เจาะประเด็น
AI CODING
AI เขียนโค้ดเก่งขึ้นทุกวัน แต่คอขวดตัวจริงย้ายไปที่ "การตรวจสอบ" แล้ว
ยิ่ง AI ปั๊มโค้ดเร็วแค่ไหน คนยิ่งต้องตามเช็กให้ทัน ไม่งั้นได้โค้ดที่รันผ่านแต่พา bug กับช่องโหว่กลับบ้าน
ทีมข่าว เอไอไทย.com
⏱ อ่าน 4 นาที
ปัญหาจริงของ AI เขียนโค้ดไม่ใช่ "เขียนได้ไหม" แต่คือ "เราเชื่อโค้ดที่มันเขียนได้แค่ไหน" ต่างหาก
เราคงเลิกเถียงกันได้แล้วว่า AI coding assistant กลายเป็นของคู่โต๊ะนักพัฒนาสมัยนี้ไปเรียบร้อย ไม่ใช่ของแปลกใหม่ที่ต้องตื่นเต้นอีกต่อไป แต่ประเด็นที่ Nitin Garg หยิบมาเขียนในบทความของ InfoQ คือสิ่งที่หลายทีมยังมองข้าม นั่นคือ productivity ที่เพิ่มขึ้นจากโค้ดที่ AI ปั๊มออกมา มันแลกมาด้วยอะไรบ้าง
Garg ชี้ตรงๆ ว่าโค้ดที่ AI generate ออกมานั้นให้ productivity gain จริงก็จริง แต่มันก็พ่วงมาด้วยจุดอ่อนด้านความปลอดภัยและ bug pattern เดิมๆ ที่เราเห็นกันจนชินตา พูดง่ายๆ คือ AI เขียนโค้ดได้เร็วขึ้นก็จริง แต่มันไม่ได้ฉลาดพอจะ "ไม่ทำพลาด" เหมือนที่หลายคนเผลอเชื่อ
จุดที่ Garg อยากให้เราเห็นคือ คอขวดของงานพัฒนาซอฟต์แวร์มันย้ายตำแหน่งไปแล้ว จากเดิมที่การ "เขียนโค้ด" เคยเป็นขั้นตอนที่กินเวลาและแรงคนมากที่สุด ตอนนี้มันกลายเป็นเรื่องที่ AI ทำได้ไวขึ้นเรื่อยๆ แต่พอโค้ดออกมาเยอะและเร็วขึ้น สิ่งที่กลายเป็นปัญหากลับกลายเป็นขั้นตอน "ตรวจสอบโค้ด" ที่คนต้องมานั่งเช็กว่าสิ่งที่ AI เขียนมานั้นตรงกับ intent ที่เราต้องการจริงหรือเปล่า
และนี่คือประเด็นที่ผมว่าสำคัญมากสำหรับทุกทีมที่ใช้ AI เขียนโค้ดอยู่ตอนนี้ เพราะถ้าเรายังวัด productivity กันที่ "จำนวนโค้ดที่ผลิตได้ต่อวัน" เรากำลังวัดผิดจุด มันไม่มีความหมายอะไรเลยถ้าโค้ดที่ได้มาต้องมานั่งแก้ทีหลัง หรือแย่กว่านั้นคือรันผ่าน test แล้วแต่มีช่องโหว่แฝงอยู่
คำตอบที่ Garg หยิบมาเสนอคือเรื่องของ spec-driven development หรือการพัฒนาที่อิงกับ spec ที่ชัดเจน หลักคิดง่ายมาก คือแทนที่เราจะปล่อยให้ AI เขียนไปเรื่อยตาม prompt ลอยๆ แล้วหวังว่ามันจะเดาใจถูก เราต้องมี spec ที่ระบุ intent ให้ชัดก่อน แล้วค่อยใช้ spec นั้นเป็นตัวตั้งต้นให้ AI ทำงาน
ประโยชน์ของวิธีนี้ไม่ได้อยู่แค่ทำให้ AI เขียนตรงใจขึ้น แต่มันกลายเป็นเครื่องมือ "ตรวจจับ" ด้วยว่าเมื่อไหร่ที่ behavior ของโค้ดที่ AI generate มันเบี่ยงออกจาก intent ที่ระบุไว้ใน spec นั่นแหละคือสัญญาณเตือนว่ามีอะไรผิดปกติเกิดขึ้นแล้ว
ตรงนี้ผมว่าเป็นมุมที่หลายคนอาจมองข้าม เพราะปกติเวลาเราพูดถึง AI coding assistant เรามักโฟกัสที่ "มันเก่งแค่ไหน" หรือ "เขียนได้เร็วแค่ไหน" แต่ Garg กำลังบอกว่า ต่อให้ AI เก่งขึ้นอีกแค่ไหน ปัญหาการ verify โค้ดก็ยังต้องมีคนทำอยู่ดี และวิธีที่ดีที่สุดในการ verify คือมี spec ที่ชัดเจนไว้เทียบ
สรุปสั้นๆ ก็คือ ยุคที่ AI เขียนโค้ดได้คล่องขึ้น งานของนักพัฒนากำลัง shift จาก "คนเขียนโค้ด" ไปเป็น "คนกำหนด intent และตรวจสอบว่าโค้ดที่ได้มาตรงกับ intent นั้นจริงไหม" ซึ่งฟังดูเหมือนงานเบาลง แต่จริงๆ แล้วกลับต้องใช้ความเข้าใจระบบมากขึ้นกว่าเดิม เพราะคุณต้องรู้ว่าตัวเองต้องการอะไรกันแน่ ก่อนที่ AI จะเริ่มเขียนบรรทัดแรก
ถ้ายังวัด productivity กันที่ "AI เขียนโค้ดได้กี่บรรทัดต่อวัน" อยู่ ก็เตรียมตัวเจอหนี้ทางเทคนิคก้อนโตในอีกไม่กี่เดือนข้างหน้า เพราะคอขวดตัวจริงมันย้ายไปอยู่ที่การ verify เรียบร้อยแล้ว และการมี spec ที่ชัดเจนคือทางเดียวที่จะไม่ให้ทีมจมอยู่กับโค้ดที่ AI ปั๊มมาแบบไร้ทิศทาง
ที่มา: InfoQ AI/ML — อ่านต้นฉบับ
ความคิดเห็น 4
กำลังโหลดความคิดเห็น...