- เครื่องมือ AI กำลังสร้างให้กับนักพัฒนาระดับจูเนียร์เพียง ความสามารถผิวเผิน โดยแม้จะสร้างโค้ดได้อย่างรวดเร็ว แต่ก็มักเกิดสถานการณ์ที่อธิบายไม่ได้ว่าทำไมจึงเลือกแนวทางนั้น
- คุณค่าที่แท้จริงของนักพัฒนาระดับซีเนียร์ไม่ได้อยู่ที่ ความเร็วในการเขียนโค้ด แต่คือ ความสามารถในการจดจำรูปแบบของความล้มเหลว ที่สั่งสมมาจากความผิดพลาดตลอดหลายปี
- ต่อให้ใช้ AI ก็ยังจำเป็นต้องผ่านกระบวนการ ดิ้นรนอย่างตั้งใจ เช่น วิเคราะห์ข้อผิดพลาดด้วยตัวเอง ไล่ตามโค้ด และตั้งสมมติฐาน
- สำหรับโค้ดทุกส่วนที่คอมมิต ต้องสามารถ อธิบายได้ด้วยตัวเอง ว่าทำไมจึงเลือกไลบรารีนั้น ใช้แพตเทิร์นนั้น และมี trade-off อะไรบ้าง มิฉะนั้นก็ยังไม่พร้อมสำหรับการปล่อยใช้งาน
- ควรเปลี่ยนจากการใช้ AI เป็นเพียงเครื่องสร้างคำตอบ ไปสู่การใช้เป็น ติวเตอร์ เพื่อเรียนรู้ข้อดีข้อเสียของหลายแนวทาง
แก่นของปัญหา: ความสามารถผิวเผินที่ AI สร้างขึ้น
- การใช้ LLM ทำให้สร้างฟีเจอร์และปล่อยใช้งานได้อย่างรวดเร็วขึ้น แต่ก็เกิดสถานการณ์ที่อธิบายเหตุผลของการเลือกโค้ดนั้นไม่ได้
- ปรากฏการณ์ ความสามารถผิวเผิน (shallow competence) กำลังแพร่กระจาย คือเมื่อตอบคำถามใน code review ไม่ได้ว่าทำไมจึงเลือกแนวทางนั้น
- รูปแบบการยอมรับโค้ดที่ AI เสนอมาแบบตรง ๆ ถูกทำซ้ำอยู่เรื่อย ๆ
- ภายนอกอาจดูเหมือนมีผลิตภาพสูง แต่จริง ๆ แล้วกลับขาดความเข้าใจในเจตนาของการออกแบบและ trade-off ต่าง ๆ
- ปัญหานี้มีแนวโน้มจะนำไปสู่ความเชื่อมั่นที่ลดลงเมื่อเวลาผ่านไป
เหตุผลที่นักพัฒนาระดับซีเนียร์มีคุณค่า
- เหตุผลที่นักพัฒนาผู้มีประสบการณ์มีค่าตัวสูง ไม่ใช่เพราะเขียนโค้ดได้เร็ว แต่เพราะพวกเขาเรียนรู้มาเป็นเวลานานว่า อะไรที่ไม่ควรทำ
- สิ่งที่องค์กรจ่ายเงินจริง ๆ คือ ความสามารถในการจดจำรูปแบบของความล้มเหลว ที่มาจากประสบการณ์ เช่น เคยตัดสินใจด้านสถาปัตยกรรมผิดพลาดแล้วต้องอยู่กับผลลัพธ์นั้น หรือเคยถูกเรียกตอนตี 2 เพราะระบบล่ม
- ขณะนี้นักพัฒนาจูเนียร์จำนวนมากกำลังข้ามกระบวนการนี้ไปในระหว่างการใช้ AI
5 กลยุทธ์
-
1. เรียนพื้นฐานให้ถูกต้อง
- ต้องรู้ก่อนว่า โค้ดที่ดีคืออะไร จึงจะประเมินผลลัพธ์ที่ AI สร้างได้ ไม่เช่นนั้นก็จะยอมรับผลลัพธ์ของ AI แบบไม่ลืมหูลืมตา
- หนังสือแนะนำ: Head First Design Patterns (เพื่อเข้าใจแพตเทิร์นการเขียนโค้ดและเหตุผลของการเลือกใช้) และ Designing Data-Intensive Applications (หลักการออกแบบระบบที่เน้นข้อมูลจำนวนมาก)
-
2. ศึกษากรณีระบบล่ม
