شغل بعدی شما هنوز عنوان نشده است: پرسش و پاسخ مهارت های نقش نوظهور با کوری هایمل آندلا

There’s been plenty of chatter about AI’s effect on jobs. Will everyone get laid off to train AI? Will every developer become a super generalist? Are there new roles rising from the ashes? But Corey Hymel, head of research at Andela, wanted numbers behind that chatter. He and his team looked at nearly 50,000 job postings برای یافتن مهارت ها و نقش هایی که قبل از اینکه صنعت به درستی به آنها عناوین بدهد، ظاهر می شوند. من با او صحبت کردم تا بفهمم این تحقیق در مورد مجموعه مهارت های توسعه دهنده جدید که نقش های دائمی را تضمین می کند، چه می گوید.

———————————————–

س: شما این تحقیق را در مورد چگونگی تغییر و تغییر مهارت ها در مشاغل انجام دادید. آیا می توانید این را در پروژه معرفی کنید؟

الف: در Andela، رویکرد و روش کلی ما برای بازاریابی این است که عناوین شغلی و رزومه بهترین و بدترین چیزی است که در حال حاضر در جهان داریم. ما در درک مهارت های بسیار ظریف کاری که مردم می توانند انجام دهند وسواس داریم.

این پیش نیاز شماره یک است. فرض شماره دو این بود که ما زیاد می شنویم “اوه، هوش مصنوعی در حال تغییر شغل است. اوه، هوش مصنوعی قرار است از شر مشاغل خلاص شود” یا “هوش مصنوعی مشاغل جدید ایجاد می کند.” اما همه اینها بسیار حکایتی است و چندان مبتنی بر داده نیست. ما به آن نگاه کردیم و گفتیم: “آیا راهی وجود دارد که بتوانیم در واقع وارد شویم و اعداد و ارقام و کمی سختگیری بگذاریم تا واقعا بفهمیم پشت صحنه با این همه شغل چه می گذرد؟” ما یک طبقه‌بندی داخلی و هستی‌شناسی مهارت‌هایی داریم که از آن‌ها استفاده می‌کنیم که زیربنای همه این‌ها است و اساس تحقیق و ساختار داده‌هایی است که وارد می‌شوند.

اما برای ما واقعاً مهم است زیرا طرف بزرگ دیگر کسب و کار ما حول محور یادگیری و ارتقاء مهارت است. بنابراین چگونه می توانیم به مشتریان خود اطلاعاتی در مورد اینکه صنعت به کجا می رود ارائه دهیم. در اینجا مهارت هایی وجود دارد که مردم باید بیاموزند و می بینیم که روز به روز رایج تر می شوند. اینها نقش ها هستند. برخی از آنها ممکن است بین دو قرار بگیرند.

در حالی که ممکن است بگویید، “مهندسان پیشرو باید این را یاد بگیرند”، احتمالاً باید مدیران محصول را نیز درگیر کنید. من فکر می‌کنم شغل‌ها همیشه از کار عقب مانده‌اند، اما به خصوص الان بدتر و بدتر شده است.

س: بنابراین لزوماً در مورد تغییر شغل نیست، بلکه در مورد مهارت های جدیدی است که در مشاغل موجود و نقش های میان رده در حال ظهور هستند. من فکر می کنم شما در مورد DevSecOps به عنوان نمونه ای از نقش خونریزی صحبت می کردید.

الف: درست است آنچه من اغلب در اخبار می بینم این روایت فراگیر است که هوش مصنوعی قرار است همه را عمومی کند و فقط آن مشاغل را به مشاغل خاکستری تبدیل می کند که در آن مهارت ها می توانند در هر جایی تخلیه شوند.

و آنچه که داده ها نشان می دهد این است که درست نیست. بسته‌های مهارتی زیادی وجود دارد که یا به‌عنوان این نقش‌های خالص جدید شکل می‌گیرند که هنوز کسی در مورد آنها صحبت نکرده است، یا مهارت‌های اصلی در نقش‌های تاریخی شروع به تغییر کرده‌اند.

