การเร่งความเร็วในการเขียนโค้ดด้วย AI สร้างคอขวดใหม่: วิกฤตการขาดแคลนทักษะการจัดการผลิตภัณฑ์

ความเห็นล่าสุดของ Andrew Ng เกี่ยวกับ AI ที่เปลี่ยนแปลงการพัฒนาสตาร์ทอัพได้จุดประกายการถกเถียงอย่างเข้มข้นในชุมชนเทคโนโลยี ศาสตราจารย์จาก Stanford อ้างว่าการเขียนโค้ดที่ได้รับความช่วยเหลือจาก AI ได้บีบอัดไทม์ไลน์การพัฒนาอย่างมากจนทำให้การจัดการผลิตภัณฑ์กลายเป็นคอขวดหลักสำหรับสตาร์ทอัพ อย่างไรก็ตาม การตอบสนองจากชุมชนเผยให้เห็นความกังวลที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับคุณภาพและประสิทธิผลของแนวทางการจัดการผลิตภัณฑ์ในปัจจุบัน

ความแตกแยกครั้งใหญ่ของ Product Manager

การอภิปรายได้เปิดเผยความแตกแยกพื้นฐานในวิธีที่นักพัฒนามองผู้จัดการผลิตภัณฑ์ วิศวกรที่มีประสบการณ์หลายคนรายงานความผิดหวังกับ PM ที่ทำหน้าที่เหมือนคนกลางที่ส่งต่อข้อมูลมากกว่าการขับเคลื่อนวิสัยทัศน์ผลิตภัณฑ์ที่แท้จริง ชุมชนเน้นย้ำความแตกต่างที่สำคัญระหว่างบทบาท PM ที่แตกต่างกัน - การจัดการผลิตภัณฑ์มุ่งเน้นไปที่วิสัยทัศน์และกลยุทธ์ ในขณะที่การจัดการโครงการจัดการกับโลจิสติกส์และการจัดตารางเวลา ความสับสนนี้ทำให้บริษัทหลายแห่งจ้างผู้จัดการประเภทที่ผิดสำหรับความต้องการของพวกเขา

ส่วนสำคัญของชุมชนเชื่อว่าสาขา PM ถูกครอบงำโดยสิ่งที่ผู้แสดงความเห็นคนหนึ่งอธิบายว่าเป็น MBA ที่ไร้วิญญาณซึ่งขาดความเข้าใจลึกซึ้งทั้งเทคโนโลยีและความต้องการของลูกค้า ข้อยกเว้นที่หายาก - PM ที่เข้าใจลูกค้า เทคโนโลยี และพลวัตของตลาดอย่างแท้จริง - ได้รับการยกย่องว่าเป็นนักฆ่ามังกรและผู้กำจัดคอขวด แต่ได้รับการยอมรับว่าหายากมาก

คำจำกัดความของบทบาทตามการอภิปรายของชุมชน:

• Product Management: วิสัยทัศน์ผลิตภัณฑ์ภาพรวมใหญ่ คุณสมบัติและลำดับความสำคัญ แนวโน้มตลาด/กลยุทธ์ เสียงของลูกค้า
• Project Management: การดำเนินงานประจำวัน โลจิสติกส์ ทรัพยากร ตารางเวลา การประสานงานการประชุม
• Program Management: การจัดการทีมเพื่อมุ่งสู่การส่งมอบเป้าหมายทางธุรกิจ/การเปิดตัวผลิตภัณฑ์ตามกำหนดเวลา

ผลกระทบที่แท้จริงของ AI ต่อความเร็วในการพัฒนา

ในขณะที่ Ng อ้างว่างานที่ต้องใช้วิศวกร 6 คนและ 3 เดือนสามารถทำเสร็จในสุดสัปดาห์ได้แล้ว ชุมชนได้โต้แย้งเรื่องเล่านี้ นักพัฒนาหลายคนโต้แย้งว่าการเขียนโค้ดไม่เคยเป็นคอขวดหลักตั้งแต่แรก แต่พวกเขาชี้ไปที่การตัดสินใจเรื่องการออกแบบ การประกันคุณภาพ การแก้ไขข้อผิดพลาด และการรวบรวมข้อกำหนดว่าเป็นตัวกินเวลาจริงในการพัฒนาซอฟต์แวร์