- แนะนำให้อ่านเอกสาร post-mortem แบบละเอียดที่เผยแพร่เมื่อบริการขนาดใหญ่ เช่น Cloudflare, AWS, Azure, Google เกิดเหตุขัดข้อง
- โดยมีทั้งสาเหตุ การวิเคราะห์รากของปัญหา วิธีแก้ไข และมาตรการป้องกันไม่ให้เกิดซ้ำ
- ที่ Amazon เรียกเอกสารลักษณะนี้ว่า COE (Correction of Errors) และบริษัทเทคโนโลยีขนาดใหญ่ส่วนมาก เช่น Facebook ก็มีเอกสารภายในที่คล้ายกัน
- การเข้าใจว่าระบบซับซ้อนพังลงได้อย่างไร จะติดอยู่ในความทรงจำได้ดีกว่าการอ่านเอกสารทั่วไปมาก
-
3. สร้างการดิ้นรนอย่างตั้งใจ
- ก่อนมี AI การแก้ปัญหาด้วยตัวเองไม่ใช่ทางเลือกแต่เป็น พื้นฐาน แต่ตอนนี้กลับมีทางหนีที่ใช้งานได้ตลอด 24 ชั่วโมง
- ก่อนจะคัดลอก error ไปให้ AI ควร อ่าน stack trace ไล่ตามโค้ด ตรวจดู log และลองตั้งสมมติฐานก่อนว่าอะไรผิดพลาด
- กระบวนการนี้คือวิธีสร้างสัญชาตญาณการดีบักที่แท้จริง
- จากนั้นค่อยใช้ AI ก็ได้
- การเข้าร่วม on-call และรับ ticket ที่ไม่มีใครอยากรับ คือ วิธีที่มีประสิทธิภาพที่สุด ในการเรียนรู้ว่าระบบทำงานอย่างไร
-
4. อย่าปล่อยโค้ดที่ตัวเองไม่เข้าใจออกสู่ระบบเด็ดขาด
- ถ้าใน code review มีคนถามว่าทำไมถึงเลือกแนวทางนี้ แล้วตอบว่า "AI แนะนำมา" คุณจะ สูญเสียความน่าเชื่อถือทันที
- ปัญหาไม่ใช่ว่าคุณใช้ AI แต่คือคุณไม่ได้พยายามทำความเข้าใจโค้ดที่ตัวเองส่งเข้าไป
- ต้องอธิบายได้สำหรับทุกบรรทัดที่คอมมิต ว่าทำไมจึงใช้ไลบรารีนี้ ทำไมจึงใช้แพตเทิร์นนี้ และมี trade-off อะไรบ้าง
- ต่อให้ต้องช้าลง ความเข้าใจต้องมาก่อน และชื่อเสียงว่าเป็นคนที่แค่คัดลอกแล้ววางนั้น กู้คืนได้ยากมาก
-
5. อย่า prompt เพื่อเอาแค่คำตอบ แต่ให้ถามว่า "ทำไม"
- แทนที่จะขอให้ AI แก้ปัญหาอย่างเดียว ควรขอให้มัน อธิบายหลายแนวทางและข้อดีข้อเสียของแต่ละแบบ
- วิธีนี้ให้ผลสองอย่าง:
- คุณจะได้เรียนรู้เรื่อง trade-off อย่างแท้จริง
- ในบางกรณี AI อาจ เปลี่ยนคำแนะนำของตัวเอง ระหว่างกระบวนการให้เหตุผล ทำให้ได้คำตอบที่ดีกว่าเดิม
คำแนะนำเชิงปฏิบัติต่อแรงกดดันด้านความเร็ว: สมดุลระหว่างผลิตภาพกับการเรียนรู้
- ความกังวลว่าถ้าช้าลงจะถูกทิ้งไว้ข้างหลังนั้นเป็นเรื่องจริง แต่ก็ไม่ได้หมายความว่าต้องหยุดงานทั้งหมด
- ควรใช้ เวลาว่าง โปรเจกต์ส่วนตัว หรืองาน ticket ที่การแข่งขันต่ำ เพื่อฝึกการเรียนรู้แบบตั้งใจและยอมรับความไม่สบาย
- ต้อง แยกแยะอย่างมีสติ ระหว่างเวลาที่ใช้สร้างทักษะจริงกับเวลาที่แค่ผลิตผลลัพธ์ออกมา
ใช้ AI เป็นติวเตอร์
- ตอนนี้เรามี AI ติวเตอร์ที่อธิบายอะไรก็ได้ลึกเท่าที่ต้องการ ซึ่งนักพัฒนารุ่นก่อนหน้าไม่เคยมี
