Hvorfor teknisk eksellence alene ikke lenger får ingeniører forfremmet i AI-æraen

AI har forårsaket en stor endring i måten vi arbeider og hva som automatiseres innen tekniske team. I mitt arbeid hos Sombra har jeg sett denne endringen forandre ikke bare hvordan team leverer, men også hva som belønnes i karriereutvikling. I en lang tid var karrierebanen i teknologi ganske lineær: du lærte nye ferdigheter, ble bedre teknisk, ble noen som løste vanskelige problemer, bygde din reputasjon og tillit, og deretter tjente din vei opp karriere-stigen.

Men denne syklusen begynner nå å bryte sammen. AI overtar mange oppgaver, akselerer arbeid og reduserer kostnader. Dette betyr ikke at tekniske ferdigheter ikke er viktige lenger, men det gjør oppgaver som krever dømmekraft, resultat-tenkning og beslutningstagning viktigere.

Dette er skiftet jeg opplevde selv på min reise fra ingeniør til medgrunnlegger og CTO hos Sombra. Fem år inn i min ingeniørkarriere hadde jeg blitt den type spesialist teamene lener seg på. Jeg var typen arbeidsgiver som kunne løse vanskelige tekniske problemer, ta eierskap av kompleks arbeid og bli betrodd når prosjektene var i ferd med å brenne. Men noe manglet, og jeg følte meg fast.

Det så ut som om jeg hadde nådd min karriere-tak og ikke kunne gå videre. Mine tekniske ferdigheter var på topp, men denne neste vekstfasen krevde noe annet – forretnings-tenkning.
Jeg kunne ikke gå videre med bare å vite hvordan jeg skulle bygge noe, jeg måtte lære hva som var verdt å bygge fra første sted.

Denne typen tak er blitt mer vanlig over hele industrien.

Markedet endrer seg raskere enn mange ingeniører innser

Verdens økonomiske forum rapporterer at 40% av arbeidsgiverne forventer å redusere arbeidsstyrken der AI kan automatisere oppgaver, mens Anthropics forskning på programvareutvikling antyder at når AI tar på seg mer repeterte utviklingsoppgaver, kan flere ingeniører bli presset mot høyere nivå-design og beslutningstagning.

Selvfølgelig er det fortsatt enorm etterspørsel etter teknisk talent. Ikke misforstå meg, tekniske hard ferdigheter er fortsatt kjernen i faget, men den bredere trenden er at det er færre roller der utførelse alene er nok til å gå videre. Det er stor etterspørsel etter personer som kan ramme problemer, prioritere under begrensninger og knytte teknisk arbeid til forretningsverdi.

Dette var overgangen jeg måtte gjøre. Min største oppgradering var ikke bare teknisk, det var kontekstuell.

Jeg sluttet ikke å jobbe som ingeniør, jeg utvidet det og omdefinerte spørsmålene rundt det.

Jeg sluttet å måle min karriere-vækst i termer av “mer kode”, “mer kompleksitet” eller “hardere teknisk eierskap” og skiftet til arkitektur, forretnings-påvirkning og beslutningskvalitet i stedet.

Fem skift som endret hvordan jeg arbeidet

Dette kan høres abstrakt ut, så jeg vil bryte det ned i 5 praktiske skift som hjalp meg utvikle en forretnings-mentalitet.

Det første skiftet var å lære forretningen direkte i stedet for å motta den andreveis gjennom billetter.

Mange ingeniører arbeider fra nedstrøms-signal. Vi får krav, men ikke samtalen som formet dem. Vi får ikke se på kompromissene bak våre oppgaver, eller de strategiske grunnene til at oppgavene eksisterer.

Så jeg begynte å lære forretningen direkte. Jeg begynte å delta på flere salgs- og support-samtaler, lytte til deres samtaler oppmerksomt og betale mer attention til stakeholder-diskusjoner. Over tid sluttet jeg å se på mitt arbeid som en rekke isolerte leveranser.

Jeg kom til en erkjennelse: en teknisk elegant løsning som ankommer for sent, koster for mye eller løser det feil problem, er ikke strategisk arbeid. Det er bare dyrt korrekt.

Det andre skiftet var å lære forretnings-språket uten å behandle det som noe reservert for ledere.

Jeg begynte å lære alle disse termene mange ingeniører aldri blir eksplisitt lært: ROI, kostnad av forsinkelse, mulighetkostnad, risiko-exponering, margin og sekvensering. Dette er bare uunngåelig hvis du sikter mot senior eller C-nivå stillinger.

Dette påvirker teknisk dømmekraft, da mange spesialister er gode til å løse problemer, men de kan ikke prioritere og evaluere dem i forhold til forretningsmålene.

