สืบเนื่องจากบทความของ อ.นัทที ในเฟสบุ๊ค – วิศวฯ คอมจะอยู่อย่างไรในยุค LLM ครองเมือง
https://www.facebook.com/share/p/1Dt3TJiyZC/
อยากแชร์มุมมองส่วนตัวในมุมของผมเอง – ผมเองเรียนจบ วิศวะฯ คอมฯ มาได้ 10 ปีละครับ ตั้งแต่เรียนจบมาก็ทำงานเป็น Programmer / Software Engineer เลยครับ จะเรียกว่าประสบการณ์เขียนโค้ดกว่า 10 ปีก็ว่าได้
ปัจจุบันการมาของ AI ทำให้งานด้านซอฟท์แวร์หรืองานเขียนโปรแกรมของผมเปลี่ยนไปพอสมควรเลยครับ
ก่อนจะไปเล่าในมุม SDLC: Software Development LifeCycle อยากเล่าในมุมงานโค้ดตามปกติก่อนครับ
basic programming
สมัยที่ผมเรียน basic programming ก็คือ เขียนตามตำราเรียน เพื่อจำ syntax และพยายามทำความเข้าใจ concept ของสิ่งที่เราต้องการจะทำ เช่น เรามีข้อความ (string) เราต้องการตัดคำเพื่อดูแค่ 3 ตัวอักษรแรก เราจะเขียนโปรแกรมอย่างไร … สมัยผมแต่ละภาษาจะมี Barrier ของมันเอง เช่น ใครที่เทพ C# ก็จะเขียน Java ลำบาก หรือ ใครถนัด JS ก็จะเขียน Python ลำบาก เพราะต้องเสียเวลาไปศึกษา Syntax ของอีกภาษา (ถ้าเทียบกับภาษามนุษย์ ก็คล้ายๆ กับแกรมม่าและชุดคำศัพท์ของแต่ละภาษาครับ)
แต่ผมเชื่ออย่างนึงว่า ใครก็ตามที่ได้ศึกษาภาษาหนึ่งๆ จนเชี่ยวชาญแล้ว จะเข้าใจ concept ของภาษาเขียนโปรแกรมอย่างถ่องแท้ ก็จะต่อยอดไปเรียนภาษาอื่นๆ ได้ง่ายขึ้นครับ หรือ หากจำเป็นต้องทำงานที่ใช้ Programming Language ก็จะใช้เวลาไม่นานครับ ผมยกตัวอย่างตัวผมเอง สมัยเรียน ผมถนัดเขียน PHP + JS (แต่เรียนในห้องเรียนใช้ภาษา Java + C#) แต่ทำงานไปสักพัก ก็มีเหตุให้ต้องทำโปรเจคที่ใช้ภาษา Python + R ก็ใช้เวลาศึกษาไม่นาน – สิ่งนี้ผมว่าน่าจะคล้ายกับการเรียนภาษามนุษย์ ถ้าเราเข้าใจภาษาอังกฤษ แบบเข้าใจคำศัพท์ แกรมม่า และคอนเซ็ปต์ จนแตกฉานแล้ว การไปเรียนต่อภาษาอื่น เช่น ฝรั่งเศส สเปน โปรตุเกส เยอรมัน ก็อาจจะง่ายขึ้น
ต่อไปเป็นมุมมองของวิชาที่ผมเคยเรียน กับสิ่งที่เกิดขึ้นในยุค AI และสิ่งที่ผมพบเจอในการทำงาน
- data structure & algorithms
- data science & machine learning
พื้นฐานยังสำคัญมากๆ ตัวโปรแกรมเมอร์เอง ต้องเข้าใจพื้นฐานต่างๆ ให้ครบถ้วน / ส่วนกระบวนท่าขั้นสูง AI สามารถช่วยให้เราทำความเข้าใจสิ่งต่างได้ง่ายขึ้น / แต่ถ้าตัวโปรแกรมจะไม่มีพื้นฐานเลย แล้วใช้ AI 100% อาจจะทำให้เราได้ผลงานออกมา แต่การประยุกต์ใช้งานขั้นสูง ก็อาจจะยากขึ้น / และที่สำคัญบางครั้ง ในหัวข้อที่เฉพาะเจาะจงมากๆ AI ก็อาจตอบผิดหรือตอบไม่ครบถ้วนได้เช่นกัน
- database design & data warehouse
- software analysis & software engineer
AI สามารถช่วยในขั้นตอน Analyze & Design ได้ แต่เราก็ต้องทำความเข้าใจด้วยว่า ทำไม AI จึงคิดเช่นนั้น และเราเห็นด้วยกับคำตอบนั้นหรือไม่? มีทางเลือกอื่นที่เป็นไปได้อีกหรือไม่?
