- มุมมองที่มอง AI เป็นเพื่อนร่วมงานอัตโนมัติ มักนำไปสู่ความผิดหวัง แต่ แนวทางที่มองมันเป็นเครื่องมือขยายศักยภาพมนุษย์ กลับสร้างผลลัพธ์ที่เปลี่ยนแปลงได้จริง
- เช่นเดียวกับกรณีของ โครงกระดูกภายนอก (exoskeleton) ในภาคการผลิต การทหาร การแพทย์ และการวิ่ง AI ก็ควรทำงานเป็น อุปกรณ์ช่วยเสริมที่เพิ่มความยั่งยืนและประสิทธิภาพ โดยไม่แทนที่การตัดสินใจของมนุษย์
- Kasava ใช้ ‘กราฟผลิตภัณฑ์ (Product Graph)’ เพื่อรวมข้อมูลโค้ด อิสซู และกลยุทธ์เข้าด้วยกัน สร้าง โครงสร้างการผสานระหว่าง AI กับการตัดสินใจของมนุษย์
- ด้วยโครงสร้าง ‘ไมโครเอเจนต์ (Micro-Agent)’ ที่แยกงานออกเป็นหน่วยย่อย AI จะช่วยขยายงานที่ทำซ้ำได้ ขณะที่ อำนาจในการตัดสินใจยังคงอยู่กับมนุษย์
- การเพิ่มผลิตภาพในอนาคตจะไม่ได้มาจาก ระบบอัตโนมัติเต็มรูปแบบ แต่เกิดจาก การขยายศักยภาพมนุษย์ (amplification) และ AI จะกลายเป็นส่วนต่อขยายตามธรรมชาติของมนุษย์
การมอง AI ผิดแบบและโมเดล ‘โครงกระดูกภายนอก (exoskeleton)’
- เมื่อองค์กรปฏิบัติต่อ AI ในฐานะ เอเจนต์อัตโนมัติ มักพบกับความผิดหวัง ขณะที่องค์กรที่ใช้มันเป็น เครื่องมือขยายขีดความสามารถของมนุษย์ กลับสัมผัสการเปลี่ยนแปลงที่เป็นรูปธรรม
- AI ไม่ควรเป็นผู้ตัดสินใจอย่างอิสระ แต่ควรทำงานเป็น ส่วนต่อขยายของการตัดสินใจของมนุษย์
- อุปมา “AI ไม่ใช่เพื่อนร่วมงาน แต่เป็นโครงกระดูกภายนอก” คือการนิยาม บทบาทของ AI ใหม่ให้เป็นอุปกรณ์ขยายพลังที่มีมนุษย์เป็นศูนย์กลาง
ตัวอย่างการใช้งานโครงกระดูกภายนอกจริง
- ภาคการผลิต: Ford นำ EksoVest ไปใช้ในโรงงาน 15 แห่งใน 7 ประเทศ ทำให้อัตราการบาดเจ็บลดลง 83% และ BMW รายงานว่าแรงที่คนงานต้องใช้ลดลง 30~40%
- Cray X ของ German Bionic ช่วยรองรับการยกได้ 66 ปอนด์ และในลูกค้าอย่าง BMW และ IKEA ทำให้การลาป่วยลดลง 25%
- ภาคการทหาร: Sarcos Guardian XO Max ให้ การขยายกำลัง 20:1 ทำให้น้ำหนัก 100 ปอนด์รู้สึกเหมือน 5 ปอนด์
- Lockheed Martin HULC สามารถขนโหลด 200 ปอนด์ได้ที่ความเร็ว 7 ไมล์ต่อชั่วโมง และช่วยป้องกันการบาดเจ็บของระบบกล้ามเนื้อและกระดูก
- เวชศาสตร์ฟื้นฟู: ผู้ป่วยบาดเจ็บไขสันหลัง 76% สามารถเดินได้โดยไม่ต้องมีผู้ช่วยเมื่อสวมโครงกระดูกภายนอก
