- แม้จะมีการอ้างว่า เครื่องมือเขียนโค้ดด้วย AI ช่วยเพิ่มผลิตภาพได้อย่างมาก แต่กลับ ไม่พบปรากฏการณ์การเพิ่มขึ้นแบบระเบิดของซอฟต์แวร์ใหม่
- จากการวิเคราะห์ข้อมูลของ PyPI พบว่า แม้หลังจาก ChatGPT เปิดตัว อัตราการสร้างแพ็กเกจโดยรวมก็ไม่เปลี่ยนแปลง
- มีเพียงใน แพ็กเกจยอดนิยมที่เกี่ยวข้องกับ AI เท่านั้นที่ความถี่ในการอัปเดตเพิ่มขึ้นมากกว่า 2 เท่า ขณะที่ แพ็กเกจที่ไม่เกี่ยวกับ AI ยังคงแนวโน้มเดิม
- ปรากฏการณ์การกระจุกตัวนี้ตีความได้ว่าเป็นผลจาก การกระจุกตัวของเงินทุนและความสนใจ มากกว่าจะเป็น การเพิ่มผลิตภาพโดยรวมจากเทคโนโลยี AI
- สุดท้ายแล้ว อิทธิพลของ generative AI ไม่ได้ปรากฏในรูปของ การขยายตัวของระบบนิเวศการพัฒนาโดยรวม แต่เป็น การกระจุกตัวของกิจกรรมภายในสาย AI
การวิเคราะห์ผลิตภาพซอฟต์แวร์ในยุค AI
- แม้จะมีการอ้างว่า เครื่องมือเขียนโค้ดด้วย AI เพิ่มผลิตภาพได้หลายสิบเท่า แต่ในความเป็นจริง ไม่พบการเพิ่มขึ้นแบบระเบิดของซอฟต์แวร์ใหม่
- ใช้ข้อมูลจากคลังแพ็กเกจ Python อย่าง PyPI เพื่อวิเคราะห์ แนวโน้มการสร้างและอัปเดตแพ็กเกจ หลังการนำ AI มาใช้
- ผลคือ ความถี่การอัปเดตเพิ่มขึ้นอย่างชัดเจนเฉพาะใน แพ็กเกจยอดนิยมที่เกี่ยวข้องกับ AI เท่านั้น และไม่พบการเปลี่ยนแปลงเด่นชัดในระบบนิเวศโดยรวม
- ปรากฏการณ์นี้สะท้อนผลของ การกระจุกตัวของเงินทุนและความสนใจ มากกว่าจะเป็น การเพิ่มผลิตภาพจากเทคโนโลยี AI เอง
การวิเคราะห์จำนวนแพ็กเกจ
- จำนวนแพ็กเกจทั้งหมดบน PyPI แสดง การเติบโตแบบเอ็กซ์โปเนนเชียลอย่างต่อเนื่อง แต่ ช่วงเวลาที่ ChatGPT เปิดตัว ไม่ได้มีความเปลี่ยนแปลงเด่นชัด
- จำนวนแพ็กเกจใหม่ต่อเดือนแกว่งอยู่ราว 5,000~15,000 แพ็กเกจ
- สไปก์บางช่วงหลังปี 2020 เกิดจาก สแปมและมัลแวร์ที่ไหลเข้ามา
- หาก AI เพิ่มผลิตภาพของนักพัฒนาได้จริง ก็ควรเห็น จำนวนแพ็กเกจเพิ่มขึ้นอย่างรวดเร็ว แต่ข้อมูลไม่แสดงแนวโน้มเช่นนั้น
การวิเคราะห์ความถี่ในการอัปเดตแพ็กเกจ
- มากกว่าการสร้างแพ็กเกจใหม่ ตัวชี้วัดที่มีความหมายกว่าคือ ความถี่ในการอัปเดตของแพ็กเกจที่มีการดูแลรักษาอยู่