- อย่าใช้ AI แค่สั่งให้ทำงาน แต่ควรใช้ในรูปแบบ ขอคำอธิบายและให้มันสอนเรา
- คุณค่าของนักพัฒนาไม่ได้อยู่ที่ความสามารถในการสร้างโค้ดออกมา แต่อยู่ที่ ความสามารถในการตัดสินได้ว่าโค้ดใดเป็นโค้ดที่ดี
- ไม่ว่าโค้ดนั้น AI จะสร้างหรือไม่ก็ตาม ความสามารถในการแยกแยะดี-แย่คือทักษะสำคัญ
- มีเพียง การเรียนรู้อย่างตั้งใจและการสั่งสมประสบการณ์จากความล้มเหลว เท่านั้นที่สามารถสร้าง ความสามารถในการแข่งขันระยะยาว ได้
20 ความคิดเห็น
ถ้าอย่างน้อยได้อ่านข้อความที่ AI สร้างออกมาบ้าง ก็คงไม่ลงเอยเป็นแบบนี้
ปัญหาไม่ใช่แค่จูเนียร์เฉย ๆ แต่คือจูเนียร์ที่เอาแต่คัดลอกวางแล้วคลิกอย่างเดียว
จริง ๆ ก่อนมี AI ก็มีแบบนี้อยู่แล้ว
แค่จาก Stack Overflow เปลี่ยนมาเป็น AI เท่านั้นเอง
ยังไม่รู้ว่า AI จะมาแทนที่นักพัฒนาได้จริงเมื่อไร หรือจะทำได้จริงหรือไม่ ดังนั้นคงไม่จำเป็นต้องสรรเสริญกันแบบไม่ลืมหูลืมตา เท่าที่เห็นบน reddit เองก็มีโพสต์อยู่ไม่น้อยที่ทำอะไรบางอย่างขึ้นมาแล้วมีผู้ใช้เข้ามาใช้งาน แต่กลับไม่รู้ด้วยซ้ำว่าบริการของตัวเองมีความเสี่ยงอะไรบ้าง แล้วมาขอความช่วยเหลือ
สมัยก่อนตอนทำของกันด้วยงานหัตถกรรมก็ปั้นคนกันแบบระบบศิษย์กับช่าง พอหลังการปฏิวัติอุตสาหกรรมก็ค่อย ๆ เปลี่ยนเป็นแรงงานแบบงานซ้ำ ๆ ง่าย ๆ
ตอนนี้คนก็เลยกลายเป็นเหมือนชิ้นส่วนที่ไหลผ่านบนสายพานลำเลียง คอยจ้องแต่โค้ดที่ทะลักออกมาจากไลน์ 4 อย่างเดียว
ถ้าถามคนที่มีหน้าที่แค่ตรวจสอบชิ้นส่วนว่า 'อันนี้ทำไมถึงออกแบบมาแบบนี้?' ต่อให้ทำงานมา 10 ปีก็คงตอบได้แค่ว่า 'เครื่องมันเป็นแบบนั้นครับ'
???: "คิดให้รอบคอบว่าจะไม่ควรทำอะไร"
55555 อันนี้จริง 555
ฮ่าๆๆ
555555555
ท้ายที่สุดแล้ว ถ้าความสามารถในการให้เหตุผลและความสามารถในการจดจำของ AI สูงขึ้น การถกเถียงแบบนี้ทั้งหมดก็คงจะไร้ความหมายไปเองอยู่ดี ยังไงเสียแม้แต่นักพัฒนาระดับซีเนียร์ก็คงไม่จำเป็นอีกต่อไป
ท้ายที่สุดแล้ว ดูเหมือนว่าสิ่งสำคัญคือผู้ใช้คิดและนำมันไปใช้อย่างไร
แม้ว่าจะมีความเสี่ยงมากขึ้นที่จะเกิดสภาพแวดล้อมที่โยนงานให้มันแบบไม่คิดอะไร และเผลอถูกมันพาไปโดยไม่รู้ตัว แต่ถ้าใช้อย่างถูกต้อง ก็สามารถเรียนรู้และพัฒนาได้เร็วและแม่นยำกว่าที่เคยมาก
อย่างไรก็ตาม สำหรับคนที่เพิ่งเริ่มเรียนรู้ ก็น่าจะดีถ้ามีการจัดระเบียบแนวทางและระบบต้นแบบการเรียนรู้แบบใหม่บางอย่างขึ้นมาให้เร็ว ซึ่งแตกต่างจากวิธีการเรียนรู้และสั่งสมประสบการณ์แบบเดิมที่เคยใช้สอนกันมา
ดูเหมือนว่าสิ่งที่ซีเนียร์เคยสั่งสมจากประสบการณ์มา จูเนียร์จะเรียนรู้ได้เร็วขึ้นนะครับ?