ชุมชนสังเกตว่า AI อาจช่วยในงานเขียนโค้ดพื้นฐาน แต่งานที่ซับซ้อนของการตัดสินใจด้านสถาปัตยกรรม การรวมระบบ และการบำรุงรักษายังคงไม่เปลี่ยนแปลงเป็นส่วนใหญ่ นักพัฒนาหลายคนแบ่งปันประสบการณ์ที่โค้ดที่สร้างโดย AI สร้างปัญหามากกว่าที่จะแก้ไข โดยเฉพาะเมื่อ PM ใช้การสาธิต AI เพื่อตั้งความคาดหวังที่ไม่สมจริงสำหรับระบบการผลิต

การอ้างเรื่องการพัฒนา AI เทียบกับความเป็นจริง:

• การอ้างของ Ng: งานที่ต้องใช้วิศวกร 6 คน × 3 เดือน → 2 คน × 1 สุดสัปดาห์
• การตอบสนองของชุมชน: การเขียนโค้ดไม่เคยเป็นอุปสรรคหลัก
• อุปสรรคที่แท้จริง: การตัดสินใจเรื่องการออกแบบ การประกันคุณภาพ การแก้ไขข้อผิดพลาด การรวบรวมความต้องการ การรวมระบบ

ปัญหาลูปการตอบกลับ

การสังเกตของ Ng เกี่ยวกับความไม่สอดคล้องระหว่างการสร้างต้นแบบที่รวดเร็วและการตอบกลับจากผู้ใช้ที่ช้าสะท้อนกับหลายคนในชุมชน เมื่อต้นแบบสามารถสร้างได้ในไม่กี่วันแทนที่จะเป็นหลายสัปดาห์ การรอการตรวจสอบจากผู้ใช้จึงกลายเป็นเรื่องที่เจ็บปวดมากขึ้นตามสัดส่วน สิ่งนี้ได้ผลักดันทีมไปสู่การตัดสินใจตามสัญชาตญาณมากกว่าแนวทางที่ขับเคลื่อนด้วยข้อมูล

อย่างไรก็ตาม สมาชิกชุมชนเตือนว่าแนวโน้มนี้ไปสู่การตัดสินใจที่เร็วขึ้นและใช้สัญชาตญาณอาจนำไปสู่ผลิตภัณฑ์ที่ล้มเหลวในการหาตลาดมากขึ้น การเร่งความเร็วของการพัฒนาโดยไม่มีการปรับปรุงที่สอดคล้องกันในการวิจัยตลาดและความเข้าใจผู้ใช้อาจเพิ่มอัตราความล้มเหลวของสตาร์ทอัพได้จริง

อนาคตของบทบาททางเทคนิค

การอภิปรายเผยให้เห็นความวิตกกังวลเกี่ยวกับวิธีที่ AI จะปรับโครงสร้างอาชีพทางเทคนิค ในขณะที่บางคนมอง AI เป็นเครื่องมือที่จะยกระดับนักพัฒนาให้มุ่งเน้นไปที่การตัดสินใจผลิตภัณฑ์ระดับสูงขึ้น คนอื่นๆ กังวลเกี่ยวกับการลดค่าของความเชี่ยวชาญทางเทคนิคเชิงลึก ชุมชนแนะนำว่าผู้เชี่ยวชาญที่ประสบความสำเร็จจะต้องผสมผสานทักษะทางเทคนิคกับความเข้าใจทางธุรกิจและความเห็นอกเห็นใจลูกค้า

คอขวดมักจะเป็นคนและข้อจำกัดเท็จและประดิษฐ์ที่พวกเขากำหนดขึ้น

มุมมองนี้จากผู้ที่มีประสบการณ์ในอุตสาหกรรม 30 ปีจับประเด็นสำคัญในการอภิปราย - ว่าความท้าทายด้านองค์กรและการสื่อสารมักจะสำคัญกว่าความสามารถทางเทคนิค เมื่อ AI จัดการงานเขียนโค้ดประจำมากขึ้น ทักษะของมนุษย์อย่างการทำงานร่วมกัน การตัดสินใจ และการคิดเชิงกลยุทธ์จึงมีค่ามากขึ้น

การถกเถียงสุดท้ายสะท้อนคำถามที่กว้างขึ้นเกี่ยวกับวิธีที่ AI จะปรับโครงสร้างงานความรู้ ในขณะที่เครื่องมืออาจเร่งงานบางอย่าง ความท้าทายพื้นฐานของการเข้าใจความต้องการของลูกค้า การตัดสินใจเชิงกลยุทธ์ และการประสานงานทีมมนุษย์ยังคงซับซ้อนเหมือนเดิม

อ้างอิง: Andrew Ng says the real bottleneck in Al startups isn't coding — it's product management