در سمت بازار کار یا در سمت استخدام، آنقدر سریع اتفاق می افتد که مردم نمی توانند ادامه دهند. یا دو کسب‌وکار واقعاً نمی‌دانند افراد باید چه مهارت‌هایی را بیاموزند، بنابراین فقط عنوان مهندس هوش مصنوعی عمومی را کنار می‌گذارند. مثل این است که یعنی چه؟ 100 طعم مختلف از آنچه می تواند باشد وجود دارد. اما برای آنها ساده تر است که بگویند، “اوه، ما به کسی نیاز داریم که هوش مصنوعی انجام دهد.”

س: در re:Invent last year، مدیر ارشد فناوری آمازون، ورنر فوگلز، در مورد توسعه‌دهنده T شکل صحبت می‌کند، جایی که شما تمرکز عمیقی دارید، اما درک گسترده‌ای دارید. آیا داده های شما این را منعکس می کند؟ یا تمرکز خاصی از این مجموعه مهارت ها را می بینید؟

الف: چند بار این سوال برای من پیش آمده و ظاهرا آنقدر که باید آن را پیگیری نکرده ام. چون شما شکل T دارید و شکل I دارید و من فکر می کنم یک شکل ستاره وجود دارد. من در مورد چند سوال مختلف سوال داشتم، اما با توجه به آنچه که می بینیم، فکر می کنم به احتمال زیاد شکل T به طور کلی از الگوی داده ها پیروی می کند. اما من هنوز پاسخ قطعی برای آن ندارم.

س: این چیزی است که من می خواهم بدانم زیرا، به طور حکایتی، من می شنوم که بسیاری از مردم در مورد این گسترش که یک توسعه دهنده کامل است که طراحی محصول را تا SRE پوشش می دهد صحبت می کنند. من تعجب می کنم که آیا مردم واقعاً برای این کار استخدام می کنند یا این فقط چیزی است که در سازمان ها اتفاق می افتد.

الف: نمی‌دانم ما در داده‌ها این ایده کلی‌گرای شبکه را ندیدیم. اما چیزی که می‌بینیم این است که اگر به جریان معمول چرخه عمر توسعه نرم‌افزار نگاه کنید، اگر نقش‌ها را به شکل خطی مدیر محصول و سپس مهندس frontend، مهندس باطن، DevOps و سپس QA قرار دهید، خونریزی بین این نقش‌ها جایی است که ما شروع به دیدن رایج‌ترین ترکیب مهارت‌ها می‌کنیم.

به عنوان مثال: مهندس جلوی محصول. این می تواند مانند یک مهندس F شکل باشد. این بدان معناست که آنها به نوعی به یک طرف متمایل شده اند—ممکن است تجربه مهندسی پیشرفته داشته باشند، اما اکنون از آنها خواسته می شود تا در نقش محصول قدم بگذارند تا با مشتریان صحبت کنند تا بازخورد دریافت کنند، کارهای عقب مانده را اولویت بندی کنند و غیره.

ما همان چیزی را در قسمت پشتی و در سمت DevOps مهندسین بک‌اند می‌بینیم، که اکنون باید درباره استقرار این مدل‌ها در تولید بدانند و به مقیاس‌پذیری و چیزهای دیگر فکر کنند – که F راه دیگری را پیش می‌برد.

برای این کار باید کمی بیشتر در مورد شکل هایم فکر کنم.

س:با این حال، این شکل جالب است. شکل F – با هوش مصنوعی، حالا که می‌توانید نزدیک‌ترین چیزها را به خود لمس کنید، می‌توانید منشعب شوید، درست است؟ مهندسان Backend می توانند شروع به سر و کله زدن با پایگاه داده و مواردی از این دست کنند.

الف: حتی تا حدی به عنوان ادغام در prod، حتی در سمت جلو نیز هست.

س:مجموعه مهارت هایی که در تحقیق دیدید کدامند؟

الف: یکی از مواردی که مشتریان ما اغلب آن را توصیف می‌کنند، اما هرگز به آن برچسب نمی‌زنند، این ایده مهندس LLM Applications بود. این فردی است که در ساخت محصولات در بالای بهترین LLM ها، چه API های OpenAI، مدل های وزن باز یا کد کلود، بسیار با تجربه است. آن‌ها می‌دانند چگونه از API استفاده کنند، اما می‌توانند یک قدم فراتر از آن بروند، به این معنی که می‌دانند چگونه بسته‌ها را بسازند.

