29 คะแนน โดย baeba 2025-12-17 | 14 ความคิดเห็น | แชร์ทาง WhatsApp

ประเด็นสำคัญ:

  • การใช้เครื่องมือ AI (Claude Code, Cursor) ช่วยเพิ่มความเร็วในการพัฒนา แต่จังหวะการทำงานที่เร็วเกินไปกลับเกินขีดจำกัดการประมวลผลของสมองและก่อให้เกิดความเหนื่อยล้า
  • การสลับบริบทบ่อยครั้ง ภาวะโดพามีนมากเกินไป และการเปลี่ยนบทบาทไปเป็นผู้จัดการ ล้วนเพิ่มภาระทางการรับรู้
  • เกิดปรากฏการณ์ 'เวลาแบบเครื่องจักร' ที่มนุษย์ถูก AI ลากไปตามความเร็ว จนทำให้ความจำเป็นในการควบคุมจังหวะการทำงานด้วยตนเองชัดเจนขึ้น

บทนำ

  • ประโยชน์และผลข้างเคียงของเครื่องมือ AI: นักพัฒนาที่มีประสบการณ์ 40 ปี ใช้ Claude Code และ Cursor เพื่อพัฒนาแพ็กเกจแมเนเจอร์ (Marvai) และพบว่าผลิตภาพเพิ่มขึ้น แต่ในขณะเดียวกันก็รู้สึกเหนื่อยล้าอย่างที่ไม่เคยเป็นมาก่อน
  • การตั้งคำถามต่อปัญหา: แม้ความเร็วในการพัฒนาฟีเจอร์และแก้บั๊กจะเพิ่มขึ้น แต่สมองกลับตามความเร็วของ AI ไม่ทัน จนเกิดอาการหมดแรงแม้ทำงานในช่วงเวลาสั้น ๆ (ประมาณ 1 ชั่วโมง)

เนื้อหา

1. ภาระทางการรับรู้ที่พุ่งสูงขึ้นและแรงกดดันของ 'เวลาแบบเครื่องจักร'

  • การประยุกต์ใช้ทฤษฎีภาระทางการรับรู้: ตามทฤษฎี Team Topologies ความรับผิดชอบที่มากเกินไปและการสลับหัวข้อไปมาจะเพิ่มภาระทางการรับรู้ การเขียนโค้ดด้วย AI ผลักภาระนี้จนเกือบถึงขีดจำกัด
  • จังหวะที่เครื่องจักรเป็นผู้กำหนด: คล้ายกับความเครียดที่แรงงานในโรงงานสมัยก่อนต้องทำงานให้ทันความเร็วของเครื่องจักร นักพัฒนากำลังเผชิญปรากฏการณ์ที่ต้องวิ่งตามความเร็วการเขียนโค้ดอันรวดเร็วที่ AI เป็นผู้กำหนด ('เวลาแบบเครื่องจักร')
  • การหายไปของกระบวนการคิด: การเขียนโค้ดแบบเดิมมีจังหวะการทำงานที่สอดคล้องกับความเร็วในการคิด ทำให้สมองมีเวลาประมวลผล (Baking time) แต่การเขียนโค้ดด้วย AI สามารถจัดการสถาปัตยกรรมที่ซับซ้อนและกระบวนการตัดสินใจได้แทบจะทันที จนรบกวนการซิงก์ของสมอง

2. การอยู่ร่วมกันของโดพามีนที่มากเกินไปและฮอร์โมนความเครียด

  • วงจรโดพามีนที่เร่งขึ้น: วงจรรางวัลของโดพามีนที่ต่อเนื่องจาก 'เขียนโค้ด-เกิดข้อผิดพลาด-แก้ไข-สำเร็จ' ถูกเร่งให้เร็วขึ้นอย่างมากด้วย AI
  • ภาวะหมดไฟทางอารมณ์: การหลั่งโดพามีนบ่อยครั้งควบคู่กับฮอร์โมนความเครียดจากจังหวะความเร็ว ทำให้แทนที่จะรู้สึกสนุกกับการเขียนโค้ด กลับเกิดความเหนื่อยล้าและความรู้สึกถูกถาโถม

