เจาะประเด็น
AI / Engineering
จ้องทีละบรรทัดไม่ใช่ทางรอด: ทักษะจริงของยุค Coding Agents คือ "สั่งให้ถูก ตรวจให้เป็น"
การรีวิวโค้ดทีละบรรทัดอาจเป็นวิธีที่เชยที่สุดในการทำงานร่วมกับ AI — สิ่งที่ต้องเปลี่ยนคือวิธีคิดของคุณก่อน
ทีมข่าว เอไอไทย.com
⏱ อ่าน 4 นาที
ถ้าเรายังยึดติดกับการอ่านโค้ดทุกบรรทัดเหมือนยุคก่อน ปัญหาไม่ได้อยู่ที่ AI โค้ดไม่ดี — แต่อยู่ที่ทักษะเราไม่ทันโลก
เราคุยกันเรื่อง Coding Agents กันมานาน แต่ที่จริงแล้วปัญหามันไม่ได้อยู่ที่ว่า AI เขียนโค้ดเก่งแค่ไหน แต่อยู่ที่ว่า "เรา" ใช้มันเป็นหรือเปล่า Simon Willison หนึ่งในคนที่วงการ dev ชาวโลกนับถือ เขียนบทความสั้นๆ แต่คมกริบไว้บทหนึ่ง — และมันคือบทความที่ developers ไทยควรอ่านมากที่สุดในเดือนนี้
ใจความของเขาคือ: ทักษะสำคัญที่สุดในการใช้ Coding Agents ให้เกิดประโยชน์จริง ไม่ใช่การรีวิวโค้ดที่ AI เขียน แต่คือความสามารถสองอย่างที่ต้องมาคู่กัน — สั่งให้มันแก้โค้ดได้อย่างมั่นใจ และตรวจสอบผลลัพธ์ได้อย่างมั่นใจ ฟังดูง่ายใช่ไหม? แต่ลองถามตัวเองดูว่าตอนใช้ Copilot หรือ Cursor อยู่ทุกวันนี้ ทำได้ทั้งสองข้อจริงหรือเปล่า
หลายคนเข้าใจว่าการใช้ AI เขียนโค้ดคือการ "จ้างเด็กฝึกงาน" แล้วเรายืนมองมันทำงานอยู่ข้างหลัง ถ้ามันผิดก็ตะโกนบอก วิธีคิดแบบนี้มันเชยและอันตราย เพราะมันสร้างภาระให้เราต้องตรวจทุกบรรทัดที่มันเขียน — แล้วถ้าจะตรวจขนาดนั้น จะให้ AI เขียนไปทำไม? เสียเวลาตรงนั้นไปเถอะ
Willison ชี้ตรงๆ ว่า "การเพ่งมองโค้ดทุกบรรทัดไม่เคยเป็นวิธีตรวจสอบการเปลี่ยนแปลงซอฟต์แวร์ที่มีประสิทธิภาพที่สุด" และนี่คือประโยคที่ควรเอาไปติดฝาบ้าน ทีม dev จำนวนมากยังติดกับดักเดิม — คิดว่าการ review โค้ดคือการอ่านทุกบรรทัด แล้ว AI ก็ทำให้วัฒนธรรมแย่ลงไปอีก เพราะมันผลิตโค้ดได้เยอะเกินกว่าจะอ่านไหว
แล้ววิธีที่ "มีประสิทธิภาพกว่า" คืออะไร? มันคือการออกแบบการตรวจสอบให้ตรงกับสิ่งที่เปลี่ยนไป ไม่ใช่อ่านทุกตัวอักษรที่ AI พิมพ์ออกมา ตัวอย่างเช่น ถ้า AI แก้ฟังก์ชันคำนวณราคา คุณไม่จำเป็นต้องอ่านทุกบรรทัดในฟังก์ชันนั้น — แต่คุณควรตรวจว่า test cases ครอบคลุมกรณีที่เคยพังหรือไม่ ผลลัพธ์ที่ได้ตรงกับ business logic หรือเปล่า หรือถ้าเป็นไปได้ รันเทสต์อัตโนมัติแล้วดูว่า regression เกิดขึ้นตรงไหน
