为什么在 AI 时代，仅凭技术卓越的工程师不再能获得晋升

AI 已经导致我们工作方式和技术团队内部自动化的重大转变。在 Sombra 的工作中，我亲眼见证了这种转变不仅改变了团队的交付方式，还改变了职业成长中被重视的东西。很长一段时间里，技术领域的成长路径相当线性：你学习新技能，变得更好，成为解决难题的人，建立信誉和信任，然后一步步晋升。

但是，这个循环现在开始破裂。AI 正在接管很多任务，提高工作效率，降低成本。这并不意味着技术技能不再重要，而是那些需要判断、结果导向和决策的任务变得更加重要。

这是我从工程师到 Sombra 的联合创始人和 CTO 的旅程中亲身经历的转变。五年后，我已经成为团队依赖的专家。我是那种可以解决困难技术问题、承担复杂工作、在项目遇到困难时值得信赖的人。但是，有些东西缺失了，我感到停滞不前。

看起来我已经遇到了职业天花板，无法再进一步发展。我的技术技能已经达到巅峰，但是下一个成长阶段需要不同的事情——商业思维。我不能仅仅知道如何构建某些东西，还需要知道什么值得构建。

这种天花板正在整个行业中变得更加普遍。

市场变化的速度超过了许多工程师的想象

世界经济论坛 报告 表明，40% 的雇主预计会减少工作人员，因为 AI 可以自动执行任务，而 Anthropic 的软件开发研究表明，随着 AI 承担更多可重复的开发工作，更多的工程师可能会被推向更高层次的设计和决策。

当然，仍然有巨大的技术人才需求。不要误会，我并不是说技术技能不再重要，而是更广泛的趋势是，仅凭执行力不足以晋升。需要能够定义问题、在约束条件下优先考虑、将技术工作与商业价值联系起来的人才需求量很大。

这就是我必须做出的转变。我的最大升级不仅仅是技术上的，也是语境上的。

我没有抛弃工程师的身份，而是扩展了它，并重新定义了围绕它的问题。

我不再仅仅用“更多代码”、“更多复杂性”或“更难的技术所有权”来衡量我的职业成长，而是转向了架构、商业影响和决策质量。

五个转变改变了我的工作方式

这可能听起来很抽象，所以我将其分解为 5 个实用的转变，帮助我发展商业思维。

第一个转变是直接学习商业，而不是通过票据间接接收。

许多工程师从下游信号工作。我们接收到需求，但不是塑造这些需求的对话。我们看不到任务背后的权衡，也看不到这些任务存在的战略原因。

所以，我开始直接学习商业。我开始参加更多的销售和支持电话，认真倾听他们的对话，并更加关注利益相关者的讨论。随着时间的推移，我不再将我的工作视为一系列孤立的交付物。

我得到了一个认识：技术上优雅的解决方案如果太晚、太贵或解决了错误的问题，那么它就不是战略性的工作。它只是昂贵的正确性。

第二个转变是学习商业语言，而不是将其视为仅供高管使用的东西。

我开始学习那些许多工程师从未被明确教导的术语：ROI、延迟成本、机会成本、风险暴露、利润率和排序。这对于想要晋升到高级或 C 级职位的人来说是不可避免的。

这影响了技术判断，因为许多专家擅长解决问题，但他们无法根据商业目标优先考虑和评估问题。

对于我来说，学习这种语言改变了我如何沟通，更加重要的是，它改变了我如何判断解决方案。工作本身仍然是技术性的，但背后的逻辑变得更广泛。

这是 AI 时代的一个重要区别。AI 可以越来越多地帮助团队执行，但它仍然无法拥有决策权。这个层面属于人类。

另一个重要的思维转变是定义成功之前编写代码。

在开始实施之前，我会问自己一系列问题：

• 它对用户或商业来说会带来什么变化？
• 哪个指标应该移动？
• 如何知道它很重要？

这些问题在我开始编码之前真的帮助我澄清了很多事情。它们还让我避免了一个常见的失败：在对齐影响之前投入大量精力交付。

这就是为什么测量如此重要的原因。 DORA 的软件交付研究 已经证明了测量团队如何安全、快速、有效地交付软件的价值。但是在实践中，高绩效的技术领导者通常会更进一步：他们将交付指标与产品结果和商业结果联系起来。

换句话说，交付并不是终点。当然，我们根据交付来估计结果，但通常，定义成功的能力是将某人推向更广泛的领导地位。

第四个转变是在过度建设之前测试假设。

强大的工程师往往会过度建设，受到这样一种误解的指导：AI 使得建设变得更便宜，更多的工程自动意味着更好的质量。

高绩效的技术人员通常被训练成以强大的解决方案为思考方式，因为我们都想以正确的方式构建东西。这是一个很好的特质，但当你在验证假设之前就承诺了完整的解决方案时，它会变得很昂贵。所以，我的一个最实用的转变是，在建设之前强制暂停并定义我的假设。一旦假设明确且清晰，工作的形状就会发生变化。

目标不再是证明解决方案有多么复杂。目标是快速、廉价、清晰地学习，以决定什么值得更深入地投资。

最后一个帮助我的转变是编码之前写短的决策笔记。

这可能是最实用的习惯。不要误会，我不是要强迫另一个文档 —— 只是一个短小的、结构化的笔记来可视化你的思考：什么选项存在，什么风险很重要，什么影响是预期的，什么建议是合理的，什么时候需要对齐。

这不仅改善了沟通，还提前暴露了薄弱的推理，并帮助澄清了假设（见前面的转变）。此外，它创建了一个决定的记录，这在回顾结果时尤其有价值。这种小小的行动可以改变决策的框架、沟通和所有权。

在实践中，许多晋升是因为一个人可以为他人减少模糊性，而不是因为他们是房间里最技术出色的那个人。

为什么下一个层次是关于更好的决策

这是很多人在谈论 AI 和技术职业时犯的一个大错误。他们将故事框定为技术深度与领导力之间的选择，或者工程与管理之间的选择。

技术技能仍然很重要。在很多情况下，它们甚至更重要，因为人们需要足够的深度来判断 AI 系统在做什么，它们在哪里失败，以及什么应该或不应该被信任。但是，仅凭技术卓越已经不再能让你与众不同，因为更多的执行可以被工具加速。这正是我们在 Sombra 每天见证的：最快的职业成长发生在工程师将技术深度与商业思维结合起来的时候。

这并不意味着每个强大的工程师都应该成为经理。但是，它确实意味着向上的道路正在改变。下一个层次不再是证明某人可以自己完成最难的任务，而是证明他们可以帮助团队和商业做出更好的决策。

我没有因为缺乏智慧或纪律而遇到障碍。我遇到障碍是因为下一个层次需要更广泛的视野。一旦这种情况发生变化，我的范围也发生了变化。