CEO ของ AWS: “การแทนที่พนักงานจูเนียร์ด้วย AI เป็นแนวคิดที่โง่ที่สุดเท่าที่ผมเคยได้ยินมา”

• Matt Garman ซีอีโอของ AWS กล่าวว่าแนวคิดที่ว่า AI สามารถแทนที่พนักงานจูเนียร์ได้นั้นเป็น “คำพูดที่โง่ที่สุดเท่าที่ผมเคยได้ยินมา”
• เขาเน้นว่าพนักงานจูเนียร์เป็น กลุ่มที่มีต้นทุนต่ำที่สุดและเปิดรับการใช้เครื่องมือ AI มากที่สุด พร้อมย้ำว่าการพัฒนาคนและการมอบโอกาสในการเรียนรู้เป็นสิ่งจำเป็น
• เขายังชี้ว่าการวัดผลงานของ AI ด้วยปริมาณโค้ดที่เขียนได้เป็น ตัวชี้วัดที่ไร้ความหมาย และโค้ดที่น้อยกว่าแต่มีคุณภาพสูงสำคัญกว่าโค้ดจำนวนมากที่ไม่จำเป็น
• ภายใน AWS ขณะนี้มี นักพัฒนามากกว่า 80% ที่ใช้ AI อยู่แล้ว และมีการประยุกต์ใช้ในหลากหลายรูปแบบ เช่น unit test, การเขียนเอกสาร, การช่วยเขียนโค้ด และเวิร์กโฟลว์แบบ agent-based
• Garman มองว่าในสภาพแวดล้อมทางเทคโนโลยีที่เปลี่ยนแปลงอย่างรวดเร็ว สิ่งที่จำเป็นในระยะยาวคือ การคิดเชิงวิพากษ์, ความคิดสร้างสรรค์ และความสามารถในการเรียนรู้ และผู้ที่มีทักษะเหล่านี้จะประสบความสำเร็จในยุค AI

---

จุดยืนต่อประเด็นถกเถียงเรื่องการแทนที่พนักงานจูเนียร์

• Garman โต้แย้งอย่างหนักต่อผู้บริหารบางรายที่อ้างว่า AI สามารถ แทนที่พนักงานจูเนียร์ทั้งหมดได้
  • เขาเน้นว่าพนักงานจูเนียร์คือ “กลุ่มที่มีต้นทุนต่ำที่สุดและกระตือรือร้นต่อการใช้ AI มากที่สุด”
  • เขาย้อนถามว่า “ถ้าอีก 10 ปีข้างหน้าไม่มีใครได้สั่งสมประสบการณ์เลย จะเกิดอะไรขึ้น” พร้อมตอกย้ำความจำเป็นของการพัฒนาบุคลากร
• เขายังยืนยันว่ากระบวนการ รับบัณฑิตจบใหม่เข้ามาทำงาน แล้วสอนและฝึกให้พวกเขารู้จักวิธีแก้ปัญหา ยังคงเป็นสิ่งจำเป็น

คำวิจารณ์ต่อวิธีใช้ AI และตัวชี้วัด

• เขาวิจารณ์แนวปฏิบัติที่วัดผลลัพธ์ของ AI จากปริมาณโค้ดที่เขียนได้ว่าเป็น “ตัวชี้วัดไร้สาระ”
  • แม้จะสามารถสร้างโค้ดได้ไม่จำกัด แต่โค้ดนั้นอาจมีคุณภาพแย่ก็ได้
  • เขาชี้ว่า “หลายครั้งโค้ดที่น้อยกว่ากลับดีกว่า” และวิจารณ์การยึดติดกับตัวเลขเชิงปริมาณ
• ตามข้อมูลภายในของ AWS พบว่า นักพัฒนามากกว่า 80% ใช้ AI อยู่แล้ว
  • ใช้งานในหลายรูปแบบ เช่น การทำ unit test อัตโนมัติ, การช่วยเขียนเอกสาร, การเขียนโค้ดบางส่วน และ การทำงานร่วมกันแบบ agent-based
  • อัตราการใช้งานเครื่องมือ AI เหล่านี้เพิ่มขึ้นทุกสัปดาห์

คำแนะนำเรื่องการศึกษาและอาชีพในยุค AI

• Garman ระบุว่าทักษะสำคัญในยุค AI คือ การคิดเชิงวิพากษ์, ความคิดสร้างสรรค์ และทัศนคติในการเรียนรู้
  • ไม่ใช่เพียงการเรียนรู้ทักษะเฉพาะทาง แต่คือ “การเรียนรู้วิธีเรียนรู้” เอง
  • เขาเน้นว่า “วิธีคิดด้วยตนเอง ความสามารถในการแยกปัญหาออกเป็นส่วน ๆ เพื่อแก้ไข และท่าทีที่พร้อมเรียนรู้สิ่งใหม่” คือหัวใจสำคัญ
• เขาชี้ว่าเพราะเทคโนโลยีพัฒนาเร็วมาก การเรียนรู้เพียงทักษะเฉพาะอย่างเดียว ยากจะรองรับเส้นทางอาชีพยาว 30 ปีได้
• ดังนั้น ผู้สอนควรสอนให้นักเรียนมี ความสามารถในการแยกปัญหาและคิดอย่างเป็นระบบ รวมถึงทัศนคติในการเรียนรู้สิ่งใหม่ และเขาคาดว่าผู้ที่มีคุณสมบัติเหล่านี้จะเติบโตได้ดีในยุค AI

