技術的な卓越性だけがエンジニアを昇進させる時代ではなくなった

AIは、私たちが働き方や技術チーム内で自動化するものを大きく変えました。Sombraでの私の仕事では、この変化がチームのデリバリーの方法や、キャリア成長で評価されるものを変えることを見ています。長い間、テックでの成長パスはかなり線形でした。新しいスキルを学び、技術的に優れていく、難しい問題を解決する人になる、評判と信頼を築き、そしてキャリアの階段を上ります。

しかし、このサイクルは今破壊され始めています。AIは多くのタスクを担当し、作業を速め、コストを下げています。これは、技術的なスキルが重要でないことを意味しませんが、判断、結果思考、意思決定を必要とするタスクがより重要になることを意味します。

これは、私がエンジニアからSombraの共同創設者兼CTOへの道で直接経験した変化です。エンジニアとしてのキャリア5年目で、私はチームが頼るようなスペシャリストになりました。難しい技術的な問題を解決し、複雑な作業を所有し、プロジェクトが火を付けたときに信頼されるような雇用主でした。しかし、何かが欠けていました、私は行き詰まったように感じました。

私の技術的なスキルはピークに達していたようですが、次の成長段階では何か別のものが必要でした – ビジネス思考。
私は何かを構築する方法を知っているだけで、先に進むことができませんでした。何が構築されるべきかを最初に知る必要がありました。

そのような天井は業界全体でより一般的になっています。

市場は多くのエンジニアが認識するよりも速く変化しています

世界経済フォーラム 報告 によると、40% の雇用主は AI がタスクを自動化できる場所で労働力を削減することを予想しています。一方、Anthropic のソフトウェア開発に関する研究によると、AI がより繰り返し可能な開発作業を担当するにつれて、より多くのエンジニアが高レベルな設計と意思決定に向かえる可能性があります。

もちろん、技術的な才能に対する需要はまだ非常に大きいです。私が間違っていることを示唆しないでください。技術的なハードスキルは職業の核心であり続けますが、より広いトレンドは、実行のみで上位に昇進できる役割が減っていることです。問題をフレーミングし、制約の下で優先順位を付け、技術的な作業をビジネス価値に結び付けることができる人に対する需要は高まっています。

それが、私が行う必要があった変化でした。私の最大のアップグレードは技術的なものだけではありませんでした。それは文脈的なものでした。

私はエンジニアリングを捨てていませんでした。私はそれを拡大し、エンジニアリングの周りの質問を再定義しました。

私は「より多くのコード」、「より複雑」、「より困難な技術的な所有権」という観点で私のキャリア成長を測るのを止めました。代わりに、アーキテクチャ、ビジネスへの影響、意思決定の質に焦点を当てました。

私が働き方を変えた5つのシフト

これは抽象的に聞こえるかもしれませんので、具体的に説明します。 5つの実践的なシフト を紹介します。

最初のシフトは、チケットを通じて二次的に受け取るのではなく、ビジネスを直接学ぶことでした。

多くのエンジニアはダウンストリームのシグナルから作業します。私たちは要件を受け取りますが、それらを形作った会話は受け取りません。私たちはタスクの背後にあるトレードオフや戦略的な理由を見ることはできません。

そこで私はビジネスを直接学び始めました。私は販売とサポートのコールに参加し始め、会話に注意深く耳を傾け、利害関係者の議論に更に注意を払いました。時間の経過とともに、私は自分の仕事を一連の孤立したデリバリーとして見るのを止めました。

私は、技術的に優れた解決策が遅すぎる、費用がかかりすぎる、または間違った問題を解決する場合は、戦略的な仕事ではありません。ただの高価な正しさだということに気づきました。

2番目のシフトは、ビジネス言語を学ぶことでしたが、エグゼクティブのために予約されているものとして扱わないことです。

私は、多くのエンジニアが明示的に教えられていない用語をすべて学び始めました: ROI、遅延コスト、機会コスト、リスク暴露、利益率、シーケンシング。これは、シニアまたはCレベルのポジションを目指す場合には避けられません。

これは技術的な判断に影響します。多くのスペシャリストは問題を解決するのが上手ですが、ビジネス目標に基づいて優先順位を付けたり評価したりすることはできません。

私にとって、その言語を学ぶことは、私がコミュニケーションを行う方法、そしてより重要なのは、私が解決策を判断する方法を変えることでした。仕事自体は技術的なもののままですが、その背後にあるロジックはより広範なものになりました。

これはAI時代における重要な区別です。AIはチームが実行するのを支援することができますが、意思決定を所有することはできません。そのレイヤーは人間のものです。

別の大きなマインドシフトは、コードを書く前に成功を定義することでした。

時間の経過とともに、実装を開始する前に、私は自分自身に一連の質問をしました：

• ユーザーまたはビジネスにとって何が変わるのか?
• どのメトリックが変わるべきか?
• 誰が気づくのか?

