AI endrer hvordan ingeniører utvikler

For omtrent ett år siden var en av de mest intense debattene i programvarebransjen fremtiden for junioringeniøren. Argumentet lød enkelt: hvis AI allerede kan håndtere mange junioroppgaver, hvorfor fortsette å ansette og trene junioren? Og hvis selskaper slutter å utvikle junior-talent, hvor kommer senioringeniørene fra om fem år?

Det var et alvorlig spørsmål, og mange smarte mennesker tok det alvorlig.

Da var mitt svar at andre yrker allerede hadde løst versjoner av dette problemet. Ingen fullfører medisinstudiet og utfører umiddelbart åpne hjertekirurgi uavhengig. Leger tilbringer år med å skygge, internere, fullføre residens og praktisere under tilsyn før systemet har tillit til å operere alene.

Samme mønster finnes i lederskap. Ingen fullfører college og kjører umiddelbart en Fortune 500-selskap. Folk leder mindre lag, deretter større forretningsenheter, og samler gradvis opp dømmekraft over tid. Veien blir lengre, mer praktisk og mer lærling-drevet etter hvert som rollens kompleksitet øker.

Jeg tror fortsatt at ingeniørvitenskap beveger seg i den retningen. Men over de siste månedene begynte jeg å tenke annerledes om problemet på grunn av tre uavhengige erfaringer som alle pekte mot samme konklusjon.

Tre eksempler

En venn av meg tilbrakte nylig flere måneder med å forberede seg til en tsjekkisk språkprøve. Han og flere jevnaldrende ansatte menneskelige lærere og investerte ekte penger i prosessen. Han bestod komfortabelt. De fleste av de andre gjorde det ikke.

Den største forskjellen, ifølge ham, var at hans primære lærer faktisk var ChatGPT.

Han kunne studere klokken 23 om han ønsket det. Han kunne gjenta samme konjugasjonøvelse førti ganger uten å bekymre seg for å kaste bort noen sin tålmodighet. Han kunne rolle-spille svært spesifikke situasjoner, som å interagere med en tsjekkisk skattebetjent, og tilpasse sesjonen nøyaktig til hva han hadde vanskelig for med den dagen.

De menneskelige lærerne var gode. De kunne bare ikke matche tilgjengeligheten, gjentakelsen og tilpasningen.

Jeg ser noe lignende med min sønn og fysikk. Han forstår allerede emnet godt, så han bruker det ikke til å få svar. Han bruker det til å utfordre seg selv. Han ber det om å generere vanskeligere problemer, trykke på hans antakelser, forklare hvorfor en tilnærming var nær, men ultimate feil, og quiz ham interaktivt.

Det nærmeste sammenligningen jeg kan tenke på er erfaringen smarte barn hadde når de kjente en eldre søsken som studerte fysikk. Bortsett fra at denne versjonen alltid er tilgjengelig, aldri utålmodig og aldri sier “spør meg senere”.

Min nevø, som fortsatt er på videregående skole, har bygget et lite hobbyprosjekt han til slutt ønsker å kommersialisere. Jeg hjalp ham å sette opp en kodingagent og automatisere noen arbeidsflyter. Hver ettermiddag klokken fem, mens han fullfører skolen, skanner en agent hans kodebase og lar ham foreslå forbedringer. En gang i uken kjører en annen arbeidsflyt konkurranseforskning og bringer frem nye ideer.

Han elsket det.

På et tidspunkt spøkte han, “Hvis koding er så enkelt, kommer jeg til å løpe tom for ideer”.

Jeg fortalte ham at ideer alltid var den sjeldne ressursen. Forskjellen nå er at gjennomføringen ikke lengre begrenser dem på samme måte, fordi implementeringen har blitt dramatisk billigere.

Raskere tilbakemeldingsløkker

Ingen av disse eksemplene handler egentlig om tsjekkisk, fysikk eller kodegjennomgang.

De er eksempler på høyt personlig tilbakemelding som blir kontinuerlig tilgjengelig.

