ชุมชนเทคโนโลยีกำลังคึกคักไปด้วยการโต้เถียงเกี่ยวกับการทำนายที่กล้าหาญ: ปัญญาประดิษฐ์จะทำให้เครื่องมือซอฟต์แวร์ที่ยืดหยุ่นและปรับแต่งได้ครองตลาดเหนือแอปพลิเคชัน SaaS แบบแข็งตัวในปัจจุบันในเร็วๆ นี้ การอภิปรายมุ่งเน้นไปที่ว่า AI สามารถแก้ปัญหาเก่าแก่ของเครื่องมือที่ซับซ้อนแต่ปรับตัวได้ที่ยากเกินไปสำหรับทีมส่วนใหญ่ในการติดตั้งและใช้งานได้หรือไม่
การคาดการณ์ไทม์ไลน์สำหรับการนำซอฟต์แวร์ที่ปรับเปลี่ยนได้มาใช้:
- 2025-2027: AI จะขจัดอุปสรรคการเรียนรู้ที่ยากที่สุดในเครื่องมือที่มีความยืดหยุ่น
- 2028-2030: การตัดสินใจซื้อจะเปลี่ยนจาก "เราสามารถเริ่มต้นได้เร็วแค่ไหน?" เป็น "เราสามารถเปลี่ยนแปลงได้ง่ายแค่ไหนในภายหลัง?"
- 2030-2035: การติดตั้งจะกลายเป็นแบบสนทนา เครื่องมือ SaaS แบบแข็งตัวจะกลายเป็นโซลูชันรุ่นเก่า
 |
|---|
| เว็บเพจนี้กล่าวถึงศักยภาพในการครองตลาดของซอฟต์แวร์ที่ปรับเปลี่ยนได้ในอุตสาหกรรม SaaS |
ข้อโต้แย้งหลัก: AI ในฐานะตัวทำให้ง่ายขึ้น
ผู้สนับสนุนโต้แย้งว่า AI จะเปลี่ยนแปลงวิธีที่เราโต้ตอบกับซอฟต์แวร์ที่ปรับเปลี่ยนได้ - เครื่องมือที่สามารถปรับรูปร่างให้เข้ากับเวิร์กโฟลว์เฉพาะแทนที่จะบังคับให้ผู้ใช้ปรับกระบวนการของตน ทฤษฎีนี้เสนอว่าโมเดลภาษาขนาดใหญ่ ( LLMs ) สามารถจัดการงานติดตั้งที่ซับซ้อนซึ่งก่อนหน้านี้ต้องใช้เวลาหลายสัปดาห์ในการกำหนดค่า โดยเปลี่ยนให้เป็นการสนทนาง่ายๆ ที่ผู้ใช้อธิบายสิ่งที่ต้องการด้วยภาษาธรรมดา
ซอฟต์แวร์ที่ปรับเปลี่ยนได้หมายถึงแอปพลิเคชันที่สามารถปรับแต่งและกำหนดค่าใหม่ได้อย่างกว้างขวางเพื่อให้ตรงกับความต้องการและเวิร์กโฟลว์เฉพาะของผู้ใช้
การตรวจสอบความเป็นจริงจากสนามรบ
อย่างไรก็ตาม นักพัฒนาในชุมชนกำลังต่อต้านด้วยข้อกังวลเชิงปฏิบัติ หลายคนชี้ให้เห็นว่าพนักงานส่วนใหญ่จริงๆ แล้วชอบเครื่องมือที่แข็งตัวและมีมาตรฐานเพราะพวกเขาต้องการความสามารถในการคาดเดาได้ในสภาพแวดล้อมการทำงาน การฝึกอบรมสมาชิกทีมใหม่จะยากขึ้นมากเมื่อซอฟต์แวร์เปลี่ยนแปลงอยู่เรื่อยๆ และคนๆ สามารถใช้เครื่องมือที่มีอยู่แล้วอย่าง Jira หรือ Linear ได้โดยไม่ต้องเรียนรู้สิ่งใหม่ที่แตกต่างออกไป
นักพัฒนาคนหนึ่งสังเกตเห็นข้อมูลเชิงลึกที่สำคัญเกี่ยวกับพฤติกรรมของมนุษย์: คนๆ มักจะทำการเปลี่ยนแปลงอย่างรวดเร็วเพื่อช่วยตัวเองในขณะนั้น แต่จากนั้นก็ละทิ้งการปรับแต่งเหล่านั้น ทิ้งไว้เป็นความยุ่งเหยิงของการแก้ไขที่ถูกลืมซึ่งไม่มีใครเข้าใจหรือดูแลรักษาได้