- วิเคราะห์ 15,000 แพ็กเกจที่มียอดดาวน์โหลดสูงสุด ณ เดือนธันวาคม 2025
- จัดกลุ่มแต่ละแพ็กเกจตามปีที่สร้าง และติดตาม ค่ามัธยฐานของความถี่ในการอัปเดตของแต่ละ cohort รายปี
- แพ็กเกจที่สร้างหลัง ChatGPT มีค่าเฉลี่ย อัปเดต 13 ครั้งในปีแรก สูงกว่าแพ็กเกจที่สร้างในปี 2014 ซึ่งมี 6 ครั้ง
- อย่างไรก็ตาม แนวโน้มนี้ เริ่มเพิ่มขึ้นมาตั้งแต่ปี 2019 แล้ว และอาจเป็นผลจากการแพร่หลายของเครื่องมือ CI อย่าง GitHub Actions
- ทุก cohort แสดงให้เห็นว่า ยิ่งอายุแพ็กเกจนาน ความถี่ในการอัปเดตก็ยิ่งลดลง
- การใช้เครื่องมือ AI ไม่ได้ทำให้ความถี่ในการบำรุงรักษาแพ็กเกจเก่าสูงขึ้น
ลักษณะเฉพาะของแพ็กเกจที่เกี่ยวข้องกับ AI
- เมื่อจำแนกว่าเกี่ยวข้องกับ AI หรือไม่จากคำอธิบายแพ็กเกจ ก็พบความเปลี่ยนแปลงชัดเจนเฉพาะในแพ็กเกจที่เกี่ยวข้องกับ AI
- แพ็กเกจที่เกี่ยวข้องกับ AI ซึ่งสร้างในปี 2023 มี ค่ามัธยฐานการอัปเดต 20 ครั้งในปีแรก หรือราว 2 เท่า ของแพ็กเกจที่ไม่เกี่ยวข้องกับ AI
- แพ็กเกจที่ไม่เกี่ยวข้องกับ AI ยังคงเพิ่มขึ้นอย่างค่อยเป็นค่อยไปใกล้เคียงกับก่อนหน้า
- ดังนั้นจึงยืนยันได้ว่ามี กิจกรรมที่เพิ่มขึ้นอย่างกระจุกตัวเฉพาะในโปรเจกต์ที่เกี่ยวข้องกับ AI
ความสัมพันธ์กับปัจจัยด้านความนิยม
- เพื่อทดสอบว่าความถี่ในการอัปเดตที่สูงของแพ็กเกจ AI เป็นเพียง ผลจากความนิยม หรือไม่
จึงแยก 15,000 แพ็กเกจยอดนิยมออกเป็น 7,500 อันดับบนตามยอดดาวน์โหลด และ 7,500 อันดับล่าง
- ผลลัพธ์คือ ความถี่ในการอัปเดตพุ่งสูงเฉพาะใน แพ็กเกจ AI ที่ได้รับความนิยม
- หลัง ChatGPT แพ็กเกจ AI ยอดนิยมมีการอัปเดต 21~26 ครั้งต่อปี ขณะที่แพ็กเกจยอดนิยมที่ไม่ใช่ AI คงอยู่ที่ ประมาณ 10 ครั้ง
- สูงกว่าแม้แต่แพ็กเกจ AI ที่ได้รับความนิยมน้อยกว่าอย่างมาก
ข้อสังเกตโดยสรุป
- อัตราการสร้างแพ็กเกจ ไม่ได้เพิ่มขึ้นอย่างชัดเจนหลัง ChatGPT
- ความถี่ในการอัปเดตโดยรวม เพิ่มขึ้นอย่างค่อยเป็นค่อยไป แต่เป็นแนวโน้มที่ต่อเนื่องมาตั้งแต่ก่อน AI
- พบการเพิ่มขึ้นของความถี่ในการอัปเดตมากกว่า 2 เท่าเฉพาะใน แพ็กเกจยอดนิยมที่เกี่ยวข้องกับ AI
