แอนเดรย์ คาร์พัทสกี้ ระบุว่า โลกแห่งการเขียนโปรแกรมเปลี่ยนแปลงไปอย่างสิ้นเชิง เนื่องจากตัวแทนปัญญาประดิษฐ์ (AI Agents) ทำงานได้จริงแล้ว
แอนเดรย์ คาร์พัทสกี้ อดีตผู้อำนวยการฝ่ายปัญญาประดิษฐ์ของเทสล่า และนักวิจัยจากโอเพ่นเอไอ ได้โพสต์ข้อความบนเครือข่ายสังคมออนไลน์เอ็กซ์ (อดีตทวิตเตอร์) โดยระบุว่า “โลกแห่งการเขียนโปรแกรมเปลี่ยนแปลงไปอย่างสิ้นเชิงแล้ว ตัวแทน AI ทำงานได้จริงในปัจจุบัน” คำกล่าวนี้สะท้อนถึงการเปลี่ยนแปลงครั้งสำคัญในวงการพัฒนาซอฟต์แวร์ ซึ่งเกิดจากความก้าวหน้าของโมเดลภาษาขนาดใหญ่ (Large Language Models หรือ LLMs) เช่น GPT-4o ที่ทำให้กระบวนการเขียนโค้ดไม่ใช่การพิมพ์โค้ดด้วยตนเองอีกต่อไป แต่กลายเป็นการแก้ไขโค้ดที่ AI สร้างขึ้นแทน
ในอดีต การเขียนโปรแกรมต้องอาศัยทักษะการพิมพ์โค้ดทีละบรรทัด การจัดการไวยากรณ์ (syntax) และการแก้ไขข้อผิดพลาด (debugging) ด้วยตนเอง ซึ่งเป็นกระบวนการที่ใช้เวลานานและซับซ้อน อย่างไรก็ตาม ปัจจุบันเครื่องมืออย่าง Cursor ซึ่งเป็นสภาพแวดล้อมการพัฒนาแบบบูรณาการ (IDE) ที่ขับเคลื่อนด้วย AI ได้เปลี่ยนแปลงวิธีการทำงาน โดยผู้ใช้เพียงอธิบายงานที่ต้องการในภาษาธรรมชาติ AI จะสร้างโค้ดทั้งไฟล์หรือทั้งโปรเจกต์ จากนั้นผู้ใช้สามารถแก้ไขส่วนที่จำเป็นได้เท่านั้น คาร์พัทสกี้ยกตัวอย่างว่า ในปัจจุบันการพัฒนาซอฟต์แวร์คือ “การแก้ไขโค้ดที่ AI เขียน” แทนที่จะเป็น “การเขียนโค้ดด้วยตนเอง”
ตัวอย่างที่ชัดเจนคือ Devin ซึ่งเป็นวิศวกรซอฟต์แวร์ AI จาก Cognition Labs Devin สามารถรับคำสั่งจากผู้ใช้ จัดการสภาพแวดล้อมการพัฒนาแบบ end-to-end ได้แก่ การวางแผน คิดค้นโค้ด รันโค้ด แก้ไขบั๊ก และนำไปใช้งานจริง Devin ทำงานได้ดีในงานที่ซับซ้อน เช่น การรวม pull request ขนาดใหญ่ การย้ายฐานข้อมูล หรือการอัปเกรดไลบรารี คาร์พัทสกี้ชี้ให้เห็นว่า Devin แสดงศักยภาพในการจัดการงานที่มนุษย์ต้องใช้เวลาหลายชั่วโมงหรือหลายวัน โดยสามารถทำงานได้ในไม่กี่นาที
นอกจากนี้ คาร์พัทสกี้ยังแบ่งปันประสบการณ์ส่วนตัวจากการสอนวิชาคอมพิวเตอร์ไซน์ส์ (CS25) ที่มหาวิทยาลัยสแตนฟอร์ด โดยใช้เครื่องมือ Replit Agent ซึ่งช่วยสร้างแอปพลิเคชันเว็บแบบเต็มรูปแบบจากคำสั่งง่ายๆ เช่น “สร้างแอปโพสต์รูปแมวพร้อมระบบยืนยันตัวตน” Agent จะจัดการตั้งแต่การตั้งค่าสภาพแวดล้อม การติดตั้งแพ็กเกจ การเขียนโค้ด frontend-backend จนถึงการ deploy บน Vercel ทำให้กระบวนการทั้งหมดใช้เวลาเพียงไม่กี่นาที นักศึกษาสามารถมุ่งเน้นไปที่การปรับแต่งและปรับปรุงแทนการเขียนโค้ดพื้นฐาน
