นิยามใหม่ของงาน QA เมื่อ AI เขียนโค้ดและทดสอบแทน
วิศวกร AI validation คือผู้เชี่ยวชาญด้านคุณภาพซอฟต์แวร์ที่มีหน้าที่ตรวจสอบ วิเคราะห์ และทดสอบระบบ AI ที่ใช้ในการสร้างโค้ดหรือทดสอบซอฟต์แวร์ เพื่อให้แน่ใจว่า AI ทำงานตามเจตนาระบบ มีความถูกต้องสอดคล้องกับกฎธุรกิจ ลดความเสี่ยงจากความผิดพลาดเชิงสถิติและการสร้างผลลัพธ์ที่ดูเหมือนถูกแต่แฝงข้อบกพร่องไว้ โดยยังคงยึดหลักการตรวจสอบคุณภาพซอฟต์แวร์แบบเดิมควบคู่กับความเข้าใจในพฤติกรรมของโมเดลเชิงความน่าจะเป็น หัวใจของบทความนี้คือ บทบาท QA engineer เปลี่ยนจากการถามว่า ซอฟต์แวร์ทำตามที่เราคาดหวังหรือไม่ ไปสู่คำถามใหม่ว่า AI ที่ช่วยเราทำงาน กำลังทำในสิ่งที่เราคิดว่าเขากำลังทำอยู่จริงหรือไม่ การเปลี่ยนผ่านนี้ไม่ใช่ทฤษฎีไกลตัว แต่เกิดขึ้นแล้วในองค์กรขนาดใหญ่ที่ใช้ AI สร้างและทดสอบโค้ดในระดับระบบธุรกิจหลัก วิศวกรซอฟต์แวร์ที่ยอมรับว่า AI เป็นเครื่องมือสำคัญ จะเริ่มเห็นว่าตัวเองไม่ได้ถูกแทนที่ แต่กำลังถูกขยับไปสู่ตำแหน่งผู้คุมคุณภาพ AI ในฐานะวิศวกร AI validation
เมื่อ AI เขียนโค้ดแทนคน ทำไมยังต้องมีวิศวกร AI validation
ในระดับองค์กรใหญ่ การใช้ AI สร้างโค้ดไม่ใช่เรื่องทดลองอีกต่อไป เพราะมีถึง 64 เปอร์เซ็นต์ขององค์กรที่สร้างโค้ดส่วนใหญ่ด้วย AI แล้ว แต่ข้อเท็จจริงที่หลายคนมองข้ามคือ โค้ดที่ AI สร้างขึ้นทั้งหมดเป็นเพียงร่างที่ต้องผ่านการทบทวนและการตรวจสอบคุณภาพอีกชั้นหนึ่งเสมอ วิศวกร AI validation จึงกลายเป็นตัวละครสำคัญที่เข้ามารับผิดชอบตรงนี้ AI-assisted development ให้ผลลัพธ์เร็วขึ้น เห็นได้จากการเพิ่มประสิทธิภาพการทำงานสูงสุดถึงประมาณ 45 เปอร์เซ็นต์ ขึ้นกับความซับซ้อนของงาน แต่ตัวเลขนี้มีด้านมืด เพราะถ้า requirement ไม่ชัดเจนหรือระบบขาดความสม่ำเสมอ การใช้ AI กลับทำให้จำนวนบั๊กเพิ่มขึ้นได้ถึง 41 เปอร์เซ็นต์ นั่นคือเหตุผลที่องค์กรต้องการคนที่เข้าใจทั้งวิธีคิดของ AI และหลักวิศวกรรมซอฟต์แวร์แบบเดิม เพื่อทำหน้าที่ตรวจสอบคุณภาพ AI และ AI-generated code ก่อนเข้าสู่การ deploy จริง
AI ไม่พังแบบเดิม ทำให้ทักษะ QA เดิมไม่พออีกต่อไป
ระบบซอฟต์แวร์แบบดั้งเดิมเมื่อพัง มักทิ้งร่องรอยชัดเจน ข้อผิดพลาด โค้ดล้ม เทสแดง QA engineer ถูกฝึกมาให้ตามรอยเหล่านี้จนเชี่ยวชาญ แต่เมื่อ AI เข้ามา ภาพเปลี่ยนไปอย่างสิ้นเชิง เพราะเวลาระบบ AI ล้มเหลว มันอาจไม่แสดงอาการพังอะไรเลย ผลลัพธ์ออกมา คะแนนความมั่นใจดูดี ทุกอย่างเหมือนปกติ ในขณะที่ข้อผิดพลาดอาจแฝงอยู่ในรูปของ hallucination การมองข้ามประเภท defect ทั้งกลุ่ม หรือการตัดสินใจจาก pattern เก่าที่ไม่ตรงกับสถานการณ์ปัจจุบัน นั่นหมายความว่า ตรวจสอบคุณภาพ AI ต้องใช้ชุดทักษะใหม่ QA engineer ต้องเข้าใจการทำงานของโมเดลเชิงความน่าจะเป็น การเปลี่ยน distribution ของข้อมูล และต้องสร้างชุดทดสอบเชิงโจมตีเพื่อเจาะเข้า failure mode ที่มีโอกาสเกิดใน production งานนี้ไม่ใช่การกดปุ่มดูผลเทส แต่เป็นการออกแบบคำถามให้ AI เผยจุดอ่อนออกมาให้มนุษย์เห็น เป็นวิธีคิดแบบนักสืบข้อมูลมากกว่านักเทสแบบเดิม
บทบาทใหม่ของ QA engineer ในฐานะวิศวกร AI validation
ตำแหน่งวิศวกร AI validation ไม่ใช่งานวิศวกรสร้างโมเดล หรือผู้ใช้งานเครื่องมือเทส แต่คือคนที่ต้องตอบคำถามยากว่า ระบบ AI ที่องค์กรเชื่อมั่น กำลังทำสิ่งที่องค์กรคิดว่ามันทำอยู่จริงหรือไม่ และถ้าไม่ แล้วเราจะรู้ได้อย่างไร งานส่วนหนึ่งคือการนิยามให้ชัดว่า ความล้มเหลวของ AI ในโดเมนขององค์กรหน้าตาเป็นอย่างไร สร้างโครงสร้างการทดสอบเพื่อจับรูปแบบความผิดพลาดนั้น และออกแบบ pipeline เพื่อตรวจสอบ ground truth ความสม่ำเสมอ และทดสอบด้วยข้อมูลเชิงศัตรูเพื่อดึง AI ออกจาก comfort zone สำคัญที่สุดคือ ไม่สามารถใช้ AI ที่ยังไม่ผ่านการตรวจสอบ เพื่อมาตรวจสอบ AI อีกตัวได้ Someone has to close that loop วิศวกร AI validation จึงทำหน้าที่เป็นมนุษย์ตัวสุดท้ายในวงจรที่รับรองว่า การตัดสินใจของ AI ไม่พาองค์กรหลงทาง และเป็นการต่อยอดสิ่งที่วิศวกรคุณภาพเคยทำมาตลอด คือทำให้ระบบที่องค์กรไว้วางใจ น่าเชื่อถือในทางปฏิบัติ
เส้นทางอาชีพวิศวกรซอฟต์แวร์ยุคใหม่ ต้องมี AI quality assurance อยู่ในแผน
สำหรับวิศวกรซอฟต์แวร์และ QA engineer ที่มองอนาคต อาชีพไม่ได้จบแค่การเขียนโค้ดหรือเขียนเทสเคสอีกต่อไป แต่จะมีสายอาชีพด้านตรวจสอบคุณภาพ AI เป็นทักษะเฉพาะทางเพิ่มเข้ามา วิศวกรที่เคยผ่านการเปลี่ยนผ่านจาก manual ไป automation มาแล้วรู้ดีว่า เครื่องมือไม่ได้มาแทนงาน แต่เปลี่ยนสิ่งที่เราต้องรู้และต้องรับผิดชอบ AI กำลังทำแบบเดียวกันในระดับที่สูงกว่า ช่องว่างทักษะด้าน AI validation จึงกลายเป็นโอกาสอาชีพที่ชัดเจนสำหรับคนสายคุณภาพซอฟต์แวร์ ที่พร้อมเพิ่มความรู้ด้าน machine learning เข้าไปกับพื้นฐานการทดสอบที่มีอยู่ องค์กรเริ่มใช้ AI ในระบบภายใน เช่น ระบบพนักงานและเครื่องมือขาย ที่มีข้อมูลโครงสร้างชัด กรณีแบบนี้ AI ทำงานได้ดี แต่ก็ยังต้องมีคนตรวจสอบผลลัพธ์ให้แน่ใจว่าไม่หลุดกรอบที่ธุรกิจกำหนดไว้ หากมองระยะยาว วิศวกรซอฟต์แวร์ที่พัฒนาตัวเองไปสู่บทบาทวิศวกร AI validation จะเป็นคนที่กำกับทิศทางการใช้ AI ในองค์กร มากกว่าจะกลัวว่าจะถูก AI แทนที่