การตีความและสมมติฐาน
-
ไม่มีหลักฐานว่า AI ได้เพิ่มผลิตภาพของนักพัฒนาโดยรวมแบบก้าวกระโดด
- โดยรวมไม่พบการพุ่งขึ้นของจำนวนแพ็กเกจใหม่หรือการอัปเดต
- อาจมีนักพัฒนาบางส่วนที่ใช้ AI เพื่อเร่งการพัฒนาได้จริง แต่ จำนวนและผลกระทบยังมีจำกัด
- การพัฒนาซอฟต์แวร์ที่ ใช้ AI เองนั้นยังคงดำเนินไปอย่างคึกคัก
- โดยเฉพาะใน แพ็กเกจ AI ยอดนิยม ที่มีกิจกรรมกระจุกตัวอย่างชัดเจน
สองสมมติฐาน
- ประเด็นด้านทักษะ AI: คนที่สร้างเครื่องมือ AI ก็มักเป็นคนที่รู้วิธีใช้ AI ได้อย่างมีประสิทธิภาพที่สุด จึงอาจทำให้ผลิตภาพในแพ็กเกจ AI สูงกว่าเดิมมาก แต่คำอธิบายเรื่องทักษะเพียงอย่างเดียว อธิบายการกระจุกตัวเฉพาะในแพ็กเกจ AI ยอดนิยมได้ยาก
- เงินทุนและกระแส hype: มีการลงทุนและความสนใจมหาศาลไหลเข้าสู่สาย AI ทำให้มีคนทำงานมากขึ้นและเกิดการสร้าง/อัปเดตแพ็กเกจมากขึ้น
- การเปลี่ยนแปลงของขนาด cohort สนับสนุนเรื่องนี้: ใน cohort ปี 2021 อัตราส่วนแพ็กเกจที่ไม่ใช่ AI ต่อ AI อยู่ที่ 6:1 (1,211 ต่อ 185) แต่ในปี 2024 เปลี่ยนเป็น ต่ำกว่า 2:1 (727 ต่อ 423)
- ไม่ใช่ว่านักพัฒนากลายเป็นยอดมนุษย์ แต่เป็น ความร้อนแรงต่อ AI ที่แปรเป็นเงินทุน จนเร่งความเร็วในการสร้างและทำซ้ำของแพ็กเกจ AI
- จากข้อมูลเพียงอย่างเดียว ยังไม่สามารถตัดสินได้ว่าผลสองด้านนี้ ฝั่งใดมีน้ำหนักมากกว่า
บทสรุป
- ผลที่มองเห็นได้ชัด ของการปฏิวัติ generative AI ไม่ใช่การระเบิดของผลิตภาพซอฟต์แวร์โดยรวม แต่เป็น
การเพิ่มขึ้นของกิจกรรมแบบกระจุกตัวภายในระบบนิเวศ AI
- หากดูจากข้อมูล PyPI, AI ไม่ได้ ทำให้นักพัฒนาทุกคนกลายเป็นยอดมนุษย์ แต่สะท้อน ผลจากการที่เงินทุนและความพยายามถูกเทไปยังโปรเจกต์ที่เกี่ยวข้องกับ AI
4 ความคิดเห็น
ตอนนี้ดูเหมือนว่านวัตกรรมที่ใหญ่ที่สุดคืออุปสรรคในการเริ่มพัฒนานั้นลดลงอย่างมาก
ตรรกะแปลกดีนะ.. ฮ่าๆ หลังจาก ChatGPT ฉันก็ใช้ AI กับการพัฒนาในโดเมนอื่นๆ อย่างหนักเลย... งานที่เมื่อก่อนเป็นไปไม่ได้ หรือเป็นงานที่ต้องมีคนมีประสบการณ์สัก 10 คนมาช่วยกันทำ ตอนนี้ฉันทำคนเดียวได้... นี่ไม่ใช่นวัตกรรมหรอกเหรอ?
