เจาะประเด็น
AI / Engineering
Roblox ไม่ได้แค่ใช้ AI เขียนโค้ด แต่สร้างระบบให้ AI เขียนโค้ดได้เองทั้งวงจรโดยมีมนุษย์เป็นแค่คนกดปุ่ม
จากพรอมป์ถึงโปรดักชันจริง วิศวกรของ Roblox เล่าว่าพวกเขาเปลี่ยนวิธีคิดเรื่องซอฟต์แวร์ทั้งระบบยังไง เพื่อให้ AI ปล่อยโค้ดลงโปรดักชันได้โดยไม่ต้องมีคนคอยจับมือ
ทีมข่าว เอไอไทย.com
⏱ อ่าน 5 นาที
คำถามที่ทุกบริษัทต้องตอบในอีกไม่กี่ปีข้างหน้าไม่ใช่ "จะใช้ AI เขียนโค้ดยังไง" แต่คือ "จะไว้ใจ AI ให้ปล่อยโค้ดลงโปรดักชันได้เมื่อไหร่" — และ Roblox ดูเหมือนจะมีคำตอบที่หลายคนรออยู่
เรื่องนี้มันไม่ได้เกี่ยวกับ "AI เขียนโค้ดแทนคน" แบบที่พวกชอบขายฝันพูดกันเล่นๆ แต่มันคือการยกเครื่องสายพานการพัฒนาซอฟต์แวร์ทั้งหมดของบริษัทระดับยูนิคอร์น เพื่อให้ AI เป็นผู้เล่นหลัก ไม่ใช่แค่เครื่องมือช่วยพิมพ์ให้เร็วขึ้น
Andrew Swerdlow วิศวกรจาก Roblox ออกมาเล่าบนเวทีว่าแพลตฟอร์มเกมยักษ์ใหญ่ที่มีผู้ใช้งานหลายร้อยล้านคนต่อเดือนกำลังสร้างระบบที่เรียกว่า "autonomous SDLC" — วงจรชีวิตการพัฒนาซอฟต์แวร์แบบอัตโนมัติเต็มรูปแบบ ตั้งแต่ตอนที่คนเขียนพรอมป์สั่งงาน ไปจนถึงโค้ดที่รันจริงบนเซิร์ฟเวอร์โดยไม่ต้องมีมนุษย์ไปนั่งรีวิวทีละบรรทัด
ฟังเผินๆ อาจดูเหมือนเพ้อฝัน แต่ที่ทำให้เรื่องนี้น่าสนใจคือพวกเขาไม่ได้แค่พูดถึงวิสัยทัศน์ แต่ลงรายละเอียดถึงอุปสรรคที่เจอจริงและวิธีแก้ที่คิดมาอย่างมีชั้นเชิง — โดยเฉพาะเรื่องความปลอดภัย ซึ่งเป็นกำแพงแรกที่ทุกคนต้องเจอเมื่อปล่อยให้ AI เขียนโค้ดลงระบบจริง
Swerdlow บอกว่าเรื่องแรกที่พวกเขาต้องคิดคือ "จะทำยังไงให้ AI ที่เขียนโค้ดพลาดแล้วไม่พังระบบทั้งหมด" คำตอบคือการสร้าง security sandbox ที่แข็งแรงพอ — ไม่ใช่แค่คอนเทนเนอร์ง่ายๆ แต่เป็นสภาพแวดล้อมจำลองที่ AI สามารถทดลองเขียนโค้ด รันโค้ด แล้วดูผลลัพธ์ได้โดยไม่กระทบระบบจริง
ตรงนี้แหละที่หลายบริษัทมองข้าม พวกเขารีบเอาตัว AI มาเขียนโค้ดโดยไม่คิดถึงเรื่อง "โซนอันตราย" ว่าถ้า AI สร้างโค้ดที่ลบฐานข้อมูลทั้งตัวหรือเปิดช่องโหว่ให้แฮกเกอร์โจมตี มันจะเกิดอะไรขึ้น — Roblox เลือกที่จะลงทุนกับโครงสร้างพื้นฐานตรงนี้ก่อน แล้วค่อยขยายscale ทีหลัง ซึ่งเป็นวิธีคิดที่ควรเป็นบทเรียนให้ใครหลายคน
