Black Box of Depth: เมื่อเรากลายเป็น "ลูกหนี้" ของ AI ที่ตัวเองสร้าง

ลองจินตนาการถึงเช้าวันจันทร์ที่หน้าจอเต็มไปด้วยโค้ดสีแดงจาก error ที่ไม่คุ้นเคย สิ่งแรกที่วิศวกรซอฟต์แวร์ยุคนี้ทำ ไม่ใช่การเปิดตำราหรือไล่หาจุดบกพร่องด้วยตัวเอง แต่คือการคัดลอกโค้ดแล้วโยนเข้าช่องแชต AI ไม่ถึงสองวินาที คำตอบพร้อมใช้งานก็ปรากฏขึ้น เราแปะลงไปในระบบ ปิดงานได้ทันเวลา

แต่มีคำถามที่ค้างอยู่: เราเข้าใจจริงๆ ไหมว่าโค้ดบรรทัดใหม่นั้นทำงานอย่างไร?

นี่คือจุดเริ่มต้นของการเป็น "ลูกหนี้ทางปัญญา" (Intellectual Debt) ของ AI ยิ่งเราโยนปัญหาให้มันแก้โดยไม่ทำความเข้าใจกับสิ่งที่อยู่ใน "กล่องดำ" ข้างใน เรากำลังสะสมหนี้ก้อนโตที่วันหนึ่ง เมื่อระบบพังหรือ AI ตอบไม่ได้ เราอาจต้องจ่ายคืนด้วยราคาที่แพงมหาศาล

เมื่อ "กล่องดำ" เริ่มกลืนกินโครงสร้างองค์กร

ปัญหานี้ไม่ได้อยู่แค่ในระดับวิศวกรรายคน แต่กำลังกัดกร่อนโครงสร้างขององค์กรเทคโนโลยีทั้งระบบ โดยเฉพาะเมื่อบริษัทเริ่มตัดสินใจที่จะ "แทนที่" นักพัฒนาจบใหม่ (Junior Developer) ด้วย AI

1. ภาพลวงตาของ Productivity

สิ่งที่ดึงดูดผู้บริหารมากที่สุดคือตัวเลข ทีมวิศวกรที่ใช้ AI รายงานว่า output ต่อ sprint เพิ่มขึ้น 40–55% ซึ่งหมายความว่าวิศวกร Senior หนึ่งคนกับ AI ทำงานได้เท่ากับ Senior หนึ่งคนบวก Junior อีกหนึ่งคน เมื่อคนเดียวทำงานแทนคนครึ่งได้ ก็ไม่มีใครต้องการ "ครึ่งคน" นั้นอีกต่อไป และ "ครึ่งคน" นั้นมักจะเป็น Junior เสมอ DEV Community

ปัญหาคือผู้บริหารมักมองแค่ตัวเลขระยะสั้น โดยลืมคำนึงถึงต้นทุนที่ซ่อนอยู่ เช่น ไม่มีการแสดงความเป็นเจ้าของโค้ด (Lack of Code Ownership) เมื่อเกิดบั๊ก ทุกคนชี้นิ้วไปที่ AI และหนี้ทางเทคนิค (Technical Debt) ที่พอกพูนจากการโกงเวลาด้วย AI จะกลายสภาพเป็นภาวะล้มละลายทางเทคนิคเมื่อระบบขยายตัวจนซับซ้อนเกินกว่าที่ AI จะมองภาพรวมได้

2. กรณีศึกษา: Klarna — บทเรียนที่แพงที่สุดของปี 2024

ตัวอย่างที่เป็นรูปธรรมที่สุดในวงการมาจาก Klarna บริษัท Fintech สัญชาติสวีเดน ในปี 2023 Klarna หยุดจ้างพนักงานทั้งหมด ปี 2024 จับมือกับ OpenAI ปลดฝ่าย Customer Service และ Marketing พร้อมประกาศอย่างมั่นใจว่า "AI ทำได้ทุกงานที่มนุษย์ทำ" บริษัทเฉลิมฉลองกับการประหยัดได้ 10 ล้านดอลลาร์ และชี้ว่า AI จัดการคำร้องลูกค้าได้ถึงสองในสาม VICE

แต่ผลลัพธ์ที่แท้จริงคือสิ่งที่ตรงกันข้าม ในกลางปี 2025 Klarna เริ่มจ้างมนุษย์กลับมา หลังจากความพึงพอใจของลูกค้าตกต่ำและปัญหาเชิงปฏิบัติการเริ่มปรากฏให้เห็น CEO ยอมรับว่า "เราโฟกัสที่ efficiency และ cost มากเกินไป ผลที่ได้คือคุณภาพที่ต่ำลง และนั่นไม่ยั่งยืน" LaSoft