อย่างไรก็ตาม จูเนียร์นักพัฒนาที่ผู้เขียนพูดถึง ซึ่งแค่คัดลอกแล้ววางแบบง่าย ๆ นั้น ก็ไร้ประโยชน์มาตั้งแต่ยุค Stack Overflow แล้วครับ
เพียงแต่ในยุค AI นิสัยที่เคยคัดลอกโค้ดจาก Stack Overflow
ก็แค่ย้ายมาเป็นการคัดลอกจากคำตอบของ AI เท่านั้นเอง
ถ้าเป็นจูเนียร์นักพัฒนาที่ตั้งใจศึกษาเรียนรู้มาตั้งแต่อดีตอยู่แล้ว
ในยุค AI ก็จะเติบโตเป็นนักพัฒนาระดับซีเนียร์ได้เร็วขึ้นกว่าเดิมครับ
ตอนนี้ถ้าสมมติว่าไม่ต้องดูงานระดับล่างแล้ว และเรียนรู้ได้เร็วด้วย AI ใครกันจะยอมจ้างนักพัฒนาจูเนียร์ชาวเกาหลีที่จบปริญญาตรี 4 ปีในราคาที่แพง?
ก็คงจ้างด้วย AI agent สารพัดประโยชน์ ออนบอร์ดด้วย AI แปลด้วย AI แล้วไปจ้างคุณ Rahul Singh (24, ปริญญาโท IIT) หรือคุณ Zhang Wei (26, อันดับหนึ่งของ Tsinghua) ที่โน่นในราคาถูกกว่าสินะ
โดยเฉพาะผู้ชาย เมื่อคำนึงว่าการเข้าร่วมสังคมการทำงานช้าลงไปอีก 2 ปีเพราะทหาร ผมกังวลแทนน้อง ๆ จูเนียร์ตอนนี้มากจริง ๆ
ถ้าใช้ AI เป็นหลัก ก็จะไม่มีโอกาสได้ลองล้มเหลว จึงคงไม่ได้รับบทเรียนทางวิศวกรรม สิ่งที่ไม่ได้ถูกถ่ายทอดไว้เป็นหนังสือหรือบทความนั้น AI ก็ช่วยครอบคลุมไม่ได้เช่นกัน
เพราะ AI ก็ล้มเหลวได้เหมือนกัน สุดท้ายแล้วเราคงต้องเป็นคนที่ "ล้มเหลวไปกับ AI และก้าวข้ามมันไปด้วยกัน" ไม่ใช่หรือครับ
ตามที่ตอบมา ถ้า AI เป็นฝ่ายทำพลาด แล้วใครจะเป็นคนฝ่าฟันผ่านมันไปล่ะครับ? บัณฑิตจบใหม่ระดับจูเนียร์น่ะเหรอ?
