อุตสาหกรรมเทคโนโลยีกำลังเต็มไปด้วยการอ้างสิทธิ์เกี่ยวกับผลกระทบที่เปลี่ยนแปลงโลกของ AI ต่อการพัฒนาซอฟต์แวร์ GitHub โอ้อวดว่ามีผู้ใช้ Copilot 20 ล้านคน ในขณะที่ CEO ของ Google กล่าวว่ามากกว่า 25% ของโค้ดของพวกเขาในปัจจุบันถูกสร้างขึ้นโดย AI อย่างไรก็ตาม นักพัฒนาจำนวนมากขึ้นเริ่มตั้งคำถามว่าเครื่องมือเหล่านี้ทำให้พวกเขาทำงานได้อย่างมีประสิทธิภาพมากขึ้นจริงหรือไม่
สстатิสติกการใช้เครื่องมือ AI:
- GitHub Copilot: ผู้ใช้ 20 ล้านคน
- Google: 25%+ ของโค้ดในปัจจุบันถูกสร้างด้วย AI
- กลุ่มตัวอย่างการศึกษา: นักพัฒนา 16 คน โดยมีประสบการณ์เฉลี่ย 5 ปี
- ช่วงเวลาประสบการณ์ AI ของนักพัฒนา: โดยทั่วไปประมาณ 1.5 ปี
ความแตกต่างระหว่างการตลาดและความเป็นจริง
การศึกษาล่าสุดชี้ให้เห็นว่านักพัฒนาที่มีประสบการณ์อาจทำงานช้าลงจริง ๆ เมื่อใช้ผู้ช่วยเขียนโค้ด AI การศึกษาวิจัยที่น่าสนใจหนึ่งที่เกี่ยวข้องกับนักพัฒนา 16 คนที่มีประสบการณ์ AI ในระดับปานกลางพบผลลัพธ์ที่หลากหลาย แม้ว่านักวิจัยเองจะเตือนไม่ให้สรุปข้อสรุปกว้าง ๆ จากขนาดตัวอย่างที่จำกัดของพวกเขา สิ่งนี้สร้างความตึงเครียดที่น่าสนใจระหว่างตัวชี้วัดความสำเร็จขององค์กรและประสบการณ์ของนักพัฒนาแต่ละคน
การอนาคารของชุมชนเผยให้เห็นความสงสัยเกี่ยวกับทั้งการอ้างสิทธิ์ของบริษัท AI และการศึกษาขนาดเล็ก นักพัฒนาบางคนโต้แย้งว่าประโยชน์ของเครื่องมือ AI มักถูกพูดเกินจริง ในขณะที่คนอื่น ๆ ชี้ให้เห็นว่าการวิจัยที่มีขนาดตัวอย่างเล็กไม่ควรถูกนำมาใช้เป็นหลักฐานที่แน่นอนเช่นกัน
AI เก่งในงานที่นักพัฒนาไม่ชอบทำ
นักพัฒนาหลายคนรายงานว่าเครื่องมือ AI ทำงานได้ดีที่สุดสำหรับงานที่น่าเบื่อและซ้ำซากซึ่งคิดเป็นส่วนเล็ก ๆ ของงานประจำวันของพวกเขา ซึ่งรวมถึงการสร้างโค้ด boilerplate การสร้าง database queries ง่าย ๆ และการแปลงการออกแบบเป็นโครงสร้าง HTML พื้นฐาน สำหรับ prototypes และ proof-of-concepts ที่รวดเร็ว AI สามารถมีคุณค่าเป็นพิเศษในการประชุมขายและการนำเสนอลูกค้า
อย่างไรก็ตาม เมื่อต้องเผชิญกับการแก้ปัญหาที่ซับซ้อน การตัดสินใจเรื่องสถาปัตยกรรมระบบ และการ debug ปัญหาที่ซับซ้อน AI มักจะไม่เพียงพอ นักพัฒนามักพบสถานการณ์ที่โค้ดที่สร้างโดย AI ก่อให้เกิดปัญหาด้านประสิทธิภาพ ช่องโหว่ด้านความปลอดภัย หรือสร้าง technical debt ที่ใช้เวลาในการแก้ไขนานกว่าการเขียนโค้ดด้วยตนเองจะใช้เวลา
 |
|---|
| การอภิปรายเชิงวิเคราะห์เกี่ยวกับ AI เน้นย้ำถึงความแตกต่างระหว่างงานประจำที่น่าเบื่อที่ AI ทำได้ดีกับความท้าทายด้านซอฟต์แวร์ที่ซับซ้อนที่นักพัฒนาต้องเผชิญ |
ผู้ชนะที่แท้จริงอาจไม่ใช่นักพัฒนา
การสังเกตที่น่าสนใจจากชุมชนนักพัฒนาคือเครื่องมือ AI ดูเหมือนจะให้ประโยชน์กับผู้มีส่วนได้ส่วนเสียที่ไม่ใช่ด้านเทคนิคมากกว่านักพัฒนาเอง Product managers สามารถสร้าง prototypes อย่างรวดเร็วเพื่อสื่อสารแนวคิด ทีมขายสามารถสร้าง demos ได้เร็วขึ้น ผู้จัดการสามารถได้รับสรุปอัตโนมัติของสถานะโครงการโดยไม่ต้องประชุมยาว ๆ
คนที่ได้ประโยชน์มากที่สุดจากเครื่องมือเหล่านี้ไม่ใช่นักพัฒนา แต่เป็นคนรอบข้างที่ไม่เขียนโค้ด