ประเด็นนี้มันลึกกว่าที่คิด เพราะมันกำลังบอกเราว่า บทบาทของ developer กำลังเปลี่ยนจากการเป็น "คนเขียนโค้ด" ไปเป็น "คนที่กำกับทิศทางและตัดสินใจ" — เหมือนเปลี่ยนจากคนขับรถเป็นผู้ออกแบบเส้นทาง AI เป็นคนเหยียบคันเร่ง แต่เราต้องรู้ว่าเส้นทางไหนถูกต้อง และจะรู้ได้ยังไงว่าไปถึงที่หมายแล้ว? นี่คือทักษะที่ตลาดงานกำลังต้องการ และมันคือสิ่งที่มหาวิทยาลัยไทยยังไม่ได้สอน
ที่สำคัญคือ Willison ไม่ได้บอกว่าให้เชื่อ AI แบบปิดตา เขาบอกว่า "มั่นใจ" ในการสั่ง และ "มั่นใจ" ในการตรวจ — สองอย่างนี้ต้องมาด้วยกัน ถ้าสั่งไม่ชัดเจน AI ก็ทำผิด แล้วเราไปโทษมัน ทั้งที่จริงเราสื่อสารไม่ชัดเอง หรือสั่งเก่งแต่ตรวจไม่เป็น อันตรายกว่า เพราะโค้ดอาจพังตอน production พังทีหลัง
สั่งให้ถูก
ต้องบอก AI ได้ว่าต้องการให้เปลี่ยนแปลงอะไร ทำไม และมีข้อจำกัดอะไรบ้าง — ยิ่งบริบทชัด ผลลัพธ์ยิ่งตรง
ตรวจให้เป็น
ไม่ใช่อ่านทุกบรรทัด แต่เลือกวิธีตรวจที่เหมาะสม — รันเทสต์ ดูผลลัพธ์จริง ตรวจ logic ที่เปลี่ยนไป หรือใช้เครื่องมือวิเคราะห์อัตโนมัติ
รู้จักเครื่องมือตัวเอง
AI แต่ละตัวมีจุดแข็งจุดอ่อนต่างกัน ต้องรู้ว่าเมื่อไหร่ควรใช้ตัวไหน และเมื่อไหร่ควรเลิกใช้แล้วเขียนเอง
ผมคิดว่าบทความนี้สำคัญมากสำหรับวงการ dev ไทย เพราะเรากำลังอยู่ในช่วงเปลี่ยนผ่านที่หลายบริษัทบังคับให้ทีมใช้ AI แต่ไม่ได้เปลี่ยนวิธีคิด วิธีทำงาน หรือแม้แต่ KPI ในการประเมินผลงาน ผลลัพธ์ที่ออกมาจึงเป็นโค้ดที่ไม่มีใครรับผิดชอบจริงๆ — AI เขียน, dev ปล่อยผ่านเพราะไม่กล้าทัก, แล้วสุดท้ายเจอ bug ใน production
ท้ายที่สุดแล้ว Coding Agents ไม่ได้ทำให้ developer เก่งขึ้นหรือแย่ลง มันแค่ขยายสิ่งที่เราทำอยู่แล้วออกไป — ถ้าเราสั่งไม่ดี ตรวจไม่เป็น มันจะพังไวขึ้นเป็นเท่าตัว แต่ถ้าเราปรับวิธีคิดให้ทัน มันจะทำให้เราทำงานได้เร็วและมีคุณภาพกว่าเดิมหลายเท่า เลิกจ้องโค้ดทีละบรรทัดได้แล้ว — ไปออกแบบวิธีตรวจสอบที่ฉลาดกว่ากันเถอะ
ที่มา: Simon Willison's Weblog — อ่านต้นฉบับ
ความคิดเห็น 3
กำลังโหลดความคิดเห็น...