นี่ไม่ใช่ว่าไม่ชอบนวัตกรรมแบบนั้นหรอกหรือ? ดูเหมือนจะโปรยกันออกมาแทบจะระดับข่าวประชาสัมพันธ์เลย คิดว่าน่าจะมีผลประโยชน์เกี่ยวข้องอยู่
ความคิดเห็นจาก Hacker News
ทุกวันนี้การพาไอเดียไปถึงขั้น prototype นั้นง่ายมากแล้ว
แต่ถ้าจะทำออกมาเป็นบริการจริง ก็ยังต้องใช้ งานวิศวกรรมซอฟต์แวร์ที่น่าเบื่อ อยู่ดี
เห็นคนจำนวนมากตามกระแส “ฉันจะสร้างธุรกิจด้วยโค้ดเอง” แต่แทบไม่มีใครไปถึงขั้นเปิดตัวจริง
สุดท้ายแล้วขั้นตอนท้ายสุดนี่แหละที่กินเวลาและความพยายามไปเกือบทั้งหมด
แอปไม่จำเป็นต้องเปิดให้คนทั่วไปใช้ถึงจะมีประโยชน์
ถ้าเป้าหมายคือแก้ปัญหาให้ตัวเอง คนรอบตัว หรือทีมของตัวเอง ขั้นตอน “สุดท้าย” นั้นคือ ความสิ้นเปลืองที่ไม่จำเป็น
สินค้าในตลาดไม่ใช่ทางแก้ปัญหา แต่เป็น เครื่องมือ สำหรับทำเงิน
AI ทำให้ต้นทุนของการ ‘แก้ปัญหา’ ลดลงมาก แต่ลดต้นทุนของการ ‘ทำเป็นผลิตภัณฑ์’ ได้น้อยกว่า
เพราะงั้นการที่มีผลิตภัณฑ์ไม่มาก ไม่ได้แปลว่าการแก้ปัญหามีน้อย
นี่อันตราย เพราะความสามารถในการหาต้นตอของปัญหากำลัง ถดถอย
AI สร้าง 80% แรกได้ไวมาก แต่คุณภาพก็น่าสงสัย
สุดท้ายมันเลยผลักให้เกิด การพัฒนาแบบลองผิดลองถูก และยิ่งเป็นนักพัฒนาที่มีประสบการณ์ก็ยิ่งไม่ชอบแนวทางนี้
ให้ Claude ออกแบบฟีเจอร์ก็ได้สเปกที่ดูดีมาก แล้ว coding agent ก็ทำได้ถึง 80% แบบใช้ได้
แต่ 20% สุดท้ายนั้นใช้เวลานานกว่ามาก
ระหว่างนั้นไอเดียฟีเจอร์ใหม่ก็สะสมเพิ่มขึ้น เกิดเป็น backlog ที่ไม่มีวันจบ และความกังวล
ทั้งที่จริง ๆ ไม่มีใครเรียกร้องจากฉันเลย กลายเป็นว่าฉันสร้างแรงกดดันให้ตัวเอง
มันเป็นกระบวนการยาวตั้งแต่เก็บ requirement ออกแบบ ขออนุมัติ วาง infra เขียนโค้ด ทดสอบ deploy ไปจนถึง monitor
AI เร่งได้แค่ราว 4-5 ขั้นตอนในนั้น คือส่วนของ infrastructure และการเขียนโค้ด
แต่ที่เหลือก็ยังเป็นพื้นที่ของมนุษย์อยู่ดี
การวัดผลกระทบของ AI ด้วยแพ็กเกจ 15,000 อันดับแรกบน PyPI นั้นไม่เหมาะสม
สถิติที่บอกว่า การลงทะเบียนแอป iOS ใหม่เพิ่มขึ้น 24% กลับมีความหมายมากกว่า
ตาม Appfigures Explorer ในปี 2025 มีแอปใหม่ 557,000 แอป ซึ่งเป็นการเพิ่มขึ้นอย่างมีนัยสำคัญครั้งแรกนับตั้งแต่ปี 2016
หลังจากที่ AI ใช้งานได้จริงมากพอ (ธันวาคม 2025 ตอน Opus 4.5 และ Codex เปิดตัว) ผลิตภาพการพัฒนาก็พุ่งสูงขึ้นมาก