[minsuchae]

ผมคิดว่าทั้งสองด้านเป็นประเด็นที่ต้องพิจารณาอย่างรอบคอบเพียงพอ

การดำเนินงานของบริษัทจำเป็นต้องมีนักพัฒนา และตอนนี้ก็ดูเป็นช่วงเวลาที่นักพัฒนาระดับจูเนียร์หางานได้ยาก
แม้ในที่สาธารณะจะโทษ AI กัน แต่ความจริงคือช่วงโควิดมีการจ้างงานเพิ่มขึ้นอย่างมาก และเมื่อเทียบกับความสำเร็จที่ไม่ได้เพิ่มขึ้นตามสัดส่วน บริษัทกลับมีต้นทุนบุคลากรโดยรวมสูงขึ้น จึงมีการลดการจ้างงานเพราะภาระนั้นอยู่แล้ว ในสถานการณ์แบบนั้น เมื่อการใช้ LLM แสดงประสิทธิภาพได้มากกว่าหรืออย่างน้อยก็พอ ๆ กับการมอบงานให้นักพัฒนาจูเนียร์ ผมจึงมองว่าตลาดงานเองก็หดตัวลงไปอีก

อย่างไรก็ตาม อย่างที่เขียนไว้ในบทความ สุดท้ายนักพัฒนาจูเนียร์เป็นสิ่งจำเป็น เพราะพวกเขาจึงจะเติบโตไปเป็นนักพัฒนาซีเนียร์ได้
ถ้าไม่รับนักพัฒนาจูเนียร์ตั้งแต่ต้น ก็จะไม่มีทางมีนักพัฒนาซีเนียร์เกิดขึ้นได้ในระบบแบบนี้

ถึงอย่างนั้น ผมก็คิดว่าในกระบวนการนี้จำเป็นต้องมีการปรับสมดุลกันมากพอสมควร
ในกรณีของบริษัทใหญ่ อาจได้รับผลกระทบน้อยกว่าเพราะมีระบบที่ชัดเจนอยู่แล้ว แต่เมื่อรับนักพัฒนาจูเนียร์เข้ามา บริษัทมักจะฝึกเขาด้วยการมอบงานจิปาถะเล็กน้อยให้ทำก่อน แทนที่จะให้ทำงานหลักของบริษัททันที (คืองานที่แม้พลาดก็ยังรับได้)

แต่ในมุมของนักพัฒนาซีเนียร์ ยิ่งระบบยังไม่ลงตัว การคอยแนะนำให้นักพัฒนาจูเนียร์ก็ยิ่งเป็นเรื่องยาก

และที่น่า ironic ก็คือ เวลาจะใช้ LLM ให้ได้ผลดี กลับต้องมีความรู้ที่เกี่ยวข้องมากกว่าด้วย ไม่ใช่ว่าเป็นนักพัฒนามือใหม่แล้วจะได้ประสิทธิภาพเท่ากัน
ยิ่งไปกว่านั้น การแทนที่งานพัฒนาทั้งหมดด้วยพนักงานจูเนียร์นั้นเป็นไปไม่ได้ คนที่เก่งระดับอัจฉริยะอาจทำได้ somehow แม้ไม่มีนักพัฒนาซีเนียร์ก็ตาม แต่ถ้างานเริ่มไหลไปรวมที่คนนั้นคนเดียว เขาจะรับไหวจริงหรือ?

สรุปคือ ควรรับทั้งนักพัฒนาซีเนียร์และจูเนียร์ และในกระบวนการนั้นก็ควรมีการจ้างงานอย่างยืดหยุ่น โดยคำนึงถึงทั้งผลิตภาพและต้นทุนบุคลากรของบริษัท

[zxcv123]

คนที่ปฏิเสธบทความนี้
ก็มีแต่ซีเนียร์ที่ระดับตัวเองต่ำ เลยเคยทำงานแค่กับจูเนียร์ฝีมือต่ำเหมือนกันเท่านั้นแหละ 555
ไม่ว่าจะมีประสบการณ์แค่ไหน ในยุค AI คนหัวดีได้เปรียบแบบทิ้งห่างอย่างมาก
เด็กจบใหม่ที่หัวดี ถ้าลุยจริงจังสัก 1-2 ปี ก็สบาย ๆ กับคนประสบการณ์ 10 ปีทั่วไปได้

[onixboox]

ต่อให้ไม่มี AI เด็กจบใหม่หัวดี ถ้าลุยจริงจังแค่ 1~2 ปี ก็แซงคนทำงานมา 10 ปีแบบธรรมดา ๆ ได้สบายอยู่แล้ว...

[epdlemflaj]

รู้สึกเหมือนกำลังพูดว่า “พนักงานจูเนียร์ก็ค่าตัวถูก แถมใช้ ai เก่ง แล้วจะไปแทนที่ทำไม? ไปแทนที่ซีเนียร์กันเถอะ!” เลยนะ

[rlaaudgjs5638]

อ้อ ก็อาจจะเข้าใจแบบนั้นได้เหมือนกันนะ

[ididid393939]

ไร้สาระชิบหาย 555

[ifmkl]

เฮ้อ...