- งานวิจัยด้านการวิ่ง: โครงกระดูกภายนอกข้อเท้าของ Stanford ช่วย ลดการใช้พลังงาน 15% และชุดนุ่มของ Harvard ช่วย ลดต้นทุนเมตาบอลิซึม 5.4%
- จุดร่วมคือ ไม่ได้แทนที่มนุษย์ แต่ขยายความสามารถของมนุษย์
ข้อจำกัดของแนวคิด ‘AI เอเจนต์’
- AI อัตโนมัติมักก่อให้เกิดการตัดสินผิดและปัญหา hallucination จาก การขาดบริบท
- หากพยายาม ตัดสินใจอย่างอิสระ โดยไม่เข้าใจการตัดสินและบริบทของมนุษย์ โอกาสล้มเหลวจะสูง
- Kasava เลือกใช้โครงสร้างที่ AI ทำการวิเคราะห์เชิงลึกได้ แต่การตัดสินใจให้มนุษย์เป็นผู้ทำ
กราฟผลิตภัณฑ์ของ Kasava (Product Graph)
- ชั้นแรก: เก็บรวบรวม codebase, commit, issue, PR และข้อมูลโปรเจ็กต์โดยอัตโนมัติ เพื่อสร้างแบบจำลอง โครงสร้างจริงและสถานะวิวัฒนาการของผลิตภัณฑ์
- ชั้นที่สอง: สะท้อนการตัดสินเชิงกลยุทธ์และลำดับความสำคัญที่ผู้ใช้ป้อนเข้ามา เพื่อ ผสานข้อมูลอัตโนมัติกับดุลยพินิจของมนุษย์
- การผสานนี้ทำให้ AI สามารถวิเคราะห์โดยคำนึงถึง ทั้งบริบทจริงของผลิตภัณฑ์และเจตนาของทีม
- ผลลัพธ์คือ Kasava สร้าง โครงสร้างการขยายพลังแบบอยู่ร่วมกันระหว่าง AI กับมนุษย์
สถาปัตยกรรมไมโครเอเจนต์
- แยกงานออกเป็นหน่วยภารกิจย่อย ไม่ใช่แยกตามบทบาท เพื่อระบุส่วนที่ AI สามารถช่วยขยายได้
- ตัวอย่าง: การเขียน commit message, ค้นหารูปแบบโค้ด, เขียน boilerplate code, ตรวจสอบความปลอดภัย, อัปเดตเอกสารอัตโนมัติ เป็นงานที่ AI ทำได้
- ส่วน การตัดสินใจเรื่องฟีเจอร์ การดีบักที่ซับซ้อน และการตัดสินด้านสถาปัตยกรรม ยังคงให้มนุษย์นำ
- ไมโครเอเจนต์แต่ละตัว มุ่งเน้นเพียงหนึ่งฟังก์ชัน และกำหนดขอบเขตอินพุต/เอาต์พุตอย่างชัดเจน
- มนุษย์ต้อง ยังคงอยู่ภายในลูปการตัดสินใจ จึงจะรักษาโมเดลโครงกระดูกภายนอกไว้ได้
ผลด้านผลิตภาพและความหมายของการขยายพลัง
- อย่างที่งานวิจัยด้านโครงกระดูกภายนอกแสดงให้เห็น การประหยัดพลังงาน 15% ไม่ได้หมายถึงแค่ประสิทธิภาพที่สูงขึ้น แต่ยังนำไปสู่ ความยั่งยืนและความยืดหยุ่นในการฟื้นตัวที่ดีขึ้น
- ในซอฟต์แวร์เช่นกัน หากลดงานที่ทำซ้ำได้ ก็สามารถ นำทรัพยากรทางความคิดกลับไปใช้กับงานสร้างสรรค์ ได้
- Kasava ทำให้เกิด การเพิ่มขึ้นของผลิตภาพแบบผสมผสาน ผ่านการอัปเดตเอกสารอัตโนมัติ การเขียน commit message อัตโนมัติ และการผสานเข้ากับเวิร์กโฟลว์