อีกปัญหาที่น่าสนใจคือการถ่ายทอด "ความรู้เฉพาะองค์กร" ให้ AI ฟัง — เพราะโค้ดของแต่ละบริษัทมีสไตล์ มีแพตเทิร์น มีข้อห้ามข้อควรระวังที่ไม่ได้เขียนไว้ในdocumentation แต่ฝังอยู่ในหัวของวิศวกรรุ่นพี่
วิธีของ Roblox คือการดึง "code review exemplars" — ตัวอย่างการรีวิวโค้ดที่ดีที่สุดในองค์กร มาสอนให้ AI รู้ว่าอะไรคือมาตรฐานที่ทีมยอมรับ อะไรคือสิ่งที่เคยทำให้ระบบล่มมาก่อน แล้วให้ AI เรียนรู้จากตัวอย่างเหล่านั้นแทนที่จะพยายามเขียนกฎเป็นข้อๆ ซึ่งไม่มีทางครอบคลุมทุกกรณี
วิธีคิดแบบนี้ฉลาดมาก เพราะมันเปลี่ยนจาก "การเขียนกฎให้ AI จำ" เป็น "การให้ AI เรียนรู้จากตัวอย่างการตัดสินใจของมนุษย์" ซึ่งตรงกับธรรมชาติของ AI มากกว่า และสเกลได้ดีกว่าการจ้างวิศวกรไปนั่งเขียนกฎทีละข้อ
Swerdlow ทิ้งระเบิดลูกสำคัญไว้ที่เรื่องการวัดผล — เขาบอกว่า metric แบบเดิมๆ อย่างจำนวนบรรทัดโค้ดหรือจำนวน pull request ที่ปิดได้มันใช้ไม่ได้แล้วในยุคที่ AI เขียนโค้ดเป็นส่วนใหญ่ เพราะ AI สามารถสร้างโค้ดได้เป็นหมื่นบรรทัดต่อชั่วโมง แต่คำถามคือโค้ดนั้นมีคุณภาพและตอบโจทย์จริงไหม
สิ่งที่ Roblox หันมาให้ความสำคัญคือ "feature velocity" — ความเร็วที่ฟีเจอร์ใหม่ๆ ออกถึงมือผู้เล่นจริง และ "long-running AI turns" — ความยาวของรอบการทำงานที่ AI สามารถรันได้อย่างต่อเนื่องโดยไม่ต้องมีมนุษย์เข้าไปช่วยแก้ปัญหา ซึ่งสองตัวนี้สะท้อนคุณภาพของระบบโดยรวมได้ดีกว่าตัวเลขลอยๆ
นี่คือสิ่งที่ทุกบริษัทที่ใช้ AI ช่วยเขียนโค้ดต้องคิดตามให้ทัน — เพราะถ้ายังวัดผลด้วยวิธีเดิมๆ จะไม่มีทางรู้ว่าระบบที่สร้างขึ้นมาดีจริงหรือแค่ดูดีในรายงาน
บทสรุปของเรื่องนี้คือ Roblox กำลังปูทางให้วงการเห็นว่า "การพัฒนาแบบอัตโนมัติ" ไม่ใช่แค่เรื่องของเทคโนโลยี แต่คือการออกแบบระบบนิเวศทั้งหมดใหม่ ตั้งแต่ความปลอดภัย การถ่ายทอดความรู้ ไปจนถึงวิธีวัดผล — และใครที่คิดว่าแค่ซื้อเครื่องมือ AI มาใช้แล้วจะได้ผลลัพธ์แบบเดียวกัน คงต้องคิดใหม่
ฟังดูเหมือนเรื่องไกลตัว แต่จริงๆ มันคือทิศทางที่ทุกทีมพัฒนาซอฟต์แวร์ต้องเผชิญในอีกไม่กี่ปีข้างหน้า — คำถามไม่ใช่ว่าจะใช้ AI เขียนโค้ดหรือไม่ แต่คือจะสร้างระบบที่ไว้ใจ AI ได้มากพอที่จะปล่อยให้มันทำงานโดยมีคนคุมแค่ภาพรวมได้ยังไง Roblox ให้คำตอบที่น่าสนใจ และทีมอื่นๆ ควรจดบันทึกไว้
ที่มา: InfoQ AI/ML — อ่านต้นฉบับ
ความคิดเห็น 3
กำลังโหลดความคิดเห็น...