در دنیای امروز، جمله‌ای مانند «این در حوزه تخصص من نیست» (Not my cup of tea) به یکی از هزینه‌برترین اشتباهات در سازمان‌های مهندسی تبدیل شده است. زمانی که یک مهندس پایتون پاسخ به سوالات مربوط به مقیاس‌پذیری (Autoscaling) را به تیم DevOps واگذار می‌کند، در واقع سقف توانمندی‌های خود را محدود کرده و از پذیرش مسئولیت جامع پروژه شانه می‌کشد.
تغییر پارادایم: از کدنویسی به قضاوت فنی
با ظهور ابزارهای هوش مصنوعی، بخش بزرگی از کارهای مهندسی سطح متوسط (Mid-level) که در سال ۲۰۱۹ انجام می‌شد، اکنون به یک Prompt ساده و یک بازبینی (Review) تبدیل شده است. طبق گزارش‌های اخیر، درصد قابل توجهی از کدهای نوشته شده اکنون توسط AI تولید یا بهینه‌سازی می‌شوند. این موضوع باعث شده است که «تایپ کردن کد» ارزان شود، اما «قضاوت فنی» (Judgment) گران‌تر شود.
در واقع، AI می‌تواند گزینه‌های مختلفی را ارائه دهد، اما تصمیم‌گیری در مورد اینکه چه چیزی باید ساخته شود، چه چیزی باید حذف شود و بودجه روی کدام مسئله هزینه شود، نیازمند انسانی است که دید جامع (Holistic View) به کل سیستم داشته باشد؛ دقیماً همان کسی که در سیلوهای سازمانی (Silos) رشد نکرده است.
زوال مهارت‌های ارتباطی در محیط‌های Hybrid
ترکیبی از دورکاری (Hybrid Work) و ابزارهایی مانند Slack باعث شده است که تعاملات انسانی به حداقل برسد. بسیاری از مهندسان اکنون تعامل با مشتری یا همکاران را یک «مزاحمت» (Interruption) می‌بینند. این روند باعث تحلیل رفتن «عضله ارتباطات» شده است. وقتی یک مهندس ارشد دیگر نمی‌تواند در یک جلسه طراحی (Design Review) مدیریت اتاق را بر عهده بگیرد، مشکل از نبود تخصص فنی نیست، بلکه نتیجه سال‌ها دوری از تعاملات انسانی است.
راهکارهای استراتژیک برای مدیران SOC و CTOها
- تغییر در فرآیند مصاحبه: علاوه بر تست‌های الگوریتمی، دوره‌ای را اضافه کنید که کاندیدا مجبور باشد سیستم خود را برای فردی غیرفنی توضیح دهد و با سوالات ساده و غیرمنتظره روبرو شود.
- سازماندهی بر اساس مسئله، نه ابزار: تیم‌ها را به جای ابزار (مثلاً تیم پایتون یا تیم کوبرنتیز)، بر اساس مسئله (Problem-based) سازماندهی کنید تا از ایجاد مرزهای مصنوعی بین تیم‌ها جلوگیری شود.
- ترویج فرهنگ مالکیت (Ownership): مهندسان باید بتوانند بدون اشاره به Stack فنی، Trade-offهای یک تصمیم را برای مدیران فروش یا مشتریان توضیح دهند.
در نهایت، AI می‌تواند همه چیز را سرعت ببخشد جز «تجربه». نشستن کنار مشتریانی که از محصول شما ناراضند و حل مشکل آن‌ها، نیازمند تکرار و تمرین انسانی است و هیچ مدل زبانی نمی‌تواند جایگزین مهندسی شود که واقعاً برای حل مشکل کاربر دغدغه دارد.