- นี่คือผลสะสมของ แนวทาง AI แบบขยายพลัง ไม่ใช่ AI อัตโนมัติ
มุมมองอนาคต: ไม่ใช่อัตโนมัติ แต่เป็นการขยายพลัง
- องค์กรควรถามไม่ใช่ว่า “จะทำอย่างไรให้ AI ทำงานได้อย่างอัตโนมัติ?” แต่เป็น “จะลดความเหนื่อยล้าและข้อผิดพลาดในส่วนใดได้บ้าง”
- เหตุผลที่อุตสาหกรรมโครงกระดูกภายนอกคาดว่าจะ เติบโต 20% ต่อปี และมีมูลค่า 2 พันล้านดอลลาร์ภายในปี 2030 ก็เพราะมัน ไม่ได้แทนที่มนุษย์ แต่ทำให้มนุษย์แข็งแกร่งขึ้น
- AI ก็เช่นกัน เครื่องมือแบบขยายพลังที่ ถูกรวมเข้ากับเวิร์กโฟลว์ของมนุษย์อย่างเป็นธรรมชาติ จะเป็นสิ่งที่สร้างคุณค่าได้อย่างต่อเนื่อง
2 ความคิดเห็น
ความคิดเห็นจาก Hacker News
ฉันไม่เห็นด้วยกับความคิดปลอบใจตัวเองแบบว่า “AI จะ ใช้ประโยชน์จากฉัน แต่จะไม่มาแทนที่ฉัน”
สุดท้ายผู้ใช้ก็จะปั้นระบบเชิงรูปแบบให้เป็นเหมือนดินเหนียว
ในระยะกลาง คำว่า “AI ไม่ใช่เพื่อนร่วมงาน” นั้นแม่นยำกว่า
การทำงานร่วมกันของมนุษย์นั้นไม่มีประสิทธิภาพโดยเนื้อแท้ และ การพัฒนาซอฟต์แวร์จะเปลี่ยนไปเป็นกีฬาประเภทเดี่ยว อย่างรวดเร็ว
ฉันคิดว่าโครงสร้างที่มีนักออกแบบคนหนึ่งที่มีรสนิยมด้านสุนทรียะที่ดีทำงานร่วมกับเอเจนต์จำนวนมากน่าจะดีกว่า
และก็ยังน่าสงสัยด้วยว่าเมื่อแพลตฟอร์มและไลบรารีเปลี่ยนไป AI จะดูแลสิ่งเหล่านี้ต่อได้หรือไม่
บทความที่เกี่ยวข้อง: Nvidia CEO predicts the death of coding
ไม่ว่าจะเพิ่มคนหรือเพิ่มบอต แก่นของปัญหาก็เหมือนกัน
หรือบางทีนั่นอาจเป็นอุปมาเปรียบเทียบที่แม่นยำก็ได้
อุปมาแบบ เอ็กโซสเกเลตัน ฟังดูเท่ แต่ไม่สมจริง
ในความเป็นจริงมีแนวทางที่ใช้งานได้จริงกว่านี้มาก — ยานพาหนะ แขนกล หุ่นยนต์บังคับระยะไกล เป็นต้น
หุ่นยนต์ร่างมนุษย์ขนาดใหญ่ไม่มีประสิทธิภาพในเชิงพาณิชย์
เห็นด้วยกับข้ออ้างที่ว่า “ผู้คนกำลังคิดเรื่อง AI ผิดไป”
CEO ของ Anthropic และ OpenAI ก็พูดเจตนาไว้อย่างชัดเจนแล้ว — ตั้งเป้าลด SWE ลง 90%
ในอดีตก็เคยมีคำพูดว่าจะถูกแทนที่ด้วย UML นักพัฒนา offshore หรือ no-code แต่สุดท้าย AI ก็เป็นแค่เครื่องมือ
คำพูดของเหล่า CEO เป็นเพียงข้อความสำหรับพยุงราคาหุ้นเท่านั้น
ในความเป็นจริง นักพัฒนาจำนวนมากเสียเวลาไปกับโปรเจกต์ที่คุณค่าไม่ชัดเจน