ตอนนี้เราอยู่ในยุคที่ถาม LLM แทนการถาม Stack Overflow
LLM ที่เข้าถึงเอกสารได้สามารถตอบคำถามได้ 95%
Stack Overflow น่าจะต้านการเปลี่ยนแปลงนี้ได้ยาก
การเขียนโค้ดด้วย AI มักถูกใช้ในรูปของ utility ที่ลดความจำเป็นของแพ็กเกจ หรือเป็น เครื่องมือภายใน ที่ไม่ได้ปล่อยเป็นแพ็กเกจ
แทบไม่มี แอปที่มีประโยชน์ ซึ่งช่วยเพิ่มผลิตภาพทางเศรษฐกิจจริง ๆ
AI ใช้ทั้งพลังงานและทุน แต่ผลประโยชน์ที่จับต้องได้กลับน้อยมาก
ถ้ามองเชิงเศรษฐกิจ กระแส AI ก็ดูใกล้เคียงฟองสบู่ที่ร้อนแรงเกินจริง
ตอนนี้มีโปรเจ็กต์แนว “YoloSwag” เต็มไปหมด
อวดว่าเป็นการทำ PyTorch แบบ 1:1 ด้วย Rust พร้อมเคลมว่าลดการใช้ CPU ได้ 80% เร็วขึ้น 300% แต่ของจริงคือ พังทันที
เทสต์ก็ผ่านด้วย mock ปลอม ๆ ทั้งหมด โค้ดครึ่งหนึ่งเป็น PyTorch binding อีกครึ่งเป็น API มั่ว ๆ รวมกันเป็นสัตว์ประหลาด
นักพัฒนาก็เป็น อดีตสายคริปโต ที่อ้างว่ากลายเป็นผู้เชี่ยวชาญ quantum computing ภายใน 6 สัปดาห์
พวกเขาไม่ได้ใช้ AI เพื่อเรียนรู้ด้วยตัวเอง แต่ใช้เพื่อโอ้อวดตัวเอง
ถ้าวัฒนธรรมนี้ไม่เปลี่ยน เราก็จะยังเห็นโปรเจ็กต์สไตล์ ‘YoloSwag’ แบบนี้ต่อไป
ฉันลบ VSCode แล้วทำ แดชบอร์ดส่วนตัวแบบปรับแต่งสุดขีด ของตัวเองขึ้นมา
รวมทุกอย่างไว้ในหน้าจอเดียว ทั้งฟีดข่าว การจัดการ issue ตัวแก้ไข Markdown ปฏิทิน ปุ่ม AI ฯลฯ
แต่มันเป็นของเฉพาะตัวมากจนไม่มีเหตุผลจะเอาไปแชร์
บริการใหม่ส่วนใหญ่ก็ยังเป็นแค่ LLM wrapper หรือเครื่องมือ AI
อย่างเช่นทำแอปจ่ายตลาดที่เข้ากับพฤติกรรมการซื้อของของฉันเสร็จภายใน 20 นาที
ซอฟต์แวร์แบบ เฉพาะบุคคลขั้นสุด นี่แหละคือขั้นถัดไป
ถ้าคุณแชร์การตั้งค่าของคุณ มันน่าจะเป็น แรงบันดาลใจ ให้คนสร้างของอีกเยอะ
เหตุผลง่าย ๆ ที่ของซึ่งทำด้วย AI ไม่ถูกเผยแพร่ต่อสาธารณะ ก็คือ
ส่วนใหญ่เป็นของที่ ปรับให้เหมาะกับแต่ละคน เลยไม่จำเป็นต้องเปิดเผย
แถมตอนนี้ไม่ใช่การลงมือทำ แต่ ตัวไอเดียเองต่างหากที่กลายเป็นความได้เปรียบในการแข่งขัน จึงไม่จำเป็นต้องแชร์
ในยุคที่ทุกคนมีความสามารถคล้ายกัน ต่างคนต่างสร้างสิ่งที่ตัวเองต้องการได้เร็วและถูก
เพราะงั้นผลลัพธ์ที่สร้างด้วย AI มีอยู่มาก แต่สิ่งที่ถูกปล่อยออกสู่โลกกลับน้อยลงเรื่อย ๆ
สิ่งที่ต้องการไม่ใช่หลักฐานจากโปรเจ็กต์ส่วนตัว แต่เป็นหลักฐานที่ชี้ให้เห็น การเปลี่ยนแปลงทั้งอุตสาหกรรม
