ผลิตโค้ดได้เร็วกว่าเดิม แต่ไม่ได้แปลว่าทำงานจบ
AI เขียนโค้ด คือการใช้เครื่องมือปัญญาประดิษฐ์สร้างหรือช่วยแก้ไขโปรแกรมตามคำสั่ง โดยยังต้องมีคนตรวจสอบความถูกต้อง ความปลอดภัย และความเหมาะสมก่อนนำไปใช้งานจริง ผลสำรวจนักพัฒนาและผู้จัดการฝ่ายวิศวกรรม 1,026 คนทั่วโลกชี้ว่า AI สร้างหรือช่วยเขียนโค้ดถึง 65% ของโค้ดที่ผู้ตอบส่งขึ้นระบบ ภายในเวลาเพียงหนึ่งปี ทั้งที่ก่อนหน้านั้นคาดว่าสัดส่วนนี้จะเกิดขึ้นในอีกสองปี นี่ไม่ใช่แค่ความเร็วที่เพิ่มขึ้น แต่เป็นการย้ายภาระจากการพิมพ์โค้ดไปสู่การพิสูจน์ว่าโค้ดทำงานได้จริง ความเปลี่ยนแปลงนี้สำคัญยิ่งขึ้นเมื่อ 76% ระบุว่าทีมนำเครื่องมือ AI ไปใช้กับบริการสำคัญต่อธุรกิจแล้ว กล่าวอีกอย่างคือ โค้ดที่ AI สร้างไม่ได้อยู่แค่ในต้นแบบทดลองอีกต่อไป ความคิดที่ว่าเขียนได้มากขึ้นเท่ากับต้องใช้คนน้อยลงจึงมองข้ามงานตรวจสอบและความเสี่ยงที่ตามมา
ตัวเลขเกิน 90% ไม่ได้ทำให้ความต้องการวิศวกรหายไป
กรณีของ CIQ ทำให้เห็นความขัดแย้งนี้ชัดเจน บริษัทที่ช่วยองค์กรจัดการระบบคอมพิวเตอร์ซับซ้อนระบุว่า AI เขียนโค้ดมากกว่า 90% ตามคำกล่าวของบียอร์น โฮฟแลนด์ ประธานบริษัท แต่แทนที่จะหยุดรับคน บริษัทกลับบอกว่าหาวิศวกรไม่พอ เหตุผลคือโค้ดจำนวนมากไม่ได้รับประกันว่าระบบจะถูกต้องหรือปลอดภัย โดยเฉพาะเมื่อใช้งานกับลูกค้าองค์กรและหน่วยงานรัฐ CIQ ต้องการคนมีประสบการณ์และแทบไม่รับนักพัฒนาระดับเริ่มต้น โดยผู้บริหารกล่าวว่าไม่คิดว่าบริษัทจะรับคนที่มีประสบการณ์ต่ำกว่าห้าถึงสิบปี นี่เป็นข่าวดีสำหรับผู้เชี่ยวชาญ แต่เป็นสัญญาณเตือนสำหรับคนที่กำลังเริ่มต้นอาชีพ เพราะงานบางส่วนที่เคยเป็นบันไดให้ฝึกฝนกำลังถูก AI ทำแทน ขณะที่นายจ้างมองหาคนที่พร้อมรับผิดชอบผลลัพธ์ตั้งแต่วันแรก
บทบาทวิศวกรย้ายจากการสร้างไปสู่การกำกับ
เมื่อ AI ผลิตโค้ดได้ต่อเนื่อง งานของวิศวกรซอฟต์แวร์จึงไม่หายไป แต่เปลี่ยนจากการเขียนทุกบรรทัดเป็นการกำหนดสิ่งที่ควรสร้าง ตรวจผลลัพธ์ และตัดสินใจว่าจะปล่อยระบบเมื่อใด ผลสำรวจพบว่า 53% ใช้เวลาตรวจโค้ดมากกว่าสร้างโค้ด เทียบกับ 18% ก่อนเริ่มใช้เครื่องมือ AI และ 76% เห็นว่าทีมสร้างโค้ดจาก AI ได้เร็วกว่าความสามารถในการตรวจสอบ ความไม่สมดุลนี้คือเหตุผลที่ประสบการณ์ยังมีราคา คนมีประสบการณ์มองเห็นข้อผิดพลาดที่ไม่ปรากฏจากการทดสอบพื้นฐาน เชื่อมโยงผลกระทบข้ามระบบ และเลือกระหว่างทางแก้ที่ขัดแย้งกันได้ อย่างไรก็ดี ความไว้วางใจยังมีข้อจำกัด มีเพียง 6% ที่เห็นด้วยอย่างเต็มที่ว่าโค้ดจาก AI ถูกต้องตามการทำงาน ขณะที่ 94% ยังไม่ไว้วางใจเต็มที่ การพัฒนาซอฟต์แวร์ด้วย AI จึงต้องมีผู้รับผิดชอบ ไม่ใช่เพียงผู้สั่งให้เครื่องมือทำงาน
ความท้าทายต่อไปคือสร้างคนที่รู้จักตรวจงาน
เส้นทางข้างหน้าจะยิ่งเร่งขึ้น เพราะ 5% ของผู้ตอบแบบสำรวจระบุว่ากำลังสร้างหรือมีโรงงานซอฟต์แวร์ที่ให้เอเจนต์ทำงานโดยอัตโนมัติแล้ว และอีก 34% คาดว่าจะสร้างหรือใช้ภายในหนึ่งปี ระบบเช่นนี้เพิ่มกำลังผลิต แต่ก็เพิ่มผลเสียได้หากข้อผิดพลาดหลุดผ่านการตรวจสอบ การฝึกคนรุ่นใหม่จึงเป็นโจทย์ที่นายจ้างไม่ควรผลักให้โรงเรียนหรือผู้สมัครจัดการเองทั้งหมด หากรับแต่วิศวกรอาวุโส แต่ลดงานเริ่มต้นที่ใช้เรียนรู้ ก็อาจทำให้ขาดคนมีประสบการณ์ในอนาคต แม้ AI จะลดความจำเป็นในการเขียนโค้ดด้วยมือบางส่วน แต่ยังต้องการคนที่รู้ว่าควรสร้างอะไรและจะตัดสินผลลัพธ์อย่างไร ข้อสรุปจึงไม่ใช่ว่า AI มาแทนวิศวกร แต่บริษัทกำลังต้องการวิศวกรที่เปลี่ยนจากผู้ผลิตโค้ดเป็นผู้กำกับคุณภาพและความเสี่ยงให้เก่งขึ้น






