เทรนด์มหภาคของอุตสาหกรรมเทคโนโลยี 2024.10 โดย Thoughtworks

xguru · 2024-10-29T09:56:01+09:00

อิทธิพลที่เติบโตขึ้นของ AI AI โดยเฉพาะ GenAI มีบทบาทสำคัญและเป็นส่วนใหญ่ของบทสนทนาด้านเทคโนโลยีในช่วงนี้ AI และ GenAI กำลังส่งผลต่อทุกขั้นตอนของระบบนิเวศการส่งมอบซอฟต์แวร์ ผู้ช่วยเขียนโค้ดได้รับความสนใจมากที่สุด และโดยทั่วไปอยู่ในช่วงที่มีความพร้อมสูงสุด การเพิ่มขึ้นของประโยชน์ใช้สอยของเครื่องมือเหล่านี้ทำให้ต้องกลับมาประเมินวิธีการส่งมอบซอฟต์แวร์ใหม่ เพื่อใช้ประโยชน์จาก AI พร้อมทั้งรักษาหรือยกระดับความเข้มงวดทางวิศวกรรมที่ช่วยคงคุณภาพซอฟต์แวร์ คาดว่าจะมีนวัตกรรมอย่างต่อเนื่องในด้านนี้ ทั้งเครื่องมือสำหรับบุคคลอย่าง GitHub Copilot และ Cursor หรือเครื่องมือที่เน้นการทำงานเป็นทีมอย่าง Haiven มีการเพิ่มขึ้นอย่างรวดเร็วของเครื่องมือที่ใช้ AI หรือช่วยสร้างแอปพลิเคชัน AI (หรือทั้งสองอย่าง) ความเร็วในการนำเครื่องมือเหล่านี้มาใช้แซงหน้าทั้งความเร็วและปริมาณของเครื่องมือ Javascript ในอดีต การเพิ่มขึ้นของ on-device LLM หรือ small language model (SLM) แสดงให้เห็นแนวโน้มที่การอนุมานกำลังย้ายจากเซิร์ฟเวอร์ไปยังเว็บและอุปกรณ์ edge แนวโน้มหลังนี้ส่งผลดีต่อความเป็นส่วนตัว การตระหนักรู้ที่เพิ่มขึ้นเกี่ยวกับข้อจำกัดและความเสี่ยงของ AI มีการตระหนักมากขึ้นว่าการมีมนุษย์อยู่ในลูปเป็นสิ่งสำคัญ โดยเฉพาะเมื่อเกี่ยวข้องกับเครื่องมือ GenAI ยังยากที่จะควบคุม hallucination หรือความผิดพลาดธรรมดาเมื่อใช้เครื่องมือเหล่านี้ บางคนเสนอว่าในตอนนี้ควรเรียกว่า "AI in the loop" เพราะในบางแอปพลิเคชันมนุษย์ยังต้องเป็นผู้ควบคุม อย่างไรก็ตาม ไม่ได้มีแต่ด้านมืดทั้งหมด เมื่อรางวัลโนเบลสาขาเคมีและฟิสิกส์ต่างมอบให้กับผลงานที่เกี่ยวข้องกับ AI และที่ AI มีส่วนช่วย ที่ใดมีแพตเทิร์นในเทคโนโลยี ที่นั่นก็มีแอนตีแพตเทิร์น และ AI ก็กำลังสะสมสิ่งเหล่านั้นอย่างชัดเจน ตัวอย่างที่เด่น ได้แก่ "การจับคู่ทำงานกับ LLM ที่ไม่ได้ให้ประโยชน์มากมายแบบการ pair programming จริง", "การใช้ LLM สำหรับ code review ที่อธิบายความสม่ำเสมอของสไตล์ไม่ได้ และทำให้การกระจายความเข้าใจใน codebase ยากขึ้น" แม้เครื่องมือเหล่านี้จะพัฒนาขึ้นอย่างชัดเจน แต่ก็ยังไม่พร้อมที่จะนั่งเบาะคนขับหรือใช้วิจารณญาณอย่างอิสระเกี่ยวกับคุณภาพและความเหมาะสมของโค้ด