ขอฝากคอมเมนต์อย่างสุภาพและนุ่มนวลไว้ครับ
ผมก็เห็นด้วยครับ เราก็ควรค้นหาไปด้วยกันและช่วยกันแก้ปัญหาไปด้วยกัน ผมคิดว่าคุณคงยังไม่ได้ลองทำแบบนั้น แต่กลับพยายามสรุปออกมาอย่างหนักแน่นว่าเป็นคำตอบที่ถูกต้องเกินไปหรือเปล่า ส่วนผมก็จะพยายามคอมเมนต์อย่างสุภาพและนุ่มนวลที่สุดเหมือนกันครับ~^^
สุดท้ายแล้วอีก 10 ปีข้างหน้า เราก็จะกลายเป็นจูเนียร์ประสบการณ์ 10 ปี (powered by AI) กันครับ
ดูจากความเร็วในการพัฒนาของโมเดล AI แล้ว พอถึงตอนที่นักพัฒนาระดับจูเนียร์ในตอนนี้เติบโตเป็นซีเนียร์
ก็คงดูเหมือนว่า AI จะเข้ามาแทนที่แม้แต่ซีเนียร์ได้แล้วครับ
ก็คือพูดว่า AI กำลังเข้ามาแทนที่นักพัฒนาจูเนียร์ที่จะเติบโตเป็นซีเนียร์นั่นเอง AI จงเจริญ จงเจริญ จงเจริญยิ่ง
นี่คือคำตอบที่ถูกต้อง
ความคิดเห็นจาก Hacker News
ฉันคิดว่าในอนาคต ช่วงเวลาที่ต้องเรียนโดยไม่มี AI จะกลายเป็นสิ่งจำเป็น
แก่นสำคัญของการฝึกทักษะทุกอย่างคือ ‘การฝึกซ้ำด้วยการลงมือทำเอง’
ฉันมองว่าขั้นของการเรียนรู้จะพัฒนาไปเป็น “สร้างสัญชาตญาณโดยไม่มี AI → ค่อย ๆ ใช้ AI เพื่อเข้าใจขีดจำกัด → ผู้เชี่ยวชาญแบบ AI-native”
แต่ตอนนี้ก็ยังไม่ชัดเจนว่าจะทำให้เกิดขึ้นในวงกว้างได้อย่างไร
น่าแดกดันที่ AI มีประโยชน์ในฐานะติวเตอร์เฉพาะบุคคล แต่ขณะเดียวกันก็เป็นสิ่งยั่วยวนให้หลีกเลี่ยงการฝึกปฏิบัติ
ระบบการศึกษาที่เน้นการสอบในปัจจุบันกลับยิ่งเสริมการพึ่งพา AI
เพราะแบบนั้นฉันเลยคาดว่า ระบบฝึกงานแบบลูกมือ จะกลับมาอีกครั้ง และมองว่าข้อเสนอ preceptorship ของ Microsoft เป็นสัญญาณของเรื่องนั้น
การที่บริษัทใหญ่ตระหนักถึงปัญหาและเสนอทางออกออกมาถือว่าน่าชื่นใจ
เครื่องมือพวกนี้ช่วยให้ฉันเข้าใจว่าฉันผิดตรงไหน แต่สุดท้ายการฝึกด้วยมือนั่นแหละคือหัวใจสำคัญ
แต่การใช้ AI ตอนนี้ไม่ใช่แค่การเรียนทฤษฎี มันคล้ายกับ การสั่งให้ทาสทำงานแทน มากกว่า
ในทางประวัติศาสตร์ วิธีแบบนั้นไม่เคยสร้างความชำนาญได้
ตอนนี้ก็มีคนจำนวนมากที่ควบคุม การเสพติดโซเชียลมีเดีย ไม่ได้อยู่แล้ว
ทอล์ก Simple Made Easy ของ Rich Hickey มีอิทธิพลต่ออาชีพฉันมาก
AI ไม่มี ‘รสนิยม’ และทำงานไปในทิศทางที่เพิ่มปริมาณโค้ด
วิศวกรรมที่แท้จริงคือศิลปะของการสร้าง ฟังก์ชันที่ทรงผลกระทบที่สุด ด้วยโค้ดให้น้อยที่สุด