これらの質問は、実際にコーディングを開始する前に、ものごとを整理するのに本当に役立ちました。また、影響を一致させる前に配信に多くを投資するという一般的な失敗から私を救いました。

これは、測定が非常に重要な理由の1つです。 DORAのソフトウェア 配信研究 は、チームがソフトウェアを安全に、迅速に、効率的に配信する方法を測定する価値を示しています。しかし、実践では、高度なパフォーマンスの技術的なリーダーは通常、配信メトリックを製品の成果とビジネス成果に接続します。

つまり、出荷はゴールではないということです。確かに、配信に基づいて結果を推定しますが、事前に成功を定義する能力が誰かをより広範なリーダーシップに導くことが多いです。

4番目のシフトは、過剰に構築する前に仮定をテストすることでした。

強力なエンジニアはしばしば過剰に構築します。AIが構築をより安価にするという一般的な誤解や、より多くのエンジニアリングが自動的により優れた品質をもたらすという考えに導かれます。

高性能の技術的人材は、しばしば堅牢な解決策について考えるように訓練されています。私たちはすべて、正しく構築する方法で構築したいと思います。これは発達させるべき素晴らしい特性ですが、仮定を検証する前に完全な解決策にコミットすると、高価になることがあります。
そこで、私が行った最も実用的シフトの1つは、構築する前に一時停止し、仮定を定義することでした。仮定が明示的で明確になると、作業は形を変えます。

目標は、解決策がどれほど洗練されているかを証明することではありません。目標は、早く、安く、明確に学び、どれに深い投資をすべきかを決定することです。

最後に、私が助けた最後のシフトは、コーディングの前に短い決定ノートを書くことでした。

これは、最も実用的習慣の1つです。私は別のドキュメントを強制することを試みていません。ただ、私の考えを視覚化するための短い構造化されたノートです。どのようなオプションがあるか、どのようなリスクが重要か、どのような影響が予想されるか、どのような推奨事項が意味があるか、そしてどこで調整がまだ必要か。

これはコミュニケーションを改善するだけではありませんでした。弱い推論を早期に暴露し、仮定を明確にするのにも役立ちました (前のシフトを参照)。さらに、決定がなぜ行われたかを記録を作成しました。これは、結果をレビューする際に特に貴重になります。 この小さなアクションは、決定がどのようにフレーミングされ、コミュニケーションされ、所有されるかを変えることができます。

実践では、多くの昇進は、誰かが他の人に対して曖昧さを減らすことができるからです。技術的に最も優れた人であることではないからです。

なぜ次のレベルはより優れた決定であるのか

これは、多くの人がAIと技術的なキャリアについて話すときに犯すより大きな間違いです。彼らは、技術的な深さとリーダーシップの選択、またはエンジニアリングと管理の選択として物語を構築します。

技術的なスキルはまだ重要です。多くの場合、それはより重要です。なぜなら、人々はAIシステムが何をしているか、どこで失敗するか、信頼できるものと信頼できないものを判断するのに十分な深さが必要だからです。しかし、技術的な卓越性だけでは、実行がツールによって加速できる場合、差別化が少なくなります。これは、私たちがSombraで毎日目撃することです。最速のキャリア成長は、エンジニアが技術的な深さとビジネス思考を組み合わせる場合に発生します。

これは、すべての強力なエンジニアがマネージャーになるべきであることを意味しません。しかし、昇進するパスは変化していることを意味します。次のレベルは、誰かが最も難しいタスクを自分で行うことを証明することではなく、誰かがチームとビジネスがより優れた決定を下すのを助けることができることを証明することです。

私は知性や規律が不足していたから壁に当たったのではありません。私は、次のレベルがより広い視野を要求するため、壁に当たったのです。私の視野が変わったとき、私のスコープも変わりました。