อันที่จริงในขั้นตอน implement & test & deploy – AI ก็สามารถช่วยเราได้ดีเลยทีเดียว แต่เราจะเชื่อทุกคำตอบของ AI เลยไม่ได้ จงทำความเข้าใจและตรวจสอบความถูกต้องอยู่เสมอ / บางครั้งหากเราให้ AI เขียนโค้ด 100% พอเวลาผ่านไป มีความต้องการแก้ไขโค้ด เราสามารถควบคุมให้ผลลัพธ์ใหม่สอดคล้องกับผลลัพธ์เก่าได้หรือไม่? และที่สำคัญที่หลายคนอาจมองข้าม ค่าใช้จ่ายของ AI ในการเขียนโค้ด 1 ครั้งมากน้อยแค่ไหน? (ค่า Claude เดือนนี้ เสียไปกี่บาทแล้ว?)
กลับมามุมมองของ AI ต่อการพัฒนาซฟอท์แวร์ตาม SDLC
ผมมองว่าแม้ว่า AI จะเก่งแค่ไหน แต่ในขั้นตอนการเก็บ Requirement จากลูกค้า เราก็อาจจะยังต้องใช้มนุษย์ในการเข้าไปทำความเข้าใจกับปัญหาของลูกค้าจริงๆ หน้างาน
ต่อมาในแง่ของ Analysis & Design ผมว่างานส่วนนี้ AI สามารถเข้ามาช่วยได้มาก โดยเราอาจใช้ AI เป็นผู้ช่วยเสนอไอเดีย ช่วยวิเคราะห์ ช่วยออกแบบหน้า UI ได้อย่างง่ายดาย
รวมไปถึงงาน Coding & Testing & Documentation ที่ AI สามารถเข้ามาทำงานส่วนนี้ได้มากเช่นกัน มนุษย์อาจมีหน้าที่แค่ approve ว่าจะยอมรับโค้ดที่ AI สร้างมาหรือไม่ แล้วโค้ดที่สร้างมานั้น มันตอบโจทย์ Requirement + Analysis + Design ไหม?
ในส่วนของการ Deployment ระบบเพื่อใช้งานจริง ปัจจุบันเราก็มี Automation tools จำนวนมากที่ทำให้การ Deploy Code งานขึ้น และแทบจะ auto อยู่แล้ว
สุดท้ายคือเรากลับไปหาลูกค้าและ present งาน เพื่อให้ลูกค้าเชื่อมั่นในงานของเรา และมั่นใจที่จะใช้ระบบ/โปรแกรมของเรา
จากที่กล่าวมา จะพบว่างานเขียนโปรแกรมเกินครึ่ง AI สามารถทำงานแทนคนได้แล้ว แต่คนก็ยังเป็นส่วนสำคัญของระบบการทำงานอยู่ดี อย่างน้อยที่สุดคือการควบคุม AI ให้ทำงานไปในทิศทางเดียวกัน และคอยตรวจสอบการทำงานของ AI ด้วย / ซึ่งแน่นอนว่าในอนาคตจำนวนคนในทีมพัฒนาซอฟท์แวร์ ก็น่าจะลดน้อยลง เช่น จากเดิม 1 ทีมมี 10+ คน / 1 ทีม อาจจะเหลือแค่ 2-3 คน ก็ได้
** ความเสี่ยง **
แต่ที่กล่าวมาทั้งหมด เราพูดในสมมุติฐานว่า AI สามารถทำงานได้ดี ไร้ปัญหา แต่ส่วนตัวผมเองก็พบว่า AI ก็ยังมีข้อกังวลในตัวมันเองเช่นเดียวกัน
- AI ตอนนี้ฟรี หรือ มีราคาถูก – แต่อนาคตเราไม่มีทางรู้เลยว่า ผู้ให้บริการ AI จะคิดค่าบริการอย่างไรบ้าง (ตอนนี้ดึงดูดให้ผู้คนใช้งานจำนวนมาก อนาคตจะคิดเงินหนักไหม เราไม่มีทางรู้)
- ถ้าวันใดวันหนึ่ง internet มีปัญหา AI ใช้งานไม่ได้ ขั้นตอนการพัฒนาโปรแกรมต้องหยุดชะงักเลยหรือเปล่า?
