Изкуственият интелект променя не само ежедневната работа на софтуерните инженери, но и очакванията на компаниите към най-опитните им специалисти. Техническата експертиза продължава да е от ключово значение, но към нея се добавят и добрата преценка, поемането на отговорност и способността за адаптация към бързо променящия се начин на разработване на софтуер. А кариерното развитие невинаги означава да оставиш инженерната работа зад гърба си и да преминеш към мениджмънт.
Как изглеждат тези промени на практика и какво означават те за инженерите в България? Люба Илиева, VP of Engineering, и Станислав Ботев, Director of Competency – Java, споделят своята гледна точка за инженерното лидерство, технологичните компетенции и AI-native развитието в Avenga.
И двамата имате технически опит. Какво ви мотивира да поемете роля в инженерното лидерство и какво прави тази роля интересна за вас?

Люба: Моята кариера всъщност започна в инженерната сфера, но последните години, повече от десетилетие, прекарах в други области – delivery, управление на клиенти, продажби и бизнес развитие. Завръщането ми към инженерното лидерство наистина е като завръщане у дома, но с различна перспектива. Тази роля се намира на пресечната точка между технологии, хора и бизнес – същата пресечна точка, която в продължение на десет години съм изследвала от другите ѝ страни.
Именно тази комбинация прави ролята интересна за мен. Екипите ни работят с различни технологии, в различни индустрии и култури, така че винаги има нещо ново за решаване или научаване. Инженерното лидерство означава да създаваш условия инженерите да вършат най-добрата си работа, като същевременно се увериш, че тази работа решава реален проблем за клиента.

Станислав: Моят опит е в софтуерното инженерство, основно с Java. С времето ролята ми постепенно се разшири от разработване на софтуер до поемане на отговорност за архитектура, технически решения, екипи и в крайна сметка за по-широката Java инженерна общност. Прекарах и няколко години в управление на клиенти в автомобилната индустрия, така че съм видял и двете страни – инженерната работа и delivery процеса.
Това, което ме задържа в инженерното лидерство е, че продължавам да го възприемам като инженерна роля. Участвам в технически интервюта, архитектурни дискусии и вземане на технологични решения. Разликата е в мащаба на въздействието: като инженер можеш да подобриш една система. В инженерното лидерство можеш да помогнеш на десетки или дори стотици инженери да подобрят начина, по който изграждат системи. Все още харесвам технологиите твърде много, за да премина към роля, в която единственият ми контакт с инженерната работа да бъде чрез доклади и PowerPoint презентации.
Какво реално се промени за екипите на практика, след като Musala стана Avenga – като структура и във всекидневната работа, а не само на хартия?
Люба: Най-големите промени са в нивата на seniority и във фокуса на екипите в Avenga. Традиционно Musala изграждаше балансирани екипи – junior, mid-level и senior специалисти. Днес над 75% от инженерите в Avenga са на senior или по-високо ниво. Avenga също така стана по-селективна и по-взискателна по отношение на това какво означава „senior“. Преходът не беше лесен за всички, но позволява на екипите да поемат по-сложна и по-интересна работа.
Тази промяна повлия и на начина, по който Avenga инвестира в хората си. Днес инициативите за развитие са насочени в по-голяма степен към опитните инженери, както и към разработката на софтуер с AI-assisted и AI-native подходи. В ежедневната си работа senior инженерите прекарват по-малко време в рутинна имплементация и повече време в архитектура, решаването на проблеми, за които все още няма утвърден подход, също и в интегриране на AI инструменти към начина, по който екипите разработват софтуер.
Какъв е един от последните наистина трудни проблеми, по които сте работили и какво го прави труден?
Станислав: Един от последните примери не беше труден заради изключително сложна архитектура. Самата функционалност беше сравнително ясна, но имаше много функционалности, които трябваше да бъдат разработени и тествани както трябва.
Истинското предизвикателство беше срокът. Клиентът се обърна към Avenga по-малко от месец преди голям международен футболен турнир, а решението трябваше да е готово преди началото на турнира. Екипът също беше много малък: на практика един дивелопър и един QA инженер, като нито един от двамата не беше ангажиран на 100% с проекта. AI беше част от процеса на разработка с цел повишаване на продуктивността, но екипът все пак трябваше да преглежда и валидира генерирания резултат, вместо да го приема като начин за заобикаляне на инженерната работа.
Avenga завърши работата около седмица преди крайния срок. Клиентът беше много доволен от резултата, а още по-важното е, че доволни бяха и потребителите. За мен това беше добро напомняне, че най-трудните инженерни задачи невинаги са тези с най-сложната архитектура. Понякога истинското предизвикателство е да доставиш стабилна функционалност с малък екип и под сериозен времеви натиск, без да правиш компромис с крайния резултат.
