ทำไมความเป็นเลิศทางเทคนิคเพียงอย่างเดียวไม่ได้ทำให้วิศวกรได้รับการเลื่อนตำแหน่งในยุค AI อีกต่อไป

AI ได้ก่อให้เกิดการเปลี่ยนแปลงครั้งใหญ่ในแบบที่เราทำงานและสิ่งที่ถูกทำให้自动ภายในทีมทางเทคนิค ในงานของฉันที่ Sombra ฉันได้เห็นการเปลี่ยนแปลงนี้เปลี่ยนแปลงไม่เพียงแต่ว่าทีมส่งมอบผลงานอย่างไร แต่ยังเปลี่ยนแปลงสิ่งที่ได้รับการตอบแทนในด้านการเติบโตในอาชีพอีกด้วย สำหรับเวลานาน มีเส้นทางการเติบโตในด้านเทคนิคที่ค่อนข้างเป็นเส้นตรง: คุณเรียนรู้ทักษะใหม่ๆ คุณดีขึ้นในด้านเทคนิค คุณกลายเป็นคนที่แก้ปัญหาที่ยาก ตั้งชื่อเสียงและความไว้วางใจ และจากนั้นคุณก็ได้รับการเลื่อนตำแหน่งตามเส้นทางอาชีพ

แต่цикルนี้กำลังเริ่มแตกหัก AI กำลังเข้ามาแทนที่งานหลายอย่าง ทำให้การทำงานเร็วขึ้นและลดต้นทุน สิ่งนี้ไม่ได้หมายความว่าทักษะทางเทคนิคไม่มีความสำคัญอีกต่อไป แต่มันทำให้งานที่ต้องการการตัดสินใจ การคิดถึงผลลัพธ์ และการคิดเชิงกลยุทธ์ มีความสำคัญมากขึ้น

นี่คือการเปลี่ยนแปลงที่ฉันสัมผัสได้โดยตรงในการเดินทางของฉันจากวิศวกรไปเป็นผู้ร่วมก่อตั้งและ CTO ที่ Sombra ห้าปีหลังจากที่ฉันเริ่มอาชีพวิศวกร ฉันได้กลายเป็นนักวิชาการที่ทีมอาศัยพึ่งพา ฉันเป็นคนที่สามารถแก้ปัญหาทางเทคนิคที่ยากได้ รับหน้าที่ในการทำงานที่ซับซ้อน และมีความไว้วางใจเมื่อโครงการกำลังเผชิญกับปัญหา แต่มีสิ่งหนึ่งที่ขาดไป และฉันรู้สึกว่าติดอยู่

ดูเหมือนว่าฉันถูกติดอยู่ที่เพดานอาชีพและไม่สามารถก้าวหน้าได้อีก ต้นทางเทคนิคของฉันถูกขยายให้ใหญ่สุด แต่ระยะการเติบโตต่อไปนี้ต้องการสิ่งที่แตกต่าง – การคิดเชิงธุรกิจ
ฉันไม่สามารถก้าวหน้าได้ด้วยการรู้วิธีการสร้างสิ่งใดสิ่งหนึ่ง ฉันต้องเรียนรู้ว่าสิ่งใดมีค่าในการสร้างในตอนแรก

เพดานดังกล่าวกำลังเป็นเรื่องที่พบได้ทั่วไปในอุตสาหกรรม

ตลาดกำลังเปลี่ยนแปลงเร็วกว่าที่วิศวกรหลายคนรู้

World Economic Forum รายงาน ว่า 40% ของนายจ้างคาดว่าจะลดจำนวนพนักงานที่ AI สามารถทำอัตโนมัติได้ ในขณะที่การวิจัยของ Anthropic ในด้านพัฒนาซอฟต์แวร์แนะนำว่าเมื่อ AI เข้ามาแทนที่งานพัฒนาที่ซ้ำกัน วิศวกรหลายคนอาจถูกผลักดันให้ไปสู่การออกแบบและการตัดสินใจในระดับสูง