For meg endret læring av dette språket hvordan jeg kommuniserte og, viktigere, hvordan jeg dømte løsninger. Arbeidet selv forblev teknisk, men logikken bak det ble bredere.

Det er en viktig distinksjon i AI-æraen. AI kan øke hjelpe teamene utføre, men det kan ikke eie beslutningstagningen. Den laget tilhører mennesker.

En annen stor mental skift var å definere suksess før jeg skrev kode.

Over tid, før jeg startet implementering, spurte jeg meg selv en rekke spørsmål:

• Hva endrer det eksakt for brukeren eller forretningen?
• Hvilken metrikken bør flytte?
• Hvordan vil noen vite at det betydde noe?

Disse spørsmålene hjalp virkelig å sortere ting ut før jeg startet å kode. De reddet meg også fra en vanlig feil: å investere tungt i leveranse før jeg hadde avtalt påvirkning.

Dette er en grunn til at måling er så viktig. DORAs programvareleveranse-forskning har vist verdien av å måle hvordan team leverer programvare trygt, raskt og effektivt. Men i praksis går høyt-performende tekniske ledere vanligvis ett lag videre: de kobler leveranse-målinger til produkt-resultater og forretnings-resultater.

I andre ord, å levere er ikke mål-streken. Selvfølgelig estimerer vi resultater basert på leveranse, men det er ofte evnen til å definere suksess på forhånd som flytter noen inn i bredere ledelse.

Det fjerde skiftet var å teste antagelser før jeg overbygde.

Sterke ingeniører overbygger ofte, ledet av den vanlige misforståelsen at AI gjør bygging billigere og at mer ingeniør-arbeid automatisk betyr bedre kvalitet.

Høyt-performende tekniske personer er ofte trent til å tenke i termer av robuste løsninger, da vi alle vil bygge tingene på riktig måte. Dette er en fin egenskap å utvikle, men det blir ofte kostbart når du committerer til en fullstendig løsning før du validerer antagelser.
Det er derfor ett av mine mest praktiske skift var å tvinge en pause før bygging og definere mine antagelser. Når antagelsen er eksplisitt og klar, endrer arbeidet form.

Målet er ikke lenger å bevise hvor sofistikert løsningen kan være. Målet er å lære raskt, billig og tydelig nok til å bestemme hva som fortjener dypere investering.

Det siste skiftet som virkelig hjalp var å skrive korte beslutnings-notater før jeg kodet.

Dette kan være den mest praktiske vanen av alle. Og ikke misforstå meg, jeg prøver ikke å tvinge en annen dokument — bare en kort og strukturert note for å visualisere din tenkning: hva alternativer finnes, hva risiko betyr, hva påvirkning forventes, hva anbefaling gjør mening, og hvor avtale ennå er nødvendig.

Dette forbedret ikke bare kommunikasjon, men eksponerte svak grunnlag tidlig og hjalp å klargjøre

antagelser (se forrige skift). Videre skapte det en rekord av hvorfor en beslutning ble tatt, som blir spesielt verdifull når du gjennasjoner resultater. Denne lille handlingen kan endre hvordan beslutninger blir rammet, kommunisert og eid.

I praksis skjer mange forfremmelser fordi en person kan redusere usikkerhet for andre, ikke fordi de er den mest teknisk briljante personen i rommet.

Hvorfor neste nivå handler om bedre beslutninger

Dette er den større feilen mange mennesker gjør når de snakker om AI og tekniske karrierer. De rammer historien som om valget er mellom teknisk dybde og ledelse, eller mellom ingeniør-arbeid og ledelse.

Teknisk ferdighet betyr fortsatt noe. I mange tilfeller betyr det enda mer fordi mennesker trenger nok dybde til å dømme hva AI-systemer gjør, hvor de feiler og hva som bør eller ikke bør tillites. Men teknisk eksellense alene er mindre differensiert når mer utførelse kan akselereres av verktøy. Dette er eksakt hva vi vitner hver dag hos Sombra: den raskeste karriere-væksten kommer når ingeniører parer teknisk dybde med forretnings-tenkning.

Dette betyr ikke at hver sterk ingeniør bør bli leder. Men det betyr at veien oppover endrer seg. Neste nivå handler mindre om å bevise at noen kan gjøre den hardeste oppgaven selv og mer om å bevise at de kan hjelpe et team og en forretning å ta bedre beslutninger.

Jeg traff ikke en vegg fordi jeg manglet intelligens eller disiplin. Jeg traff en vegg fordi neste nivå krevde en bredere utsikt. Når det endret seg, endret også min utsikt.