Waarom technische excellentie alleen niet langer genoeg is voor engineers om gepromoveerd te worden in het AI-tijdperk

AI heeft een grote verschuiving teweeggebracht in de manier waarop we werken en wat geautomatiseerd wordt binnen technische teams. In mijn werk bij Sombra, heb ik deze verschuiving gezien veranderen, niet alleen hoe teams leveren, maar ook wat wordt beloond in carrièregroei. Gedurende een lange tijd was de groeipad in tech vrij lineair: je leerde nieuwe vaardigheden, bleef technisch beter worden, werd iemand die moeilijke problemen oploste, bouwde je reputatie en vertrouwen op en verdiende je vervolgens je weg omhoog op de carrièreladder.

Maar deze cyclus begint nu te breken. AI neemt veel taken over, versnelt het werk en verlaagt de kosten. Dit betekent niet dat technische vaardigheden niet meer belangrijk zijn, maar het maakt taken die oordeelsvermogen, resultaatdenken en besluitvorming vereisen, belangrijker.

Dit is de verschuiving die ik zelf heb meegemaakt op mijn reis van ingenieur naar mede-oprichter en CTO bij Sombra. Vijf jaar in mijn ingenieurscarrière, was ik het soort specialist waar teams op leunden. Ik was het type werkgever die moeilijke technische problemen kon oplossen, eigenaar kon zijn van complex werk en kon worden vertrouwd wanneer projecten in brand stonden. Maar er ontbrak iets, en ik voelde me vastzitten.

Het leek erop dat ik mijn carrièreplafond had bereikt en niet verder kon gaan. Mijn technische vaardigheden waren op hun hoogtepunt, maar deze volgende groeifase vereiste iets anders – bedrijfsdenken.
Ik kon niet verdergaan met alleen weten hoe ik iets kon bouwen, ik moest leren wat het waard was om te bouwen in de eerste plaats.

Dat soort plafond wordt steeds vaker gezien in de industrie.

De markt verandert sneller dan veel ingenieurs beseffen

Het World Economic Forum rapporteert dat 40% van de werkgevers verwacht de werkgelegenheid te verminderen waar AI taken kan automatiseren, terwijl Anthropics onderzoek naar softwareontwikkeling suggereert dat meer ingenieurs mogelijk worden gedwongen om naar hogere niveaus van ontwerp en besluitvorming te gaan als AI meer herhaalbare ontwikkelingswerk overneemt.

Natuurlijk is er nog steeds een enorme vraag naar technisch talent. Maak je geen zorgen, technische harde vaardigheden blijven core voor het beroep, maar de bredere trend is dat er minder rollen zijn waar alleen uitvoering genoeg is om omhoog te gaan. Er is een hoge vraag naar mensen die problemen kunnen kaderen, prioriteit kunnen geven onder beperkingen en technisch werk kunnen verbinden met bedrijfswaarde.

Dat was de overgang die ik moest maken. Mijn grootste upgrade was niet alleen technisch, het was contextueel.

Ik liet de ingenieurswereld niet achter, ik breidde het uit en herschreef de vragen eromheen.

Ik hield op met het meten van mijn carrièregroei in termen van “meer code”, “meer complexiteit” of “moeilijker technische eigenaarschap” en verschoof naar architectuur, bedrijfsimpact en besluitkwaliteit in plaats daarvan.

Vijf verschuivingen die mijn manier van werken veranderden

Dit kan abstract klinken, dus zal ik het uiteenbreken in 5 praktische verschuivingen die mij hielpen om een bedrijfsmentaliteit te ontwikkelen.

De eerste verschuiving was het leren van het bedrijf rechtstreeks in plaats van het ontvangen van tweede-handse informatie via tickets.

Veel ingenieurs werken vanuit downstream signalen. We krijgen vereisten, maar niet het gesprek dat hen vormde. We zien de afwegingen achter onze taken niet, noch de strategische redenen waarom deze taken bestaan.

Dus ik begon het bedrijf rechtstreeks te leren. Ik begon meer verkoop- en ondersteuningsgesprekken bij te wonen, luisterde naar hun gesprekken aandachtig en lette meer op stakeholderdiscussies. Na verloop van tijd hield ik op met het zien van mijn werk als een reeks geïsoleerde leveringen.

Ik kwam tot een realisatie: een technisch elegante oplossing die te laat arriveert, te duur is of het verkeerde probleem oplost, is geen strategisch werk. Het is gewoon dure correctheid.

De tweede verschuiving was het leren van de bedrijfstaal zonder het te behandelen als iets dat is voorbehouden aan executives.

Ik begon alle termen te leren die veel ingenieurs nooit expliciet worden onderwezen: ROI, kosten van vertraging, opportuniteitskosten, risico-expositie, marge en sequentie. Dit is eenvoudigweg onvermijdelijk als je streeft naar senior- of C-niveau posities.

Dit beïnvloedt technisch oordeel, aangezien veel specialisten goed zijn in het oplossen van problemen, maar ze kunnen ze niet prioriteren en evalueren volgens de bedrijfsdoelen.