3. ต้นทุนของการสลับบริบท (Context Switching) ที่เพิ่มขึ้น

  • โอเวอร์โหลดของแคชในสมอง: การสลับบริบทเป็นงานที่ใช้พลังงานสูง เพราะต้องล้างและเติมแคชของสมองใหม่
  • การสลับบริบทระดับย่อย (Micro-Context Switching): AI อาจแก้หลายโมดูลพร้อมกัน หรือแม้แต่ในการใช้ฟังก์ชันเติมข้อความอัตโนมัติแบบง่าย (Tab key) ก็ยังบังคับให้เกิดการสลับย่อยอย่างถี่จาก 'โหมดเขียน' ไปเป็น 'โหมดตรวจทาน' ทำให้พลังงานสมองลดลงอย่างรวดเร็ว

4. การเปลี่ยนแปลงเชิงแก่นของบทบาทนักพัฒนา

  • จากผู้เขียนสู่ผู้จัดการ: บทบาทเปลี่ยนจากการนำความต้องการมาแปลงเป็นโค้ด ไปสู่การเป็น 'หัวหน้าทีม' หรือ 'ผู้ประสานงาน' ที่ต้องจัดการและตรวจทานผลลัพธ์ของ AI ซึ่งเปรียบเสมือน 'เพื่อนร่วมทีมที่ทำงานเร็วมาก'
  • ความไม่สมมาตรของความรับผิดชอบ: ในขณะที่ AI สามารถปล่อยงานออกมาได้เทียบเท่าคน 5 คน นักพัฒนายังคงต้องรับผิดชอบขั้นสุดท้ายต่อคุณภาพของโค้ด จึงทำให้ภาระด้านการจัดการเพิ่มขึ้น

บทสรุป

ข้อเสนอเพื่อการเขียนโค้ดด้วย AI อย่างยั่งยืน

  • การกำหนดจังหวะอย่างตั้งใจ (Pacing): นักพัฒนาต้องเป็นฝ่ายควบคุมจังหวะการทำงานเอง ไม่ปล่อยให้ถูกความเร็วของ AI พัดพาไป
  • การนำวิธีทบทวนแบบใหม่มาใช้: จำเป็นต้องมีรูทีนการทำงานแบบใหม่ เช่น การทบทวนประจำวัน (Retrospective) เพื่อให้ AI กับสมองซิงก์กัน
  • การเปลี่ยนมุมมองต่อบทบาท: ควรลดการไมโครแมเนจเอาต์พุตของ AI และปรับสไตล์การทำงานไปสู่การเชื่อใจ AI มากขึ้น
  • มุมมองต่ออนาคต: อนาคตของการเขียนโค้ดอาจไม่ใช่การเพิ่มความเร็วอย่างไม่มีเงื่อนไข แต่เป็น 'ความช้าด้วยความตั้งใจ' และการกำหนดขอบเขตใหม่โดยคำนึงถึงขีดจำกัดทางการรับรู้ของมนุษย์

14 ความคิดเห็น

 
aura01 2025-12-22

ผมก็มีประสบการณ์คล้ายกัน เลยทำแบบนี้ครับ

ยกตัวอย่างเช่น ถ้าจะรีแฟกเตอร์

'สั่งให้วิเคราะห์โค้ดเดิมแล้วเสนอทางเลือก'
'สั่งให้สรุปอธิบายความแตกต่างระหว่างทางเลือกกับโค้ดเดิม รวมถึงข้อดีข้อเสีย'
'สั่งให้เสนอวิธีตรวจสอบว่าทางเลือกนั้นดีกว่าจริงหรือไม่'
'ตรวจสอบทางเลือกด้วยตัวเองโดยตรง'
'สั่งให้นำทางเลือกไปใช้ พร้อมเขียนเอกสารและทดสอบ'

ปัญหาคือ การใช้โทเคนเยอะเกินไป ทำให้มีค่าใช้จ่ายสูงมาก...

 
dbs0829 2025-12-18

แม้แต่งานจิปาถะง่าย ๆ ผมก็ยังรู้สึกสบายใจกว่าถ้าได้ทำเป็นแมโครขึ้นมาเสียเอง...

 
fantajeon 2025-12-18

ระหว่างคนด้วยกันก็เป็นแบบนั้นเหมือนกัน

ปัญหาแบบนี้ก็เกิดขึ้นบ่อยระหว่างคนด้วยกันเช่นกัน
ถ้าคนที่คิดช้าเป็นผู้จัดการ
ก็จะพูดว่า
“งานมันเร็วเกินไปจนเหนื่อย เลยทำงานด้วยกันยาก”
แต่ถ้าคนนั้นเป็นลูกน้อง
ก็จะพูดว่า
“จับใจความที่พูดได้ไม่ค่อยดี เลยทำงานด้วยกันยาก”

