- Kent Beck erklärt, dass die Einstellung von Junior-Entwicklern zwar weiterhin wie ein Kostenfaktor wirkt, sich im AI-Umfeld aber eher zu einer Option mit höherem Investitionswert entwickelt hat
- AI-Tools erhöhen nicht sofort die Produktivität von Juniors, sondern dienen vielmehr dazu, die Lerngeschwindigkeit drastisch zu komprimieren
- Der entscheidende Wendepunkt ist ein Ansatz, bei dem Juniors nicht für Output, sondern fürs Lernen gemanagt werden
- Je schneller das Lerntempo steigt, desto kürzer wird die Risikophase der „Valley of Regret“
- Dadurch schaffen es mehr Juniors, sich zu behaupten, und sogar die Wachstumsgeschwindigkeit der gesamten Organisation beschleunigt sich
The Valley of Regret
- Ein Junior-Entwickler ist eher eine Wette, bei der man heute Kosten trägt und auf künftige Produktivität hofft
- Zu Beginn ist die Produktivität gering, es fällt Zeit von Seniors an, Code Reviews kosten Aufwand, Fehler wiederholen sich, und so summieren sich die Kosten
- Diese Verlustphase wird als „Valley of Regret“ bezeichnet, und je länger sie dauert, desto höher ist die Wahrscheinlichkeit des Scheiterns
- Fluktuation, Entlassungen oder Geldmangel bei Startups bedeuten ein ständiges Risiko, den Break-even-Punkt nicht zu erreichen
- Deshalb kommen viele Teams zu dem Schluss: „Im Moment haben wir keinen Spielraum, Juniors aufzubauen.“
Shrinking the Valley
- Juniors, die AI-Coding-Assistenten gut einsetzen, verkürzen ihre Lernkurve erheblich
- Entscheidend ist, die Ergebnisse nicht einfach zu übernehmen, sondern sie als Hilfsmittel zur Verkleinerung des Suchraums zu nutzen
- Zeit für Dinge wie die Auswahl einer API oder die Suche nach einem Ansatz sinkt von Stunden auf Minuten
- Die eingesparte Zeit wird nicht dafür verwendet, einfach mehr Features herauszupressen, sondern für Verständnis, Refactoring und die Analyse von Trade-offs
- Wenn sich die Lerngeschwindigkeit so erhöht, wird die Valley of Regret flacher und kürzer
First Order Effect: Mehr Wetten gehen auf
- Nimmt man eine jährliche Fluktuationsrate von 20 % bei Juniors an, dann verlassen im Modell mit 24 Monaten Ramp-up rund 36 % das Unternehmen vor dem Break-even
- Wird dies auf einen 9-monatigen Ramp-up komprimiert, sinkt die Fluktuation vor dem Break-even auf etwa 15 %
- Es geht also nicht nur darum, dass die Produktivität schneller steigt, sondern darum, dass bereits die Wahrscheinlichkeit zunimmt, überhaupt die Ertragszone zu erreichen
- Je kürzer das Tal wird, desto mehr Juniors erreichen die andere Seite
- Das verbessert die Stabilität von Personalinvestitionen in der gesamten Organisation erheblich
Second Order Effect: Beschleunigtes Wachstum
- Produktive Entwickler schreiben nicht einfach nur Code
- Sie betreuen neue Juniors, sammeln Wissen in der Organisation an und übernehmen Aufgaben mit hoher Hebelwirkung
- Je schneller ein Junior wächst, desto schneller wächst auch die nächste Generation, die er oder sie ausbildet
- Die Beschleunigung der Lerngeschwindigkeit führt daher nicht nur zu individueller Leistung, sondern zu einer höheren Wachstumsrate der gesamten Organisation
What This Means
- Die Wette auf die Einstellung von Juniors ist heute klar attraktiver als früher
- Der Grund ist nicht, dass sich Juniors verändert hätten, sondern dass AI eine Umgebung geschaffen hat, die Lernen beschleunigt
- Investitionen in AI-Tools sollten als Investitionen in die Recruiting-Strategie verstanden werden
- Gerade in Umgebungen mit hoher Fluktuation steigt der Erwartungswert der Einstellung von Juniors deutlich
- Dieser Effekt tritt allerdings nicht automatisch ein; nötig sind lernorientiertes Management und eine Kultur des „Augmented Coding“
Kernaussage
- Wer Juniors nach Produktivitätsmaßstäben managt, erhöht die Wahrscheinlichkeit des Scheiterns
- Wer Juniors nach Lernmaßstäben managt, verbessert die Rendite der Wette
- Die richtige Entscheidung im AI-Zeitalter ist nicht, weniger Juniors einzustellen, sondern eine Struktur zu schaffen, in der sie richtig wachsen können
Noch keine Kommentare.