[aobamisaki]

กรุณางดแสดงความคิดเห็นในลักษณะนี้ ที่นี่ไม่ใช่ DCInside

[dlehals2]

ที่นี่ไม่ใช่ DC..

[kht6163]

สภาพคำพูด

[GN⁺]

ความคิดเห็นใน Hacker News

• เห็นด้วยอย่างยิ่ง ขณะเดียวกันก็รู้สึกว่าถ้าจะใช้โค้ดจาก LLM ให้ได้จริง ๆ ต้องเป็นพวกพ่อมดแห่งการเขียนพรอมป์ต์เลยทีเดียว ฉันใช้มันแค่ตอนดีบักเป็นครั้งคราว หรือสเก็ตช์ UI แบบเร็ว ๆ เท่านั้น แต่ถ้าเป็นโค้ดใช้งานจริง โค้ดที่ LLM เขียนมักจะเป็นสปาเกตตีโค้ดที่เยิ่นเย้อ มีความเสี่ยงร้ายแรงด้านประสิทธิภาพและความปลอดภัย และเข้าใจ design pattern แทบทุกแบบที่ฉันให้ไปผิดหมด

  • ทุกครั้งที่เห็นโพสต์ใน Hacker News กับ Reddit ที่ตั้งข้อกังขาเรื่อง AI coding ฉันยิ่งรู้สึกแปลกใจมากขึ้นเรื่อย ๆ เหมือนพวกเราอยู่กันคนละโลกโดยสิ้นเชิง คิดว่าความหลากหลายของเครื่องมือก็เป็นสาเหตุหนึ่ง ฉันคิดว่าคำว่า "ใช้โค้ดจาก LLM" ของแต่ละคนหมายถึงคนละอย่าง โดยเฉพาะใช้ LLM ตัวไหน มีบริบทให้มันแค่ไหน และใช้ IDE อะไร สิ่งเหล่านี้ดูมีผลกับผลลัพธ์มาก ฉันเขียนโค้ด B2B SaaS เองมา 200,000 บรรทัดก่อนที่ agentic coding จะมา ตอนนี้ในโหมด Sonnet 4 Agent ฉันเขียนเองแค่ราว 20% ของโค้ดที่ทำทุกวัน ที่เหลืออีก 80% เขียนโดย interactive Sonnet ใน VS Code และ GitHub Copilot Agents ยิ่งทำเอกสารเป็น Markdown มากเท่าไร สัดส่วนนี้ก็ยิ่งสูงขึ้น ฉันรีวิวผลลัพธ์อย่างละเอียดและทดสอบมัน

  • อยากรู้ว่าใช้เครื่องมืออะไร ฉันใช้ aider อยู่ และต่อให้ใช้โมเดลที่ลือกันว่าเขียนโค้ดไม่เก่งอย่าง gpt-5 ก็ยังไม่เคยเจอประสบการณ์แบบที่คุณว่าเลย มันเขียนโค้ดที่ "ดี" ได้จริง และยังเข้ากับสไตล์โค้ดเดิมได้ดีด้วย การเขียนพรอมป์ต์สำคัญมาก และใน codebase ที่มีอยู่แล้ว ถ้าคุณให้ hint เชิง implementation แบบเจาะจงได้ อัตราความสำเร็จจะดีขึ้นชัดเจน นี่เป็นจุดที่ senior ที่รู้จัก codebase ดีทำได้ง่าย แต่ junior อาจทำได้ยาก ฉันคิดว่าเราต้องมองให้ครบทุกด้าน ตอนนี้หลายครั้งฉันทำเองยังเร็วกว่าให้ aider รันอยู่นิดหน่อย แต่ช่องว่างก็ไม่มากและมันก็ดีขึ้นเรื่อย ๆ LLM อาจแทนงานบางอย่างที่ junior developer ทำได้ แต่แทนทั้งหมดไม่ได้ เพราะ junior ยังต้องเข้าประชุม ต้องช่วยขับเคลื่อนการอภิปราย และสุดท้ายก็มีเส้นทางเติบโตไปเป็น senior แต่ในมุมผู้บริหาร เรื่องพวกนี้อาจไม่ใช่สิ่งที่เขาสนใจก็ได้