สุดท้ายแล้ว ถ้าจะทำงานร่วมกันได้ ทั้งสองฝ่ายก็ต้องเข้าขากันได้.

 
bakyeono 2025-12-18

ความทรมานที่ถูกพรากการเขียนโค้ดไป เหลือเพียงต้องทำแค่โค้ดรีวิวและทดสอบ...

 
colus001 2025-12-18

ยกเว้นโปรเจ็กต์ส่วนตัว ผมใช้ vibe coding แบบจำกัดครับ โดยใช้แค่การทำไอเดียด้วย Cursor autocomplete กับการเขียนโค้ดซ้ำตามแพตเทิร์นเดิมประมาณนั้นเท่านั้น การพยายามแก้ทุกอย่างด้วย vibe coding ในโปรเจ็กต์ระยะยาว ผมมองว่าเป็นการกระทำที่ขาดความรับผิดชอบในฐานะนักพัฒนา

 
tested 2025-12-18

ดูเหมือนว่าคนที่เข้าใจโค้ดของผลลัพธ์ที่สร้างขึ้นและคอยตรวจสอบ/รีวิว จะรู้สึกเหนื่อยล้ามากกว่าคนที่แค่เขียนพรอมป์ต์แล้วรับผลลัพธ์อย่างเดียว
ในต้นฉบับก็ระบุไว้แบบนั้นเช่นกัน

 
onixboox 2025-12-18

ผมคิดแค่ว่า "ดีจังที่ด้วย AI แล้วงานที่ผมต้องทำลดลง" เลยไม่เคยรู้สึกเหนื่อยล้าแบบนี้เลยครับ ผมใช้ zed + claude ซึ่งบางครั้งระหว่างทางบริบทก็เปลี่ยนไปทำให้มันทำงานแปลก ๆ บ้าง แต่พอถึงตอนนั้นผมก็ย้อนโค้ดใน git แล้วบอกให้มัน "สรุปสิ่งข้างต้นแล้วเขียนใหม่อีกครั้ง" มันกลับจัดให้ได้สะอาดกว่าเดิมอีกนะครับ ไม่ใช่ว่าเราไม่ได้พิมพ์โค้ดด้วยมือตรง ๆ หรอก แค่กระบวนการเปลี่ยนความคิดในหัวให้เป็นโค้ดมันเปลี่ยนไปเท่านั้นไม่ใช่เหรอ? บางทีตอนพิมพ์พรอมต์ก็ยิ่งช่วยให้ความคิดเป็นระเบียบขึ้นด้วยครับ

 
caniel 2025-12-18

กระบวนการสร้างด้วยโค้ดกลายเป็นกล่องดำไปแล้ว เลยไม่จำเป็นต้องมีเวลาเพื่อซิงก์โค้ดกับสิ่งที่คิดไว้ในหัวหรือครับ?
การเขียนโค้ดแบบเดิมรับประกันได้ว่าโค้ดกับสิ่งที่คิดไว้ในหัวตรงกัน แต่การโค้ดผ่าน LLM มันไม่ได้รับประกันแบบนั้นนี่ครับ

 
onixboox 2025-12-18

ในหัวมีแค่ตรรกะ แล้วก็แค่ตรวจว่าโค้ดที่ AI เขียนออกมาถูกต้องไหม ไม่จำเป็นต้องประกอบโค้ดในหัวเองแล้วไม่ใช่เหรอ? แค่คิดว่าจะส่งข้อมูลที่แม่นยำแค่ไหนให้ในพรอมป์ต์ก็พอ กลับยิ่งทำให้งานเสร็จเร็วขึ้นมากเลยครับ

 
caniel 2025-12-18

น่าจะขึ้นอยู่กับว่าเราพรอมป์ได้ละเอียดแค่ไหนด้วยนะครับ ถ้าส่งให้ LLM ในระดับ pseudocode ก็พอเข้าใจประเด็นที่คุณพูดแล้วครับ