Historisk sett lærte junioringeniører delvis gjennom gjentakelse og delvis gjennom nærhet til erfarne mennesker. Du skrev kode, ventet på gjennomgang, fikk tilbakemelding når en senior til slutt hadde kapasitet, og bygget gradvis opp dømmekraft over årevis av akkumulerte feil.

AI endrer tilbakemeldingsløkken selv.

En junioringeniør med en riktig konfigurert AI-assistent får nå mange av de tingene som tidligere avhengig av senior tilgjengelighet. Umiddelbar kodegjennomgang. Forklaringer om hvorfor en designvalg kan skape problemer senere. Referanser til lignende mønster andre steder i kodebasen. Tilbakehold når man når etter den mest åpenbare implementeringen i stedet for den bedre.

Viktigst av alt ankommer tilbakemeldingen mens ingeniøren fortsatt er inne i problemet, i stedet for to dager senere etter at konteksten har bleknet.

Det betyr noe fordi overgangen fra junior til senior alltid har blitt drevet i stor grad av dømmekraft. Dømmekraft er hovedsakelig mønstergjenkjenning bygget gjennom gjentatt eksponering for feil, kompromisser og randtilfeller. Jo raskere noen kan bevege seg gjennom disse tilbakemeldingsløkkene tankefullt, jo raskere utvikles dømmekraften.

Båndbreddsflaskehalsen lå tidligere hos senioringeniører. Nå ligger den stadig mer hos læren.

Sikkerhetsnettet forbedres

Det er en annen forskyving her som betyr like mye.

En junioringeniør som arbeider med sterke AI-gjennomgangssystemer er vesentlig mindre sannsynlig til å skade et produksjonssystem utilsiktet.

Mange klassiske feil blir nå flagget umiddelbart: hardkodet legitimasjon, svelgede unntak, usikre spørringer, sikkerhetsproblemer, åpenbare arkitekturproblemer, dårlig skalerte avhengigheter. Dårlige pull-forespørsler blir fanget før de noen gang forlater laptoppen.

Det endrer gulvet for juniorarbeid.

Historisk sett gikk en betydelig del av senioringeniørens tid til å beskytte organisasjonen mot forebyggelige feil. AI-gjennomgangslag absorberer stadig mer av denne byrden, noe som tillater at junioren kan operere mer uavhengig tidligere enn de kunne tidligere.

Det eliminerer ikke behovet for veiledning eller tilsyn. Det endrer hvor veiledning blir mest verdifull.

Kluften øker

Den optimistiske versjonen av denne fremtiden avhenger sterkt av hvordan den enkelte ingeniøren bruker systemet.

Noen som behandler AI primært som en kortvei rundt tenkning, vil sannsynligvis generere mer kode mens de lærer svært lite. For ti år siden ville samme person ha kopiert løsninger fra Stack Overflow uten å forstå dem. Mekanismen endret seg. Underliggende atferd ikke.

AI var aldri ment å løse intellektuell passivitet.

Den mer interessante utfallet skjer når ingeniører aktivt engasjerer seg med tilbakemeldingen de mottar. Hvis noen leser gjennomgangen nøye, motsier den noen ganger, stiller oppfølgende spørsmål, tester alternativer og noen ganger oppdager at modellen selv var feil, bygger de dømmekraft mye raskere enn tidligere generasjoner kunne.

Kognitiv innsats forsvant ikke. Den skiftet tidligere i løkken og ble billigere å gjenta.

Det vil sannsynligvis øke kløften mellom høyt engasjerte ingeniører og uengasjerte.

De fleste viktige produktivitetsskift fungerer på den måten. Lesing utvidet kløften mellom lesekyndige og analfabeter. Internett utvidet kløften mellom nysgjerrige mennesker og passive. AI ser ut til å fortsette samme mønster.

Produkt-dømmekraft betyr mer

Det mer interessante spørsmålet er ikke lenger om junioringeniører forsvinner. Det er hva junioringeniører stadig bidrar med når implementeringen selv blir enklere.

