AI förändrar hur ingenjörer utvecklas

För ungefär ett år sedan var en av de mest högljudda debatterna inom mjukvarubranschen framtiden för junioringenjörer. Argumentet lät enkelt: om AI redan kan hantera många junioruppgifter, varför fortsätta anställa och utbilda juniorer över huvud taget? Och om företag slutar utveckla junior talang, var kommer senioringenjörerna från om fem år?

Det var ett allvarligt fråga, och många smarta människor tog det på allvar.

På den tiden var mitt svar att andra yrken redan hade löst versioner av detta problem. Ingen som utexamineras från läkarutbildning utför omedelbart en öppen hjärtoperation på egen hand. Läkare tillbringar år med att skugga, praktisera, slutföra residens och utöva under övervakning innan systemet litar på dem att operera ensam.

Samma mönster finns i ledarskap. Ingen som utexamineras från college driver omedelbart ett företag i Fortune 500. Människor hanterar mindre team, sedan större affärsenheter och ackumulerar gradvis omdöme över tid. Vägen blir längre, mer praktisk och mer lärlingsdriven allteftersom rollens komplexitet ökar.

Jag tror fortfarande att teknikbranschen är på väg i den riktningen. Men under de senaste månaderna började jag tänka på frågan på ett annat sätt på grund av tre orelaterade upplevelser som alla pekade mot samma slutsats.

Tre exempel

En vän till mig tillbringade nyligen flera månader med att förbereda sig för en tjeckisk språkexamen. Han och flera av hans kamrater anställde mänskliga handledare och investerade riktiga pengar i processen. Han klarade sig bekvämt. De flesta av de andra gjorde det inte.

Den största skillnaden, enligt honom, var att hans primära handledare faktiskt var ChatGPT.

Han kunde studera klockan 23 om han ville. Han kunde upprepa samma konjugeringsövning fyrtio gånger utan att behöva oroa sig för att slösa bort någons tålamod. Han kunde rollspela mycket specifika situationer, som att interagera med en tjeckisk skattemyndighet, och anpassa sessionen exakt till vad han kämpade med den dagen.

De mänskliga handledarna var bra. De kunde bara inte matcha tillgängligheten, upprepningen och personanpassningen.

Jag ser något liknande med min son och fysik. Han förstår redan ämnet bra, så han använder det inte för att få svar. Han använder det för att utmana sig själv. Han ber det att generera svårare problem, trycka på hans antaganden, förklara varför en strategi var nära men slutligen fel och testa honom interaktivt.

Den närmaste jämförelsen jag kan komma på är den upplevelse smarta barn hade när de kände en äldre syskon som läste fysik. Förutom att den här versionen alltid är tillgänglig, aldrig otålig och aldrig säger “fråga mig senare”.

Min brorson, som fortfarande går på gymnasiet, har byggt ett litet hobbyprojekt som han till slut vill kommersialisera. Jag hjälpte honom att ställa in en kodagent och automatisera några arbetsflöden. Varje eftermiddag klockan fem, medan han avslutar skolan, skannar en agent hans kodbas och lämnar förbättringsförslag. En gång i veckan kör ett annat arbetsflöde konkurrentanalys och presenterar nya idéer.

Han älskade det.

På ett tillfälle skämtade han och sa: “Om kodning är så lätt kommer jag att rinna ut av idéer”.

Jag sa till honom att idéer alltid var den knappa resursen. Skillnaden nu är att genomförandet inte begränsar dem på samma sätt eftersom implementeringen har blivit dramatiskt billigare.

Snabbare återkopplingsloopar

Inga av dessa exempel handlar egentligen om tjeckiska, fysik eller kodgranskning.

De är exempel på högt personanpassad återkoppling som blir kontinuerligt tillgänglig.

Historiskt sett lärde sig junioringenjörer delvis genom upprepning och delvis genom närhet till erfarna människor. Du skrev kod, väntade på granskning, fick återkoppling när en senior till slut hade bandbredd, och byggde gradvis omdöme över år av ackumulerade misstag.

AI förändrar själva återkopplingslooparna.

En junioringenjör med en korrekt konfigurerad AI-assistent får nu många av de saker som tidigare berodde på seniorernas tillgänglighet. Omedelbar kodgranskning. Förklaringar till varför ett designval kan skapa problem senare. Referenser till liknande mönster på andra ställen i kodbasen. Motstånd när man strävar efter den mest uppenbara implementeringen istället för den bättre.

Viktigast av allt, återkopplingen kommer medan ingenjören fortfarande är inne i problemet, snarare än två dagar senare efter att kontexten har bleknat.

Det spelar roll eftersom övergången från junior till senior alltid har drivits till stor del av omdöme. Omdöme är mestadels mönsterigenkänning byggd genom upprepad exponering för misstag, avvägningar och gränsfall. Ju snabbare någon kan gå igenom dessa återkopplingsloopar genomtänkt, desto snabbare utvecklas omdömet.

Bandbreddsflaskan satt tidigare hos senioringenjörer. Nu sitter den alltmer hos lärandet.

Säkerhetsnätet förbättras

Det finns en annan förändring här som är lika viktig.

En junioringenjör som arbetar med starka AI-granskningsystem är avsevärt mindre benägen att skada ett produktionsystem oavsiktligt.

Många klassiska misstag flaggas nu omedelbart: hårdkodade autentiseringsuppgifter, sväljda undantag, osäkra frågor, säkerhetsproblem, uppenbara arkitekturproblem, dåligt omfattade beroenden. Dåliga pull-förfrågningar fångas alltmer innan de ens lämnar laptoppen.

Det förändrar golvet för juniorarbete.