  • AI เป็นเครื่องมือที่ยอดเยี่ยมมากสำหรับการค้นข้อมูลจำนวนมากแบบคร่าว ๆ ช่วงนี้ฉันเริ่มใช้ Assistant ของ Kagi ก่อนการค้นหาแบบปกติบ่อยขึ้นเรื่อย ๆ มันช่วยให้ฉันนึกคำที่ขาดอยู่ได้ แล้วพอเอาคำนั้นไปค้นในหน้าเว็บต่อก็จะเจอสิ่งที่ต้องการในที่สุด แต่กับ vibe coding ฉันไม่เคยได้คุณค่าอย่างสม่ำเสมอเท่าไรนัก งานแบบครั้งเดียวจบมันยอดเยี่ยมมาก เช่น ตอนทำกราฟ matplotlib แค่บอกสิ่งที่ต้องการและให้ schema ของข้อมูล มันก็ทำถูกประมาณ 90% มันยังทำ shell script ง่าย ๆ ให้ได้ด้วย ไม่นานมานี้ฉันลองสั่งให้มันทำเครื่องมือ CLI เล็ก ๆ สำหรับจัดโฟลเดอร์รูป RAW ด้วยข้อมูล EXIF ซึ่งงานแนวนี้น่าพอใจมาก แต่พอสั่งอะไรที่ซับซ้อนขึ้นอีกนิด มันจะทำเรื่องไร้ประโยชน์เยอะมาก ทั้งสร้าง model ซ้ำกับที่มีอยู่ในโปรเจกต์แล้ว เปลี่ยนของที่ไม่เกี่ยวข้องแล้ว หรือมโนฟังก์ชัน API ที่ไม่มีขึ้นมา ถ้าต้องมานั่งตรวจผลลัพธ์ ฉันเขียนเองยังดีกว่า แล้วสำหรับฉัน ส่วนที่สนุกที่สุดก็คือกระบวนการเขียนโค้ดด้วยตัวเอง สำหรับขั้นตอนใช้งานจริงที่มนุษย์ใช้พรอมป์ต์เพื่อได้ผลลัพธ์ชั่วคราว แล้วต้องเซฟ ผสาน และส่งต่อทันที ฉันยังไม่เจอตัวอย่างที่ LLM เหมาะนัก

  • AI มีประโยชน์มากในการกรองคำตอบที่ฉันต้องการออกมาจากเว็บห่วย ๆ เป็นร้อยเว็บที่เต็มไปด้วยโฆษณา ฉันใช้ Duck Duck Go AI สำหรับถาม-ตอบค่อนข้างบ่อย ฉันเชื่อถือมันได้แค่ระยะที่ขว้างศูนย์ข้อมูลไปถึง แต่สำหรับข้อมูลที่เช็กได้เร็ว เช่น syntax ของโปรแกรมหรือ option ของคำสั่ง มันก็มีประโยชน์ดี

  • การใช้ AI นี่ตรงกับคำว่า 'ใส่เข้าไปเท่าไรก็ได้กลับมาเท่านั้น' เลย ถ้าคุณใช้เวลาอธิบายการทำงานภายใน edge case สถาปัตยกรรม การเลือกไลบรารี ฯลฯ และเขียนลง Markdown อย่างละเอียด โอกาสที่จะได้โค้ดที่พอใช้ได้หลังลองไม่กี่รอบก็สูงขึ้นมาก มันต่างจากพรอมป์ต์สั้น ๆ อย่าง "ช่วยทำฟีเจอร์ X ให้หน่อย" อย่างชัดเจน แต่พอคุณเขียนพรอมป์ต์ดีได้ขนาดนี้ ก็แปลว่าจริง ๆ คุณแทบจะแก้ปัญหาไปหมดแล้ว และ LLM ก็เป็นแค่เครื่องพิมพ์อัตโนมัติที่เร็ว มันทำให้พิมพ์เร็วขึ้นเท่านั้น แต่การคิดส่วนใหญ่คนก็คิดไปแล้ว

• อย่างน้อยก็คิดว่ามี CEO อยู่หนึ่งคนที่เข้าใจประเด็นนี้ ความคิดที่จะข้ามกำลังคนระดับ junior แล้วเติมด้วย AI อย่างเดียว จะส่งผลเสียต่อบริษัทในระยะยาว ถ้าคนระดับ senior แยกตัวออกไป บริษัทก็ไม่เหลืออะไร พูดตรง ๆ ฉันยังไม่แน่ใจว่า AI เป็นผลดีจริง ๆ ต่อวิศวกรคนไหนบ้าง แม้แต่ junior เองก็ตาม software engineering คือการเดินทางของการสำรวจและการเรียนรู้ ทุกครั้งที่ใช้ AI ฉันจะนึกถึงครูคณิตที่บอกว่า "ถ้าใช้เครื่องคิดเลข มันจะไม่เหลืออยู่ในหัว" โดยรวมแล้วฉันยังรู้สึกว่า AI เป็นผลลัพธ์ตามธรรมชาติของนโยบายเศรษฐกิจอเมริกันตลอด 45 ปีที่ผ่านมา มันคือการวิ่งไล่ผลงานระยะสั้นเพื่อคน 1% เท่านั้น และทำลายระบบนิเวศองค์กรกับการพัฒนาเศรษฐกิจระยะยาวที่ดีต่อสุขภาพ พอเห็นแบบนี้แล้วรู้สึกว่านี่คงเป็นสถานการณ์ที่ Jack Welch น่าจะภูมิใจมาก

  • “ถ้า senior ออกไปจะเกิดอะไรขึ้น?” CEO ไม่ใช่คนที่กังวลเรื่อง senior ลาออกจริง ๆ หรอก ตรงกันข้าม เขาตะโกนว่า "เก็บ junior ไว้" แต่ความหมายแฝงคือ "ปล่อย senior ออกไป" ซึ่งก็สอดคล้องกับเทรนด์เดิมของอุตสาหกรรม ในคำพูดของ OP มีช่วงที่บอกว่า "[การแทนที่ junior] เป็น ‘ความคิดที่โง่ที่สุดเท่าที่เคยได้ยินมา’ พร้อมเหตุผลว่า junior น่าจะเป็นพนักงานที่ถูกที่สุดและกระตือรือร้นกับเครื่องมือ AI มากที่สุด" สุดท้ายมันก็คือการมองความสามารถและทักษะเป็นภัยคุกคาม เป็นปัจจัยเสี่ยง เป็นสัญญาณที่บอกทั้งอุตสาหกรรมให้คงความสะเพร่าไว้ต่อไป และเร่งความเร็วในการพังทลายของขีดความสามารถทางปัญญาให้มากที่สุด