 
choihyojun 2025-12-18

เมื่อก่อนแม้จะเขียนโค้ดทั้งวัน พอเลิกงานก็ยังรู้สึกอิ่มเอมกับงานที่ทำ แต่เดี๋ยวนี้งานเกือบทั้งวันถูกจัดการผ่านการสนทนา และหลายวันก็แทบไม่ได้เขียนโค้ดด้วยมือตัวเองแม้แต่บรรทัดเดียว แต่กลับหมดไฟเสียแล้ว.. เห็นด้วยอย่างยิ่งครับ

 
ds2ilz 2025-12-17

ผมก็เหนื่อยล้าเพิ่มขึ้นด้วยเหตุผลนี้พอดีเลยครับ ผมพอคาดไว้แล้วว่าจะเป็นแบบนั้น เลยโอเคกับความเหนื่อยล้าเองอยู่ แต่ยิ่งไปกว่านั้นคือ จากภายนอกพอมองเข้ามา มันไม่มีช่วงเวลาที่นั่งรัวคีย์บอร์ดตอนเขียนโค้ด เลยดูเหมือนว่าทำงานแบบชิลมาก ถ้าผมบอกว่าเดี๋ยวนี้เหนื่อยกว่าเมื่อก่อน เขาก็ดูจะไม่ค่อยเข้าใจเท่าไร....

 
reagea0 2025-12-17

อา เหมือนมีคนมาอธิบายแทนได้อย่างชัดเจนเลยว่าทำไมผมถึงรู้สึกเหนื่อยล้า

 
baeba 2025-12-17

1. "ความเร็วช่วยเติมพลัง" (ฝ่ายมองบวก)

  • จุดยืน: AI จัดการงานน่าเบื่อได้อย่างรวดเร็ว ทำให้กลับมีพลังมากขึ้น และยังช่วยลดต้นทุนในการเรียนรู้ tech stack ใหม่ ๆ จึงมองว่าเป็นเรื่องดี
  • กรณีตัวอย่าง: เวลาใช้ภาษาหรือเฟรมเวิร์กที่ไม่คุ้นเคย ด้วย AI agent จึงข้ามขั้นตอนการเรียนรู้ที่น่าเบื่อไป แล้วโฟกัสกับการลงมือสร้างได้ทันที

2. "ข้อถกเถียงเรื่องนิยามของ vibe coding" (ความสับสนของคำศัพท์)

  • ข้อถกเถียง: ยังมีความเห็นต่างกันว่า 'vibe coding' หมายถึงแค่การได้รับความช่วยเหลือจาก AI หรือหมายถึงการไม่ตรวจโค้ดที่สร้างขึ้นแล้วดูแค่ผลลัพธ์เท่านั้น
  • จุดที่เห็นพ้องกัน: เดิมทีคำนี้มีนัยลบ หมายถึง 'ไม่ตรวจโค้ด' แต่ปัจจุบันความหมายได้ขยายไปเป็นคำที่ใช้เรียกการเขียนโค้ดด้วย AI ช่วยโดยรวม

3. "ความเร็วที่ไร้การตรวจสอบคือหนี้เทคนิค" (ฝ่ายระมัดระวัง)

  • คำวิจารณ์: การเชื่อแค่ผลลัพธ์ที่ AI สร้างขึ้นทั้งที่ยังไม่เข้าใจโค้ดนั้นเป็นเรื่องอันตราย ภายหลังบั๊กที่เกิดขึ้นหรือค่าใช้จ่ายในการบำรุงรักษา (technical debt) อาจสูงยิ่งกว่าเดิม
  • อุปมา: "เหมือนขึ้นรถยนต์ขับเคลื่อนอัตโนมัติโดยที่คนขับไม่รู้ว่ากำลังจะไปไหน" และชี้ว่าการพัฒนาโดยไม่มีความเข้าใจสุดท้ายจะทำให้ความสามารถในการแก้ปัญหาลดลง

4. "ความเหนื่อยล้าจากการสลับบริบท" (ฝ่ายเห็นด้วย)

  • เห็นด้วย: ระหว่างที่ AI สร้างโค้ด เกิดการสลับบริบท (Context Switching) บ่อยครั้ง ทำให้ภาระด้านการรับรู้ของสมองเพิ่มขึ้นอย่างมาก
  • อาการ: เมื่อต้องวนซ้ำกับการตรวจและแก้ผลลัพธ์ของ AI ความเหนื่อยล้าทางจิตใจกลับมากกว่าการเขียนโค้ดเอง ทำงาน 4 ชั่วโมงแต่รู้สึกเหมือนเหนื่อยมาทั้งวัน