Historiskt sett gick en betydande del av senioringenjörernas tid till att skydda organisationen från förhindrande misstag. AI-granskningslager absorberar alltmer en del av den bördan, vilket tillåter juniorer att operera mer oberoende tidigare än de kunde tidigare.

Det eliminerar inte behovet av mentorering eller tillsyn. Det förändrar var mentorering blir mest värdefull.

Klyftan vidgas

Den optimistiska versionen av denna framtid beror tungt på hur den enskilda ingenjören använder systemet.

Någon som behandlar AI främst som en genväg runt tänkande kommer förmodligen att generera mer kod medan de lär sig mycket lite. För tio år sedan skulle samma person ha kopierat lösningar från Stack Overflow utan att förstå dem. Mekanismen har förändrats. Det underliggande beteendet har inte.

AI löste aldrig intellektuell passivitet.

Det mer intressanta resultatet inträffar när ingenjörer aktivt engagerar sig i den återkoppling de får. Om någon läser granskningen noggrant, motsätter sig den, ställer följdfrågor, testar alternativ och ibland upptäcker att modellen själv var fel, bygger de omdöme mycket snabbare än tidigare generationer kunde.

Den kognitiva ansträngningen försvann inte. Den skiftade tidigare in i loopen och blev billigare att upprepa.

Det förmodligen vidgar klyftan mellan högt engagerade ingenjörer och oengagerade.

De flesta viktiga produktivitetsskiften fungerar på det sättet. Läsning vidgade klyftan mellan läskunniga och analfabeter. Internet vidgade klyftan mellan nyfikna människor och passiva. AI verkar troligt att fortsätta samma mönster.

Produktomdöme är viktigare

Den mer intressanta frågan är inte längre om junioringenjörer försvinner. Det är vad junioringenjörer alltmer bidrar med när implementeringen i sig blir enklare.

Svaret börjar se förvånansvärt likt ut som vad starka senioringenjörer redan bidrar med: kreativitet, produktinstinkt, smak, prioritering, omdöme och förmåga att identifiera vad som faktiskt bör existera från första början.

Ingenjörsroller flyttar alltmer mot produktorienterat tänkande eftersom implementeringsfriktionen fortsätter att kollapsa. Rörmokningsarbete är mindre viktigt än att förstå om systemet som byggs faktiskt löser rätt problem.

Systemdesign är fortfarande viktigt. Att namnge saker är fortfarande viktigt. Produktomdöme är fortfarande viktigt. Att förstå användare är fortfarande viktigt. På vissa sätt blir dessa färdigheter viktigare eftersom organisationer nu kan testa idéer mycket snabbare än tidigare.

En ingenjör som växer upp med AI från början kommer sannolikt att tänka mycket annorlunda än någon som tränades för femton år sedan.

De kommer att anta att iteration är billig. De kommer att prototypa flera tillvägagångssätt snabbt istället för att debattera en enda under dagar. De kommer att förvänta sig mycket tätare återkopplingsloopar mellan användare och implementering eftersom kostnaden för att prova saker fortsätter att sjunka.

Det skapar en annan typ av ingenjör, en som formas av mycket kortare cyklar mellan idé och genomförande.

Organisationer kommer att behöva ompröva anställning, utvärdering, mentorering och befordran enligt detta. Men mjukvaran har redan gått igenom liknande övergångar flera gånger: när webben anlände, när mobilen anlände, när molninfrastruktur ersatte lokala system.

Varje skifte förändrade vad bra ingenjörskap såg ut som utan att eliminera behovet av ingenjörer själva.

Operativa implikationer

För junioringenjörer är rådet inte särskilt glamoröst.

Välj riktiga projekt. Använd AI som en skugggranskare medan du arbetar. Läs återkopplingen noggrant. Gå emot den ibland. Ställ följdfrågor. Håll reda på mönstren bakom misstagen den fångar.

Det är en av de snabbaste vägarna till att utveckla omdöme, mycket snabbare än att vänta på att en upptagen senioringenjör slutligen ska ha tid för mentorering.

För chefer förändras flaskhalsen också.

Junior tillväxt använde att bero tungt på hur mycket tid senioringenjörer kunde avsätta för coaching. Alltmer blir den större hävstången att designa starka inlärningsmiljöer kring AI-användning: granskningsförväntningar, eskalationsregler, promptmönster, skyddsräcken och projektsval.

Organisationer som strukturerar dessa system väl kommer sannolikt att utveckla talang snabbare än tidigare generationer lyckades med.

Och för ledningsteam är det troligtvis klokt att sluta se junioringenjörer främst som utbytbar exekveringskapacitet. I många organisationer kan de bli en av de billigaste källorna till experiment, energi och kreativ iteration som finns tillgänglig.

En annan generation av ingenjörer

Min vän lärde sig tjeckiska snabbare eftersom han effektivt bar en personlig handledare i sin ficka. Min son lär sig fysik med en nivå av interaktiv återkoppling som jag aldrig hade tillgång till. Min brorson får nu nattliga kodgranskningar och marknadsundersökningar medan han sover.

Nästa generation av ingenjörer kommer att gå in i branschen med kontinuerlig coachning, omedelbara återkopplingsloopar och dramatiskt snabbare cyklar mellan ansträngning och återkoppling.

Det eliminerar inte junioringenjören. Det förändrar hur snabbt de utvecklas och vilka färdigheter som är viktigast längs vägen.

Versionen av rollen som många människor växte upp med försvinner förmodligen. Men ersättningen kan visa sig vara snabbare lärande, bättre coachad, mer experimentell och mer produktorienterad än den tidigare generationen någonsin hade möjlighet att bli.