic Forum riporta che il 40% dei datori di lavoro si aspetta di ridurre la forza lavoro dove l’AI può automatizzare i compiti, mentre la ricerca di Anthropic sullo sviluppo del software suggerisce che man mano che l’AI assume più lavoro di sviluppo ripetitivo, più ingegneri potrebbero essere spinti verso una progettazione e un processo decisionale di livello superiore.

Naturalmente, c’è ancora una grande domanda di talenti tecnici. Non fraintendetemi, le competenze tecniche difficili rimangono fondamentali per la professione, ma la tendenza più ampia è che ci sono meno ruoli in cui l’esecuzione da sola è sufficiente per salire di livello. C’è una grande domanda di persone che possono inquadrare i problemi, stabilire priorità sotto vincoli e collegare il lavoro tecnico al valore aziendale.

Quello era il passaggio che dovevo fare. Il mio più grande aggiornamento non era solo tecnico, ma contestuale.

Non ho lasciato l’ingegneria, l’ho ampliata e riformulata le domande intorno ad essa.

Ho smesso di misurare la crescita della mia carriera in termini di “più codice”, “maggiore complessità” o “proprietà tecnica più difficile” e mi sono spostato verso l’architettura, l’impatto aziendale e la qualità delle decisioni invece.

Cinque cambiamenti che hanno modificato il mio modo di lavorare

Ciò potrebbe sembrare astratto, quindi lo dividerò in 5 cambiamenti pratici che mi hanno aiutato a sviluppare una mentalità aziendale.

Il primo cambiamento è stato imparare l’azienda direttamente invece di riceverla in seconda mano attraverso i biglietti.

Molti ingegneri lavorano a partire da segnali a valle. Riceviamo requisiti, ma non la conversazione che li ha plasmati. Non vediamo i compromessi dietro i nostri compiti, né le ragioni strategiche per cui quei compiti esistono.

Quindi ho iniziato a imparare l’azienda direttamente. Ho iniziato a partecipare a più chiamate di vendita e supporto, ascoltando attentamente le loro conversazioni e prestando più attenzione alle discussioni degli stakeholder.

Nel tempo, ho smesso di vedere il mio lavoro come una serie di deliverable isolati.

Sono arrivato a una realizzazione: una soluzione tecnicamente elegante che arriva troppo tardi, costa troppo o risolve il problema sbagliato non è lavoro strategico. È solo correttezza costosa.

Il secondo cambiamento è stato imparare il linguaggio aziendale senza trattarlo come qualcosa riservato agli esecutivi.

Ho iniziato a imparare tutti quei termini che molti ingegneri non vengono insegnati esplicitamente: ROI, costo del ritardo, costo opportunità, esposizione al rischio, margine e sequenza. Ciò è semplicemente inevitabile se si mira a posizioni senior o di livello C.

Ciò influisce sul giudizio tecnico, poiché molti specialisti sono bravi a risolvere problemi, ma non possono stabilire priorità e valutare i problemi in base agli obiettivi aziendali.

Per me, imparare quel linguaggio ha cambiato il modo in cui comunicavo e, più importante, il modo in cui valutavo le soluzioni. Il lavoro stesso è rimasto tecnico, ma la logica dietro di esso è diventata più ampia.

Questa è una distinzione importante nell’era dell’AI. L’AI può aiutare sempre più i team a eseguire, ma non può ancora possedere il processo decisionale. Quel livello appartiene agli esseri umani.

Un altro grande cambiamento mentale è stato definire il successo prima di scrivere il codice.

Nel tempo, prima di iniziare l’implementazione, mi sono posto una serie di domande:

• Cosa cambia esattamente per l’utente o l’azienda?
• Quale metrica dovrebbe muoversi?
• Come saprà qualcuno che è stato importante?

Queste domande mi hanno realmente aiutato a chiarire le cose prima di iniziare a codificare. Mi hanno anche salvato da un fallimento comune: investire molto nella consegna prima di allineare l’impatto.