สิ่งที่ AI ทำได้ดีคือ volume แต่ไม่ใช่ความซับซ้อน ลูกค้าที่มีปัญหาอารมณ์หรือสถานการณ์ละเอียดอ่อนถูก AI ตอบด้วยคำตอบสำเร็จรูปซ้ำๆ และนั่นทำให้ brand เสียหาย นอกจากนั้น ต้นทุนในการ "ยกเลิก" การใช้ AI ซึ่งรวมถึงการจ้างพนักงานใหม่, onboarding, และ training นั้นสูงกว่าที่บริษัทเคยคาดการณ์ไว้มาก Digital Applied Team

ที่น่าสนใจคืองานวิจัยจาก Orgvue และ Forrester พบว่า 55% ของบริษัทที่เร่งแทนที่มนุษย์ด้วย AI รู้สึกเสียใจในภายหลัง Linkifico

3. วิกฤต Junior Developer ที่มีข้อมูลรองรับ

กรณี Klarna ไม่ใช่เรื่องเดียว มันสะท้อนแนวโน้มที่กำลังเกิดขึ้นในวงกว้าง Shopify CEO ส่ง memo ภายในในเดือนเมษายน 2025 บอกทีมงานว่าต้อง "พิสูจน์ก่อนว่า AI ทำงานนั้นไม่ได้" ก่อนจะขอ headcount เพิ่ม Duolingo ตัด contractor 10% หลังโยกงาน translation ไปให้ AI ส่วน Dropbox ยุบ 500 ตำแหน่งพร้อมระบุชัดว่า AI เป็นสาเหตุ DEV Community

Salesforce ไม่รับนักพัฒนาซอฟต์แวร์ในปี 2025 โดยอ้างว่า AI เพิ่ม productivity ขึ้น 30% ขณะที่ Meta และ Amazon ปลดวิศวกรออกรวมกันนับหมื่นตำแหน่ง Medium

ตัวเลขเชิงสถิติยิ่งน่าเป็นห่วง งานวิจัยจาก Stanford Digital Economy Study พบว่าในเดือนกรกฎาคม 2025 การจ้างงานนักพัฒนาอายุ 22–25 ปีลดลงเกือบ 20% จากจุดสูงสุดในปลายปี 2022 อัตราการว่างงานของบัณฑิตจบใหม่สาขา Computer Engineering ในสหรัฐฯ อยู่ที่ 7.5% สูงกว่าค่าเฉลี่ยของประเทศที่ 4.3% และสูงกว่าสาขาพยาบาล (1.4%) หรือวิศวกรรมโยธา (1%) อย่างมีนัยสำคัญ Stack OverflowCIO

4. PDE (Product-Driven Engineering): ดาบที่คมทั้งสองคม

แนวคิด PDE หรือ Prompt Engineering ในฝั่งวิศวกรรม คือการที่นักพัฒนาโฟกัสไปที่ "ผลลัพธ์ของผลิตภัณฑ์" โดยปล่อยให้ AI จัดการกลไกข้างหลัง แนวทางนี้ช่วยให้สร้างโปรดักต์ได้เร็วขึ้นอย่างก้าวกระโดด แต่มันสร้างช่องว่างขนาดใหญ่ในทักษะพื้นฐาน

วิศวกร PDE อาจเก่งเรื่องการต่อจิ๊กซอว์ แต่ถ้าวันหนึ่งจิ๊กซอว์ชิ้นนั้นเบี้ยวหรือแตกหัก พวกเขาจะไม่รู้วิธีหล่อจิ๊กซอว์ชิ้นใหม่ขึ้นมาเองเลย

วิกฤตระยะยาว: เมื่อ "รุ่นพี่" ในอนาคตไม่มีอีกต่อไป

การตัด Junior ออกจากระบบเป็นการทำลายระบบนิเวศการเรียนรู้ที่ร้ายแรงที่สุด

"หากวันนี้เราไม่จ้าง Junior ในวันหน้าเราจะไม่มี Senior ที่เข้าใจระบบของเราจริงๆ"

นักเศรษฐศาสตร์จาก Stanford ชี้ให้เห็นว่า AI ไม่ได้กำลังกำจัด software engineering ออกไป แต่กำลังกำจัด "ประตูทางเข้า" สู่อาชีพ software engineering ถ้าบริษัทหยุดรับ Junior ตอนนี้ กลุ่ม Senior จะเริ่มหดตัวในปี 2030 และภายในปี 2033 ทุกบริษัทที่ตัด Junior pipeline ในปี 2024 จะแข่งขันกันแย่งชิงวิศวกรมีประสบการณ์ที่มีอยู่อย่างจำกัด Substack