ตัวอย่างซอฟต์แวร์หลักที่กล่าวถึง:
- Linear: เครื่องมือจัดการโปรเจกต์ที่สวยงาม เรียบง่าย แต่ขาดความยืดหยุ่น
- Fibery: เครื่องมือพื้นที่ทำงานที่ซับซ้อนแต่มีความยืดหยุ่น แต่ยากต่อการตั้งค่า
- ทางเลือกแบบดั้งเดิม: Jira , Monday และเครื่องมือ SaaS อื่นๆ ที่มีชื่อเสียง
ปัญหาการบำรุงรักษาที่ไม่มีใครพูดถึง
ข้อกังวลสำคัญที่ถูกยกขึ้นคือนี่ไม่ใช่ไอเดียใหม่จริงๆ - มันคล้ายกับการเคลื่อนไหว low code ก่อนหน้านี้แต่เพิ่ม AI เข้าไป นักวิจารณ์โต้แย้งว่าอุปสรรคที่แท้จริงไม่เคยเป็นความยากลำบากในการเขียนโค้ด แต่เป็นความรับผิดชอบอย่างต่อเนื่องในการบำรุงรักษา รักษาความปลอดภัย และอัปเดตโซลูชันที่กำหนดเอง
คนๆ ไม่ต้องการความรับผิดชอบในการอัปเดต รักษาความปลอดภัย ปรับใช้ ฯลฯ การจ่ายเงินจำนวนเล็กน้อยจะสะดวกกว่าการบำรุงรักษาด้วยตนเองเสมอ
ข้อกังวลเรื่องความไว้วางใจและความน่าเชื่อถือ
การอภิปรายยังเผยให้เห็นความกังวลที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับความน่าเชื่อถือ ในขณะที่ AI อาจจัดการเลเยอร์การนำเสนอและตรรกะทางธุรกิจบางส่วนได้ นักพัฒนาหลายคนเชื่อว่าเลเยอร์ธุรกิจหลักและข้อมูลยังคงต้องการความน่าเชื่อถือที่สูงกว่าที่ LLMs ปัจจุบันสามารถให้ได้ ลักษณะที่ไม่เป็นกำหนดของโซลูชันที่ AI สร้างขึ้นนำความไม่แน่นอนมาสู่องค์กรหลายแห่งที่ไม่สามารถยอมรับได้
นักพัฒนาที่มีประสบการณ์บางคนโต้แย้งว่าเครื่องมือที่ดีมักจะบังคับให้ผู้ใช้ใช้แนวทางปฏิบัติที่ดีกว่าแทนที่จะปรับตัวเข้ากับเวิร์กโฟลว์ที่วุ่นวายที่มีอยู่ แนวทางซอฟต์แวร์ที่มีความเห็นนี้ได้พิสูจน์แล้วว่ามีคุณค่าในหลายกรณี โดยเฉพาะในการช่วยองค์กรให้มีมาตรฐานและปรับปรุงกระบวนการของตน
บทสรุป
การโต้เถียงสะท้อนความตึงเครียดที่กว้างขึ้นในการพัฒนาซอฟต์แวร์ระหว่างความยืดหยุ่นและความมั่นคง แม้ว่า AI อาจลดอุปสรรคในการปรับแต่งได้จริง แต่ชุมชนยังคงแบ่งแยกเกี่ยวกับว่าผู้ใช้ส่วนใหญ่ต้องการความยืดหยุ่นนั้นจริงๆ หรือชอบความสามารถในการคาดเดาได้ของโซลูชันที่มีมาตรฐาน ผลลัพธ์อาจขึ้นอยู่กับความสามารถทางเทคนิคน้อยกว่าและขึ้นอยู่กับความชอบพื้นฐานของมนุษย์สำหรับความสามารถในการปรับตัวหรือความสอดคล้องในเครื่องมือการทำงานของพวกเขามากกว่า