Questo è uno dei motivi per cui la misurazione è così importante. La ricerca di DORA sulla consegna del software ha mostrato il valore della misurazione di come i team consegnano il software in modo sicuro, veloce ed efficiente. Ma nella pratica, i leader tecnici di alto livello vanno spesso un livello più in là: collegano le metriche di consegna ai risultati del prodotto e agli esiti aziendali.

In altre parole, la spedizione non è la linea del traguardo. Sicuramente, stimiamo i risultati in base alla consegna, ma spesso è la capacità di definire il successo in anticipo che sposta qualcuno verso una leadership più ampia.

Il quarto cambiamento è stato testare le ipotesi prima di sovracostruire.

Gli ingegneri forti spesso sovracostruiscono, guidati dal comune malinteso che l’AI rende la costruzione più economica e che più ingegneria automaticamente significa migliore qualità.

I tecnici di alto livello sono spesso addestrati a pensare in termini di soluzioni robuste, poiché tutti vogliamo costruire le cose nel modo giusto. Questo è un grande tratto da sviluppare, ma spesso diventa costoso quando ci si impegna in una soluzione completa prima di convalidare le ipotesi.
Quindi, uno dei miei cambiamenti più pratici è stato forzare una pausa prima di costruire e definire le mie ipotesi. Una volta che l’ipotesi è esplicita e chiara, il lavoro cambia forma.

L’obiettivo non è più dimostrare quanto possa essere sofisticata la soluzione. L’obiettivo è imparare rapidamente, a buon mercato e abbastanza chiaramente per decidere cosa merita un investimento più profondo.

Un ultimo cambiamento che mi ha realmente aiutato è stato scrivere brevi note di decisione prima di codificare.

Ciò potrebbe essere l’abitudine più pratica di tutte. E non fraintendetemi, non sto cercando di forzare un altro documento — solo una breve e strutturata nota per visualizzare il mio pensiero: quali opzioni esistono, quali rischi contano, quale impatto è previsto, quale raccomandazione ha senso e dove l’allineamento è ancora necessario.

Ciò non ha solo migliorato la comunicazione, ma ha anche esposto un ragionamento debole in anticipo e ha aiutato a chiarire le ipotesi (vedere il cambio precedente). Inoltre, ha creato un registro del perché una decisione è stata presa, che diventa particolarmente utile quando si esaminano gli esiti. Questa piccola azione può cambiare il modo in cui le decisioni sono formulate, comunicate e possedute.

Nella pratica, molte promozioni avvengono perché una persona può ridurre l’ambiguità per gli altri, non perché sono la persona più tecnicamente brillante nella stanza.

Perché il prossimo livello è sulla presa di migliori decisioni

Questo è l’errore più grande che molte persone fanno quando parlano di AI e carriere tecniche. Inquadrano la storia come se la scelta fosse tra profondità tecnica e leadership, o tra ingegneria e gestione.

La competenza tecnica è ancora importante. In molti casi, conta ancora di più perché le persone hanno bisogno di abbastanza profondità per giudicare cosa stanno facendo i sistemi AI, dove falliscono e cosa dovrebbe o non dovrebbe essere affidato. Ma l’eccellenza tecnica da sola è meno differenziata quando più esecuzioni possono essere accelerate dagli strumenti. È esattamente ciò che vediamo ogni giorno presso Sombra: la crescita della carriera più rapida avviene quando gli ingegneri accoppiano la profondità tecnica con il pensiero aziendale.

Ciò non significa che ogni ingegnere forte debba diventare un manager. Ma significa che il percorso verso l’alto sta cambiando. Il prossimo livello è meno sul dimostrare che qualcuno può fare il compito più difficile da solo e più sul dimostrare che può aiutare un team e un’azienda a prendere decisioni migliori.

Non ho colpito un muro perché mi mancava l’intelligenza o la disciplina. Ho colpito un muro perché il prossimo livello richiedeva una visuale più ampia. Una volta che ciò è cambiato, anche il mio scopo è cambiato.