เด็กจบใหม่ในยุคนี้ถูกบีบให้ต้องส่งงานในระดับที่ "เทียบเท่า AI" ตั้งแต่วันแรก พวกเขาไม่มีเวลาฝึกฝนการคิดเชิงตรรกะและการลองผิดลองถูก ซึ่งเป็นหัวใจสำคัญในการสร้างนักพัฒนาที่แข็งแกร่ง

CEO ของ AWS อย่าง Matt Garman พูดตรงๆ ว่า "การให้ AI แทนที่ Junior คือหนึ่งในสิ่งที่โง่ที่สุดที่ผมเคยได้ยิน มันจะทำงานอย่างไรถ้าในอีกสิบปีข้างหน้าเราไม่มีใครที่เรียนรู้อะไรเลย?" CodeConductor

หาพื้นที่ตรงกลาง: กลยุทธ์ที่ยั่งยืน

เพื่อไม่ให้องค์กรล่มสลายในระยะยาว เราต้องสร้างจุดสมดุลระหว่าง AI กับมนุษย์อย่างมีเจตนา

1. เปลี่ยน AI จาก "คนทำงานแทน" เป็น "คู่หูฝึกซ้อม"

องค์กรต้องสร้างวัฒนธรรมการใช้ AI แบบตั้งคำถาม ไม่ใช่แค่สั่งแล้ววาง (Prompt & Paste) Code Review ในยุคนี้ต้องเข้มข้นขึ้น ไม่ใช่แค่ตรวจว่าโค้ดผ่านไหม แต่ต้องถามว่า "คนเขียนเข้าใจสิ่งที่ส่งมาไหม" ถ้า Junior อธิบายไม่ได้ว่าโค้ดจาก AI ทำงานยังไง นั่นถือว่างานไม่ผ่าน

2. สร้าง Sandbox ให้ Junior ได้เติบโต

บริษัทต้องยอมรับต้นทุนในการฝึกคน โดยแบ่งสัดส่วนงานอย่างชัดเจน งาน Routine ทั่วไปให้ใช้ AI ช่วยได้ แต่งาน Core Architecture ต้องบังคับให้ Junior ทำร่วมกับ Senior โดยห้ามใช้ AI ในบางโมดูล เพื่อให้ได้สัมผัสกับโครงสร้างที่แท้จริง ได้เจ็บจริง และได้เรียนรู้การแก้ปัญหาด้วยสมองของตัวเอง

3. วัด "คุณภาพความเข้าใจ" ไม่ใช่แค่ความเร็ว

ตัวเลข Productivity ที่เพิ่มขึ้นจาก AI นั้นเป็นแค่ภาพลวงตาถ้าไม่มีมนุษย์ที่เข้าใจสิ่งที่ระบบกำลังทำจริงๆ องค์กรต้องสร้าง metric ใหม่ที่วัดว่าทีมมีความเข้าใจเชิงลึกในระบบมากแค่ไหน ไม่ใช่แค่วัดว่า deploy ได้กี่ feature ต่อ sprint

บทสรุป

Klarna ใช้เวลาสองปีและเงินอีกมากกว่าที่เคยประหยัดได้ เพื่อเรียนรู้บทเรียนที่ง่ายมาก นั่นคือ ความเร็วและ efficiency ที่ได้จาก AI นั้นจริง แต่มันไม่ใช่ทั้งหมดของสมการ

AI อาจชนะในเกมแห่งความเร็วและการจดจำ แต่ในเกมแห่งความยืดหยุ่นและการอยู่รอดในวิกฤต มนุษย์ที่ผ่านการฝึกฝนมาอย่างถูกวิธีเท่านั้นที่จะยืนหยัดได้ ถ้าวันนี้เราหยุดสร้างนักพัฒนาที่คิดเป็น ในวันที่ AI ดับลงหรือตอบไม่ได้ เราจะไม่มีใครเหลืออยู่เพื่อขับเคลื่อนระบบต่อ