แน่นอนว่ายังมีความต้องการทักษะทางเทคนิคอย่างมาก อย่าเข้าใจผิด ทักษะทางเทคนิคที่ยากยังคงเป็นแก่นกลางของอาชีพ แต่แนวโน้มที่กว้างขึ้นคือมีบทบาทที่น้อยลง जह่างการทำงานเพียงอย่างเดียวไม่เพียงพอในการก้าวหน้า มีความต้องการบุคคลที่สามารถตั้งปัญหา จัดลำดับความสำคัญภายใต้ข้อจำกัด และเชื่อมโยงงานทางเทคนิคกับคุณค่าทางธุรกิจ

นั่นคือการเปลี่ยนแปลงที่ฉันต้องทำ การอัพเกรดที่ยิ่งใหญ่ที่สุดของฉันไม่ใช่แค่ด้านเทคนิค แต่เป็นด้านบริบท

ฉันไม่ได้ทิ้งการเป็นวิศวกรไว้ข้างหลัง แต่ฉันขยายมันและตั้งคำถามใหม่เกี่ยวกับมัน
ฉันหยุดวัดการเติบโตในอาชีพของฉันในแง่ของ “โค้ดมากขึ้น” “ความซับซ้อนมากขึ้น” หรือ “การเป็นเจ้าของทางเทคนิคที่ยากขึ้น” และเปลี่ยนไปเป็นสถาปัตยกรรม ผลกระทบทางธุรกิจ และคุณภาพการตัดสินใจแทน

การเปลี่ยนแปลง 5 อย่างที่เปลี่ยนแปลงวิธีการทำงานของฉัน

สิ่งนี้อาจดูเป็นเรื่องนามธรรม ดังนั้นฉันจะแบ่งมันออกเป็น 5 การเปลี่ยนแปลงที่เป็นรูปธรรมที่ช่วยให้ฉันพัฒนามุมมองทางธุรกิจ

การเปลี่ยนแปลงแรกคือการเรียนรู้ธุรกิจโดยตรงแทนการรับข้อมูลทางอ้อมผ่านตั๋ว

วิศวกรหลายคนทำงานจากสัญญาณที่ไหลลงมา เราได้รับข้อกำหนด แต่ไม่ได้เห็นการสนทนาเบื้องหลังที่กำหนดข้อกำหนดเหล่านั้น เราไม่ได้เห็นการแลกเปลี่ยนที่อยู่เบื้องหลังงานของเรา หรือเหตุผลเชิงกลยุทธ์ที่งานเหล่านั้นมีอยู่

ดังนั้นฉันจึงเริ่มเรียนรู้ธุรกิจโดยตรง ฉันเริ่มเข้าร่วมการประชุมขายและการสนับสนุนมากขึ้น ฟังการสนทนาอย่างตั้งใจ และให้ความสนใจกับการสนทนาของผู้มีส่วนได้ส่วนเสียมากขึ้น เมื่อเวลาผ่านไป ฉันหยุดมองงานของฉันในฐานะชุดของงานที่แยกจากกัน

ฉันเข้าใจสิ่งนี้: วิธีแก้ปัญหาทางเทคนิคที่สวยงามซึ่งมาถึงสายเกินไป มีค่าใช้จ่ายมากเกินไป หรือแก้ปัญหาผิด คือไม่ใช่งานเชิงกลยุทธ์ มันแค่ความถูกต้องที่มีค่าใช้จ่ายสูง

การเปลี่ยนแปลงที่สองคือการเรียนรู้ภาษาธุรกิจโดยไม่ถือว่าเป็นสิ่งที่สงวนไว้สำหรับผู้บริหาร

ฉันเริ่มเรียนรู้คำศัพท์ทั้งหมดที่วิศวกรหลายคนไม่ได้รับการสอนอย่างชัดเจน: ROI, ต้นทุนการล่าช้า, ต้นทุนโอกาส, การเปิดเผยความเสี่ยง, อัตรากำไร, และการเรียงลำดับ สิ่งนี้เป็นเรื่องที่หลีกเลี่ยงไม่ได้หากคุณมุ่งเป้าไปที่ตำแหน่งระดับสูงหรือ C-level

สิ่งนี้ส่งผลต่อการตัดสินใจทางเทคนิค เนื่องจากผู้เชี่ยวชาญหลายคนมีความสามารถในการแก้ปัญหา แต่พวกเขาไม่สามารถจัดลำดับความสำคัญและประเมินปัญหาได้ตามเป้าหมายทางธุรกิจ

