기술적 탁월함만으로는 더 이상 엔지니어가 승진하지 않는 이유

AI는 기술 팀 내에서 자동화되는 방식과 작업 방식을 크게 변화시켰다. Sombra에서 일하면서 이러한 변화가 팀의 성과와 경력 성장에 미치는 영향을 직접적으로 목격했다. 기술 분야의 성장 경로는 오랫동안 선형적으로 진행되었다. 새로운 기술을 배우고, 기술적으로 더 나아지며, 어려운 문제를 해결하는 능력을 갖추고, 자신의 명성을 쌓으며, 신뢰를 얻으며, 결국에는 경력 계단을 올라갔다. 그러나 이 순환구조는 이제 깨지기 시작했다. AI는 많은 작업을 수행하며, 작업 속도를 높이고, 비용을 절감한다. 이것은 기술적인 기술이 더 이상 중요하지 않다는 것을 의미하지 않는다. 그러나 기술적인 기술만으로는 충분하지 않다. 기술적인 기술은 여전히 중요하지만, 기술적인 기술만으로는 충분하지 않다. 기술적인 기술과 더불어 비즈니스적인 사고와 의사결정 능력이 중요하다.

이것은 내가 엔지니어에서 Sombra의 공동 창립자이자 CTO로의 여정에서 직접적으로 경험한 변화이다. 5년간의 엔지니어링 경력 동안, 나는 팀이 의존하는 전문가가 되었다. 난 어려운 기술적인 문제를 해결할 수 있었고, 복잡한 작업을 소유할 수 있었고, 프로젝트가 어려울 때 신뢰할 수 있었다. 그러나 뭔가 부족했다. 나는 기술적인 기술이 최고조에 달한 것 같았고, 다음 성장 단계는 다른 것을 요구했다. 비즈니스적인 사고를 배우는 것이었다. 나는 단지 무언가를 구축하는 방법만을 알면 충분하지 않았다. 무엇을 구축해야 하는지 먼저 알아야 했다.

이러한 기술적인 기술만으로는 충분하지 않다. 기술적인 기술은 여전히 중요하지만, 기술적인 기술만으로는 충분하지 않다. 기술적인 기술과 더불어 비즈니스적인 사고와 의사결정 능력이 중요하다.

시장은 많은 엔지니어가 인식하지 못하는 것보다 빠르게 변화하고 있다

세계 경제 포럼은 40%의 고용주가 AI가 작업을 자동화할 수 있는 경우 인력을 줄일 것으로 예상한다고 보고했다. 또한 Anthropic의 소프트웨어 개발 연구에 따르면, AI가 더 많은 반복 가능한 개발 작업을 수행함에 따라, 더 많은 엔지니어가 높은 수준의 설계와 의사결정으로 이동할 수 있다.

물론 기술적인 기술에 대한需求은 여전히 엄청난데, 기술적인 기술은 여전히 직업의 핵심이다. 그러나 더 넓은 추세는 단순한 실행만으로는 충분하지 않다. 기술적인 기술만으로는 충분하지 않다. 기술적인 기술과 더불어 비즈니스적인 사고와 의사결정 능력이 중요하다.

나는 어떻게 일하는 방식을 변경했는가

이것은 내가 직접적으로 경험한 변화이다. 나는 기술적인 기술만으로는 충분하지 않다. 비즈니스적인 사고를 배우는 것이었다. 나는 단지 무언가를 구축하는 방법만을 알면 충분하지 않았다. 무엇을 구축해야 하는지 먼저 알아야 했다.

첫 번째 변화는 비즈니스를 직접적으로 배우는 것이었다.

많은 엔지니어들은 다운스트림 신호를 통해 작업한다. 우리는 요구사항을 받지만, 요구사항을 결정한 대화는 받지 않는다. 우리는 작업의 전략적인 이유를 알지 못한다.

두 번째 변화는 비즈니스 언어를 배우는 것이었다.

나는 ROI, 비용 지연, 기회 비용, 위험 노출, 마진, 시퀀싱などの 용어를 배웠다. 이것은 기술적인 판단에 영향을 미친다. 많은 전문가들은 문제를 해결하는 데 뛰어나지만, 비즈니스 목표에 따라 우선순위를 정하고 평가하는 데는 어려움을 겪는다.

세 번째 변화는 성공을 정의하는 것이었다.

나는 구현을 시작하기 전에 다음과 같은 질문을自分에게 했다.

• 사용자 또는 비즈니스에 어떤 변화를 가져올 것인가?
• 어떤 지표가 움직여야 하는가?
• 어떻게 하면 그 변화가 중요한지 알 수 있는가?

이러한 질문은 구현을 시작하기 전에 많은 것을 명확히 했다. 또한 나는 공동의 실패를 피할 수 있었다. 즉, 영향을 정렬하기 전에 전달에大量의 투자를 하는 것이다.

네 번째 변화는 가정을 테스트하는 것이었다.

강한 엔지니어들은 종종 과도하게 구축한다. 이는 AI가 구축을 더 저렴하게 만들고, 더 많은 엔지니어링이 자동으로 더 나은 품질을 의미한다는 일반적인 오해 때문이다.

마지막 변화는 의사결정 노트를 작성하는 것이었다.

이것은 가장 실用的 습관이다. 나는 단순한 문서를 강요하는 것이 아니라, 단축된 의사결정 노트를 작성했다. 이는 다음과 같은 질문을 포함했다.

• 어떤 옵션이 있는가?
• 어떤 위험이 있는가?
• 어떤 영향을 기대하는가?
• 어떤 추천이 합리적인가?
• 어떤 정렬이 필요한가?

이것은 의사소통을 개선했을 뿐만 아니라, 약한 추론을 초기에 노출시키고, 가정을 명확히 했다. 또한 의사결정 이유를 기록했다. 이는 결과를 검토할 때 특히 유용하다.

다음 단계는 더 나은 의사결정에 관한 것이다

이것은 기술적인 경력과 AI에 대한 이야기에서 많은 사람들이犯하는 더 큰 실수이다. 그들은 기술적인 깊이와 리더십, 또는 엔지니어링과 관리 사이의 선택으로 이야기를 구성한다.

기술적인 기술은 여전히 중요하다. 많은 경우에 기술적인 깊이가 더 중요하다. 왜냐하면 사람들은 AI 시스템이 무엇을 하는지, 어디서 실패하는지, 무엇을 신뢰해야 하는지 판단할 수 있어야 하기 때문이다. 그러나 기술적인 탁월함만으로는 충분하지 않다. 기술적인 기술만으로는 충분하지 않다. 기술적인 기술과 더불어 비즈니스적인 사고와 의사결정 능력이 중요하다.

이것은 모든 강한 엔지니어가 관리자가 되어야 한다는 것을 의미하지 않는다. 그러나 경력의 다음 단계는 변경되고 있다. 다음 단계는 기술적인 깊이와 비즈니스적인 사고를 결합하는 것이다. 나는 기술적인 기술이 부족해서가 아니라, 다음 단계가 더 넓은 시야를 요구하기 때문에 벽에 부딪혔다. 그 시야가 변경되자, 나의 범위도 변경되었다.