CEO ของ Amazon Web Services คือ Matt Garman ได้จุดประกายการถกเถียงอย่างเข้มข้นในชุมชนเทคโนโลยีด้วยการต่อต้านแนวคิดการใช้ AI แทนที่นักพัฒนาระดับเริ่มต้นอย่างแข็งขัน โดยเรียกมันว่า สิ่งที่โง่ที่สุดเท่าที่เคยได้ยิน จุดยืนนี้เกิดขึ้นในขณะที่หลายบริษัทกำลังพิจารณาลดตำแหน่งงานระดับเริ่มต้นเพื่อใช้เครื่องมือเขียนโค้ดที่ขับเคลื่อนด้วย AI แทน ทำให้เกิดคำถามเกี่ยวกับอนาคตของเส้นทางอาชีพในวงการเทคโนโลジี
ปัญหาของนักพัฒนาระดับเริ่มต้น
ความเห็นของ Garman เน้นย้ำประเด็นสำคัญที่อุตสาหกรรมเทคโนโลยีกำลังเผชิญ นั่นคือการสร้างสมดุลระหว่างการนำ AI มาใช้กับการพัฒนาแรงงาน แม้ว่าเครื่องมือเขียนโค้ดด้วย AI เช่น Kiro ของ AWS เองจะสร้างโค้ดได้อย่างรวดเร็ว แต่ CEO ยืนยันว่าพนักงานระดับเริ่มต้นมีจุดประสงค์เกินกว่าการเพิ่มผลผลิตในทันที พวกเขาเป็นตัวแทนของแรงงานระดับอาวุโสในอนาคต และการขจัดพวกเขาออกไปจะสร้างช่องว่างที่อันตรายในสายการผลิตความสามารถ
การสนทนาในชุมชนเผยให้เห็นความกังวลอย่างลึกซึ้งเกี่ยวกับการคิดระยะสั้นในการตัดสินใจขององค์กร นักพัฒนาที่มีประสบการณ์หลายคนกังวลว่าบริษัทที่มุ่งเน้นเพียงผลลัพธ์รายไตรมาสกำลังมองข้ามภาพรวมใหญ่ นักพัฒนาระดับเริ่มต้นอาจทำให้เสียเงินในช่วงแรก แต่ในที่สุดพวกเขาจะกลายเป็นวิศวกรอาวุโสที่ขับเคลื่อนนวัตกรรมและเป็นพี่เลี้ยงให้กับรุ่นต่อไป
แนวโน้มการจ้างงานในอุตสาหกรรม:
- ระยะเวลาการทำงานเฉลี่ยของนักพัฒนาระดับเริ่มต้นในบริษัทใหญ่: ประมาณ 3 ปี
- การบีบอัดเงินเดือนเป็นแรงผลักดันให้เกิดพฤติกรรมการเปลี่ยนงานบ่อย
- บริษัทต่างๆ มีแนวโน้มที่จะจ้างนักพัฒนาที่มีประสบการณ์มากกว่าการฝึกอบรมนักพัฒนาเริ่มต้น
- สถาปัตยกรรม microservices ได้ทำให้จำนวนสมาชิกในทีมเพิ่มขึ้นอย่างมากในอดีต
ความขัดแย้งของการเรียนรู้ในการพัฒนาที่ช่วยเหลือด้วย AI
การถกเถียงที่น่าสนใจได้เกิดขึ้นเกี่ยวกับวิธีที่ AI ส่งผลต่อการเรียนรู้และการพัฒนาทักษะ สมาชิกในชุมชนบางคนแบ่งปันประสบการณ์ที่เครื่องมือ AI ช่วยเร่งการเรียนรู้ของพวกเขาได้จริงๆ โดยลดงานตั้งค่าที่น่าเบื่อและให้พวกเขาสามารถมุ่งเน้นไปที่การแก้ปัญหาหลัก อย่างไรก็ตาม คนอื่นๆ กังวลเกี่ยวกับการพึ่งพา AI มากเกินไปจะสร้างนักพัฒนารุ่นใหม่ที่สามารถสั่งการได้แต่ไม่สามารถเข้าใจโค้ดอย่างแท้จริง
การสนทนาสัมผัสคำถามพื้นฐานเกี่ยวกับการศึกษาและการได้มาซึ่งทักษะ มุมมองหนึ่งชี้ให้เห็นว่าการจดจำและความเข้าใจทำงานร่วมกัน โดยนักพัฒนาบางคนแบ่งปันว่าการจดจำการพิสูจน์ทางคณิตศาสตร์บังคับให้พวกเขาเข้าใจแนวคิดพื้นฐานได้จริงๆ สิ่งนี้สะท้อนความกังวลเกี่ยวกับการเขียนโค้ดด้วย AI - การใช้มันเป็นไม้เท้าเทียบกับการใช้มันเป็นตัวเร่งการเรียนรู้
ฉันตระหนักว่าเป็นไปไม่ได้ที่จะจดจำการพิสูจน์โดยไม่เข้าใจมัน! ยิ่งไปกว่านั้น การสร้างการพิสูจน์ใหม่ๆ ต้องใช้ 'องค์ประกอบ' ประเภทเดียวกัน และตอนนี้เพราะพวกมันถูก 'ติดตั้ง' ในสมองของฉันแล้ว ฉันจึงสามารถใช้พวกมันได้อย่างเป็นธรรมชาติมากขึ้น
กับดักของการวัดผล