آنها چیزهایی مانند تخمین ها را می دانند و با آنها آشنا هستند، که وقتی با مشتریان صحبت می کنیم، آنها را فقط یک مهندس باطن تصور می کنند. این یک مجموعه مهارت بسیار خاص است. مهندس بک‌اند کلاسیک شما لزوماً در مورد مهارهای ارزیابی نماینده ساختمان یا مدیریت و نرده‌های محافظ نمی‌داند. این یکی فوق العاده جالب بود و همچنین معلوم شد که در داده ها بسیار رایج است.

یکی دیگر از مواردی که اکنون چند بار شنیده ام این است که سال 2026 و 2027 سال مدیر مالی خواهد بود. نحوه برخورد با مصرف اکنون شما محصولات جدیدی دارید که در این الگوهای مصرف قرار دارند که محصولات را طی می کنند. نه تنها این، بلکه توسعه دهندگان شما این هزینه های جدید OpEx را جذب می کنند. یک مهندس قابلیت اطمینان FinOps، کسی که قادر است به توسعه پروژه و فاکتورسازی هزینه فکر کند – نه فقط مصرف معمولی کاربر نهایی مانند مصرف ابری – بلکه ابزارهای توسعه دهنده. هنگامی که ما در حال ساخت SDLC مبتنی بر هوش مصنوعی خود هستیم، مردم در مورد راه‌های مسئولیت‌پذیر مالی برای انجام این کار صحبت می‌کنند. ما در مورد چگونگی بهینه‌سازی توکن‌های مصرف‌شده و نحوه کاهش هزینه‌های توکن‌هایمان چیزهای زیادی می‌شنویم. یک نقش مهندسی که برای درک هزینه بسیار مشتاق است، مثلاً در آن موارد، از مدل‌های ارزان‌تر یا سریع‌تر با فرآیندهای ساده‌تر استفاده می‌کنیم یا آنها را طوری طراحی می‌کنیم که ممکن است به یک Fable یا چیز دیگری نیاز داشته باشید، زیرا بسیار پیچیده است.

آخرین نفر این مهندس اسناد به عنوان کد بود.

ما در مورد توسعه مبتنی بر مشخصات زیاد می شنویم. این به عنوان چیزی است که باید مستقیماً بر عهده توسعه دهندگان گذاشته شود، در حالی که در واقعیت این نقش جدید وجود دارد که در آن افرادی که نوشتن فنی کلاسیک یا مستندات کلاسیک را انجام داده اند برخی از بهترین مهندسان مشخصات گرا هستند. آنها کسانی هستند که زمینه را بهتر از توسعه دهندگان می سازند تا با این مدل های جدید درگیر شوند و همچنین زمینه را برای توسعه بلندمدت عاملی این پایگاه های کد بزرگتر فراهم می کنند.

س: مهندس نرم افزار هوش مصنوعی جالب است – من از مردم زیاد می شنوم که همه باید کارخانه نرم افزاری خود را بسازند. به نظر می رسد این همان کاری است که از شما به عنوان یک مهندس مستقل انتظار می رود بدون توجه به هر اتفاقی انجام دهید، زیرا همه از طریق یک نماینده می روند، هرکس ارزیابی های کد خود را انجام می دهد. جالب است بدانید که این مهارت ها در داده ها تخصص دارند.

الف: فکر می کنم این بینش بزرگی است که با همه اینها فکر می کنم. این روایت و وضعیت موجود یکی را به چالش می‌کشد، همه فقط یک توسعه‌دهنده تمام پشته پیشرفته خواهند بود، یا دو، همه فقط کلی‌گرا هستند، و شما فقط می‌توانید همه کارها را اکنون انجام دهید. در واقع، ما شاهد روندهای آماری معنی‌داری از خوشه‌بندی مهارت‌های خاص در داده‌های اشتغال و اشتغال هستیم.

