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

AI heeft een grote verandering teweeggebracht in de manier waarop we werken en wat geautomatiseerd wordt binnen technische teams. In mijn werk bij Sombra heb ik deze verandering gezien, niet alleen in de manier waarop teams werken, maar ook in wat wordt beloond in carrière-ontwikkeling. Voor een lange tijd was de carrière-pad in tech vrij lineair: je leerde nieuwe vaardigheden, werd steeds beter technisch, werd iemand die moeilijke problemen oploste, bouwde je reputatie en vertrouwen op en verdiende je weg omhoog op de carrière-ladder.

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 verandering die ik zelf heb meegemaakt op mijn reis van engineer naar mede-oprichter en CTO bij Sombra. Vijf jaar in mijn engineer-carrière was ik het soort specialist waar teams op leunden. Ik was het type werkgever dat moeilijke technische problemen kon oplossen, eigenaar kon zijn van complexe werkzaamheden en vertrouwd kon worden wanneer projecten in brand stonden. Maar er ontbrak iets, en ik voelde me vastzitten.

Het leek erop dat ik mijn carrière-plafond 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.

Die soort plafond wordt steeds vaker gezien in de industrie.

De markt verandert sneller dan veel engineers beseffen

Het World Economic Forum rapporteert dat 40% van de werkgevers verwacht de werkgelegenheid te verminderen waar AI taken kan automatiseren, terwijl onderzoek van Anthropic naar software-ontwikkeling suggereert dat naarmate AI meer herhaalbare ontwikkelingswerk overneemt, meer engineers mogelijk worden gedwongen om zich te richten op hogere niveaus van ontwerp en besluitvorming.

Natuurlijk is er nog steeds een enorme vraag naar technisch talent. Laat me duidelijk zijn, technische harde vaardigheden blijven essentieel voor het beroep, maar de bredere trend is dat er minder rollen zijn waar alleen uitvoering voldoende is om vooruit te komen. Er is een hoge vraag naar mensen die problemen kunnen kaderen, prioriteren onder beperkingen en technisch werk kunnen verbinden met bedrijfsresultaten.

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

Ik liet de engineer-achtergrond niet achter, ik breidde het uit en herschikte de vragen eromheen.

Ik hield op mijn carrière-groei te meten in termen van “meer code”, “meer complexiteit” of “moeilijker technische eigenaarschap” en schakelde over naar architectuur, bedrijfsimpact en besluitkwaliteit.

Vijf verschuivingen die mijn manier van werken veranderden

Dit kan abstract klinken, dus zal ik het uiteenzetten 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-handsinformatie via tickets.

Veel engineers werken vanuit downstream-signalen. We krijgen vereisten, maar niet de conversatie die ze vormde. We zien de trade-offs achter onze taken niet, noch de strategische redenen waarom die taken bestaan.

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

Ik kwam tot een realisatie: een technisch elegante oplossing die te laat komt, 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 engineers nooit expliciet worden geleerd: ROI, kosten van vertraging, opportuniteitskosten, risico-exposure, 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 problemen 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 de AI-tijdperk. AI kan steeds meer helpen bij de uitvoering, maar het kan nog steeds geen besluitvorming overnemen. 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 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 op te helderen voordat ik begon met coderen. Ze hielpen me ook om een veelvoorkomende fout te vermijden: zwaar investeren in levering voordat ik overeenstemming had over impact.

Dit is een reden 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 stap verder: ze verbinden leveringsmetrieken met productresultaten en bedrijfsresultaten.

In andere woorden, levering is niet de finishlijn. Zeker, we schatten resultaten op basis van levering, maar het is vaak de mogelijkheid om succes te definiëren op voorhand die iemand in bredere leiderschapsrollen brengt.

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

Sterke engineers bouwen vaak over, geleid door de veelvoorkomende misvatting dat AI het bouwen goedkoper maakt en dat meer engineeringsautomatisch beter kwaliteit betekent.

High-performing technische mensen worden vaak getraind om te denken in termen van robuuste oplossingen, want we allemaal willen dingen op de juiste manier bouwen. Dit is een geweldige eigenschap om te ontwikkelen, maar het wordt vaak duur wanneer je je commit aan een volledige oplossing voordat je aannamen valideert.
Dat is waarom een van mijn meest praktische verschuivingen was 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 dieper 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 laat me duidelijk zijn, ik probeer niet om een ander document te forceren — gewoon een korte en gestructureerde notitie om je denken te visualiseren: welke opties bestaan, welke risico’s zijn van belang, welk effect 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 vorige verschuiving). Bovendien creëerde het een record van waarom een beslissing werd genomen, wat vooral waardevol is wanneer je de resultaten beoordeelt. Deze kleine actie kan veranderen hoe beslissingen worden gekaderd, gecommuniceerd en bezeten.

In de praktijk gebeuren veel promoties omdat iemand ambiguïteit voor anderen kan verminderen, niet omdat ze de meest technisch briljante persoon in de kamer zijn.

Waarom het volgende niveau gaat over betere beslissingen

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

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

Dit betekent niet dat elke sterke engineer een manager moet worden. Maar het betekent wel dat het pad omhoog verandert. Het volgende niveau is 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 ben niet tegen een muur op gelopen omdat ik een gebrek aan intelligentie of discipline had. Ik ben tegen een muur op gelopen omdat het volgende niveau een bredere kijkveld vereiste. Zodra dat veranderde, veranderde mijn bereik ook.