  • "อย่างน้อยก็มี CEO สักคนที่เข้าใจถูกต้อง"

"AI อาจไม่เป็นประโยชน์กับวิศวกรทุกคน" ถ้าฟังบทสัมภาษณ์ CEO คนนี้ เขากลับเป็นคนที่ทุ่มสุดตัวกับการนำ LLM มาใช้เขียนโค้ด เขาพูดอย่างภูมิใจว่าวิศวกร AWS 80% ใช้ LLM กันแล้ว และจะเพิ่มขึ้นอีกในอนาคต แนะนำให้ลองฟังบทสัมภาษณ์สัก 10 นาที

* ฉันคิดว่า AI ช่วยกระบวนการเรียนรู้ของฉันโดยรวมได้จริง
  หลายปีมานี้ฉันมีโปรเจกต์ส่วนตัวที่อยากทำมาตลอด แต่กำแพงในการเริ่มต้นสูงเกินไปจนยอมแพ้เสมอ
  ด้วย AI ฉันจัดการงานซ้ำ ๆ ที่น่าเบื่อได้ง่ายขึ้น เลยผลักโปรเจกต์จริงให้ไปถึงจุดเสร็จได้
  ถ้าฉันลุยเองคนเดียวตั้งแต่ต้นจนจบโดยไม่มี AI อาจจะได้เรียนรู้มากกว่านี้ก็ได้ แต่ถ้าไม่ได้เริ่มเลยก็ไม่ได้อะไรเลย
  ตอนนี้ปริมาณที่ฉันได้เรียนรู้จริง ๆ เพิ่มขึ้นอย่างชัดเจน

* ต่อให้ senior ยังอยู่ ถ้าไม่สนใจการเปลี่ยนแปลงหรือการนำของใหม่มาใช้ หรือขยับตัวช้า นั่นก็เป็นความเสี่ยงเหมือนกัน
  ฉันคิดว่าการนำ AI มาใช้จะเร่งความเร็วในการเรียนรู้และการเติบโตของ junior ได้มหาศาล

• ในช่วงไม่กี่เดือนที่ผ่านมา หลังจากได้ทำงานกับสตาร์ตอัปหลายแห่ง ฉันเห็นหลายกรณีที่จมลึกกับ LLM vibe coding จนถอนตัวไม่ขึ้น หลายแห่งรับคนไม่ได้ดีพอ หรือพลาดบุคลากรสายเทคนิคไป พวกเขาเข้าใจผิดว่าโค้ดจาก AI โดยเฉพาะโค้ดจาก Claude คือวิศวกร 10x ภายในองค์กร และคาดหวังการทำซ้ำที่เร็วขึ้นกับโค้ดที่ดีกว่า ฉันเห็นผู้ก่อตั้งที่ฉลาดมากหลายคนเสพติดโดปามีนจากการที่โค้ดของ Claude ทำให้รู้สึกเหมือนงานวิศวกรรมซอฟต์แวร์หลายสัปดาห์หรือหลายปีถูกทำเสร็จไปแล้ว การเชื่อว่า AI สามารถ ‘คิด’ หรือ ‘เข้าใจ’ ปัญหาซับซ้อนได้ เป็นการประเมินมันสูงเกินไปมาก ฉันคิดว่าเราควรวัด ‘เวลาที่ประหยัดจากการพิมพ์’ มากกว่าความสามารถในการคิดจริง [1] vibebusters.com

• เห็นด้วยเต็มที่กับการสอน "วิธีคิด" และ "วิธีแยกย่อยปัญหา" อาจารย์ที่ดีที่สุดในคณะวิศวกรรมของฉันออกข้อสอบแบบเปิดหนังสือเสมอ ในโลกจริง ทุกคนอยู่ในสภาพแวดล้อมที่เข้าถึงข้อมูลและสารสนเทศทั้งหมดได้ คนไม่ได้ถูกจ้างมาเพื่อเสียเวลาไปกับการหาข้อมูล แต่ถูกจ้างมาเพื่อวิเคราะห์ ทำความเข้าใจ และประยุกต์ใช้มันอย่างมีเหตุผล นั่นแหละคือสิ่งที่เรียกว่าวิศวกรรม และอาจารย์คนนั้นก็สอนสิ่งนี้พอดี