Garman ยังวิพากษ์วิจารณ์การวัดคุณค่าของ AI จากเปอร์เซ็นต์ของโค้ดที่มันสร้างขึ้น โดยเรียกมันว่าตัวชี้วัดที่ไร้สาระ สิ่งนี้สะเทือนใจชุมชนนักพัฒนาอย่างมาก ซึ่งเข้าใจมานานแล้วว่าโค้ดมากขึ้นมักหมายถึงโค้ดแย่ลง การมุ่งเน้นไปที่จำนวนบรรทัดของโค้ดเป็นตัววัดผลผลิตนั้นไม่สนใจคุณภาพของโค้ด ความสามารถในการบำรุงรักษา และการตัดสินใจเชิงสถาปัตยกรรม
การสนทนาในชุมชนเผยให้เห็นว่านักพัฒนาที่มีประสบการณ์มักใช้เวลาในการลบและปรับปรุงโค้ดมากกว่าการเขียนโค้ดใหม่ เครื่องมือ AI ที่สร้างโค้ดที่ยาวและซ้ำซากอาจทำให้ตัวชี้วัดผลผลิตสูงขึ้นในขณะที่ทำให้ฐานโค้ดบำรุงรักษายากขึ้นจริงๆ สิ่งนี้สร้างความขาดการเชื่อมต่อระหว่างสิ่งที่ดูดีบนแดชบอร์ดผู้บริหารกับสิ่งที่ปรับปรุงคุณภาพซอฟต์แวร์จริงๆ
ข้อจำกัดหลักของ AI ในการเขียนโค้ดที่ระบุได้:
- สร้างโค้ดที่ยาวเยิ่นฟุ่มเฟือยและมีความเสี่ยงด้านความปลอดภัย
- เข้าใจ design patterns ผิด
- ประสบปัญหาในการตัดสินใจเรื่องสถาปัตยกรรมที่ซับซ้อน
- สร้างฟังก์ชัน API ที่ไม่มีจริง
- ประสิทธิภาพลดลงเมื่อความซับซ้อนของงานเพิ่มขึ้น
ความขัดแย้งขององค์กรและความเป็นจริงของตลาด
ชุมชนได้สังเกตเห็นความขัดแย้งที่ชัดเจนในการส่งสารของผู้นำ AWS โดยผู้บริหารคนต่างๆ ให้คำแถลงที่ขัดแย้งกันเกี่ยวกับบทบาทของ AI ในการแทนที่นักพัฒนามนุษย์ สิ่งนี้สะท้อนความไม่แน่นอนที่กว้างขึ้นในอุตสาหกรรมเทคโนโลยีเกี่ยวกับความสามารถและข้อจำกัดของ AI
นักพัฒนาหลายคนรายงานประสบการณ์ที่หลากหลายกับเครื่องมือเขียนโค้ดด้วย AI แม้ว่าจะมีประโยชน์สำหรับงานเฉพาะเช่นการสร้างโค้ดต้นแบบหรือการสร้างสคริปต์ง่ายๆ แต่ AI มักจะมีปัญหากับการตัดสินใจเชิงสถาปัตยกรรมที่ซับซ้อน ความรู้เฉพาะด้าน และการแก้ไขปัญหาที่ซับซ้อน เครื่องมือเหล่านี้ทำงานได้ดีที่สุดเมื่อได้รับการแนะนำจากนักพัฒนาที่มีประสบการณ์ซึ่งสามารถให้บริบทและตรวจสอบผลลัพธ์
สстатิสติการใช้เครื่องมือ AI ของ AWS:
- นักพัฒนา AWS มากกว่า 80% ใช้เครื่องมือ AI ในรูปแบบต่างๆ
- การใช้ AI ประกอบด้วย: การเขียนการทดสอบหน่วย เอกสารประกอบ การสร้างโค้ด และเวิร์กโฟลว์แบบ agentic
- การใช้งานเพิ่มขึ้นทุกสัปดาห์ตามที่ Garman กล่าว
บทสรุป
การถกเถียงเกี่ยวกับ AI ที่แทนที่นักพัฒนาระดับเริ่มต้นเผยให้เห็นความตึงเครียดที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับอนาคตของอุตสาหกรรมเทคโนโลยี แม้ว่าเครื่องมือ AI จะให้ประโยชน์ด้านผลผลิตอย่างแท้จริง แต่การรีบร้อนในการขจัดตำแหน่งระดับเริ่มต้นอาจสร้างการขาดแคลนความสามารถในระยะยาว จุดยืนของ Garman ชี้ให้เห็นว่าบริษัทที่ประสบความสำเร็จจะหาวิธีผสานรวม AI ในขณะที่รักษาเส้นทางการพัฒนาอาชีพที่แข็งแกร่ง
ฉันทามติของชุมชนดูเหมือนจะสนับสนุนการใช้ AI เป็นเครื่องมือเสริมมากกว่ากลยุทธ์การแทนที่ แนวทางนี้รักษาองค์ประกอบของมนุษย์ที่ยังคงสำคัญในการพัฒนาซอฟต์แวร์ การแก้ปัญหาอย่างสร้างสรรค์ ความเชี่ยวชาญเฉพาะด้าน และความสามารถในการเรียนรู้และปรับตัวเข้ากับความท้าทายใหม่ๆ ขณะที่วงจรความคาดหวังของ AI ยังคงดำเนินต่อไป บริษัทที่สร้างสมดุลระหว่างระบบอัตโนมัติกับการพัฒนามนุษย์อาจพบว่าตัวเองอยู่ในตำแหน่งที่ดีกว่าสำหรับการเติบโตอย่างยั่งยืน
อ้างอิง: AWS CEO says using Al to replace junior staff is 'Dumbest thing I've ever heard'