Svaret begynner å se overraskende likt ut som hva sterke senioringeniører allerede bidrar med: kreativitet, produktinstinkt, smak, prioritering, dømmekraft og evnen til å identifisere hva som faktisk bør eksistere fra første sted.

Ingeniørrollene beveger seg stadig mer mot produkt-orientert tenkning fordi implementeringsfriksjonen fortsetter å kollapse. Rørarbeid betyr mindre enn å forstå om systemet som bygges, løser det riktige problemet.

Systemdesign betyr fortsatt noe. Navngiving betyr fortsatt noe. Produkt-dømmekraft betyr fortsatt noe. Å forstå brukerne betyr fortsatt noe. På noen måter blir disse ferdighetene enda viktigere fordi organisasjoner nå kan teste ideer mye raskere enn før.

En ingeniør som vokser opp med AI fra begynnelsen, vil sannsynligvis tenke veldig annerledes enn noen som ble trent for femten år siden.

De vil anta at iterasjon er billig. De vil raskt prototype flere tilnærminger i stedet for å diskutere en enkelt i dager. De vil forvente mye tettere tilbakemeldingsløkker mellom brukere og implementering fordi kostnaden av å prøve ting fortsatt synker.

Det skaper en annen type ingeniør, en som er formet av mye kortere sykluser mellom ide og gjennomføring.

Organisasjoner må omtenke rekruttering, evaluering, veiledning og forfremmelse i henhold til dette. Men programvare har allerede gått gjennom lignende overganger flere ganger: da webben ankom, da mobil ankom, da sky-infrastruktur erstattet lokale systemer.

Hver overgang endret hva god ingeniørpraksis så ut som, uten å eliminere behovet for ingeniører selv.

Operasjonelle implikasjoner

For junioringeniører er rådet ikke spesielt glamorøst.

Velg virkelige prosjekter. Bruk AI som en skyggegjennomgang mens du arbeider. Les tilbakemeldingen nøye. Motsi den noen ganger. Stil oppfølgende spørsmål. Hold spor av mønsterene bak feilene den fanger.

Det er en av de raskeste veiene til å utvikle dømmekraft, mye raskere enn å vente på at en travelt senioringeniør til slutt frigjør tid for veiledning.

For ledere endrer flaskenekken også.

Juniorvækst avhengig av hvor mye tid senioringeniører kunne spare til coaching. Økende blir den større hevelsepunktet å designe sterke læremiljøer rundt AI-bruk: gjennomgangsforventninger, eskalasjonsregler, promptmønster, retningslinjer og prosjektvalg.

Organisasjoner som strukturerer disse systemene godt, vil sannsynligvis utvikle talent raskere enn tidligere generasjoner klarte å.

Og for ledelseslag er det sannsynligvis fornuftig å slutte å se på junioringeniører primært som erstattbar eksekveringskapasitet. I mange organisasjoner kan de bli en av de billigste kildene til eksperimentering, energi og kreativ iterasjon som er tilgjengelig.

En annen generasjon ingeniører

Min venn lærte tsjekkisk raskere fordi han effektivt bar en personlig lærer i lomma. Min sønn lærer fysikk med et nivå av interaktiv tilbakemelding jeg aldri hadde tilgang til. Min nevø mottar nå nattlige kodegjennomganger og markedundersøkelser mens han sover.

Neste generasjon ingeniører kommer inn i bransjen med kontinuerlig coaching, umiddelbar tilbakemeldingsløkke og dramatisk raskere sykluser mellom innsats og tilbakemelding.

Det eliminerer ikke junioringeniøren. Det endrer hvor raskt de utvikler seg og hva ferdighetene betyr mest underveis.

Versjonen av rollen mange mennesker vokste opp med, er sannsynligvis forsvinnende. Men erstatteren kan vise seg å være raskere-lærende, bedre coachet, mer eksperimentell og mer produkt-orientert enn den forrige generasjonen noensinne hadde mulighet til å bli.