งานฝีมือซอฟต์แวร์ในยุค AI

จากมือที่เขียนโค้ด สู่สายตาที่ออกแบบระบบ

O'Reilly จะจัด AI Codecon ครั้งที่ 3 ในวันที่ 26 มีนาคม ภายใต้หัวข้อ "งานฝีมือซอฟต์แวร์ในยุค AI" Tim O'Reilly และ Addy Osmani ซึ่งเป็นโฮสต์ของงาน ตั้งคำถามตรงๆ ว่าคำว่า "งานฝีมือ" หมายถึงอะไรในยุคที่เอเจนต์เป็นผู้เขียนโค้ดส่วนใหญ่ คำกล่าวของ Steve Yegge ที่ว่า "โค้ดเป็นของเหลว มันถูกฉีดออกมาจากสายยาง ไม่ใช่สิ่งที่ต้องเพ่งดู" และกรณีของ Wes McKinney ผู้สร้าง pandas ที่ผลิตโค้ดด้วยการใช้โทเคนมากกว่า 10 พันล้านโทเคนต่อเดือนในภาษา Go ซึ่งเขาไม่เคยเขียนด้วยมือตรงๆ มาก่อน เป็นฉากหลังของงานครั้งนี้

ฝ่าย dark factory

• แนวคิด: คำเปรียบเปรยจากโรงงานหุ่นยนต์ไร้คนที่ไม่จำเป็นต้องเปิดไฟ ใช้เรียกสภาพแวดล้อมการผลิตซอฟต์แวร์ที่มนุษย์เพียงกำหนดทิศทาง และเอเจนต์รับหน้าที่ลงมือทำเกือบทั้งหมด
• Antfarm ของ Ryan Carson: เครื่องมือโอเพนซอร์สที่ติดตั้งทั้งทีมของเอเจนต์ลงบน OpenClaw ได้ด้วยคำสั่งเดียว เอเจนต์วางแผนจะแยกคำขอฟีเจอร์ออกเป็น user story และเอเจนต์แต่ละตัวจะนำแต่ละ story ไปพัฒนาและทดสอบในสภาพแวดล้อมแยก ก่อนส่ง PR (pull request) ที่ผ่านการตรวจสอบกลับมา
• การทำให้การตรวจโดยมนุษย์เป็นอัตโนมัติ: ในไปป์ไลน์ CI (continuous integration) เอเจนต์จะบันทึกวิดีโอขณะใช้งานฟีเจอร์โดยตรงแล้วแนบไว้กับ PR บทบาทของมนุษย์จึงไม่ใช่การผลิต แต่เป็นการตรวจสอบ
• จุดจำกัด: ยังมีการพูดถึงจุดที่เอเจนต์ล้มเหลวหรือวงจรป้อนกลับพังลง ซึ่งเผยให้เห็นขอบเขตที่ไม่สามารถแก้ได้ด้วยการลองใหม่อัตโนมัติเพียงอย่างเดียว

ฝ่ายที่มองว่างานฝีมือคือการกำกับดูแล

• รูปแบบ orchestration ของ Addy Osmani: การบรรยาย "Orchestrating Coding Agents" ครอบคลุมสเปกตรัมตั้งแต่สภาพแวดล้อมที่ผู้ก่อตั้งเดี่ยวรันหลายร้อยเซสชันโดยไม่ต้องดูโค้ด ไปจนถึงทีมองค์กรที่ต้องมี quality gate และการบำรุงรักษาระยะยาว จุดยืนคือสิ่งที่จำเป็นไม่ใช่เครื่องมือ แต่คือ "แพตเทิร์น"
• Context engineering: แนวคิดที่ Andrej Karpathy ตั้งชื่อไว้ หมายถึงเทคนิคการจัดโครงสร้างข้อมูลเพื่อให้ LLM ทำงานได้อย่างเสถียร และยังเป็นประเด็นหลักของหนังสือเล่มใหม่ของ Osmani ชื่อ 『Beyond Vibe Coding』
• มุมมองของ Cat Wu จาก Anthropic: ในฐานะผู้รับผิดชอบผลิตภัณฑ์ของ Claude Code และ Cowork เธอมุ่งไปสู่การออกแบบระบบที่ทำให้มนุษย์อยู่ในลูปได้อย่างเป็นธรรมชาติ ผ่านระบบที่เชื่อถือได้ ตีความได้ และควบคุมทิศทางได้ (reliable, interpretable, steerable) ซึ่งต่างจาก Carson ที่มุ่งสู่ความเป็นอิสระสูงสุด

