Im Zeitalter von AI ist die Wette auf Junior-Entwickler noch attraktiver geworden
(tidyfirst.substack.com)- 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
9 Kommentare
Ich verstehe also, dass man im Zeitalter der KI Menschen mit einer steilen Lernkurve braucht, aber dass „Junioren“ „schnell lernen“, dem kann ich nur schwer zustimmen.
Vielleicht sollte man Entwickler künftig nicht mehr anhand der angesammelten Erfahrung in Junioren und Senioren einteilen,
sondern im KI-Zeitalter danach, wie gut sie mit KI umgehen und wie stark sie Lernen komprimieren können, um sie als Senior einzuordnen.
Hm, andererseits habe ich auch schon Juniors gesehen, die selbst merkwürdigen Code schreiben und dann behaupten, GPT sei dafür verantwortlich, also kommt es wohl ganz auf den Einzelfall an.
Ich würde Sie gern als großen Mentor haben.
Kent-hyung, viel Erfolg!
Vielleicht sehe nur ich das so, aber da ich in letzter Zeit viele Interviews fürs Hiring geführt habe, habe ich den Eindruck, dass der Pool an guten Junioren noch kleiner geworden ist. Die Gruppe der Junioren, die ohnehin schon gut war, hat sich mit AI-Tools weiter verbessert, aber bei den übrigen Gruppen wirkt es auf mich so, als seien ihre Fähigkeiten eher noch schwächer geworden. Dem Artikel selbst stimme ich zu, aber ich denke, dass bei der Junioren-Generation mehrere Entwicklungen gleichzeitig stattfinden.
Dem stimme ich zu..
Ich glaube, das liegt daran, dass sie denken, der von der AI geschriebene Code sei ihr eigener, und das Wissen der AI sei ihr eigenes Wissen, sodass sie es nicht wirklich verinnerlichen.
Dem stimme ich zu. Auch ich merke in letzter Zeit bei Interviews, dass die Unterschiede schon bei der Nutzung von KI enorm sind. Es gibt eine kleine Zahl von Leuten, die sich intensiv mit KI-Tools beschäftigen und sie aktiv einsetzen, während es in anderen Fällen bei Cursor oder etwas ChatGPT im Web bleibt. Früher war die Art, wie man Entwicklungswerkzeuge nutzt, nicht in einem Maß direkt mit den eigenen Fähigkeiten verknüpft; heute scheint es eine Zeit zu sein, in der die Nutzung von KI-Tools unmittelbar mit der eigenen Leistungsfähigkeit zusammenhängt.
Danke, Vek-Herr...