AI Coding Agent สำหรับนักออกแบบ

• เมื่อสภาพแวดล้อมที่ AI coding agent สร้างและปรับปรุงโค้ดจำนวนมาก แพร่หลายขึ้น ก็เกิดแนวโน้มที่ วิธีการทำงานของนักออกแบบเปลี่ยนไป ไม่ใช่แค่นักพัฒนาเท่านั้น
• เช่นในกรณีของ Anthropic และ OpenAI โลกกำลังก้าวสู่ ขั้นที่ AI เขียนโค้ดหลักส่วนใหญ่ของบริษัท ซึ่งทำให้โครงสร้างการทำงานร่วมกันทั้งองค์กรเปลี่ยนไปด้วย
• การใช้งานในฐานะเครื่องมือสร้างต้นแบบโดดเด่นมากขึ้น โดยทำให้เกิดแนวทางที่ สร้าง code branch ที่ทำงานได้จริงแทน PRD เพื่อช่วยให้ทีมมีความเข้าใจตรงกัน
• AI agent มอบความสามารถใหม่ให้กับนักออกแบบ เช่น แก้บั๊กในโปรดักชัน ทำความเข้าใจระบบ สำรวจทางเลือก และกระตุ้นให้เกิดความร่วมมือกับวิศวกรเมื่อจำเป็น
• การใช้งานลักษณะนี้กำลังนำไปสู่แนวทางที่ช่วยให้นักออกแบบลองปรับปรุงสิ่งต่าง ๆ ได้มากขึ้นและรวดเร็วขึ้น พร้อมตัดสินใจได้มีคุณภาพดียิ่งขึ้น

---

การเปลี่ยนแปลงที่ AI coding agent มอบให้กับนักออกแบบ

• ในบริษัทเทคโนโลยีโดยรวม กำลังเกิด แนวโน้มที่โค้ดส่วนใหญ่ถูกเขียนโดย AI agent อย่างชัดเจน
  • เช่น Claude ของ Anthropic หรือ OpenAI Codex ที่ AI สร้างโค้ดในสัดส่วนสูงของงานพัฒนาโปรดักต์และโมเดล
  • นักพัฒนาใช้งาน agent อย่างจริงจังไม่ใช่แค่ตอนเขียนโค้ด แต่รวมถึงขั้นตอนรีวิวและปรับปรุงด้วย
• การเปลี่ยนแปลงนี้ส่งผลไม่เฉพาะต่อผลิตภาพการพัฒนา แต่ยังส่งผลต่อ โครงสร้างองค์กร ด้วย
  • มีกรณีที่มีการปรับกระบวนการและรูปแบบการทำงานร่วมกันใหม่ เพื่อรองรับวัฒนธรรมการพัฒนาที่อิงกับ agent
  • ในโครงสร้างบทบาทแบบเดิม นักออกแบบและ PM ก็สร้างต้นแบบที่อิงกับโค้ดได้ง่ายขึ้นโดยตรง
• ในกรณีการใช้งานของ PM เริ่มมีแนวทาง สร้าง code branch แทน PRD แบบดั้งเดิม เพื่อแชร์ความรู้สึกของฟีเจอร์ได้โดยตรง
  • ใช้ Augment Code เพื่อสร้าง branch บน production code แล้วให้ agent ปรับปรุงซ้ำไปเรื่อย ๆ จนพอใจ
  • ทั้งทีมสามารถลองใช้ผลลัพธ์ได้จริง ทำให้เข้าใจชัดขึ้นว่า “จะสร้างอะไร และทำไมต้องสร้าง”

ความสามารถหลักที่นักออกแบบนำไปใช้

• Fix Production Bugs

  • สามารถ แก้บั๊กหรือปัญหา UX ที่พบในโปรดักชันได้โดยตรง
    • เมื่อป้อนคำอธิบายปัญหา agent จะเสนอแนวทางแก้ไข และสามารถทดสอบเพื่อ deploy patch ได้ทันที
    • การปรับปรุงเล็ก ๆ ที่สะสมกันช่วยยกระดับคุณภาพ UX และยังช่วยอุดช่องว่างในจุดที่ทีมพัฒนาอาจมองข้ามได้

• Learn & Rethink Solutions

  • แม้จะดูเหมือนเป็นการแก้ไขเล็กน้อย แต่ก็ช่วยให้เข้าใจ โครงสร้างที่ส่งผลกระทบต่อทั้งระบบ ได้
    • เพราะ agent แสดงขั้นตอนการคิดและการแก้ไขเป็นลำดับ นักออกแบบจึงเรียนรู้การทำงานภายในของผลิตภัณฑ์ได้อย่างเป็นธรรมชาติ
    • กระบวนการนี้เองกลายเป็นเครื่องมือเรียนรู้ ทำให้หลายครั้งพบทางออกที่ดีกว่าแนวทางแรกเริ่ม

• Get Engineering Involved

  • เมื่อขอบเขตการแก้ไขที่ agent พยายามทำนั้นกว้างเกินไป ก็สามารถ มองเห็นความจำเป็นในการร่วมงานกับทีมวิศวกรรมได้ตั้งแต่เนิ่น ๆ
    • นี่ไม่ใช่ความล้มเหลวของ agent แต่เป็นสัญญาณบอกความซับซ้อนของงาน
    • ทำให้นักออกแบบนิยามปัญหาร่วมกับทีมและวางกลยุทธ์การแก้ไขได้ง่ายขึ้น

เงื่อนไขด้านสภาพแวดล้อมสำหรับ AI agent

• เพื่อให้ใช้งานได้อย่างมีประสิทธิภาพ จำเป็นต้องมี เครื่องมือที่เข้าใจ codebase จริงของบริษัทอย่างลึกซึ้ง
  • เช่น Context Engine ของ Augment Code ที่มีจุดแข็งกับโค้ดขนาดใหญ่และซับซ้อน

บทสรุป

• ด้วย AI coding agent นักออกแบบจึงมี workflow แบบใหม่ที่ช่วยให้ ลองปรับปรุงได้มากขึ้นและตัดสินใจได้แม่นยำขึ้น
• จากเดิมที่ใช้แค่ต้นแบบ ก็ขยับไปสู่การปรับปรุงที่อิงกับโค้ดจริงได้ ทำให้บทบาทในการยกระดับคุณภาพผลิตภัณฑ์แข็งแรงขึ้น