技術的な優秀さだけではエンジニアの昇進が得られないAI時代

AIは、技術チーム内で自動化されるものや、我々が働くやり方を大きく変えました。私がSombraで行っている仕事では、この変化がチームの成果や、キャリア成長で評価されるものに大きな影響を与えていることがわかりました。技術業界でのキャリアパスは、長い間、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ことで、難しい問題を解決し、信頼を築き、キャリアアップをしていきました。

しかし、このサイクルは今、壊れ始めています。AIが多くのタスクを担い、作業を速め、コストを下げています。これは、技術スキルが重要でなくなったことを意味するのではなく、判断、成果思考、意思決定を必要とするタスクがより重要になったことを意味します。

私はエンジニアからSombraの共同創設者兼CTOになった道のりで、この変化を直接経験しました。エンジニアとしてのキャリアを5年経過したとき、チームが頼ることができるスペシャリストになっていました。難しい技術的な問題を解決し、複雑な作業を任せられ、プロジェクトが炎上したときにも信頼されるような人でした。しかし、まだ何かが欠けているように感じ、キャリアの天井に突き当てられているように感じました。

技術的なスキルがピークに達したように見えましたが、次の成長段階では何か別のものが必要でした。何かを構築する方法を知っているだけでなく、どのようなものを構築する価値があるのかを知る必要がありました。

このような天井は、業界全体でより一般的になってきています。

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る

世界経済フォーラムの報告書によると、40%の雇用主は、AIがタスクを自動化できる場合、労働力を削減する予定であると述べています。一方、Anthropicのソフトウェア開発に関する研究では、AIがより繰り返し可能な開発作業を担うにつれて、より多くのエンジニアが高レベルの設計と意思決定に向かされる可能性があると示唆しています。

技術的な才能に対する需要はまだ非常に高いです。私の意図を誤解しないでください。技術的なハードスキルは、職業の核心であり続けます。しかし、より広いトレンドは、実行だけが昇進に十分ではない役割が増えているということです。問題を定義し、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を必要としています。

私はそのような移行をしなければなりませんでした。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。コンテキストのアップグレードでした。

私はエンジニアリングを捨てたのではなく、拡大し、エンジニアリングを取り巻く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」という観点でキャリア成長を測るのを止め、「アーキテクチャ」、「ビジネスへの影響」、「意思決定の質」に焦点を当てるようになりました。

私の仕事のやり方を変えた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、具体的な5つの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だった。

多くのエンジニアは、下流の信号から作業します。要件は受け取りますが、それを形作った会話は受け取りません。タスクの背後にあるトレードオフや戦略的な理由は見えません。

そこで、私はビジネスを直接学び始めました。セールスやサポートの電話に出たり、会話を注意深く聞いたり、利害関係者の議論に耳を傾けたりしました。時間の経過とともに、私は自分の仕事を一連の孤立した成果物として見るのを止めました。

技術的に優れた解決策が遅すぎて、高すぎて、または間違った問題を解決している場合は、戦略的な仕事ではありません。ただの高価な正しさです。

2番目のシフトは、ビジネス言語を学ぶことでした。ただし、経営陣のみが使うものとみなすのではなく、学びました。

私は、多くのエンジニアが明示的に教えられない用語を学び始めました。ROI、遅延コスト、機会コスト、リスク暴露、利益率、シーケンシングなどです。これは、シニアまたはCレベルの役職を目指す場合、避けられないものです。

これは、技術的な判断に影響を与えます。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ができません。

私にとって、ビジネス言語を学ぶことは、コミュニケーションを変え、さらに重要なのは、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ままでしたが、その背後にあるロジックはより広いものになりました。

これはAI時代の重要な区別です。AIはチームの実行を支援できますが、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。

実装を開始する前に、私は次のような質問を自分にしました。

• 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化するべきか?
• 誰がそれが重要であることを知ることができるのか?

これらの質問は、コードを書き始める前に事態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大量に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、高度な技術リーダーは通常、配信メトリックを製品の成果やビジネス成果に結び付けることが多いです。

つまり、出荷はゴールではありません。確かに、出荷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、誰かをより広い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、過度に構築する前に仮定をテストすることでした。

強いエンジニアは、AIが構築を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て、過度に構築することがあります。

高性能の技術者は、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、適切な方法で構築することを望みます。これは、仮定を検証する前に完全な解決策にコミットする場合、コストが高くなることがあります。

私の最も実用的だったシフトの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、作業の形が変わります。

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、どのようなものに深い投資をするべきかを決定するのに十分な情報を、迅速に、安価に、明確に学ぶことです。

最後に役立ったシフトは、コードを書く前に短い意思決定ノートを書くことでした。

これは、実用的で最も重要な習慣の1つです。私は別のドキュメントを強制したいのではなく、単にコードを書く前に、思考を視覚化するための短い構造化されたノートです。どのような選択肢があるか、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を成すか、どこで調整が必要かを書きます。

これはコミュニケーションを改善するだけでなく、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のかの記録を作成し、結果をレビューする際に特に貴重になります。この小さな行動は、決定がどのようにフレーム化され、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、誰かが他の人にとって曖昧さを減らすことができるからです。最も技術的に優れた人であるからではありません。

次のレベルはより良い決定について

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、またはエンジニアリングとマネジメントの選択肢として物語を構成します。

技術的なスキルはまだ重要です。多くの場合、AIシステムが何をしているか、どこで失敗するか、信頼できるものかどうかを判断するために、十分な深さが必要です。しかし、技術的な優秀さだけでは、実行がツールによって加速できる場合、差別化されにくくなります。これは、Sombraで毎日目撃することです。キャリアの成長は、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たときに最も速くなります。

これは、すべての強い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、昇進への道は変化していることを意味します。次のレベルは、最も困難なタスクを自分で行えることを証明することではなく、チームとビジネスがより良い決定を下すのを助けることを証明することについてです。

私は、知能や規律が不足していたからではなく、次のレベルがより広い視野を要求していたから、壁に当たったのです。視野が変わると、範囲も変わりました。