س: آیا چیزی در مورد عناوین شغلی متوجه شدید؟ آیا عناوین شغلی برای این مجموعه مهارت ها اهمیت دارد؟

الف: من فکر می کنم عناوین شغلی مهم هستند، به خصوص در این زمینه، زیرا آنها راهی را به کسب و کارها می دهند تا کارهایی را که باید انجام شوند، بهتر توصیف کنند. وقتی به یک شرکت و نحوه ایجاد شغل نگاه می کنید، به ویژه وقتی که به عنوان شغل می رسد، نزدیک ترین فرد به شغل را دارید. خیلی وقت ها ممکن است آنها فردی از تیم باشند.

اما لایه‌هایی در بالا وجود دارد، درست است؟ این باید به سمت منابع انسانی، سپس امور مالی، سپس تدارکات و سپس در نهایت یک استخدام کننده برود. شما آن زنجیره حضانت را به دست می آورید، و با پایین آمدن آن زنجیره حضانت، کار مبهم تر می شود، نه فقط در شرح، بلکه در درک اینکه نقش باید چه باشد. آنچه من دیده ام این است که بازگشت به یک نقش کلی آسان تر می شود.

امیدوارم با این عناوین شغلی خاص تر، از نزدیک ترین فرد به شغل گرفته تا استخدام کننده برتر، بتوانند دقیقاً آنچه را که باید انجام شود، توصیف کنند. عنوان بهتر برای این واقعا مهم است. از آنجا که ابتدا به شرکت استخدام کننده اجازه می دهد دقیق تر باشد، زمان آنها را کاهش می دهد، آنها کاندیداهای بهتری پیدا می کنند. این آنها را در موقعیت بهتری برای موفقیت قرار می دهد.

در سمت نامزد، تصور کنید که من در 20 سال گذشته یک مهندس بک‌اند بوده‌ام و اکنون نقش مهندسی بک‌اند را می‌بینم. من فقط درخواست را می زنم زیرا فقط باید شغلی پیدا کنم، درست است؟ شانس اینکه من در موقعیتی قرار بگیرم که در آن موفق نباشم، نسبتاً زیاد است، زیرا مهارت‌های اساسی، الزامات و درک می‌تواند به طور قابل توجهی متفاوت باشد.

من فکر می کنم در این مورد مهم است که این عناوین جدید ظاهر شوند.

س: در پست تحقیق، شما در مورد بدهی استعدادها صحبت کردید. بدهی استعداد چیست؟

الف: بدهی استعداد مانند بدهی فنی انباشته می شود. اما تفاوت با بدهی استعدادها این است که نیمه عمر مهارت ها به طور قابل توجهی کاهش می یابد. در آن زمان، می‌توانستید برید و به عنوان مهندس جاوا شغلی پیدا کنید و 20 سال برنامه‌نویسی جاوا کار کنید و خوب باشید. اما اکنون می‌بینیم که سرعت تغییرات آنقدر سریع پیش می‌رود که نیمه‌عمر مربوط به مدت زمانی که این مهارت‌ها مرتبط باقی می‌مانند به میزان قابل توجهی کاهش می‌یابد.

چیزی که به دست می آورید این فشرده سازی مهارت ها است که سپس به یک بدهی به استعدادها تبدیل می شود. بسیاری از شرکت‌ها اکنون در حال گذراندن آن هستند، جایی که ناگهان این مسابقه هوش مصنوعی، به آنچه روی نیمکت دارند نگاه می‌کنند و می‌گویند: “اوه خدای من، ما حتی نزدیک به آنچه باید اینجا انجام دهیم، نداریم.”

سپس آنها دو گزینه دارند. یکی این است که یا سعی کنید آنچه را که در حال حاضر دارید دوباره آموزش دهید. مزایا این است که می توانید دانش دامنه قوی افراد تیم خود را حفظ کنید، دانش قوی سیستم را درک کنید و سرمایه گذاری روی افرادتان خوب است.

طرف دیگر این است که سعی کنید او را استخدام کنید. این سریعتر است، اما شما دانش این رشته را ندارید، زمان دارید تا به سرعت بالا بروید، و در معرض خطر قرار دادن الاغ اشتباه در صندلی اشتباه هستید. همه اینها در مفهوم بدهی استعداد، که بسیار شبیه به بدهی فنی است، ترکیب می شود.