สุดท้ายนี้ กำลังเกิดแรงต้านมากขึ้นต่อคำสัญญาที่ชวนเคลิบเคลิ้มของ GenAI นักวิเคราะห์การเงินกำลังตั้งคำถามถึงความเป็นไปได้ของผลตอบแทนจากการลงทุนต่อเงินจำนวนมหาศาลที่กำลังไหลเข้าสู่กิจการ AI และ GenAI ต่าง ๆ ในปัจจุบัน รวมถึงกิจกรรมที่ใช้ขับเคลื่อน foundation model เทคโนโลยีทุกอย่างต้องผ่านช่วงกระแสเกินจริง และ GenAI ก็ไม่ใช่ข้อยกเว้น โดยทั่วไป AI เคยผ่านฤดูหนาวของ AI มาหลายครั้งในอดีต แต่ ณ ตอนนี้ระดับของความผิดหวังยังไม่รุนแรงมากนัก ถึงกระนั้น เช่นเดียวกับแอนตีแพตเทิร์นที่กล่าวถึงข้างต้น ก็ยังมีแนวโน้มที่น่าเสียดายที่จะคิดว่าสิ่งใหม่ที่ดูสดใสเหล่านี้สามารถทำได้ทุกอย่างที่เราต้องการ เรายังคงกำลังเรียนรู้ถึงความเป็นไปได้ในการจินตนาการกระบวนการธุรกิจมาตรฐานของเราใหม่อีกมากมาย อย่างไรก็ตาม ดูไม่น่าเป็นไปได้ที่ AI จะถอยกลับไปอยู่เบื้องหลังอีกครั้ง การเติบโตของ Rust และ WebAssembly และความต่อเนื่องของ Postgres นอกเหนือจาก AI แล้ว ยังมีสิ่งอื่นอีกมากที่เกิดขึ้นในโลกเทคโนโลยี การใช้งานภาษา Rust และการพัฒนาเครื่องมือกำลังเพิ่มขึ้นอย่างมาก มีเครื่องมือจำนวนมากถูกเขียนใหม่ด้วย Rust โดยมักเกิดขึ้นในระบบนิเวศ Python Rust ถูกนำมาใช้มากขึ้นเนื่องจากคุณสมบัติด้าน memory safety ตัวอย่างได้แก่ Iggy, Ruff, uv, Zed เป็นต้น แน่นอน เช่นเดียวกับเทคโนโลยีอื่น ๆ จำนวนมากที่เราเคยดูมาก่อนหน้านี้ วลี "blazingly fast" ก็ปรากฏเด่นชัดในเอกสารของเครื่องมือ Rust เหล่านี้ WebAssembly (WASM) เป็นหัวข้อสำคัญของการพูดคุย เช่นเดียวกับประเด็นกว้าง ๆ เรื่องการรันทุกอย่างในเบราว์เซอร์ การยอมรับมาตรฐาน WebAssembly แทบจะเป็นสากลแล้วทั้งในเบราว์เซอร์และแพลตฟอร์มของเบราว์เซอร์เหล่านั้น อย่างไรก็ตาม เรายังเห็นว่ามีการส่ง Blip เกี่ยวกับการใช้ WASM บนเซิร์ฟเวอร์เข้ามาจำนวนมากเช่นกัน (Blip หมายถึงเทคโนโลยีหรือเทคนิคที่มีบทบาทสำคัญในการพัฒนาซอฟต์แวร์) ตัว WASM เองไม่ได้อยู่ใน Radar ตอนนี้ แต่มีหลาย Blip ที่ใช้ WASM รวมถึง PGLite และ Flutter for Web แน่นอนว่า AI ก็ไม่ขาดหายไป และยังมี Blip เกี่ยวกับ LLM บนเบราว์เซอร์ด้วย ในด้านฐานข้อมูล เราได้เห็นว่าฐานข้อมูล Postgres แพร่หลายเพียงใด มีส่วนขยายของ Postgres หลากหลายสำหรับการค้นหาแบบ similarity การวิเคราะห์ข้อมูล การซิงก์บางส่วนของฐานข้อมูล เป็นต้น นี่ไม่ใช่ปรากฏการณ์ใหม่ แต่ Postgres แพร่หลายเป็นพิเศษในการประชุม Radar ครั้งนี้ เรายังเห็นคู่แข่งโอเพนซอร์สหน้าใหม่ที่แข็งแกร่งสำหรับ data lake เช่น DuckDB, Iceberg และ Parquet ฐานข้อมูลเชิงสัมพันธ์มีมานานมากแล้ว แต่เรายังคงเห็นนวัตกรรมเกิดขึ้นอย่างต่อเนื่องในพื้นที่นี้ ความสำคัญอย่างต่อเนื่องของการกำกับดูแลเทคโนโลยี ไม่ได้มีเพียงเรื่องที่เกี่ยวข้องกับ AI เท่านั้น แต่ยังมีการพูดถึงแนวทางการกำกับดูแลเทคโนโลยีหลากหลายรูปแบบ AI มาพร้อมกับความท้าทายด้าน governance ที่เป็นเอกลักษณ์เฉพาะตัว แนวทางการกำกับดูแลอย่าง Build Your Own Radar (BYOR) ยังคงมอบคุณค่าให้กับองค์กรอย่างต่อเนื่อง อย่างที่มักเป็นเสมอ ผลลัพธ์ Radar สำหรับองค์กรเป็นสิ่งส่งมอบที่มีคุณค่า แต่ไม่มากเท่ากับกระบวนการจัดแนวร่วมกันเพื่อสร้าง Radar นั้น ปัญหาใหญ่ของ governance มักอยู่ที่เหตุผลเบื้องหลังเกณฑ์บางอย่างไม่ได้ถูกเข้าใจอย่างดีโดยทีมส่งมอบ การทำ BYOR ที่เหมาะสมช่วยให้ทีมเข้าใจได้ว่าทำไมพวกเขาจึงถูกควบคุมในลักษณะนั้น การกำกับดูแลยังต้องการเอกสารประกอบ และเอกสารที่มีคุณภาพ ใช้งานง่าย และเป็นปัจจุบันยังคงเป็นเรื่องยาก เครื่องมืออย่าง Unblocked ไม่ได้แก้ปัญหาเหล่านี้ทั้งหมด แต่ช่วยได้ด้วยการดึงบริบทเพิ่มเติมจากแหล่งอื่น เช่น Jira ticket และหน้า wiki เข้ามาประกอบคำถาม GenAI กำลังพิสูจน์ให้เห็นว่ามีประโยชน์ในการครอบเอกสารและตอบคำถามเกี่ยวกับเอกสาร เมื่อเครื่องมือเหล่านี้พัฒนามากขึ้น เราอาจเห็นความก้าวหน้าได้บ้าง อย่างน้อยในด้านการค้นคืนข้อมูลจากเอกสาร วิวัฒนาการของโครงสร้างพื้นฐานในรูปแบบโค้ด ดังที่กล่าวไว้ใน Macro Trends ฉบับก่อนหน้า โครงสร้างพื้นฐานในรูปแบบโค้ด (IaC) ยังคงพัฒนาอย่างต่อเนื่อง เรายังเห็นปรากฏการณ์เกี่ยวกับโครงสร้างพื้นฐานในโค้ด (IfC) เพิ่มขึ้น ซึ่งถูกนำไปใช้ในเครื่องมืออย่าง System Initiative ที่เพิ่งขยับไปสู่สถานะ GA ไม่นานนี้ เส้นแบ่งระหว่างแอปพลิเคชันกับโครงสร้างพื้นฐานกำลังเลือนรางลง ทั้งในมุมมองของโค้ดและความเป็นเจ้าของ โดยเฉพาะในสถาปัตยกรรมไมโครเซอร์วิส หรือเมื่อใช้สถาปัตยกรรมเชิงวิวัฒนาการ การจัดการความซับซ้อนของโครงสร้างพื้นฐานและการรู้ว่ามีอะไรทำงานอยู่จริงจึงเป็นสิ่งสำคัญ