กระแสที่ว่าด้วยต้นทุนของความล้มเหลว

• Nicole Koenigstein: ผ่านการบรรยาย "ต้นทุนที่ซ่อนอยู่ของความล้มเหลวของเอเจนต์" เธอวิเคราะห์ failure mode ที่ไม่ปรากฏในเดโม แต่ปะทุขึ้นเมื่อขึ้น production เธอเป็นผู้เขียนหนังสือใหม่ของ O'Reilly ชื่อ 『AI Agents: The Definitive Guide』
• Hila Fox (Qodo): แบ่งปันเส้นทางจริงของการพัฒนาจากเครื่องมือพรอมป์ตแบบง่ายไปสู่ระบบมัลติเอเจนต์ระดับ production รวมถึงปัญหาที่เกิดขึ้นระหว่างทาง
• Advait Patel (Broadcom SRE): นำเสนอกรณีรับมือจริงเมื่อ AI เอเจนต์ทำให้ระบบ production พัง
• Abhimanyu Anand (Elastic): ตั้งคำถามว่า "eval ของคุณกำลังโกหกหรือเปล่า" พร้อมเตือนถึงความเสี่ยงของการสร้างระบบบนกรอบการประเมินที่ผิดพลาด

ข้ออ้างว่าคอขวดไม่ใช่มือ แต่คือสายตา

• Mythical Agent-Month: Wes McKinney นำข้อเสนอคลาสสิกของ Fred Brooks ที่ว่า "การเพิ่มคนเข้าไปในโปรเจกต์ที่ล่าช้า จะยิ่งทำให้ล่าช้ามากขึ้น" มาปรับใช้กับเอเจนต์ เอเจนต์ไม่ได้ช่วยลดความซับซ้อนโดยเนื้อแท้ กลับกันยังสร้างความซับซ้อนโดยบังเอิญขึ้นมาด้วยความเร็วระดับเครื่องจักร
• กำแพง brownfield: เป็นข้อสังเกตว่าเมื่อโค้ดมีขนาดราว 100,000 บรรทัด เอเจนต์จะเริ่มสำลักกับโค้ดพองโตที่ตัวเองสร้างขึ้น
• taste คือทรัพยากรที่หายาก: เมื่อข้อจำกัดด้านแรงงานหายไป ความสามารถในการเก็บความสอดคล้องเชิงแนวคิดของระบบไว้ในหัว และตัดสินใจว่าจะสร้างอะไรหรือควรตัดอะไรออก กลายเป็นความแตกต่างที่ชี้ขาด บทสรุปคือ นักพัฒนาที่อยู่รอดไม่ใช่คนที่รันเซสชันขนานได้มากที่สุด แต่คือคนที่สามารถรักษา conceptual model ของโปรเจกต์ไว้ในหัวได้

องค์กรและสถาปัตยกรรมแบบใหม่

• AI Flower ของ Juliette van der Laarse: สถาปัตยกรรมความสามารถแบบเปิดสำหรับ AI-native engineering ว่าด้วยการที่องค์กรวิศวกรรมควรจัดวางความสามารถใหม่อย่างไรในสภาพแวดล้อมที่เอเจนต์รับหน้าที่เขียนโค้ดเป็นส่วนใหญ่
• automation vs augmentation ของ Mike Amundsen: automation คือการแทนที่งานของมนุษย์ ส่วน augmentation คือการขยายพลังของความเชี่ยวชาญมนุษย์ เขามองว่าความแตกต่างระหว่างสองสิ่งนี้จะกำหนดรูปร่างของเศรษฐกิจมนุษย์-AI ในอนาคต
• Tatiana Botskina (Oxford): ว่าด้วยปัญหาความร่วมมือระหว่างเอเจนต์และ provenance หรือการติดตามแหล่งที่มา กล่าวคือจะยืนยันที่มาของผลลัพธ์จากเอเจนต์ได้อย่างไร
• Neethu Elizabeth Simon (Arm): กล่าวถึงปัญหาความน่าเชื่อถือระดับฐานรากอย่างการทดสอบเซิร์ฟเวอร์ MCP (Model Context Protocol) ซึ่งจะยิ่งสำคัญขึ้นเมื่อ MCP กลายเป็นโครงสร้างการเชื่อมต่อมาตรฐานระหว่างระบบเอเจนต์
• Arushee Garg (LinkedIn): แบ่งปันกรณีศึกษาระบบมัลติเอเจนต์ระดับ production ที่ใช้สร้างข้อความ outreach