สำหรับฉัน การเรียนรู้ภาษานี้เปลี่ยนแปลงวิธีการสื่อสารและสำคัญยิ่งวิธีการตัดสินใจของฉัน งานเองยังคงเป็นทางเทคนิค แต่ตรรกะที่อยู่เบื้องหลังงานนั้นกลายเป็นกว้างขึ้น

นี่คือความแตกต่างที่สำคัญในยุค AI AI สามารถช่วยให้ทีมทำงานได้เร็วขึ้น แต่ยังคงไม่สามารถเป็นเจ้าของการตัดสินใจได้ ชั้นนั้นเป็นของมนุษย์

การเปลี่ยนแปลงอีกอย่างที่สำคัญคือการกำหนดความสำเร็จก่อนเขียนโค้ด

เมื่อเวลาผ่านไป ก่อนที่จะเริ่มการนำไปใช้ ฉันถามตัวเองซ้ำๆ:

• สิ่งใดที่มันเปลี่ยนแปลงสำหรับผู้ใช้หรือธุรกิจ?
• เมตริกใดที่ควรเปลี่ยนแปลง?
• วิธีใดที่จะรู้ว่ามันสำคัญ?

คำถามเหล่านี้ช่วยให้เรื่องราวชัดเจนก่อนที่ฉันจะเริ่มเขียนโค้ด นอกจากนี้ยังช่วยให้ฉันหลีกเลี่ยงความล้มเหลวที่พบบ่อย: การลงทุนอย่างมากในการส่งมอบก่อนที่จะสอดคล้องกับผลกระทบ

นี่คือเหตุผลที่การวัดมีความสำคัญมาก การวิจัยการนำซอฟต์แวร์ของ DORA ได้แสดงถึงคุณค่าของการวัดว่าทีมส่งมอบซอฟต์แวร์อย่างปลอดภัย เร็ว และมีประสิทธิภาพ แต่ในทางปฏิบัติ ผู้นำทางเทคนิคที่มีประสิทธิภาพสูงมักจะไปไกลกว่านั้น: พวกเขาช่วยเชื่อมโยงการนำซอฟต์แวร์เข้ากับผลลัพธ์ของผลิตภัณฑ์และธุรกิจ

ในอีกคำหนึ่ง การส่งมอบไม่ใช่เส้นชัย แน่นอนว่าเราคาดการณ์ผลลัพธ์ตามการส่งมอบ แต่มักจะเป็นความสามารถในการกำหนดความสำเร็จล่วงหน้าที่ทำให้บุคคลหนึ่งเข้าสู่ตำแหน่งผู้นำที่กว้างขึ้น

การเปลี่ยนแปลงที่สี่คือการทดสอบสมมติฐานก่อนที่จะสร้างสิ่งใด

วิศวกรที่มีความสามารถสูงมักจะสร้างสิ่งใดสิ่งหนึ่งที่ซับซ้อนโดยอาศัยความเข้าใจผิดที่ว่า AI ทำให้การสร้างสิ่งใดสิ่งหนึ่งราคาถูกขึ้น และการสร้างสิ่งใดสิ่งหนึ่งโดยอัตโนมัติจะทำให้คุณภาพดีขึ้น

ผู้นำทางเทคนิคที่มีประสิทธิภาพสูงมักจะถูกฝึกให้คิดในแง่ของวิธีแก้ปัญหาที่แข็งแกร่ง เนื่องจากเราทุกคนต้องการสร้างสิ่งใดสิ่งหนึ่งโดยวิธีที่เหมาะสม สิ่งนี้เป็นลักษณะที่ดีในการพัฒนาสิ่งใดสิ่งหนึ่ง แต่มันกลายเป็นเรื่องที่มีค่าใช้จ่ายสูงเมื่อคุณมุ่งมั่นที่จะสร้างสิ่งใดสิ่งหนึ่งโดยไม่ได้ตรวจสอบสมมติฐานก่อน
ดังนั้นการเปลี่ยนแปลงที่เป็นรูปธรรมที่สุดของฉันคือการบังคับให้หยุดก่อนที่จะสร้างสิ่งใดสิ่งหนึ่งและกำหนดสมมติฐานของฉัน เมื่อสมมติฐานนั้นชัดเจนและชัดเจน งานจะเปลี่ยนรูป

