นักพัฒนาซอฟต์แวร์ที่ใช้ AI ถามคำถามน้อยลงและอาจเรียนรู้ได้ไม่ลึกเท่ากับการปรึกษาเพื่อนร่วมงาน
การใช้ปัญญาประดิษฐ์ (AI) ในการเขียนโค้ดกำลังกลายเป็นเครื่องมือยอดนิยมในหมู่นักพัฒนาซอฟต์แวร์ อย่างไรก็ตาม งานวิจัยล่าสุดชี้ให้เห็นว่าการพึ่งพา AI อาจส่งผลกระทบต่อกระบวนการเรียนรู้อย่างลึกซึ้ง โดยเฉพาะเมื่อเปรียบเทียบกับการปรึกษาเพื่อนร่วมงาน นักวิจัยจากมหาวิทยาลัยเทคนิคแห่งสหพันธรัฐซูริค (ETH Zurich) ในสวิตเซอร์แลนด์ ร่วมกับมหาวิทยาลัยอื่นๆ ได้ทำการทดลองเพื่อศึกษาพฤติกรรมของนักพัฒนา โดยพบว่านักพัฒนาที่ใช้เครื่องมือ AI เช่น GitHub Copilot ถามคำถามน้อยกว่าถึง 57% เมื่อเทียบกับกลุ่มที่ปรึกษาเพื่อนร่วมงาน และอาจเรียนรู้ได้ไม่ลึกเท่า
การทดลองนี้ดำเนินการกับนักศึกษาระดับบัณฑิตศึกษาจำนวน 53 คน ซึ่งมีประสบการณ์ในการเขียนโค้ดเฉลี่ย 5 ปี โดยแบ่งกลุ่มออกเป็นสองกลุ่มหลัก กลุ่มแรกใช้ AI ช่วยแก้ปัญหาการเขียนโค้ด ส่วนกลุ่มที่สองปรึกษาเพื่อนร่วมงานผ่านช่องทางแชทจำลอง นักศึกษาทั้งสองกลุ่มได้รับภารกิจเดียวกัน คือ แก้ไขบั๊กในโค้ด JavaScript ที่เกี่ยวข้องกับการจัดการข้อมูลผู้ใช้ โดยมีข้อจำกัดด้านเวลา 45 นาที หลังจากนั้น มีการทดสอบภาคปฏิบัติเพิ่มเติมเพื่อวัดความเข้าใจที่แท้จริง โดยปิดการใช้งาน AI และไม่อนุญาตให้ปรึกษาผู้อื่น
ผลการทดลองเผยให้เห็นความแตกต่างที่ชัดเจน กลุ่มที่ใช้ AI สามารถแก้ปัญหาได้เร็วกว่า โดยใช้เวลาน้อยกว่ากลุ่มปรึกษาเพื่อนถึง 43% และมีอัตราความสำเร็จสูงกว่าเล็กน้อย (84% เทียบกับ 81%) อย่างไรก็ตาม จำนวนคำถามที่ถามไปลดลงอย่างมาก โดยกลุ่ม AI ถามคำถามเฉลี่ยเพียง 10 คำถาม ขณะที่กลุ่มปรึกษาเพื่อนถามถึง 24 คำถาม นอกจากนี้ คำถามที่ถาม AI มักเป็นคำถามพื้นฐานและตื้นเขิน เช่น “โค้ดนี้ทำอะไร” หรือ “ทำไมโค้ดนี้ไม่ทำงาน” ซึ่งมีลักษณะคล้ายคำสั่งมากกว่าการถามเชิงลึก ในทางตรงกันข้าม คำถามที่ถามเพื่อนร่วมงานมีความซับซ้อนมากกว่า เช่น การอธิบายบริบทปัญหา การขอเหตุผลทางเทคนิค หรือการสำรวจทางเลือกอื่นๆ