- สิ่งที่น่ากลัวคือ มนุษย์เราไม่พยายามคิดแก้ไขปัญหาเอง แต่เลือกที่จะใช้ AI ก่อนพยายามลงมือทำอะไรบางอย่างเอง
แม้ว่า AI จะมีความเสี่ยงและข้อน่ากังวล แต่สุดท้าย การใช้งาน AI ก็มีประโยชน์จริงๆ นะครับ
** ข้อสรุป **
สุดท้ายผมมองว่า
- การฝึกใช้งาน AI เป็นเรื่องสำคัญ สุดท้าย AI ก็จะกลายเป็นเครื่องมือในการทำงาน สามัญประจำบ้านแบบ Search Engine (Google) / ส่วนการเสพงานศิลปะบันเทิง (AI-generated images/videos) ขึ้นอยู่กับความชอบส่วนบุคคลและเนื้อหาที่เป็นประโยชน์ในนั้น
- การที่เราพยายามเรียนรู้ว่า AI มีวิธีคิดอย่างไร มีความสำคัญกว่าการใช้งาน AI / อนาคตเราไม่มีทางรู้ว่า AI จะพัฒนาไปถึงนั้น แต่การเรียนรู้วิธีคิด/หลักคิดของ AI ทำให้เราทำงานได้ดี เป็นเหตุเป็นผลขึ้นแน่นอน
- ผมชอบประโยคนี้นะ “AI ไม่ได้ทำให้คนตกงาน แต่ทำให้คนที่ใช้งาน AI ไม่เป็นตกงาน”
- ผมว่าสุดท้ายจุดสมดุลสำหรับผลอยู่ที่ AI เป็นผู้ช่วยของมนุษย์ copilot คอยแนะนำเส้นทางแนะนำที่ดีที่สุดในแต่ละสถานการ์หรือในแต่ละโจทย์ปัญหา แต่มนุษย์ต้องเป็นคนตัดสินใจและมีสิทธิ์ที่จะไม่เชื่อในสิ่งที่ AI บอกก็ได้ / มนุษย์ยังต้องมีวิธีคิดและหลักคิดเป็นของตัวเอง แต่ AI เป็นคนเสนอแนะความเห็น
- หรือ อีกแบบหนึ่ง คือ AI แนะนำหรือเสนออะไรบ้างอย่าง มนุษย์เข้าไปดูและวิเคราะห์ด้วยตนเองว่า เห็นด้วยกับสิ่งที่ AI บอกมาหรือไม่ ถ้าโอเคก็ approve และดำเนินการต่อ
** เล่าเสริม 1 สิ่งที่เกิดขึ้นจริงในวงการซอฟท์แวร์ของไทย **
จากการที่ผมทำงานมากว่า 10 ปี พบว่า ปัญหา (และโอกาส) ของหลายองค์กรคือ พวกเขาก็พยายามปรับตัวปรับการทำงานปรับองค์กรให้ทันสมัย แต่แต่ละองค์กรก็มีข้อจำกัดเป็นของตัวเอง ดังนั้น ตำแหน่ง consult ที่คอยเข้าไปแก้ไขปัญหาและนำเสนอ Solution ต่างๆ ก็น่าจะยังจำเป็นอยู่นะครับ
ซอฟท์แวร์ดี แต่ระบบการทำงานในองค์กรไม่ดี ผลลัพธ์ก็ไม่ดีเหมือนเดิมครับ / AI ช่วยให้เราสามารถสร้างโปรแกรมหรือซอฟท์แวร์ได้เร็วขึ้น แต่ก็อย่าลืมพัฒนาระบบการทำงานในองค์กรให้รองรับการทำงานให้สอดคล้องกับ AI ด้วยนะครับ