มุมมองแบบองค์กร

• fireside chat กับ Aaron Levie (CEO ของ Box): มุมมองคือเอเจนต์จะไม่ได้เข้ามาแทนที่ enterprise software แต่จะขึ้นไปทำงานบนมัน และเพื่อให้ทำงานได้ จำเป็นต้องมี content, context และ governance
• การปลดปล่อยงานแฝง: เป็นมุมมองที่ว่า AI จะเปิดทางให้งานอย่างการวิเคราะห์สัญญาหรือการเพิ่มประสิทธิภาพกระบวนการ ซึ่งบริษัทไม่เคยแตะต้องเพราะต้นทุนสูง
• การประเมินคุณค่าการตัดสินใจของมนุษย์ใหม่: ยิ่งอยู่ในสภาพแวดล้อมของเอเจนต์ คุณค่าของความเข้าใจบริบทและ governance ของมนุษย์ไม่ได้ลดลง แต่กลับสูงขึ้น
• ความกังวลของ Tim O'Reilly: มีการตั้งข้อกังวลร่วมกันว่า แม้ AI จะสร้างมูลค่ามหาศาล แต่ก็อาจกัดกร่อนวงจรเศรษฐกิจที่หล่อเลี้ยงความเชี่ยวชาญของมนุษย์ซึ่งค้ำจุนมันอยู่

ความต่างระหว่างสองฝ่าย

• Carson vs Cat Wu: เป็นความขัดแย้งระหว่างการแสวงหาความเป็นอิสระสูงสุด กับปรัชญาการออกแบบที่รักษาการกำกับดูแลของมนุษย์ไว้อย่างเป็นธรรมชาติ
• McKinney vs Osmani: ทั้งสองไปถึงข้อสรุปเดียวกันคือ taste และการตัดสินใจด้านการออกแบบสำคัญ แต่เดินไปคนละเส้นทาง ระหว่างมุมมองของนักพัฒนารายบุคคลกับมุมมองของทีมขนาดหลายร้อยคน
• ความตื่นเต้นและความระแวดระวัง: Koenigstein และ Fox หยิบคำถามว่า "ถ้าล้มเหลวขึ้นมาจะเกิดอะไร" กลับมาอีกครั้ง ท่ามกลางความมองโลกในแง่ดีที่การบรรยายอื่นๆ มักกลบไว้

โดยรวมแล้ว บทความนี้สื่อว่าศิลปะแห่งงานฝีมือซอฟต์แวร์ไม่ได้หายไป แต่กำลังย้ายถิ่น (migrating) จากการพิมพ์โค้ดไปสู่การออกแบบระบบ จากการต่อสู้อย่างฮีโร่ของปัจเจกไปสู่การ orchestration ของเอเจนต์จำนวนมาก และจากทักษะเชิงมือไปสู่ taste และการตัดสินใจ Tim O'Reilly ปิดท้ายโดยยืมคำของ Steve Yegge มาถามว่า เรากำลังอยู่ที่จุดจบของงานฝีมือแห่งการเขียนโปรแกรม หรืออยู่ที่จุดเริ่มต้นของงานฝีมือรูปแบบใหม่กันแน่ พร้อมวินิจฉัยว่านักพัฒนาที่เข้าใจการเปลี่ยนผ่านนี้ได้ก่อน จะเป็นผู้ได้เปรียบมากที่สุด