(thoughtworks.com)

21 คะแนน โดย xguru 2024-10-29 | 1 ความคิดเห็น | แชร์ทาง WhatsApp

อิทธิพลที่เติบโตขึ้นของ AI

AI โดยเฉพาะ GenAI มีบทบาทสำคัญและเป็นส่วนใหญ่ของบทสนทนาด้านเทคโนโลยีในช่วงนี้
- AI และ GenAI กำลังส่งผลต่อทุกขั้นตอนของระบบนิเวศการส่งมอบซอฟต์แวร์
ผู้ช่วยเขียนโค้ดได้รับความสนใจมากที่สุด และโดยทั่วไปอยู่ในช่วงที่มีความพร้อมสูงสุด
- การเพิ่มขึ้นของประโยชน์ใช้สอยของเครื่องมือเหล่านี้ทำให้ต้องกลับมาประเมินวิธีการส่งมอบซอฟต์แวร์ใหม่ เพื่อใช้ประโยชน์จาก AI พร้อมทั้งรักษาหรือยกระดับความเข้มงวดทางวิศวกรรมที่ช่วยคงคุณภาพซอฟต์แวร์
- คาดว่าจะมีนวัตกรรมอย่างต่อเนื่องในด้านนี้ ทั้งเครื่องมือสำหรับบุคคลอย่าง GitHub Copilot และ Cursor หรือเครื่องมือที่เน้นการทำงานเป็นทีมอย่าง Haiven
- มีการเพิ่มขึ้นอย่างรวดเร็วของเครื่องมือที่ใช้ AI หรือช่วยสร้างแอปพลิเคชัน AI (หรือทั้งสองอย่าง)
ความเร็วในการนำเครื่องมือเหล่านี้มาใช้แซงหน้าทั้งความเร็วและปริมาณของเครื่องมือ Javascript ในอดีต
การเพิ่มขึ้นของ on-device LLM หรือ small language model (SLM) แสดงให้เห็นแนวโน้มที่การอนุมานกำลังย้ายจากเซิร์ฟเวอร์ไปยังเว็บและอุปกรณ์ edge
- แนวโน้มหลังนี้ส่งผลดีต่อความเป็นส่วนตัว

การตระหนักรู้ที่เพิ่มขึ้นเกี่ยวกับข้อจำกัดและความเสี่ยงของ AI

มีการตระหนักมากขึ้นว่าการมีมนุษย์อยู่ในลูปเป็นสิ่งสำคัญ โดยเฉพาะเมื่อเกี่ยวข้องกับเครื่องมือ GenAI
- ยังยากที่จะควบคุม hallucination หรือความผิดพลาดธรรมดาเมื่อใช้เครื่องมือเหล่านี้
- บางคนเสนอว่าในตอนนี้ควรเรียกว่า "AI in the loop" เพราะในบางแอปพลิเคชันมนุษย์ยังต้องเป็นผู้ควบคุม
- อย่างไรก็ตาม ไม่ได้มีแต่ด้านมืดทั้งหมด เมื่อรางวัลโนเบลสาขาเคมีและฟิสิกส์ต่างมอบให้กับผลงานที่เกี่ยวข้องกับ AI และที่ AI มีส่วนช่วย
ที่ใดมีแพตเทิร์นในเทคโนโลยี ที่นั่นก็มีแอนตีแพตเทิร์น และ AI ก็กำลังสะสมสิ่งเหล่านั้นอย่างชัดเจน
- ตัวอย่างที่เด่น ได้แก่ "การจับคู่ทำงานกับ LLM ที่ไม่ได้ให้ประโยชน์มากมายแบบการ pair programming จริง", "การใช้ LLM สำหรับ code review ที่อธิบายความสม่ำเสมอของสไตล์ไม่ได้ และทำให้การกระจายความเข้าใจใน codebase ยากขึ้น"
- แม้เครื่องมือเหล่านี้จะพัฒนาขึ้นอย่างชัดเจน แต่ก็ยังไม่พร้อมที่จะนั่งเบาะคนขับหรือใช้วิจารณญาณอย่างอิสระเกี่ยวกับคุณภาพและความเหมาะสมของโค้ด
สุดท้ายนี้ กำลังเกิดแรงต้านมากขึ้นต่อคำสัญญาที่ชวนเคลิบเคลิ้มของ GenAI
- นักวิเคราะห์การเงินกำลังตั้งคำถามถึงความเป็นไปได้ของผลตอบแทนจากการลงทุนต่อเงินจำนวนมหาศาลที่กำลังไหลเข้าสู่กิจการ AI และ GenAI ต่าง ๆ ในปัจจุบัน รวมถึงกิจกรรมที่ใช้ขับเคลื่อน foundation model
- เทคโนโลยีทุกอย่างต้องผ่านช่วงกระแสเกินจริง และ GenAI ก็ไม่ใช่ข้อยกเว้น
- โดยทั่วไป AI เคยผ่านฤดูหนาวของ AI มาหลายครั้งในอดีต แต่ ณ ตอนนี้ระดับของความผิดหวังยังไม่รุนแรงมากนัก
- ถึงกระนั้น เช่นเดียวกับแอนตีแพตเทิร์นที่กล่าวถึงข้างต้น ก็ยังมีแนวโน้มที่น่าเสียดายที่จะคิดว่าสิ่งใหม่ที่ดูสดใสเหล่านี้สามารถทำได้ทุกอย่างที่เราต้องการ
- เรายังคงกำลังเรียนรู้ถึงความเป็นไปได้ในการจินตนาการกระบวนการธุรกิจมาตรฐานของเราใหม่อีกมากมาย
อย่างไรก็ตาม ดูไม่น่าเป็นไปได้ที่ AI จะถอยกลับไปอยู่เบื้องหลังอีกครั้ง