AI ที่ดี ย่อมมากับราคาที่ต้องจ่าย ผมหมายถึงราคาที่เป็นตัวเงินนะครับ หลายครั้งการลงทุนเม็ดเงินไปกับเทคโนโลยีที่เราไม่ได้ใช้หรือใช้งานไม่คุ้ม มันก็ไม่คุ้มกับเงินที่เราต้องจ่ายไป / เรามีเทคโนโลยีดีๆ มากมาย แต่ก็ต้องยอมรับว่าหลายองค์กรมีข้อจำกัดด้านการเงินจริงๆ ดังนั้น หลายที่แค่ต้องการ Solution ราคาถูกที่ตอบโจทย์การทำงานได้ก็เพียงพอแล้ว
** เล่าเสริม 2 ที่ไม่รู้ว่าจะทำให้งงกว่าเดิมหรือเปล่า **
ถ้าเปรียบเทียบการมาถึงของ AI ในวงการต่างๆ ผมก็มองในมุมที่มันเป็นเกมส์อย่างหนึ่งได้เช่นกัน ที่ตัวเกมส์เองก็มีการพัฒนากฎและวิธีการเล่นไปเรื่อยๆ เช่นกัน
ถ้ายกตัวอย่างการเล่นเกมส์ให้เห็นภาพ ผมว่าวิวัฒนาการมันก็เหมือนกับการเล่นการ์ดยูกินะ ยุคแรกจะเน้นการเวทย์/กับดัก เอาไว้สวนกลับหรือเคลียร์สนามฝ่ายตรงข้าม / ยุคต่อมาก็จะเป็น Monster Effect + การ์ดฟิวชั่น / ยุคต่อมาก็เป็นลูกเล่นของการ์ด Syncho + Xyz / ช่วงหนึ่งการ์ด Pendulum ก็เป็นสิ่งที่ทำให้ผู้เล่นปวดหัวได้เช่นกัน / และล่าสุด Link Monster ที่ทำให้การลงมอนสเตอร์ง่ายขึ้นมาก / แต่ด้วยลูกเล่นที่หลากหลาย เราต้องรู้ว่าแต่ละสถานการณ์ควรใช้อะไร / และปรับปรุงการูปแบบการเล่นไปตามยุคสมัยต่างๆ
อีกวงการหนึ่งที่น่าจะถูกหมากรุกผูกขาดไปแล้ว ก็คือหมากรุกสากล Chess
ผมว่า AI สามารถเล่นหมากรุกชนะคนไปหลายสิบปีแล้ว แต่ปัจจุบัน เราก็ยังเห็นการจัดแข่ง tournament หมากรุกอยู่ และหลายคนก็ยังเล่นหมากรุกออนไลน์ที่บ้านอยู่เช่นกัน ผมมองว่าผู้คนก็ยังชื่นชอบและชื่นชมการที่คนต่อสู้แข่งขันกับคน มากกว่า หุ่นยนต์ต่อสู้แข่งขันกับหุ่นยนต์
สิ่งสำคัญที่หมากรุกสอนเรา คือวิธีการคิดอย่างเป็นระบบ และการวางแผน รวมไปถึงการจัดการเวลาด้วย กลยุทธ์หรือวิธีคิดบางอย่างที่เอไอแนะนำ สำหรับมนุษย์อาจใช้เวลาหรือใช้การประเมินผลที่มากเกินกว่ามนุษย์จะทำความเข้าใจในเวลาอันสั้น