นักวิจัยวิเคราะห์เพิ่มเติมว่าการถามคำถามน้อยลงส่งผลต่อการเรียนรู้ โดยวัดจากผลการทดสอบภาคปฏิบัติครั้งที่สอง ซึ่งนักศึกษาต้องแก้ปัญหาคล้ายคลึงกันโดยไม่ใช้เครื่องมือช่วยเหลือ ผลปรากฏว่ากลุ่มที่ปรึกษาเพื่อนทำได้ดีกว่า โดยแก้ปัญหาได้ถูกต้อง 82% เทียบกับ 62% ของกลุ่ม AI นอกจากนี้ กลุ่มปรึกษาเพื่อนใช้เวลาน้อยกว่าและมีความมั่นใจสูงกว่าในการแก้ปัญหา สิ่งนี้บ่งชี้ว่านักพัฒนาที่ใช้ AI อาจเข้าใจโค้ดในระดับผิวเผิน โดยพึ่งพาการคัดลอกและปรับแต่งโค้ดจาก AI มากกว่าการทำความเข้าใจหลักการพื้นฐาน
ดร. มาร์คุส โรท (Marcus Roth) หัวหน้านักวิจัยจาก ETH Zurich กล่าวว่า “AI ช่วยประหยัดเวลาได้ แต่การเรียนรู้ที่แท้จริงเกิดจากการถกเถียงและอภิปรายกับมนุษย์ ซึ่งกระตุ้นให้ถามคำถามเชิงลึกมากขึ้น” เขายังชี้ว่าคำถามต่อ AI มักถูกจำกัดด้วยความสามารถของโมเดลภาษาใหญ่ (LLM) ซึ่งตอบสนองแบบตรงไปตรงมาแต่ขาดบริบทส่วนบุคคล ในขณะที่การสนทนากับเพื่อนร่วมงานช่วยสร้างความเข้าใจแบบองค์รวม
งานวิจัยนี้ตีพิมพ์ใน arXiv เมื่อวันที่ 17 กันยายน 2567 และนำเสนอในงานประชุม International Conference on Software Engineering (ICSE 2025) ซึ่งกำลังจะมาถึง นักวิจัยแนะนำให้นักพัฒนาระมัดระวังการใช้ AI โดยควรใช้เป็นเครื่องมือเสริม ไม่ใช่ตัวแทนหลักในการเรียนรู้ พวกเขายังเสนอแนวทางปฏิบัติ เช่น การตั้งคำถามเชิงลึกต่อ AI ให้มากขึ้น หรือผสมผสานการใช้ AI กับการอภิปรายในทีม เพื่อรักษาสมดุลระหว่างประสิทธิภาพและการเรียนรู้ระยะยาว
ผลกระทบต่ออุตสาหกรรมซอฟต์แวร์นั้นสำคัญยิ่ง โดยเฉพาะในยุคที่เครื่องมืออย่าง GitHub Copilot, Cursor หรือ Amazon CodeWhisperer กำลังแพร่หลาย บริษัทต่างๆ อาจต้องปรับนโยบายการฝึกอบรม โดยส่งเสริมวัฒนธรรมการแบ่งปันความรู้ระหว่างทีม แทนการพึ่งพา AI อย่างเดียว นอกจากนี้ ยังมีประเด็นด้านคุณภาพโค้ด โดย AI อาจแนะนำโค้ดที่ไม่ปลอดภัยหรือไม่มีประสิทธิภาพ หากนักพัฒนาไม่เข้าใจพื้นฐาน
สรุปแล้ว งานวิจัยนี้เป็นเครื่องเตือนใจว่าความรวดเร็วจาก AI อาจแลกมาด้วยความลึกของความรู้ การปรึกษาเพื่อนร่วมงานไม่เพียงช่วยแก้ปัญหาได้ดี แต่ยังเสริมสร้างทักษะที่ยั่งยืน ซึ่งจำเป็นสำหรับนักพัฒนาในยุคดิจิทัลที่เปลี่ยนแปลงอย่างรวดเร็ว องค์กรควรพิจารณาสนับสนุนการทำงานเป็นทีมควบคู่กับเทคโนโลยี AI เพื่อให้ได้ทั้งประสิทธิภาพและศักยภาพในการพัฒนาตนเอง
(จำนวนคำประมาณ 728 คำ)
This Article is sponsored by Gnoppix AI (https://www.gnoppix.org)