س: توسعه دهندگان باید همیشه در حین کار به یادگیری ادامه دهند، درست است؟ حتی اگر 20 سال مهندس جاوا بوده باشید، فریمورک های جدید را یاد می گیرید، ویژگی های جدید ظاهر می شود، کتابخانه های جدید. آیا این شتاب چیز دیگری است که در آن شما فقط چیزهای جدیدی در مورد جاوا نمی آموزید، بلکه هر شش ماه یکبار چیزهای کاملاً جدیدی یاد می گیرید؟

الف: من فکر می کنم اینطور است. گرفتن یک قاب جدید یک چیز است، درست است؟ انتخاب یک زبان برنامه نویسی جدید یک چیز است. من فکر می کنم بسیاری از توسعه دهندگان با آن خوب هستند. تفاوت بزرگ در حال حاضر این است که این یک تغییر اساسی در اساس نحوه کار شما است.

این انتقال بزرگ و سخت است. تغییر از برنامه نویسی رویه ای به برنامه نویسی شی گرا باعث می شود واقعاً به طور ساختاری در مورد نحوه ساخت این چیزها فکر کنید، چه راه هایی برای بهینه سازی و توسعه سریعتر وجود دارد. برای بسیاری از مردم، این یک تغییر شدید است. اگر تا به حال سعی کرده اید بین این دو جابجا شوید، C یا کاری رویه ای در یک چارچوب شی گرا انجام دهید، از نظر مفهومی به چیزها بسیار متفاوت فکر می کنید.

این تفکر از نظر مفهومی متفاوت است، اما در مقیاسی بسیار بزرگتر از نحوه عملکرد شما به عنوان یک شخص. برای یک مهندس، فراتر رفتن و یادگیری مجدد نحو یا زبان، چارچوب ها یا متدولوژی ها است، اما در یک بازنگری ساختاری در مورد چگونگی به کار انداختن همه این ابزارهای جدید. چگونه می توانم واقعاً از کد عقب نشینی کنم و چگونه در ذهن خود درست کنم که مسئولیت پذیری چیست و آن را به یک کارگر دانش مصنوعی مجازی بدهم.

مهندسانی که می توانند بین آنها حرکت کنند، کسانی هستند که مزیت قابل توجهی دارند. من یک مهندس از شبکه ما دارم که با من کار می کند و برخی از به روز رسانی ها را برای یکی از سیستم عامل های ما انجام می دهد. او به من یک نقل قول زمانی داد چون داشت چند نمودار اضافه می کرد و من گفتم: “فقط باید یک نمودار اضافه کنیم. برو به کلود کد بده. این باید یک ساعت باشد.”

او چهار روز به آن نگاه می کرد، بنابراین از او پرسیدم: “چرا اینقدر طول می کشد؟ آیا از ابزارهای کدنویسی استفاده می کنید؟” او از Claude Code برای فهمیدن آن استفاده کرد، اما هنوز هم تقریباً همه چیز را با دست رمزگذاری می کرد. او توسعه عامل را تمرین نمی کند، بیشتر به این دلیل که در قبال کدی که ارسال می کند احساس مسئولیت می کند. “اگر چیزی که ارسال می کنم اشتباه باشد، به عهده من است.”

من یک توسعه دهنده دیگر دارم که آن را به کلود می دهد. اگه جواب داد اگه تست واحد و قبولی و تست دود رو داد پس به پرود بفرست. چه کسی اهمیت می دهد.

دیدن این پویایی‌های متفاوت جالب است، اما مورد اصلی دیگر این است که توسعه‌دهنده‌ای که در استفاده از آن بسیار مردد بود، مدتی است که از ابزارها استفاده می‌کند، اما بودجه رمزی بسیار کمی دارد. من فکر می‌کنم بین آن‌هایی که می‌توانند، توسعه‌دهندگانی که می‌توانند لایک کنند، کاملاً از این دنیای جدید استقبال می‌کنند و بودجه لازم برای سوزاندن تراشه‌ها برای به دست آوردن راحتی آن را دارند، در مقابل گروه بزرگی از مردم که این کار را نمی‌کنند، تفاوتی وجود دارد. این ممکن است یکی دیگر از حوزه های تحقیق باشد.