อย่าปล่อยให้ความสะดวกสบายของ "กล่องดำ" มอมเมาจนเราลืมวิธีคิด

#ติดเทรนด์

#lemon8ไดอารี่

#story

6/5 แก้ไขเป็น

ในยุคที่ AI เข้ามามีบทบาทสำคัญในการพัฒนาเทคโนโลยีอย่างรวดเร็ว เรามักเห็นภาพการใช้ AI เพื่อเร่งงานและเพิ่มประสิทธิภาพ แต่จากประสบการณ์ที่ได้สังเกตและทำงานกับทีมพัฒนาหลายแห่ง พบว่าเมื่อพึ่งพา AI มากเกินไปโดยไม่เข้าใจโค้ดหรือกระบวนการทำงานอย่างถ่องแท้ เรากำลังสร้าง "หนี้ทางปัญญา" (Intellectual Debt) ที่จะย้อนกลับมาทำร้ายเราในอนาคตอย่างหลีกเลี่ยงไม่ได้ ครั้งหนึ่งผมได้ทำงานร่วมกับนักพัฒนาที่ใช้ AI ในการแก้ปัญหาโค้ดแทบทุกครั้งโดยไม่ได้นั่งวิเคราะห์โค้ดแต่ละบรรทัด การใช้ AI เหมือนเป็นกล่องดำที่ให้คำตอบเสร็จสรรพ ทำให้งานเสร็จเร็วขึ้นในระยะสั้นแต่ในระยะยาวเมื่อระบบซับซ้อนขึ้นและมีบั๊กยากต่อการแก้ไข นักพัฒนากลับไม่สามารถแก้ปัญหาได้อย่างมีประสิทธิภาพ เพราะไม่เข้าใจโครงสร้างโค้ดและกระบวนการทำงานของระบบอย่างลึกซึ้ง สิ่งนี้สะท้อนให้เห็นว่าการใช้ AI แทนที่นักพัฒนาจบใหม่ (Junior Developer) อาจทำลายระบบนิเวศการเรียนรู้และการพัฒนาทักษะพื้นฐานของทีม จากกรณี Klarna ที่หันมาใช้ AI แทนฝ่าย customer service และ marketing เพื่อประหยัดค่าใช้จ่าย ถึงแม้จะได้ผลในแง่ของประสิทธิภาพและประหยัดต้นทุนในช่วงแรก แต่พบว่าคุณภาพการบริการลดลงและต้องจ้างมนุษย์กลับมาแก้ปัญหาเพราะ AI ตอบโจทย์เรื่องปริมาณได้ดีแต่จัดการกับสถานการณ์ซับซ้อนได้ไม่ดี ทำให้ลูกค้าเกิดความไม่พึงพอใจและชื่อเสียงแบรนด์ได้รับผลกระทบ นอกจากนี้ ค่าต้นทุนการกลับมาแก้ไขระบบและฝึกอบรมพนักงานเก่าก็สูงกว่าที่คาดไว้มาก สำหรับ Junior Developer การที่ต้องแข่งขันกับ AI ตั้งแต่วันแรกโดยไม่มีเวลาฝึกฝนพื้นฐานของการคิดเชิงตรรกะและการแก้ปัญหาอย่างเป็นระบบ ทำให้เกิดช่องว่างทักษะที่รุนแรง และส่งผลต่อความยั่งยืนของวงการเทคโนโลยีในระยะยาว เพราะ "รุ่นพี่" ที่จะถ่ายทอดความรู้และความเข้าใจเชิงลึกจะลดจำนวนลงอย่างรวดเร็วในอนาคต เพื่อสร้างสมดุล เราไม่ควรมอง AI เป็นเพียง "ผู้ทำงานแทน" แต่ควรใช้เป็น "คู่หูฝึกซ้อม" ที่ช่วยเพิ่มประสิทธิภาพและส่งเสริมกระบวนการเรียนรู้ของนักพัฒนา โดยองค์กรควรสร้างวัฒนธรรมการใช้ AI ที่ตั้งคำถามกับผลลัพธ์ เสริมสร้างระบบ review โค้ดที่มีความเข้มข้น เน้นวัดคุณภาพความเข้าใจมากกว่าความเร็วในการส่งงาน นอกจากนี้ ควรสร้างสภาพแวดล้อม (Sandbox) ที่ Junior Developer ได้เรียนรู้กับ Senior Developer โดยจำกัดการใช้ AI ในงานหลักบางส่วน เพื่อให้ยังได้สัมผัสการแก้ไขปัญหาด้วยตนเองจริงๆ ในฐานะผู้ที่เคยผ่านช่วงต้นอาชีพมา การได้เรียนรู้อย่างลึกซึ้งและมีเวลาฝึกฝนผ่านการลองผิดลองถูกถือเป็นสิ่งสำคัญที่สุดในการพัฒนาทักษะที่แข็งแกร่งและพร้อมตอบรับวิกฤตในอนาคต ซึ่งเป็นสิ่งที่ AI ยังทดแทนไม่ได้อย่างแท้จริง สุดท้ายนี้ หากเรามัวแต่พึ่งพา "กล่องดำ" ของ AI โดยไม่เข้าใจการทำงานอย่างลึกซึ้ง เราอาจพาตัวเองเข้าสู่กับดักของความสะดวกสบายที่ทำให้สูญเสียความสามารถในการคิดอย่างมีวิจารณญาณและแก้ไขปัญหาอย่างแท้จริงในโลกเทคโนโลยีที่เปลี่ยนแปลงอย่างรวดเร็วนี้