  • ตอนเรียนมหาวิทยาลัยฉันเคยเรียนวิชาพีชคณิตนามธรรม ข้อสอบทุกข้อคือการท่องและเขียนพิสูจน์ที่มีชื่อเสียง แล้วก็สร้างพิสูจน์ใหม่ขึ้นมา การท่องจำล้วน ๆ รู้สึกฝืนมาก แต่ฉันก็ได้ตระหนักว่าถ้าไม่เข้าใจการพิสูจน์ก็ท่องไม่ได้จริง ตอนที่ต้องสร้างพิสูจน์ใหม่เอง มันเหมือนมีโมดูลในหัวอยู่แล้ว เลยเข้าถึงได้อย่างเป็นธรรมชาติกว่ามาก ฉันคิดว่าการท่องจำที่แท้จริงต่างจากการจำโค้ดสไตล์โจทย์ algorithm มาก และการเขียนแอปพลิเคชันจริงคล้ายกับการสำรวจกราฟเฉพาะหน้าตามสถานะที่เน้นมนุษย์เป็นศูนย์กลางมากกว่า ปัญหาในโลกจริงไม่ได้มีลำดับตายตัวใหม่ ๆ เสมอไป สุดท้ายแล้ว heuristic ต่างหากที่สำคัญ

  • ฉันคิดว่านี่คือปัญหาแกนหลักที่การจ้างงานในสายนี้กำลังเผชิญ นักพัฒนาที่เก่งจริง ๆ โดยเนื้อแท้แล้วเป็น generalist ความเชี่ยวชาญเฉพาะทางมีคุณค่าแน่นอน แต่ถ้าไม่ใช่สถานการณ์อย่างนรก legacy code แบบโบราณ หรือโจทย์ที่ต้องฝ่าข้อจำกัดสุดขีด ผู้เชี่ยวชาญก็ไม่จำเป็นเสมอไป บางทีคนที่เคยจับสแตกที่ไม่คุ้นเคยอาจช่วยอุดจุดอ่อนหรือให้มุมมองใหม่ ๆ ได้มากกว่า ถ้าเป็นนักพัฒนาทั่วไปที่มีความสามารถ ก็ปรับตัวเข้ากับสแตกไหนก็ได้เร็ว เพราะแต่ละบริษัทก็ใช้เทคโนโลยีสะเปะสะปะกันไปหมดอยู่แล้ว ต่อให้ตั้งเงื่อนไขว่า "ต้องมีประสบการณ์ React 15 ปี" คนที่เข้ามาก็ไม่มีทางมี productivity ระดับเต็มแม็กซ์ได้ทันที ยังไงก็ต้องมีเวลา onboarding แต่คนทำงานด้านสรรหาส่วนใหญ่กลับไม่ค่อยเข้าใจเรื่องนี้ บริษัทใหญ่ยังพอฝึกคนให้บ้าง แต่เดี๋ยวนี้บรรยากาศก็ไม่เหมือนเมื่อก่อนแล้ว แข่งกันจ้างจนยอมจ่ายเป็นแสนดอลลาร์ แต่กลับไม่ค่อยคิดถึงต้นทุนในการรับใครสักคนเข้ามาแล้วปั้นให้โต ในระดับทั้งอุตสาหกรรม ถ้ามีสมาคมวิชาชีพก็น่าจะช่วยกันไม่ให้โครงสร้างการจ้างงานและการพัฒนาคนพังไปทั้งระบบได้ แต่ก็ไม่มี เลยยิ่งเป็นปัญหา (ฉันคิดว่าที่ช่วงนี้สหภาพแรงงานถูกพูดถึงมากขึ้นจากเรื่อง layoffs, outsourcing ฯลฯ ก็อยู่ในบริบทเดียวกัน)

  • ฉันสงสัยว่าเรากำลังเห็นการเปลี่ยนแปลงแบบนั้นเกิดขึ้นแล้วหรือเปล่า ครึ่งหนึ่งของหลักสูตร CS แบบดั้งเดิมคือคณิตศาสตร์ ส่วนอีกครึ่งถึงจะชื่อวิชาไม่เหมือนกันแต่จริง ๆ ก็ยังเป็นคณิตศาสตร์อยู่ดี ถึงจะมีคำวิจารณ์ต่อแวดวงวิชาการมากมาย แต่เวลามีคนบอกว่า "วงการวิชาการมันโง่ ควรจะสอนเรื่องแบบนี้" สิ่งนั้นก็มักเป็นเรื่องที่เขาสอนกันอยู่แล้ว หรือไม่ก็เป็นเรื่องที่เรียนเพิ่มได้เร็วเท่าที่จำเป็น เทรนด์ใหม่ส่วนใหญ่ก็เป็นสิ่งที่เขาทำกันอยู่แล้ว

  • ตอนเรียนมหาวิทยาลัย ภาควิชาปรัชญามีสโลแกนการตลาดว่า "สาขาแห่งการคิด เรียนการคิด" จากประสบการณ์ของฉันในฐานะคนทำงานสรรหา คนที่เรียนสายมนุษยศาสตร์มักแข็งแกร่งกว่ามากในงานแก่นอย่างการวิเคราะห์และการทำความเข้าใจ ฉันเองก็มีอคติเพราะเรียนควบ CS/ปรัชญา แต่ junior ที่มีทักษะคิดเชิงวิเคราะห์มีค่ากว่าคนที่แค่เขียนโค้ดเยอะมากจริง ๆ การคิดเชิงวิเคราะห์สอนยากกว่าการเขียนโค้ดมาก

