Hvorfor teknisk eksellence alene ikke lenger får ingeniører fremmet 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 at denne endringen ikke bare har endret hvordan team leverer, men også hva som belønnes i karriereutvikling. I 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 karrierestigen.

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, resultattenkning og beslutningstaking mer viktige.

Dette er skiftet jeg opplevde førstehånds 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 den type arbeidsgiver som kunne løse vanskelige tekniske problemer, ta eierskap av kompleks arbeid og være pålitelig når prosjektene var i ferd med å brenne. Men noe manglet, og jeg følte meg fast.

Det så ut som om jeg hadde nådd mitt karriere-tak og kunne ikke gå videre. Mine tekniske ferdigheter var på topp, men neste vekststadium krevde noe annet – forretningsTenkning.
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.

Den 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 repetert utviklingsarbeid, kan flere ingeniører bli presset mot høyere nivå design og beslutningstaking.

Selvfølgelig er det fortsatt enormt behov for teknisk talent. Ikke misforstå meg, tekniske hard ferdigheter er fortsatt kjernen i profesjonen, men den bredere trenden er at det er færre roller der utførelse alene er nok til å gå oppover. Det er stor etterspørsel etter mennesker som kan ramme problemer, prioritere under begrensninger og koble teknisk arbeid til forretningsverdi.

Det 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 stoppet å måle min karriereutvikling i termer av “mer kode”, “mer kompleksitet” eller “hardere teknisk eierskap” og skiftet til arkitektur, forretningspåvirkning og beslutningskvalitet isteden.

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 forretningsmentality.

Det første skiftet var å lære forretningen direkte istedenfor å motta den andreveis gjennom billetter.

Mange ingeniører arbeider fra nedstrøms signaler. Vi får krav, men ikke samtalen som formede dem. Vi ser ikke handelsavveiene bak våre oppgaver, og ikke de strategiske grunnene til at oppgavene eksisterer.

Så jeg startet å lære forretningen direkte. Jeg begynte å delta på flere salgs- og supportopppkall, lyttet nøye til deres samtaler og betalte mer oppmerksomhet til stakeholderdiskusjoner. Over tid, sluttet jeg å se 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 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 som er forbeholdt ledere.

Jeg startet å lære alle disse termene som mange ingeniører aldri blir uttrykkelig lært: ROI, kostnad ved forsinkelse, mulighetskostnad, risikoeksponering, margin og sekvensering. Dette er enkelt 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 vurdere dem i henhold til forretningsmål.

For meg, å lære dette språket endret 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 å utføre, men det kan fortsatt ikke eie beslutningstakingen. Den lag tilhører mennesker.

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

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

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

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

Dette er en av grunnene til at måling er så viktig. DORA’s programvareleveringsforskning 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 leveringsmålinger til produktresultater og forretningsresultater.

Med andre ord, å levere er ikke målstreken. Visst, vi estimerer resultater basert på levering, 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 du overbygger.

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

Høyt performende tekniske mennesker 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 forplikter deg til en fullstendig løsning før du validerer antagelser.
Det er derfor en 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.

En siste skift som virkelig hjalp var å skrive korte beslutningsnotater før jeg kodet.

Dette kan høres ut som den mest praktiske vanen av alle. Og ikke misforstå meg, jeg prøver ikke å tvinge frem et annet dokument — bare en kort og strukturert notat til å visualisere mitt tenkning: hva alternativer finnes, hva risiko betyr, hva påvirkning forventes, hva anbefaling gjør mening, og hvor alignering fortsatt er nødvendig.

Dette forbedret ikke bare kommunikasjonen, men eksponerte også svak resonnering 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 gjennser resultater. Denne lille handlingen kan endre hvordan beslutninger blir rammet, kommunisert og eid.

I praksis, skjer mange fremminger 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 ingeniørarbeid og ledelse.

Teknisk ferdighet betyr fortsatt. 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 eksellence alene er mindre differensiert når mer utførelse kan akselereres av verktøy. Dette er akkurat hva vi vitner hver dag hos Sombra: den raskeste karriereutviklingen skjer når ingeniører parer teknisk dybde med forretningsTenkning.

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 oversikt. Når det endret seg, endret også min rekkevidde.