vibecoding ไม่ได้ลบล้างความเชี่ยวชาญของนักพัฒนา แต่เปลี่ยนไปว่าความเชี่ยวชาญนั้นจำเป็นในด้านใด [บทความแปล]

1. กรณีทดลองของ vibecoding

   • ใช้ Claude Code agent ของ Anthropic ทำการทดลองสร้างเกมหรือแอปพลิเคชันจริงบนสภาพแวดล้อมลินุกซ์ได้สำเร็จ
   • สั่งงานด้วยภาษาธรรมชาติ: เพียงประโยคภาษาอังกฤษง่าย ๆ เช่น “วางอาคารหลายดีไซน์ และทำให้ฉันขับรถวนดูหมู่บ้านที่ฉันสร้างเองได้” AI ก็สามารถสร้างโค้ดที่นำไปรันได้จริงโดยอัตโนมัติ
   • สะท้อนฟีดแบ็กอย่างต่อเนื่อง: เมื่อขอเพิ่มฟีเจอร์ต่าง ๆ เช่น ภารกิจรถดับเพลิง ปริมาณการจราจร คู่แข่ง (เฮลิคอปเตอร์) การเปลี่ยนแปลงกลางวันและกลางคืน หรือภารกิจอื่น ๆ AI ก็อัปเดตแอปพลิเคชันให้สะท้อนสิ่งเหล่านั้นได้
   • กระบวนการแก้ปัญหา: แม้จะมีบั๊กหรือข้อผิดพลาดระหว่างรันโค้ด ก็แก้ไขได้ด้วยการสื่อสารกับ AI แบบวนซ้ำ และท้ายที่สุดมีค่าใช้จ่ายในการใช้ Claude API ราว $13

2. การเปลี่ยนแปลงของความเชี่ยวชาญ

   • การย้ายตำแหน่งของความเชี่ยวชาญ: vibecoding ไม่ได้ลบล้างความเชี่ยวชาญของนักพัฒนา แต่เปลี่ยนไปว่าความเชี่ยวชาญนั้นจำเป็นในด้านใด กล่าวคือ แทนที่จะต้องเขียนโค้ดทุกบรรทัดเอง ความสามารถในการเข้าใจระบบโดยรวม ชี้ทิศทาง หรือประเมินผลลัพธ์กลับสำคัญยิ่งกว่า
   • ยังต้องมีความรู้ขั้นต่ำ: เมื่อทำงานร่วมกับ AI ยังจำเป็นต้องมีความรู้ด้านการเขียนโปรแกรมในระดับพื้นฐาน (ความเข้าใจพื้นฐานและวิจารณญาณ) และต้องมีความสามารถในการตรวจทานผลลัพธ์ที่ AI เสนอรวมถึงให้ฟีดแบ็กได้
   • ตัวอย่างการใช้งานจริง: แม้แต่ผู้ใช้ที่ไม่คุ้นเคยกับสภาพแวดล้อมลินุกซ์ ก็สามารถสร้างซอฟต์แวร์ที่ต้องการได้อย่างรวดเร็วด้วยความช่วยเหลือจาก AI

3. ความขยายตัวได้ของ AI agent

   • AI agent ที่หลากหลาย: AI agent หลายตัว เช่น Manus ของจีน สามารถทำงานได้อย่างอัตโนมัติในขอบเขตกว้าง ตั้งแต่งานวิจัยบนเว็บ การเขียนโค้ด ไปจนถึงการสร้างเอกสารและเว็บไซต์
   • ความสำคัญของฟีดแบ็ก: แม้ AI จะทำงานได้เองอย่างอัตโนมัติ แต่ก็ยังอาจเกิดความผิดพลาดหรือข้อผิดพลาดได้ ดังนั้นกระบวนการที่มนุษย์ตรวจทานผลลัพธ์และให้ฟีดแบ็กจึงเป็นสิ่งจำเป็น
   • กรณีทดลองจริง: เมื่อมีการขอว่า “ช่วยสร้างคอร์สแบบอินเทอร์แอ็กทีฟเกี่ยวกับ elevator pitching โดยอาศัยคำแนะนำทางวิชาการที่ดีที่สุด” AI ก็จัดการทุกอย่างอย่างอัตโนมัติ ตั้งแต่ทำเช็กลิสต์ วิจัยบนเว็บ ไปจนถึงสร้างหน้าเว็บ จากนั้นเมื่อได้รับฟีดแบ็กว่าองค์ประกอบแบบอินเทอร์แอ็กทีฟยังไม่เพียงพอ AI ก็ปรับปรุงตามนั้น

4. การทำงานร่วมกันเชิงลึก (Deep Vibeworking)