เมื่อก่อน นักพัฒนารุ่นจูเนียร์ ก็มีไว้เพื่อการเรียนรู้มากกว่าผลิตภาพอยู่แล้ว
เหตุผลที่ให้โจทย์งานหนึ่งสัปดาห์ ทั้งที่ซีเนียร์ทำเสร็จได้ในไม่กี่ชั่วโมง ก็เพราะเรื่องนี้
ตอนนี้บริษัทต่าง ๆ กำลังพยายามหลีกเลี่ยง ‘ต้นทุนการฝึกฝน’ นั้น
ทุกคนมองแต่ผลประโยชน์ระยะสั้นและก่อให้เกิด การพังทลายในระยะยาว
ถ้าไม่มีจูเนียร์ สุดท้ายก็จะไม่มีซีเนียร์ และท้ายที่สุดทั้งอุตสาหกรรมจะพัง
จูเนียร์ยังจำเป็นต่อการลดต้นทุนและ รักษาสมดุลของโครงสร้างการเลื่อนตำแหน่ง ด้วย
แต่พอ AI เข้ามา ตอนนี้แม้แต่ นักพัฒนาระดับกลาง ก็อาจถูกแทนที่ได้
ถ้ามองจากฝั่งที่ต้องทำเป้าระยะสั้นให้ได้ “จูเนียร์คือผลิตภาพติดลบ”
ที่ช้ากันไม่ใช่เพราะฝีมือ แต่เป็นเพราะ กระบวนการองค์กรที่ไม่มีประสิทธิภาพ
ฉันบอกนักเรียนเสมอว่า — “จูเนียร์ต้องได้เขียนโค้ดด้วยตัวเอง”
อย่างที่ บทความของ htmx พูดไว้ ซีเนียร์ต้องเปิดทางให้จูเนียร์ได้เขียนโค้ด
เพราะซีเนียร์ก็เติบโตมาจากจูเนียร์
กลายเป็นแนวคิดว่า “ถ้าต้องการซีเนียร์ ก็จ้างซีเนียร์ไปเลย”
เรื่องนี้อาจกลายเป็นการซ้ำรอยยุค COBOL ก็ได้
ช่องว่างระหว่างซีเนียร์กับจูเนียร์กว้างขึ้น และ ประสบการณ์เรียนรู้จากการลงมือชนปัญหาด้วยตัวเอง ก็กำลังหายไป
นักพัฒนาที่มีประสบการณ์ 30 ปีอย่างฉันตอนนี้ได้เรตรับจ้างสูงมาก
ถ้าการเขียนโค้ดคือศิลปะ สุดท้ายเราอาจต้อง แข่งขันเอาตัวรอดเหมือนศิลปิน
ถ้าทุกคนเลิกปั้นจูเนียร์ สุดท้ายก็จะเกิด การพังทลายของซัพพลายซีเนียร์
แต่เพราะผลประโยชน์ระยะสั้น แรงจูงใจให้แหกกติกาก็มีสูง
ที่จริงแล้ว นักพัฒนาซีเนียร์จำนวนมากก็ไม่ได้เก่งอะไรมาก
คุณภาพของโปรเจ็กต์มักลดลงเสมอเมื่อผ่านจุดหนึ่งไปแล้ว
ส่วนใหญ่ก็เป็นซีเนียร์แค่ในชื่อตำแหน่ง และตัวฉันเองก็เป็นซีเนียร์แค่ชื่อ แต่ระดับจริง ๆ ก็แค่กลาง ๆ
ทั้งผู้จัดการ รีครูตเตอร์ และนักพัฒนาต่างก็แค่ ‘ทำท่าเหมือนกำลังทำงาน’ และมูลค่าที่แท้จริงก็มาจากคนเก่งจริงเพียงไม่กี่คน
สถานการณ์ที่ฉันกลัวคือ เราจะกลายเป็นแค่ ผู้จัดการพรอมป์ต์
เป็นอนาคตที่เราเชื่อแต่โค้ดที่ AI แก้ให้ ทั้งที่ไม่ได้เข้าใจ codebase อย่างแท้จริง
ความสนุกของการแก้ปัญหาเชิงลึกยังคงมีอยู่
เพียงแต่ฉันมีความสุขที่ไม่ต้องไปจับ stack อย่าง React หรือ NextJS ด้วยตัวเอง
คนที่มีพื้นฐานแน่นก่อนยุค AI ถือว่าโชคดีมากในตอนนี้
มันก็แค่ขั้นถัดไปของ ‘วัฒนธรรม left-pad’