5. "ความสนุกของการเขียนโค้ดที่หายไป" (โดพามีนไม่พอ)

  • ประสบการณ์: ความรู้สึกสำเร็จ (โดพามีน) จากการแก้ปัญหาด้วยตัวเองหายไป ให้ความรู้สึกเหมือนเห็นแค่ของที่ประกอบเสร็จแล้ว แทนความสนุกของการต่อ Lego ด้วยตัวเอง จึงรู้สึกว่างเปล่า
  • ผลลัพธ์: งานที่เร่งให้ได้ผลลัพธ์อย่างรวดเร็วโดยไร้ความสุขจากกระบวนการ ทำให้นักพัฒนาเหนื่อยล้า

6. "เป็นพิษสำหรับมือใหม่ แต่เป็นยาสำหรับผู้ชำนาญ" (ความต่างตามระดับทักษะ)

  • การวิเคราะห์: นักพัฒนาที่ชำนาญสามารถจับความผิดพลาดของ AI และแก้ได้อย่างรวดเร็ว จึงเพิ่มผลิตภาพได้ แต่สำหรับมือใหม่มีความเสี่ยงสูงที่จะใช้โค้ดที่ผิดแบบนั้นไปตรง ๆ ทำให้เสียโอกาสในการเรียนรู้และอาจผลิตโค้ดคุณภาพแย่จำนวนมาก

7. "ถูกบังคับให้เปลี่ยนบทบาทเป็นผู้จัดการ" (การเปลี่ยนบทบาท)

  • ปรากฏการณ์: บทบาทของนักพัฒนาถูกบังคับให้เปลี่ยนจาก 'ผู้สร้าง' ที่เขียนโค้ดเอง ไปเป็น 'ผู้จัดการ/ผู้รีวิว' ที่ต้องตรวจและแก้โค้ดจำนวนมากที่ AI สร้างออกมา
  • ภาระ: สร้างความเครียดอย่างรุนแรง ราวกับต้องรีวิวโค้ดที่ junior developer 5 คน (AI) เขียนแบบเรียลไทม์อยู่คนเดียว

8. "การขาดความเข้าใจ business logic" (การชี้ข้อจำกัด)

  • ปัญหา: AI เขียนโค้ดได้เก่ง แต่ไม่เข้าใจบริบททางธุรกิจหรือสถาปัตยกรรมโดยรวม
  • ความเป็นจริง: สุดท้ายงานซับซ้อนอย่างการปรับข้อกำหนดทางธุรกิจให้เข้ากับโค้ด และการจัดการ edge case ต่าง ๆ ก็ยังเป็นหน้าที่ของมนุษย์ และในกระบวนการนี้เองที่เกิดคอขวด

9. "การหายไปของการพักและช่องว่างให้หายใจ" (เวลาของเครื่องจักร)

  • อุปมา: เหมือนในอดีตที่แรงงานโรงงานต้องทำงานตามความเร็วของเครื่องจักร มนุษย์ในตอนนี้ก็กำลังถูกความเร็วในการสร้างของ AI ลากไป จนติดอยู่ใน 'เวลาของเครื่องจักร'
  • ความจำเป็น: 'การพักแบบถูกบังคับ' อย่างเวลารอ compile หายไป ทำให้สมองไม่มีช่องว่างในการประมวลผลข้อมูลและพักผ่อน การพักอย่างตั้งใจจึงเป็นสิ่งจำเป็น

10. "ปัญหาชั่วคราวของเครื่องมือ" (มุมมองอนาคต)

  • การวินิจฉัย: ความเหนื่อยล้าในปัจจุบันเกิดจากความไม่สอดคล้องกัน เพราะเครื่องมือตรวจสอบ (เช่น test, lint เป็นต้น) ยังตามความเร็วในการสร้างของ AI ไม่ทัน
  • ทางออก: หากเครื่องมือที่ทำให้การตรวจสอบเป็นอัตโนมัติพัฒนาขึ้นจนทันความเร็วในการสร้าง ปัญหาความเหนื่อยล้านี้ก็อาจแก้ไขได้