س: شما در مورد افزایش مقیاس و راحت شدن با ابزارها صحبت می کنید، اما من چیزهای زیادی درباره هوش مصنوعی که بر مهارت های توسعه دهندگان تأثیر می گذارد، مهارت زدایی، تنبل شدن با بار شناختی، افراد کمتر در مورد کد می دانند، شنیده ام. همانطور که در مورد کد در حالت YOLO گفتید – اگر کار می کند، چه کسی اهمیت می دهد که چگونه کار می کند؟ آیا فکر می‌کنید هوش مصنوعی مقیاس‌گذاری مجدد و مقیاس‌گذاری را سخت‌تر یا آسان‌تر می‌کند؟

الف: من معتقدم که پاسخ های مختلفی برای آن وجود دارد. با داشتن درجه ای از هوش مصنوعی، سطح مهارت بسیار آسان تر می شود، درست است؟ شما یک معلم شخصی دارید. او می تواند چیزهایی را برای شما توضیح دهد. من مهندسان خوبی را دیده‌ام که از کلود می‌خواهند آنها را در مورد کد سؤال کند تا به درک خوبی برسند.

آیا کاهش مهارت وجود خواهد داشت؟ مطمئنا من فکر می کنم این یکی از پیش نیازهای هر فناوری جدیدی است که ظهور می کند. گارتنر این مهارت را داشت که در آن شما مهارت های اصلی خود را دارید که شما را همان چیزی که هستید می سازد. شما مهارت هایی دارید که مختص دامنه خود هستند که معمولاً قابل تعویض نیستند. سپس شما این مهارت پیاز متوسط ​​را دارید، که این مهارت ها می توانند آتروفی شوند. برای یک برنامه نویس، این می تواند چیزهایی مانند درک نحو باشد. برای نوشتن برنامه Go دیگر لازم نیست Go را بلد باشم. آیا رها کردنش اشکالی ندارد؟ در آنجا مهارتی وجود دارد، شاید تنظیمات کلی معماری که هنوز تست sniff را آغاز می کند، درست به نظر نمی رسد.

مهندسانی که مدتی در اطراف بوده اند و با رها کردن برخی از آن مهارت ها و انتخاب این مهارت های جدید مشکلی ندارند، در موقعیت بسیار خوبی برای شتاب دادن به جلو خواهند بود. افرادی که در مورد آنها نگران هستم افرادی هستند که اکنون وارد بازار می شوند و زمانی برای ایجاد آن تست بو دادن ذاتی برای زمانی که همه چیز اشتباه می شود و فقط کورکورانه چیزهای YOLO را نداشته اند. ارتقاء مهارت و مهارت مجدد و آتروفی یا کاهش مهارت ها در پنج، ده سال آینده که این شکاف ایجاد شود مشکل ساز خواهد بود.

یا شاید چه کسی اهمیت می دهد؟ ما در مدرسه اجازه نداشتیم از ماشین حساب استفاده کنیم. حالا همه ماشین حساب دارند و ما خوب شدیم.

س: هیچ کس دیگر در اسمبلی کد نمی نویسد، درست است؟ مهم نیست

الف: دقیقا همینطور

س: برای افرادی که کمی نگران آینده شغل و مهارت های خود هستند، آیا این داده ها این ترس ها را تایید می کند؟

الف: من فکر می کنم تبلیغات زیادی در مورد هوش مصنوعی وجود دارد که همه کلیات را انجام می دهد. تبلیغات هوش مصنوعی زیادی در مورد تغییر شغل هوش مصنوعی وجود دارد. اما آنچه ما دریافتیم این است که مجموعه مهارت های خاص جدیدی در حال ظهور هستند که بسیار مهم می شوند. مردم باید بفهمند که کجا مناسب هستند. ما ابزار دیگری داریم که می توانید نقش فعلی خود را قرار دهید و می توانیم نقش جدیدی را که تبدیل می شود به شما نشان دهیم.

درک اینکه روندها به کجا می روند و به عنوان یک مهندس، کجا می توانید تلاش های خود را برای آماده سازی شروع کنید، واقعا برای همه مفید خواهد بود.