คาร์พัทสกี้ยังทดลองกับเครื่องมือของตนเอง เช่น nanoGPT ซึ่งเป็นโปรเจกต์ฝึกโมเดลภาษาของ GPT และ llm.c ซึ่งเป็นสนามเด็กเล่น (playground) สำหรับ LLMs เขาพบว่า AI สามารถแก้ไขโค้ดที่มีบั๊กได้อย่างถูกต้อง โดยเฉพาะในงานที่เกี่ยวข้องกับการฝึกโมเดลขนาดใหญ่ เช่น การปรับ hyperparameters หรือการจัดการข้อมูลฝึกฝน คำสั่งอย่าง “ช่วยแก้บั๊กในโค้ดฝึก nanoGPT ด้วย” ทำให้ AI สร้างโค้ดที่ใช้งานได้จริงทันที
การเปลี่ยนแปลงนี้ไม่ได้จำกัดอยู่ที่เครื่องมือเดี่ยวๆ แต่เป็นการเกิดขึ้นของ “กระแสตัวแทน” (agentic workflow) ที่ AI สามารถตัดสินใจ วางแผน และดำเนินการหลายขั้นตอนโดยอัตโนมัติ คาร์พัทสกี้เปรียบเทียบกับยุคแรกเริ่มของ LLMs ที่ใช้ได้เฉพาะการทำนายคำถัดไป (next-token prediction) แต่ปัจจุบัน AI agents สามารถจัดการงานที่ซับซ้อนได้จริง โดยเฉพาะเมื่อรวมกับเครื่องมือเสริม เช่น การเข้าถึง shell การรันโค้ดใน sandbox และการจัดการ repository
อย่างไรก็ตาม คาร์พัทสกี้ยอมรับว่ายังมีข้อจำกัด เช่น AI agents ยังทำงานได้ดีที่สุดในงานที่ชัดเจนและมีขอบเขตจำกัด สำหรับงานที่คลุมเครือหรือต้องการความคิดสร้างสรรค์สูง ยังคงต้องอาศัยมนุษย์ในการกำกับดูแล แต่โดยรวมแล้ว การเขียนโปรแกรมกำลังเข้าสู่ยุคใหม่ที่ AI เป็นผู้ช่วยหลัก ทำให้วิศวกรซอฟต์แวร์สามารถมุ่งเน้นไปที่การออกแบบระบบ การแก้ปัญหาธุรกิจ และนวัตกรรมระดับสูง
การเปลี่ยนแปลงนี้มีนัยสำคัญต่ออุตสาหกรรมซอฟต์แวร์ โดยเฉพาะในบริบทธุรกิจที่ต้องการความรวดเร็วและประสิทธิภาพ การใช้ AI agents ช่วยลดเวลาพัฒนา ลดต้นทุน และเพิ่ม productivity ทำให้บริษัทสามารถแข่งขันได้ดีขึ้น คาร์พัทสกี้คาดการณ์ว่า ในอนาคตอันใกล้ AI จะกลายเป็นมาตรฐานในกระบวนการพัฒนาซอฟต์แวร์ทุกขั้นตอน ตั้งแต่ ideation จนถึง deployment ซึ่งจะเปลี่ยนโฉมหน้าของอาชีพนักพัฒนาให้เน้นทักษะเชิงกลยุทธ์มากกว่าทักษะทางเทคนิคพื้นฐาน
สรุปแล้ว คำกล่าวของคาร์พัทสกี้ชี้ให้เห็นถึงจุดเปลี่ยนสำคัญในวงการเทคโนโลยี ที่ AI agents ไม่ใช่แค่เครื่องมือช่วยเหลือ แต่เป็นผู้ร่วมงานที่ทำงานได้จริง ส่งผลให้โลกแห่งการเขียนโปรแกรม “ไม่รู้จัก” อีกต่อไป
(จำนวนคำประมาณ 728 คำ)
This Article is sponsored by Gnoppix AI (https://www.gnoppix.org)