จนทำให้แม้แต่ contribution ที่ดีจริงก็หดหายไปด้วย
แน่นอนว่าโค้ด AI คุณภาพต่ำเป็นปัญหา แต่การปฏิเสธทั้งหมดเพราะเหตุนี้ไม่ใช่ทางออก
วัฒนธรรมที่ไม่รีวิวและไม่ทดสอบอย่างจริงจังต่างหากที่เป็นปัญหาใหญ่กว่า
AI ทำ 90% แรกของแอปได้ง่าย แต่กลับทำให้ 10% สุดท้ายยากขึ้นมาก
โค้ดเบสใหญ่ขึ้น แต่ ความคุ้นเคยกับมันหายไป จนคนส่วนใหญ่มักยอมแพ้ตรงนี้
สุดท้ายถึง AI จะสร้างได้เร็ว แต่ก็มี กับดักด้านคุณภาพและความปลอดภัย เยอะมาก
กระแส AI ตอนนี้ทำให้นึกถึง ฟองสบู่ดอทคอม
เหมือนช่วงต้นยุค 2000 ที่มีบริษัทจำนวนมากเผาเงินเพราะหลงคิดว่า “แค่ใช้ AI ก็พอแล้ว”
ในขณะเดียวกันก็มี บริษัทที่ค่อย ๆ นำ AI มาใช้เพิ่มประสิทธิภาพงาน อย่างเงียบ ๆ อยู่เหมือนกัน
สุดท้ายแล้วส่วนใหญ่ก็จะเหลือเป็น เครื่องมือช่วย และแอปที่อัตโนมัติเต็มรูปแบบจะมีอยู่ไม่กี่รายเท่านั้น
การวัดผลของ AI ด้วยจำนวนแพ็กเกจบน PyPI เป็นวิธีที่ผิด
ผลิตภาพที่เพิ่มขึ้นจริงเกิดขึ้นใน รีโพ private เครื่องมือภายใน และแอปที่มีจุดประสงค์เดียว
ฉันเองก็ใช้ AI ทำเว็บแอปที่มีทั้งรองรับออฟไลน์ การจ่ายเงินผ่าน Stripe และหน้า SEO ได้ภายใน 6 สัปดาห์
ถ้าเป็นเมื่อก่อนคงใช้เวลา 6 เดือน
ผลลัพธ์แบบนี้ไม่ถูกนับในชุดข้อมูล แต่ การเพิ่มขึ้นของผลิตภาพนั้นชัดเจนแน่นอน
ช่วงนี้ฉันเองก็ ใช้ไลบรารีน้อยลง
เพราะด้วย AI การจัดการ API call เองกลับง่ายกว่า
การปล่อยแพ็กเกจก็แทบไม่ต่างจากการ ดูแลโปรเจ็กต์โอเพนซอร์ส และนั่นเป็นงานที่เหนื่อยมาก
ภาระด้านการบำรุงรักษากับผลตอบแทนที่ไม่สมดุลทำให้คนส่วนใหญ่ไม่อยากทำ
ตอนนี้โลกมีไลบรารีมากพอแล้ว และการรวมศูนย์ไปสู่ของที่ดีจริง ๆ ก็ไม่ใช่เรื่องแย่
นักพัฒนาจำนวนมากทุกวันนี้ไม่ได้ใช้ AI ในระดับ “ทั้งโปรเจ็กต์” แต่ใช้ในระดับ commit แล้ว
การใช้ PyPI มาวัดผลของ AI นั้นสายตาสั้นเกินไป
ถ้าดู รายงาน GitHub Octoverse 2025 จะเห็นว่า
จำนวนผู้ใช้และการมีส่วนร่วมในโอเพนซอร์สกำลังเป็น กราฟขาขึ้น อย่างชัดเจน
ณ ปี 2025 contribution ทั้งหมด 81.5% เกิดขึ้นใน รีโพ private ขณะที่รีโพสาธารณะมีเพียง 63%
ก่อนหน้านั้นก็มีทั้ง Cursor, Copilot และเครื่องมืออื่น ๆ อยู่แล้ว และทั้งหมดก็ถูกเรียกว่าเป็นนวัตกรรม
ถ้า AI ทำให้ปล่อยโค้ดได้เร็วขึ้น 10 เท่าจริง เราก็ควรจะเห็น ผลลัพธ์แบบระเบิดออกมาแล้ว