  • ตอนปีแรกมีอาจารย์คนหนึ่งเรียกอาการที่เด็กหัวกะทิวิทยาการคอมพิวเตอร์ชอบกระโดดไปเขียนโค้ดเลยโดยไม่ย่อยปัญหาจากมุมธุรกิจหรือมุมผู้ใช้ว่า “crazy finger syndrome” ฉันคิดถึงมุกของอาจารย์คนนั้นเกี่ยวกับ 'นักศึกษาวิตกกังวลที่อยากเขียนโค้ดอย่างเดียว' ฉันคิดว่าช่วงหลัง ๆ bootcamp ต่าง ๆ ไม่ได้สอดคล้องกับมาตรฐานจริยธรรมระดับสูงเสมอไป

• ฉันเคยได้ยินคำถามว่า “ถ้าในอนาคตไม่มีใครถูกฝึกมาอย่างถูกต้องจริง ๆ จะเกิดอะไรขึ้น?” ฉันคิดว่าหลายคนน่าจะยอมรับข้อสรุปนี้เป็นเรื่องปกติไปแล้ว ถึงอย่างนั้น ภายใต้โครงสร้างที่บริษัทส่วนใหญ่ให้ความสำคัญกับกำไรระยะสั้นมากกว่าความยั่งยืนระยะยาว ก็คงไม่ง่ายที่จะหนีจากมัน อย่างน้อยการฝึกงาน/internship และ co-op ก็ยังถูกย้ำอยู่เรื่อย ๆ ว่าเป็นมาตรการรักษา pipeline ของบุคลากร ฉันยังคาดว่าข้างหน้าจะมีเทรนด์ที่หันไปโฟกัสกับ internship หนักขึ้นเพื่อเลี่ยงความยากในการรับ junior developer

• ถ้าจะสรุปจากประสบการณ์ของฉัน ก็ประมาณนี้ เจ้านายของเราพยายามสร้างภาพว่าเป็นผู้นำด้าน AI ด้วยการประกาศเชิง PR ว่า "จะปลดคนจำนวนมากเพราะนำ AI มาใช้" แต่พอลองทำจริงกลับเละเทะสุด ๆ และตอนนี้ฉันต้องออกหน้าไปขอโทษกับอธิบายแทน

  • เจ้านาย -> VP: "เพราะ AI ต้องลดคน" VP -> สาธารณะ: "ภายใน 2 ปีจะใช้ AI แทนวิศวกรทั้งหมด" เจ้านาย -> VP: "VP ก็ต้องลดเพราะ AI เหมือนกัน" VP -> สาธารณะ: "การแทนที่คนด้วย AI เป็นเรื่องโง่มาก"

  • ตอนนี้ก็ยังไม่รับ junior developer อยู่ดี

• ดูเหมือน AWS CEO ก็เปลี่ยนจุดยืนแล้ว เมื่อปีที่แล้วเขาเคยพูดว่า "ภายใน 2 ปี AI จะเขียนโค้ดทั้งหมด" [1] ในที่สุดพวก c-suite ก็ดูเหมือนเริ่มยอมรับความจริงแล้ว [1] https://news.ycombinator.com/item?id=41462545

  • CEO ไม่ได้พูดแบบนั้นจริง ๆ เขาแค่บอกว่า ภายใน 2 ปี นักพัฒนาอาจแทบไม่ต้องเขียนโค้ดเองแล้ว และเขาก็พูดต่อว่า "ตอนนี้เราควรโฟกัสมากขึ้นว่ากำลังสร้างอะไร สร้างอย่างไร และอะไรคือสิ่งที่ลูกค้าต้องการจริง ๆ" ลิงก์บทความ ตั้งแต่สมมติฐานจนถึงคำพูดล่าสุดยังเป็นบริบทเดียวกันอย่างสอดคล้อง "การเขียนโค้ด" เองอาจมีความสำคัญน้อยลง และเพราะเหตุนี้จึงควรรับ junior เข้ามา สอนวิธีเรียนรู้ และพัฒนาทักษะที่ใช้งานได้จริง

  • ในทางทฤษฎี มูลค่าบริษัทของ Amazon ส่วนใหญ่มาจากศักยภาพของบุคลากร บางคนมองแรงงานเป็นแค่ต้นทุน และบอกว่ามูลค่าทั้งหมดเป็นของผู้ถือหุ้น แต่ถ้าทรัพยากรมนุษย์มีมูลค่าจริง การอ้างว่าใคร ๆ ก็เข้าถึงมูลค่านั้นได้ด้วย AI เพียงอย่างเดียว กลับเป็นผลเสียต่อราคาหุ้นเสียเอง มีความเสี่ยงที่ PE จะลดลงด้วยซ้ำ และการตีความเรื่องนี้ในแง่บวกก็ดูแปลกมาก ถ้าเชื่อจริงว่าแค่มี AI ก็ทำอะไรก็ได้ ในมุมผู้ถือหุ้น เงินทุนก็จะไม่ถูกผูกไว้อย่างมั่นคงกับ FAANG อีกต่อไป แต่ต้องคอยไล่หาของใหม่ที่เป็น 'การเติบโตครั้งถัดไป' อยู่ตลอด