Explore more
Avenga вече организира инженерната си дейност около глобална експертиза. Какво означава това на практика за инженерите в България?
Люба: На практика фокусът се измества от отделните проекти към технологичните компетенции. Преди развитието на един инженер беше тясно свързано с конкретния му проект. Сега то е свързано с определена компетенция – Java, .NET, QA и Test Automation, AI и Data Engineering и други – като зад всяка от тях стои съответната общност.
За инженерите в България тази глобална свързаност е особено осезаема. Част от глобалните директори, които ръководят тези компетенции, са базирани тук. Станислав например е Global Director за Java и отговаря за всички седем delivery центъра на Avenga в Европа, Африка и Латинска Америка. В България е базиран и Centre of Excellence, който отговаря за управлението на enterprise AI и за AI-native SDLC на Avenga.
Така че достъпът до „глобална експертиза“ не е абстрактно понятие. В някои случаи човекът, който определя техническата посока на дадена компетенция за цялата Avenga, се намира само на няколко бюра разстояние.
Можете ли да дадете конкретен пример за това как реално са се развили експертизата или кариерата на човек във вашия екип?
Люба: Един пример, който се откроява, е колега, който се присъедини към Avenga преди седем години като automation QA engineer, а днес е Principal Engineer. По пътя си той изгради automation frameworks за различни клиенти, индустрии и технологични стакове, работейки със Selenium, Playwright с Python и .NET.
Днес този широк опит му позволява да изгражда тестовата основа от нулата в много различни среди. За мен това е добър пример как кариерното развитие може да бъде движено от реално натрупани способности и експертиза, а не просто от преминаване към мениджърска позиция.
Какво обикновено кара хората да останат в Avenga и какъв тип човек би се чувствал не на място тук?
Станислав: Една от причините хората да остават е разнообразието и гъвкавостта, които могат да имат във времето. Инженерите могат да преминават между различни проекти, индустрии и технологии или да се насочат към лидерски и мениджърски роли – без очакване постоянно да променят посоката си само заради самото кариерно развитие.
Някой би могъл да срещне трудности, ако очаква всичко да бъде предварително определено за него. В Avenga ценим инженери, които задават въпроси, предлагат подобрения и поемат отговорност, вместо само да чакат инструкции. Има доста свобода, но тя работи най-добре, когато върви ръка за ръка с инициативност и отговорност.
AI променя начина, по който разработчиците работят с много бързи темпове. Какво очаквате днес от един senior Java инженер, което не бихте очаквали преди три години?
Станислав: Преди три години способността да пишеш много добър код беше по-голямо конкурентно предимство, отколкото е днес. Сега AI може за секунди да генерира controller, Spring конфигурация, тестове или Kafka consumer. Затова според мен стойността на един senior Java инженер все повече се измества към добрата преценка – способността да разбере дали генерираното от AI решение действително има смисъл.
Правилно ли са дефинирани границите на транзакциите? Обработена ли е правилно конкурентната работа? Разумен ли е API дизайнът? Трябва ли да се приложи retry логика при възникване на изключения? Решава ли предложената архитектура един проблем, но да създава пет нови?
Определено очаквам инженерите да използват AI инструменти там, където те ги правят по-продуктивни. Това, което не очаквам, е сляпо доверие в генерирания резултат.
При junior инженерите AI понякога може да прикрие пропуски в знанията. При senior инженерите според мен се случва почти обратното: AI показва колко важни продължават да бъдат фундаменталните знания. Ако не разбираш Java, бази данни, разпределителни системи и framework-а, с който работиш, става много трудно да различиш добър AI-генериран отговор от много убедителен, но грешен такъв.
За Avenga
Avenga е AI-native компания за дигитално инженерство и консултантски услуги, която помага на бизнеса да се трансформира, като интегрира интелигентност в основата на начина, по който организациите работят.
Партнираме си с организации, за да им помогнем да надхвърлят внедряването на AI – като преобразуват процесите, продуктите и операциите си в интелигентни системи, които непрекъснато се развиват в отговор на промените на пазара, нуждите на клиентите и развитието на технологиите. Резултатът е измерима ефективност, непрекъснато усъвършенстване и мащабируема трансформация, която създава все по-голяма стойност с времето.
С подкрепата на над 6000 експерти по света Avenga работи с водещи организации в секторите търговия, потребление, телекомуникации, медии, технологии, life sciences, здравеопазване, автомобилна индустрия, производство, банково дело и финансови услуги, като им помага да превърнат амбициите си в областта на AI в реално бизнес въздействие в мащаба на цялата организация.
Avenga е част от технологичния стълб на семейната група KKCG.