เป้าหมายไม่ใช่การแสดงให้เห็นว่าวิธีแก้ปัญหานั้นซับซ้อนแค่ไหนอีกต่อไป เป้าหมายคือการเรียนรู้อย่างรวดเร็ว ราคาไม่แพง และชัดเจนเพียงพอที่จะตัดสินใจว่าสิ่งใดที่ควรได้รับการลงทุนลึกๆ

การเปลี่ยนแปลงสุดท้ายที่ช่วยฉันจริงๆ คือการเขียนบันทึกการตัดสินใจสั้นๆ ก่อนเขียนโค้ด

สิ่งนี้อาจเป็นนิสัยที่เป็นรูปธรรมที่สุด และไม่ต้องเข้าใจผิดว่าฉันพยายามบังคับให้เขียนเอกสารอื่น – เพียงบันทึกสั้นๆ และมีโครงสร้างเพื่อแสดงให้เห็นถึงการคิด: ตัวเลือกใดที่มีอยู่ อะไรที่มีความเสี่ยง อะไรที่คาดหวังผลกระทบ อะไรที่เป็นคำแนะนำที่สมเหตุสมผล และที่ไหนที่ยังต้องการความสอดคล้องกัน

สิ่งนี้ไม่เพียงแต่ปรับปรุงการสื่อสารเท่านั้น แต่ยังเปิดเผยการให้เหตุผลที่อ่อนแอในตอนต้นและช่วยให้สมมติฐานชัดเจน (ดูการเปลี่ยนแปลงก่อนหน้า) นอกจากนี้ยังสร้างบันทึกว่าเหตุใดการตัดสินใจจึงถูกตัดสิน ซึ่งจะกลายเป็นมีค่าเมื่อคุณตรวจสอบผลลัพธ์ การกระทำนี้เล็กๆ นี้สามารถเปลี่ยนแปลงวิธีการตัดสินใจ วิธีการสื่อสาร และวิธีการเป็นเจ้าของการตัดสินใจ

ทำไมระดับต่อไปคือการตัดสินใจที่ดีกว่า

สิ่งนี้คือความผิดพลาดที่ใหญ่ที่สุดหลายคนทำเมื่อพวกเขาพูดถึง AI และอาชีพทางเทคนิค พวกเขากำหนดเรื่องราวว่าเป็นทางเลือกระหว่างความลึกทางเทคนิคและความเป็นผู้นำ หรือระหว่างวิศวกรรมและการจัดการ

ทักษะทางเทคนิคยังคงมีความสำคัญ ในหลายกรณี มันสำคัญมากเพราะผู้คนต้องการความลึกเพียงพอที่จะประเมินว่าระบบ AI กำลังทำอะไร ล้มเหลวที่ไหน และอะไรที่ควรหรือไม่ควรได้รับการไว้วางใจ แต่ความเป็นเลิศทางเทคนิคเพียงอย่างเดียวไม่ได้แตกต่างเมื่อการทำงานที่เร็วขึ้นสามารถเร่งได้ด้วยเครื่องมือ สิ่งนี้คือสิ่งที่เราเห็นทุกวันที่ Sombra: การเติบโตในอาชีพที่เร็วที่สุดเกิดขึ้นเมื่อวิศวกรจับคู่ความลึกทางเทคนิคกับการคิดเชิงธุรกิจ

สิ่งนี้ไม่ได้หมายความว่าวิศวกรที่มีความสามารถทุกคนควรกลายเป็นผู้จัดการ แต่มันหมายความว่าเส้นทางการก้าวหน้ากำลังเปลี่ยนแปลง เส้นทางต่อไปนี้ไม่ได้เกี่ยวกับการพิสูจน์ว่าใครสามารถทำงานที่ยากที่สุดได้ แต่เกี่ยวกับการพิสูจน์ว่าใครสามารถช่วยทีมและธุรกิจตัดสินใจได้ดีขึ้น

ฉันไม่ได้ถูกติดอยู่เพราะขาดความฉลาดหรือความมุ่งมั่น ฉันถูกติดอยู่เพราะระดับต่อไปต้องการมุมมองที่กว้างขึ้น เมื่อมันเปลี่ยน มุมมองของฉันก็เปลี่ยนไปด้วย