เจาะประเด็น
AI
AI ช่วยเขียนโค้ดเยอะขึ้นแต่ทำไมงานไม่เสร็จไวขึ้น
ผลวิจัยใหม่ชี้ชัดว่าปริมาณโค้ดที่เพิ่มขึ้นจาก AI ไม่ใช่คำตอบของ Productivity ที่แท้จริง
ทีมข่าว เอไอไทย.com
⏱ อ่าน 3 นาที
การมีโค้ดล้นมือไม่ได้หมายความว่าโปรเจกต์จะเสร็จเร็วขึ้น หากคอขวดในขั้นตอนการตรวจสอบยังเป็นปัญหาใหญ่ที่รอการแก้ไข
เราต่างก็ตื่นเต้นกับ AI Coding Assistants ที่ช่วยให้เราพิมพ์โค้ดได้เร็วขึ้นแบบก้าวกระโดด แต่ล่าสุดมีผลวิจัยจาก Harvard ที่ทำร่วมกับแพลตฟอร์ม Jellyfish ออกมาเบรกความมั่นใจของหลายคนเข้าให้แล้วครับ เพราะงานวิจัยนี้ไปสำรวจบริษัทกว่า 718 แห่ง แล้วพบว่าสิ่งที่เกิดขึ้นจริงมันไม่ได้สวยหรูอย่างที่หลายคนเข้าใจ
คือเอาเข้าจริง AI มันช่วยให้เราผลิตโค้ดออกมาได้เยอะขึ้นจริงครับ ปริมาณบรรทัดโค้ดในโปรเจกต์พุ่งกระฉูด แต่มันกลับไม่ส่งผลให้งานเสร็จสมบูรณ์ตามเป้าหมาย (Completed work) ได้เร็วขึ้นอย่างที่หวังไว้เลย อันนี้คือจุดที่น่าสนใจมาก เพราะมันสะท้อนว่าการ "ผลิต" กับการ "สร้างผลงาน" มันคนละเรื่องกันเลย
สาเหตุหลักที่ AI กลายเป็นตัวถ่วงในบางจังหวะ เพราะเมื่อโค้ดถูกผลิตออกมาในปริมาณมหาศาลจาก AI คนที่รับหน้าที่ตรวจสอบโค้ดหรือทำ Code Review ก็ต้องทำงานหนักขึ้นเป็นทวีคูณครับ แทนที่จะได้โฟกัสกับการออกแบบระบบหรือแก้ปัญหาเชิงโครงสร้าง กลับกลายเป็นว่าต้องมานั่งไล่เช็กโค้ดที่ AI สร้างขึ้นมาจนล้นระบบ
มันเหมือนกับเราเร่งเครื่องปั๊มชิ้นงานออกมาจากโรงงานได้เร็วขึ้น แต่สายพานการผลิตในจุดถัดไปกลับรับภาระไม่ไหว กลายเป็นว่างานไปติดแหง็กอยู่ที่ขั้นตอนการตรวจสอบ คุณภาพโค้ดที่ได้ก็ไม่ใช่ว่าจะดีเสมอไป ทำให้ทีมต้องเสียเวลาแก้ซ้ำแก้ซ้อน กลายเป็นคอขวด (Bottleneck) ที่ขวางไม่ให้โปรเจกต์เดินหน้าไปถึงเส้นชัยได้เร็วขึ้น
สำหรับผมเรื่องนี้มันเตือนสติได้ดีนะ หลายบริษัทมักจะเห่อเครื่องมือใหม่ๆ โดยไม่ได้ดูภาพรวมของกระบวนการทำงาน การนำ AI มาใช้มันไม่ใช่แค่เรื่องการเขียนโค้ดให้เสร็จเร็ว แต่ต้องมองไปถึงว่าขั้นตอนหลังจากนั้นจะรองรับไหวไหม ถ้ายังแก้ปัญหาคอขวดในการรีวิวโค้ดไม่ได้ การใส่ AI เข้าไปเพิ่มก็อาจจะเป็นการเพิ่มภาระให้ทีมงานมากกว่าจะช่วยลดงานครับ
AI ไม่ใช่ยาวิเศษที่แก้ได้ทุกอย่าง ถ้ากระบวนการทำงานของคุณยังมีปัญหาเรื่องคอขวด การเร่งผลิตโค้ดก็แค่ย้ายภาระไปกองรวมกันที่จุดอื่นเท่านั้นครับ
ที่มา: InfoQ AI/ML — อ่านต้นฉบับ
ความคิดเห็น 0
กำลังโหลดความคิดเห็น...