และน่าขันตรงที่นักพัฒนาที่สร้างเครื่องมือพวกนี้อาจเป็นกลุ่มแรกที่ตกงาน
เครื่องมือ AI ใน IDE นั้นแม่นยำและเร็วกว่าเยอะ
แต่ Claude กลับพยายามให้ “ทำให้เสร็จในครั้งเดียว” โดยลดบริบทให้เหลือน้อยที่สุด
ดูเป็นการออกแบบเพื่อผลประโยชน์ของบริษัทมากกว่าของผู้ใช้
ยิ่งประสิทธิภาพสูงขึ้น เราก็ยิ่งสร้างซอฟต์แวร์ที่ซับซ้อนขึ้น และความต้องการก็กลับเพิ่มขึ้น
อุปมาแบบเอ็กโซสเกเลตันอาจช่วยปลอบใจได้ แต่การเปลี่ยนแปลงจริงคือ ‘ความสามารถในการขยายรสนิยม’
เมื่อก่อน ต่อให้คนคนหนึ่งมีวิจารณญาณยอดเยี่ยม หากไม่มีทีมก็ยากจะลงมือทำได้
แต่ตอนนี้ด้วย เซนส์ที่ดีและความสามารถด้านการออกแบบ ของคนเพียงคนเดียว ก็สร้างผลงานระดับทีมได้แล้ว
คอขวดได้ย้ายจาก “เขียนโค้ดได้ไหม” ไปเป็น “อะไรคือสิ่งที่มีคุณค่าพอจะสร้าง”
AI กำลังทำงานเหมือน เพื่อนร่วมงาน (co-worker) อยู่แล้ว
งานที่เมื่อก่อนมอบหมายให้คนทำ ตอนนี้ก็มอบให้ AI ทำ
อุตสาหกรรมส่วนใหญ่ยังแทบไม่ได้ใช้ศักยภาพนี้เลย
ใน Lenny’s Podcast Boris ผู้เขียน Claude Code พูดว่า “การเขียนโค้ดเป็นปัญหาที่ถูกแก้ไปแล้ว”
ถ้าวิศวกรหยุดมีส่วนร่วมกับโอเพนซอร์ส AI จะยังเรียนรู้ต่อไปได้หรือไม่ก็เป็นคำถามที่นึกขึ้นมา
คำพูดจากคนที่สร้างเครื่องมือแบบนี้มี ผลประโยชน์ทับซ้อน (conflict of interest) อยู่
ในสภาพแวดล้อมแบบนั้นการเขียนโค้ดก็ดูเป็นเรื่องง่าย แต่โปรเจกต์ส่วนใหญ่ไม่ได้เป็นแบบนั้น
สาขานี้ยัง ไม่หยุดนิ่ง
แพตเทิร์นต่าง ๆ ไม่ได้ตั้งฉากเป็นอิสระต่อกัน จึงอธิบายด้วยการผสมเชิงเส้นแบบง่าย ๆ ไม่ได้
เรายังต้องการวิศวกรที่มีความคิดสร้างสรรค์อยู่ดี
เขาแก้ปัญหาได้โดยไม่ได้เขียนโค้ดเองแม้แต่บรรทัดเดียว
ดังนั้นคำพูดของเขาอาจไม่ได้ผิดทั้งหมดก็ได้
ต่อให้ใส่เอ็กโซสเกเลตันก็ไม่ได้ทำให้ วิ่งเร็วขึ้น 10 เท่าหรือขยับมือได้เร็วขึ้น
อุปมานี้จึงไม่ค่อยตรงนัก
พอเห็นว่า AI ชอบสร้างประโยคแบบ “Not X, but Y” บ่อย ๆ ก็เลยดูเป็นแนว อิงเทมเพลต
สำหรับฉัน AI ตอนนี้เหมือน ตัวขยาย (amplifier)
มันเสริมพลังให้ฉันในการเขียนโค้ดและงานบางอย่าง
ฉันยังไม่กังวลจนกว่าจะเกิดการแทนที่อย่างสมบูรณ์
ซึ่งอาจนำไปสู่ความต้องการแรงงานและค่าตอบแทนที่ลดลง
ขอบคุณที่แชร์นะครับ สดใหม่ดีครับ