  • ถ้าเป็นผู้บริหาร ก็จำเป็นต้องรับรู้กระแสของยุคสมัยอยู่เสมอ

  • มันไม่ใช่คำพูดที่ขัดแย้งกันเลย ถ้าจะสั่งงาน AI ที่มีความเป็นอิสระ คุณต้องมี pipeline บุคลากรที่ปั้นคนมาตั้งแต่ junior ไม่ใช่แค่ senior บริษัทใหญ่กังวลเรื่อง pipeline นี้ ส่วนบริษัทเล็กอาจอาศัยสิ่งนี้ รับแต่ senior ในระยะสั้นและไม่รับเด็กฝึกงานเลยก็ได้

  • ไม่มีความขัดแย้งทางตรรกะระหว่างสองคำพูดนี้ คุณยังรับ junior ต่อไปได้ ในขณะที่ลักษณะงานของพวกเขาอาจเปลี่ยนไปจากการเขียนโค้ดตรง ๆ อย่างมีนัยสำคัญ

• ถ้ารู้สึกว่าจุดยืนของเจ้านายสองคนนี้ต่างกัน ฉันอยากแนะนำให้ไปตรวจสอบด้วยตัวเอง การหยิบคำพูดจากข่าวมาอ้างแบบตัดบริบทไม่ใช่เรื่องที่ดี เพราะไม่มีใครทำนายอนาคตได้จริง [1]: https://www.shrm.org/topics-tools/news/technology/ai-will-shrink-corporate-workforce--amazon-ceo-warns

  • ฉันไม่คิดว่าคำพูดของ CEO สองคนนี้จะขัดกัน "เราควรรับบัณฑิตใหม่เข้ามาอย่างต่อเนื่องและสอนวิธีสร้างซอฟต์แวร์ที่ถูกต้องให้พวกเขา" - Matt Garman "หลายงานที่เราทำอยู่ทุกวันนี้จะต้องใช้คนน้อยลง" - Andy Jassy มันต่างกันแค่โทน แต่แก่นแท้คล้ายกัน

  • ฉันคิดว่าตอนอ้างคำพูด ควรอ้างต้นฉบับให้ใกล้เคียงที่สุดพร้อมบริบทอย่างครบถ้วน จึงจะมีจริยธรรม เพราะการเลือกว่าจะอ้างใครและสร้างบริบทแบบไหน เป็นสิ่งที่กำหนดน้ำเสียงของข่าว

  • คำพูดทั้งสองนี้สอดคล้องกันทางตรรกะมาก

  • ในฐานะคนที่เคยทำงานออกมาจาก AWS ฉันไม่ได้เชื่อถือคำแถลงทางการของ AWS ทั้งหมด เดิมทีก็รู้อยู่แล้วว่า AWS เป็นบริษัทแบบไหน และฉันเข้าไปเป็นงานที่ 8 ตอนอายุ 46 เคยมีตำแหน่งที่บอกว่าเป็น "remote ถาวร" แต่หลังจากที่ฉันลาออกไปแล้วก็ดันมีคำสั่ง RTO ให้กลับเข้าออฟฟิศเหมือนกัน

• pipeline บุคลากรวิจัยในวงการวิชาการเป็นแบบนี้ นักศึกษาปริญญาตรี -> นักศึกษาบัณฑิต -> postdoc -> tenure/senior ยกเว้นกรณีพิเศษน้อยมาก แทบไม่มีใครข้ามสองขั้นแรกไปเป็นนักวิจัยอาวุโสได้เลย อุตสาหกรรมไหน ๆ ก็เหมือนกัน ถ้าไม่มี junior ก็ไม่มี senior ดังนั้นถ้าคุณหวังให้ 'บอต' ทำทุกอย่างแทน ก็ต้องเตรียมรับความเสี่ยงนั้นด้วย

• ฉันมั่นใจว่าคนที่ทำงานกับโมเดลพวกนี้มานานจะเห็นด้วยกันหมด โพสต์เรื่อง sama AGI ก่อน o3 จะออก และโพสต์แนว doomer ของวงการเทคตอนนั้น พอมองย้อนกลับไปแล้วชวนอึ้งจริง ๆ

  • AGI doomerism เป็นแค่กลยุทธ์การตลาดเท่านั้น ตอนนี้ทุกคนเข้าใจธรรมชาติของ AI แล้ว และสิ่งที่เรากำลังดูอยู่ก็เป็นการเล่นซ้ำของตลาด search แบบใหม่ที่ AI อ่านเอกสารทั้งหมดให้เรา

  • มันเป็น noise ไร้สาระมาตั้งแต่แรกอยู่แล้ว แต่ก็ไม่มีใครรอดพ้นจาก 'กระแส hype' ได้จริง โดยเฉพาะเมื่อมีเงินมหาศาลถูกอัดเข้าไปเพื่อปั้นกระแสเกินความเป็นจริงของเทคโนโลยีนั้น ๆ มากขนาดนี้

  • ฉันคิดว่า ChatGPT ดีกว่า junior developer คนไหนก็ตามที่ฉันเคยร่วมงานด้วย junior เป็นภาระติดลบกับทีมอยู่เกือบปี ถ้ามองจากคนที่ต้องรับผิดชอบโปรเจกต์จริง ฉันไม่เคยคิดเลยว่า "น่าจะมี junior เพิ่มอีกหน่อย" จ่ายเพิ่ม 20% แล้วไปดึงคนระดับ mid-level มายังจะดีกว่ามาก