Voor mij veranderde het leren van die taal hoe ik communiceerde en, belangrijker nog, hoe ik oplossingen beoordeelde. Het werk zelf bleef technisch, maar de logica erachter werd breder.

Dat is een belangrijk onderscheid in het AI-tijdperk. AI kan steeds meer helpen bij de uitvoering, maar het kan nog steeds geen besluitvorming bezitten. Die laag behoort tot de mensen.

Een andere grote mentaliteitsverschuiving was het definiëren van succes voordat ik code schreef.

Na verloop van tijd, voordat ik met de implementatie begon, stelde ik mezelf een reeks vragen:

• Wat verandert het precies voor de gebruiker of het bedrijf?
• Welke metriek moet veranderen?
• Hoe zal iemand weten dat het ertoe deed?

Die vragen hielpen echt om dingen uit te klaren voordat ik begon met coderen. Ze hielpen me ook om een veelvoorkomende fout te voorkomen: veel investeren in levering voordat ik overeenstemming had over de impact.

Dit is een van de redenen waarom meting zo belangrijk is. DORA’s softwareleveringsonderzoek heeft aangetoond hoe belangrijk het is om te meten hoe teams software veilig, snel en efficiënt leveren. Maar in de praktijk gaan high-performing technische leiders meestal een laag verder: ze verbinden leveringsmetrieken met productresultaten en bedrijfsresultaten.

Met andere woorden, verzenden is niet de finishlijn. Zeker, we schatten resultaten op basis van levering, maar het is vaak de mogelijkheid om succes van tevoren te definiëren die iemand naar bredere leiderschap brengt.

De vierde verschuiving was het testen van aannamen voordat ik overbouwde.

Sterke ingenieurs overbouwen vaak, geleid door de veelvoorkomende misvatting dat AI het bouwen goedkoper maakt en dat meer engineeringsautomatisch betere kwaliteit betekent.

High-performing technische mensen worden vaak getraind om te denken in termen van robuuste oplossingen, omdat we allemaal dingen op de juiste manier willen bouwen. Dit is een geweldige eigenschap om te ontwikkelen, maar het wordt vaak duur als je je commit aan een volledige oplossing voordat je aannamen valideert.
Daarom was een van mijn meest praktische verschuivingen om een pauze te forceren voordat ik bouwde en mijn aannamen te definiëren. Zodra de aanname expliciet en duidelijk is, verandert het werk van vorm.

Het doel is niet langer om te bewijzen hoe gesofisticeerd de oplossing kan zijn. Het doel is om snel, goedkoop en duidelijk genoeg te leren om te beslissen wat verdient diepere investering.

De laatste verschuiving die echt hielp was het schrijven van korte besluitnotities voordat ik codeerde.

Dit kan de meest praktische gewoonte van allemaal zijn. En maak je geen zorgen, ik probeer niet om een ander document te forceren – alleen een korte en gestructureerde nota om mijn denken te visualiseren: welke opties bestaan, welke risico’s zijn van belang, welke impact wordt verwacht, welke aanbeveling heeft zin en waar nog steeds overeenstemming nodig is.

Dit verbeterde niet alleen de communicatie, maar het onthulde ook zwakke redenering vroeg en hielp bij het verduidelijken van aannamen (zie voorgaande verschuiving). Bovendien creëerde het een record van waarom een beslissing werd genomen, wat vooral waardevol wordt als je de resultaten bekijkt. Deze kleine actie kan veranderen hoe beslissingen worden gekaderd, gecommuniceerd en bezeten.

Waarom het volgende niveau over betere beslissingen gaat

Dit is de grotere fout die veel mensen maken als ze praten over AI en technische carrières. Ze kaderen het verhaal alsof de keuze is tussen technische diepte en leiderschap, of tussen engineerings- en management.

Technische vaardigheid is nog steeds belangrijk. In veel gevallen is het zelfs nog belangrijker omdat mensen genoeg diepte nodig hebben om te beoordelen wat AI-systemen doen, waar ze falen en wat al dan niet vertrouwd kan worden. Maar technische excellentie op zich is minder onderscheidend als meer uitvoering kan worden versneld door tools. Dit is precies wat we elke dag bij Sombra zien: de snelste carrièregroei komt wanneer ingenieurs technische diepte combineren met bedrijfsdenken.

Dit betekent niet dat elke sterke ingenieur een manager moet worden. Maar het betekent wel dat het pad omhoog verandert. Het volgende niveau gaat minder over het bewijzen dat iemand de moeilijkste taak zelf kan doen en meer over het bewijzen dat ze een team en een bedrijf kunnen helpen om betere beslissingen te nemen.

Ik botste niet tegen een muur omdat ik een gebrek aan intelligentie of discipline had. Ik botste tegen een muur omdat het volgende niveau een bredere kijkveld vereiste. Zodra dat veranderde, veranderde mijn bereik ook.