CTO-Roundtable: Engineering-Führungskräfte teilen Erfahrungen zum Aufbau KI-nativer Organisationen

Beim ersten CTO Circle, der während des Snowflake Summit 2026 in San Francisco stattfand, kamen mehr als 350 CTOs aus den Bereichen Finanzen, Telekommunikation, Einzelhandel und Technologie zusammen, um Erfahrungen beim Aufbau KI-nativer Engineering-Organisationen auszutauschen. Die Diskussionen konzentrierten sich auf drei Themen: KI in die Produktion zu bringen, Geschwindigkeit mit Risiko in Einklang zu bringen und Engineering-Teams für KI neu zu gestalten. Vivek Raghunathan, Senior Vice President of Engineering bei Snowflake, erläuterte, wie das Unternehmen die Entwicklerproduktivität als Produkt behandelte, Entwickler interviewte, Reibungspunkte kartierte und Basismetriken etablierte. Innerhalb von 18 Monaten stieg der interne Entwickler-Net-Promoter-Score von Snowflake um über 30 Punkte, mit einem Verhältnis von 4:1 zufriedener zu unzufriedenen Entwicklern. Er betonte, dass hohe Hebelwirkung aus tiefer Nutzung und Beherrschung resultiert, die Phasen der Adoption, Beherrschung und Optimierung durchläuft und erfolgreiche Arbeitsabläufe institutionalisiert. Jon McNeill, Autor von „The Algorithm“, forderte die Führungskräfte auf, den typischen Ansatz umzukehren: Beginnen Sie mit den wichtigsten geschäftlichen Engpässen und bauen Sie dann die Engineering-Systeme darum herum auf, wobei der Erfolg nicht an der Menge des Codes, sondern an der Effizienz gemessen wird. Jeremy Burton, General Manager der Observability Business Unit von Snowflake, wies auf den Wandel von Experimenten zur Produktion hin, der den Nachweis des geschäftlichen Nutzens erfordert. KI-Agenten erzeugen mehr Telemetrie und benötigen mehr Kontext, daher muss sich Observability weiterentwickeln, um semantische Ebenen, Ontologien und Wissensgraphen sowie standardisierte Schnittstellen wie APIs, CLIs und das Model Context Protocol (MCP) bereitzustellen. Aditya Gaur, Engineering Manager bei Netflix, erklärte, dass ihre Automatisierung der Ursachenanalyse dank Investitionen in die Datenarchitektur erfolgreich war, die Jahre vor der Einführung von KI-Agenten getätigt wurden. Hex-CTO Caitlin Colgrove sprach über das „Verbrennen der Schiffe“, indem sie ihr zentrales KI-Team eliminierte und die Verantwortung auf die Produktteams verteilte, was die Bereitstellung beschleunigte. Chris Kozlowski, Managing Director bei Barclays, betonte, dass Geschwindigkeit mit Governance und Vertrauen einhergehen muss, während Corey Burke, Senior Vice President bei Dialpad, und Arun Rajamanickam, Vice President bei project44, beschrieben, wie KI-Agenten die Zeit für das Coden reduzieren und die Zeit für die Definition von Absichten und die Orchestrierung von Agenten erhöhen. Qi Jin, Executive Vice President bei Cerebras, stellte „Code Yellow“ vor, ein Framework für dringende organisatorische Veränderungen, das sich auf Kundenprobleme konzentriert. Parvez Naqvi, Senior Vice President bei Capital One, beobachtete, dass mit der Beschleunigung der Implementierung durch KI der Wert des Engineerings hin zu Urteilsvermögen, Planung und Architektur wandert. Harjot Gill, CEO von CodeRabbit, und Jordan Topoleski, COO von Cursor, hoben neue Engpässe bei der Codeüberprüfung und Qualitätssicherung hervor. Die übergeordnete Schlussfolgerung war, dass KI-natives Engineering von der Fähigkeit einer Organisation abhängt, zu lernen, zu institutionalisieren und sich kontinuierlich anzupassen, und nicht von der frühen Einführung von Tools.