เพราะแบบนั้น AI ถึงจะทำงานได้ดีขึ้น และ ความรู้โดเมน ของมนุษย์ก็จะยิ่งมีคุณค่า
ฉันเองก็รู้สึกกังวลแบบเดียวกัน
แทบไม่มีการรีวิว และ การคำนึงถึงสถาปัตยกรรมระยะยาว ก็หายไป
ดูเหมือนทั้งสังคมกำลังยอมรับคุณภาพที่ลดลงนี้
ช่วงนี้ฉันกลับรู้สึกว่า จูเนียร์มีประโยชน์กว่าซีเนียร์
ถ้าไปถามซีเนียร์ พวกเขามักตอบแค่ว่า “AI ตอบมาแบบนี้”
ส่วนจูเนียร์ยังมีความกระตือรือร้นที่จะเรียนรู้ และคนระดับสตาฟฟ์ก็ยังเป็นเมนเทอร์ที่ยอดเยี่ยม
ในทางกลับกัน คนระดับกลางบางคนทำอะไรไม่ได้เลยถ้าไม่มี AI
พวกเขาไม่เข้าใจปัญหา และพอ AI แก้ให้แทน ก็ยิ่ง ไม่รับรู้ถึงความไร้ความสามารถของตัวเอง
การใช้ LLM มากเกินไปจะนำไปสู่ ความเสื่อมถอยทางสติปัญญา
ฉันพยายามจะรับเข้าทำงานเฉพาะคนที่ยังไม่ถูก LLM กลืนกิน
ตัวบทความนี้เองก็ให้ความรู้สึกเหมือน LLM เป็นคนเขียน
สำนวนแบบ “It’s not X, but Y” นี่เป็นแพตเทิร์นเกินไป
แค่คิดว่าคอนเทนต์บนเว็บส่วนใหญ่น่าจะถูกสร้างโดย AI ตอนนี้ก็หดหู่แล้ว
สุดท้ายเรากำลังไปสู่ โลกที่แยกของจริงกับของปลอมไม่ออก
เพราะงั้นฉันเลยคิดว่าไม่งั้นไปเรียนเชื่อมเหล็กดีกว่าไหม
บทความนี้ ก็เป็นสไตล์เดียวกัน
ต้นตอของปัญหาอยู่ที่ซีเนียร์
พวกเขาให้ งานจุกจิกไร้ค่า กับจูเนียร์อย่างเดียว และไม่เปิดโอกาสให้ใช้เครื่องมือใหม่ ๆ
ตอนนี้ควรให้โจทย์อย่าง “สร้างบริการอัตโนมัติกระบวนการภายใน” แทน “แก้ template อีเมล” ได้แล้ว
จูเนียร์เรียนรู้ได้ยากในสภาพที่ไม่รู้ด้วยซ้ำว่าตัวเองไม่รู้อะไร และซีเนียร์เองก็สอนได้ยากขึ้น
เพราะ AI ฉันถึงสามารถรับ จูเนียร์ที่ไม่รู้แม้แต่ HTML เข้ามาทำงานได้
เมื่อก่อนเป็นไปไม่ได้ แต่ตอนนี้ถ้ามีความพยายามนิดหน่อยก็เข้าสู่วงการได้
สุดท้ายแล้ว ถ้าเลือกทางง่าย ก็จะได้ผลลัพธ์เท่าที่ทางนั้นให้ได้
เลยสงสัยว่าจูเนียร์แบบนั้นถูกจ้างได้อย่างไร
ถ้าเลือกแต่ทางง่าย ความลึกของชีวิต ก็จะหายไป
ฉันเองก็ไม่เคยเห็นคอร์สแบบนั้นเหมือนกัน
สุดท้าย AI อาจเสี่ยงต่อการ ทำให้ต้นน้ำของความคิดสร้างสรรค์แห้งเหือด
ถ้ามนุษย์ไม่สร้างไอเดียใหม่ AI ก็จะได้แต่ทำซ้ำตัวเอง
วงจรแบบนี้จะนำไปสู่ ความชะงักงันและการพึ่งพา ทางเทคโนโลยี
การเรียนรู้แบบไม่มีผู้กำกับ อาจมีโอกาสก้าวข้ามข้อจำกัดนี้
ถ้านักพัฒนาที่ดีหายไป แม้แต่ AI ที่ไม่เก่งก็ยังมีประโยชน์