การเติบโตของ Rust และ WebAssembly และความต่อเนื่องของ Postgres

นอกเหนือจาก AI แล้ว ยังมีสิ่งอื่นอีกมากที่เกิดขึ้นในโลกเทคโนโลยี
การใช้งานภาษา Rust และการพัฒนาเครื่องมือกำลังเพิ่มขึ้นอย่างมาก
- มีเครื่องมือจำนวนมากถูกเขียนใหม่ด้วย Rust โดยมักเกิดขึ้นในระบบนิเวศ Python
- Rust ถูกนำมาใช้มากขึ้นเนื่องจากคุณสมบัติด้าน memory safety
- ตัวอย่างได้แก่ Iggy, Ruff, uv, Zed เป็นต้น
- แน่นอน เช่นเดียวกับเทคโนโลยีอื่น ๆ จำนวนมากที่เราเคยดูมาก่อนหน้านี้ วลี "blazingly fast" ก็ปรากฏเด่นชัดในเอกสารของเครื่องมือ Rust เหล่านี้
WebAssembly (WASM) เป็นหัวข้อสำคัญของการพูดคุย เช่นเดียวกับประเด็นกว้าง ๆ เรื่องการรันทุกอย่างในเบราว์เซอร์
- การยอมรับมาตรฐาน WebAssembly แทบจะเป็นสากลแล้วทั้งในเบราว์เซอร์และแพลตฟอร์มของเบราว์เซอร์เหล่านั้น
- อย่างไรก็ตาม เรายังเห็นว่ามีการส่ง Blip เกี่ยวกับการใช้ WASM บนเซิร์ฟเวอร์เข้ามาจำนวนมากเช่นกัน
  - (Blip หมายถึงเทคโนโลยีหรือเทคนิคที่มีบทบาทสำคัญในการพัฒนาซอฟต์แวร์)
- ตัว WASM เองไม่ได้อยู่ใน Radar ตอนนี้ แต่มีหลาย Blip ที่ใช้ WASM รวมถึง PGLite และ Flutter for Web
- แน่นอนว่า AI ก็ไม่ขาดหายไป และยังมี Blip เกี่ยวกับ LLM บนเบราว์เซอร์ด้วย
ในด้านฐานข้อมูล เราได้เห็นว่าฐานข้อมูล Postgres แพร่หลายเพียงใด
- มีส่วนขยายของ Postgres หลากหลายสำหรับการค้นหาแบบ similarity การวิเคราะห์ข้อมูล การซิงก์บางส่วนของฐานข้อมูล เป็นต้น
- นี่ไม่ใช่ปรากฏการณ์ใหม่ แต่ Postgres แพร่หลายเป็นพิเศษในการประชุม Radar ครั้งนี้
- เรายังเห็นคู่แข่งโอเพนซอร์สหน้าใหม่ที่แข็งแกร่งสำหรับ data lake เช่น DuckDB, Iceberg และ Parquet
- ฐานข้อมูลเชิงสัมพันธ์มีมานานมากแล้ว แต่เรายังคงเห็นนวัตกรรมเกิดขึ้นอย่างต่อเนื่องในพื้นที่นี้