การเปลี่ยนแปลงนี้มีผลกระทบที่สำคัญต่ออุตสาหกรรมซอฟต์แวร์ ผู้นำธุรกิจที่ไม่ใช่ด้านเทคนิคอาจเชื่อมั่นว่าพวกเขาสามารถลดการพึ่งพาความสามารถของนักพัฒนาที่มีราคาแพง ซึ่งอาจนำไปสู่การเปลี่ยนแปลงกำลังคนและการเปลี่ยนแปลงพลวัตของทีม
ปัญหา Technical Debt และความกังวลด้านความปลอดภัย
นักพัฒนารายงานอย่างสม่ำเสมอว่าโค้ดที่สร้างโดย AI มักก่อให้เกิด technical debt และปัญหาด้านความปลอดภัย ระบบ AI มีแนวโน้มที่จะเลือกโซลูชันที่ซับซ้อนมากกว่าโซลูชันที่เรียบง่าย ไม่ค่อยนำ code patterns ที่มีอยู่มาใช้ใหม่ และไม่เข้าใจผลกระทบทางสถาปัตยกรรมที่กว้างขึ้นของคำแนะนำของพวกเขา ปัญหาทั่วไปรวมถึง N+1 database queries การจัดการข้อผิดพลาดที่ไม่เหมาะสม และช่องโหว่ด้านความปลอดภัยเช่นความเสี่ยงจาก SQL injection
กระบวนการ debugging และ code review มักใช้เวลานานขึ้นเมื่อมี AI เข้ามาเกี่ยวข้อง เนื่องจากนักพัฒนาต้องตรวจสอบโค้ดที่สร้างขึ้นอย่างระมัดระวังเพื่อหาปัญหาที่ละเอียดอ่อนซึ่งจะไม่มีอยู่ในโซลูชันที่เขียนด้วยมือ
ปัญหาโค้ดจาก AI ที่พบบ่อย:
- ปัญหาการ query ฐานข้อมูลแบบ N+1
- ช่องโหว่ด้านความปลอดภัย (การโจมตีแบบ SQL injection)
- การสะสมของหนี้ทางเทคนิค
- การใช้วิธีแก้ปัญหาที่ซับซ้อนแทนที่จะเป็นแบบง่าย ๆ
- รูปแบบการนำโค้ดกลับมาใช้ใหม่ที่ไม่ดี
- การจัดการข้อผิดพลาดที่ไม่เพียงพอ
ความกังวลเรื่อง Economic Bubble
การอภิปรายยังสัมผัสถึงความกังวลทางเศรษฐกิจที่กว้างขึ้นเกี่ยวกับความยั่งยืนของการลงทุน AI ด้วยบริษัทเทคโนโลยีใหญ่ ๆ เช่น Microsoft , Amazon , Meta , Google และ Tesla ที่คิดเป็นประมาณ 40% ของรายได้ของ NVIDIA การเติบโตของ AI สร้างความเสี่ยงจากการรวมตัวของตลาดอย่างมีนัยสำคัญ บริษัทบริการ AI หลายแห่งดำเนินงานขาดทุนในขณะที่รักษาราคาผู้บริโภคให้ต่ำอย่างเทียม ทำให้เกิดคำถามเกี่ยวกับความยั่งยืนในระยะยาว
พลวัตตลาด AI ปัจจุบันสะท้อนบางแง่มุมของ dot-com bubble แม้ว่าเทคโนโลยีพื้นฐานและ use cases อาจพิสูจน์ได้ว่าทนทานกว่าการลงทุนเก็งกำไรที่ล้อมรอบพวกเขา
ความเข้มข้นของรายได้ NVIDIA:
- 40% ของรายได้ NVIDIA มาจาก 5 บริษัท
- ลูกค้าสำคัญ: Microsoft, Amazon, Meta, Google, Tesla
- ความเสี่ยง: ลูกค้ารายใดรายหนึ่งลดการใช้จ่ายด้าน AI อาจส่งผลกระทบอย่างมีนัยสำคัญต่อราคาหุ้น
- ความเปราะบางของตลาดคล้ายกับความเข้มข้นในยุค dot-com
มองไปข้างหน้า
แม้ว่าเครื่องมือ AI น่าจะยังคงเป็นส่วนหนึ่งของภูมิทัศน์การพัฒนาซอฟต์แวร์ บทบาทของพวกเขาอาจจำกัดมากกว่าที่การตลาดปัจจุบันแนะนำ เทคโนโลยีแสดงให้เห็นแนวโน้มที่ดีสำหรับ use cases เฉพาะเช่นการทำงานซ้ำซากอัตโนมัติ การสร้างร่างโค้ดเริ่มต้น และการช่วยเหลือด้านเอกสาร อย่างไรก็ตาม งานหลักของ software engineering การเข้าใจความต้องการ การออกแบบระบบ และการแก้ปัญหาที่ซับซ้อน ยังคงต้องการความเชี่ยวชาญและการตัดสินใจของมนุษย์
อนาคตอาจเห็นเครื่องมือ AI กลายเป็นเฉพาะทางมากขึ้นและผสานรวมเข้ากับ development workflows ได้ดีขึ้น แทนที่จะแทนที่นักพัฒนาทั้งหมด ความสำเร็จน่าจะขึ้นอยู่กับการหาสมดุลที่เหมาะสมระหว่างความช่วยเหลือจาก AI และการดูแลของมนุษย์
อ้างอิง: About Al