   • การวิเคราะห์ข้อมูลที่ซับซ้อน: มีการทดลองวิเคราะห์ข้อมูลนิรนามขนาดใหญ่ที่รวบรวมจาก crowdfunding ร่วมกับ AI และไปไกลถึงขั้นเขียนงานวิชาการ
   • บทบาทของ AI: AI ช่วยอย่างมากทั้งในด้านการวิเคราะห์ข้อมูลและการเสนอสมมติฐาน แต่การคัดเลือกหัวข้อที่มีความหมายทางวิชาการและการประเมินผลลัพธ์ยังคงต้องอาศัยความเชี่ยวชาญของมนุษย์
   • การสร้างผลงานได้อย่างรวดเร็ว: ใช้เวลาไม่ถึงหนึ่งชั่วโมงก็เขียนงานวิชาการเสร็จ และผลงานที่ได้ก็อยู่ในระดับที่อาจเป็นคุณูปการที่มีความหมายต่อแวดวงวิชาการ

5. สรุป: หัวใจสำคัญคือการทำงานร่วมกันของมนุษย์กับ AI

   • การทำงานร่วมกันแบบเกื้อหนุนกัน: AI ไม่สามารถแทนที่ทุกสิ่งได้ แต่เมื่อผสานความเชี่ยวชาญของมนุษย์เข้ากับความสามารถของ AI ก็จะสร้างคุณค่าสูงสุดได้
   • การเปลี่ยนแปลงของวิธีการทำงาน: วิธีการทำงานกำลังเปลี่ยนแปลงอย่างรวดเร็ว และสิ่งสำคัญคือการหาจุดเชื่อมในแต่ละงานว่า AI กับมนุษย์ควรทำงานร่วมกันอย่างไร
   • มุมมองต่ออนาคต: ยุคใหม่ที่ AI และมนุษย์ทำงานร่วมกันโดยใช้จุดแข็งของแต่ละฝ่ายกำลังมาถึง

[tsboard]

แม้ว่า AI จะไม่ได้ทำแทนทุกอย่างได้ทั้งหมด แต่ก็น่าจะเข้ามาทำแทนงานจำนวนไม่น้อยได้จริง
ผมก็อดกังวลไม่ได้ว่า เราอาจกำลังจะเข้าสู่ยุคที่ผู้เชี่ยวชาญเพียงไม่กี่คนไม่ต้องร่วมงานกับนักพัฒนามือใหม่หรือระดับกลางอีกต่อไป
แต่แค่ทำงานร่วมกับ AI และยิ่งทำให้ช่องว่างนั้นกว้างขึ้นเรื่อย ๆ

[ashbyash]

ดูเหมือนว่าในการทำงาน ความเหลื่อมล้ำแบบสองขั้วก็คงจะรุนแรงขึ้นเรื่อย ๆ เช่นกัน

[beoks]

เมื่อต้องทำงานร่วมกับ AI อย่างน้อยที่สุดก็จำเป็นต้องมีความรู้ด้านการเขียนโปรแกรมในระดับพื้นฐาน (ความเข้าใจเบื้องต้นและวิจารณญาณ) และต้องมีความสามารถในการตรวจทานผลลัพธ์ที่ AI เสนอ รวมถึงให้ฟีดแบ็กได้

ผมคิดว่าในการพัฒนาแอปพลิเคชันระดับองค์กร สิ่งที่ต้องการไม่ใช่แค่ความรู้ ขั้นต่ำ แต่เป็นความรู้ พื้นฐานแก่นแท้ (CS, domain, design ฯลฯ)
ในกรณีของโปรเจกต์ของเล่นง่าย ๆ แม้ไม่มีความรู้เหล่านี้ก็สามารถพัฒนาได้ง่ายด้วย AI แต่เมื่อขนาดใหญ่ขึ้น ก็จะเริ่มเจออุปสรรคต่าง ๆ จากการขาดความรู้พื้นฐานแก่นแท้ (เช่น โครงสร้างที่ไม่สอดคล้องกับโดเมน, ประสิทธิภาพ, ปัญหา concurrency เป็นต้น)
ภายใต้สมมติฐานว่าใช้งาน AI ได้ดี ผมคิดว่าต่อจากนี้ความเชี่ยวชาญของนักพัฒนาจะอยู่ที่ความสามารถในการกำหนดทิศทางของโปรเจกต์จากมุมมองภาพใหญ่ด้วยความรู้พื้นฐานที่แน่น และความสามารถในการแก้ปัญหาเชิงลึก

[ashbyash]

ขอบคุณสำหรับความคิดเห็นที่มุมมองดีมากจริง ๆ :)

[devjeonghwan]

ถ้าคุณรู้สึกว่าสามารถมอบงานของตัวเองให้ AI ทำแทนได้ สุดท้ายคุณก็จะถูกแทนที่ 100% อยู่ดี ต้องค่อยๆ พัฒนาความสามารถที่ AI ทดแทนไม่ได้ หรือเป็นความสามารถที่คนอื่นเลียนแบบไม่ได้

[ashbyash]

ใช่เลย ผมคิดว่าเราต้องสำรวจและพัฒนาความสามารถนั้นต่อไปเรื่อย ๆ