ความสำคัญอย่างต่อเนื่องของการกำกับดูแลเทคโนโลยี

ไม่ได้มีเพียงเรื่องที่เกี่ยวข้องกับ AI เท่านั้น แต่ยังมีการพูดถึงแนวทางการกำกับดูแลเทคโนโลยีหลากหลายรูปแบบ
- AI มาพร้อมกับความท้าทายด้าน governance ที่เป็นเอกลักษณ์เฉพาะตัว
แนวทางการกำกับดูแลอย่าง Build Your Own Radar (BYOR) ยังคงมอบคุณค่าให้กับองค์กรอย่างต่อเนื่อง
- อย่างที่มักเป็นเสมอ ผลลัพธ์ Radar สำหรับองค์กรเป็นสิ่งส่งมอบที่มีคุณค่า แต่ไม่มากเท่ากับกระบวนการจัดแนวร่วมกันเพื่อสร้าง Radar นั้น
- ปัญหาใหญ่ของ governance มักอยู่ที่เหตุผลเบื้องหลังเกณฑ์บางอย่างไม่ได้ถูกเข้าใจอย่างดีโดยทีมส่งมอบ
- การทำ BYOR ที่เหมาะสมช่วยให้ทีมเข้าใจได้ว่าทำไมพวกเขาจึงถูกควบคุมในลักษณะนั้น
การกำกับดูแลยังต้องการเอกสารประกอบ และเอกสารที่มีคุณภาพ ใช้งานง่าย และเป็นปัจจุบันยังคงเป็นเรื่องยาก
- เครื่องมืออย่าง Unblocked ไม่ได้แก้ปัญหาเหล่านี้ทั้งหมด แต่ช่วยได้ด้วยการดึงบริบทเพิ่มเติมจากแหล่งอื่น เช่น Jira ticket และหน้า wiki เข้ามาประกอบคำถาม
- GenAI กำลังพิสูจน์ให้เห็นว่ามีประโยชน์ในการครอบเอกสารและตอบคำถามเกี่ยวกับเอกสาร
- เมื่อเครื่องมือเหล่านี้พัฒนามากขึ้น เราอาจเห็นความก้าวหน้าได้บ้าง อย่างน้อยในด้านการค้นคืนข้อมูลจากเอกสาร

วิวัฒนาการของโครงสร้างพื้นฐานในรูปแบบโค้ด

ดังที่กล่าวไว้ใน Macro Trends ฉบับก่อนหน้า โครงสร้างพื้นฐานในรูปแบบโค้ด (IaC) ยังคงพัฒนาอย่างต่อเนื่อง
เรายังเห็นปรากฏการณ์เกี่ยวกับโครงสร้างพื้นฐานในโค้ด (IfC) เพิ่มขึ้น ซึ่งถูกนำไปใช้ในเครื่องมืออย่าง System Initiative ที่เพิ่งขยับไปสู่สถานะ GA ไม่นานนี้
เส้นแบ่งระหว่างแอปพลิเคชันกับโครงสร้างพื้นฐานกำลังเลือนรางลง ทั้งในมุมมองของโค้ดและความเป็นเจ้าของ
โดยเฉพาะในสถาปัตยกรรมไมโครเซอร์วิส หรือเมื่อใช้สถาปัตยกรรมเชิงวิวัฒนาการ การจัดการความซับซ้อนของโครงสร้างพื้นฐานและการรู้ว่ามีอะไรทำงานอยู่จริงจึงเป็นสิ่งสำคัญ

1 ความคิดเห็น

xguru 2024-10-29

ลองอ่านควบคู่กับ Thoughtworks Technology Radar, Volume 31 ที่โพสต์เมื่อวานนี้