ผู้นำทางความคิด
เหตุใดจึงต้องผนวกการทดสอบเข้ากับสายการผลิต AI ตั้งแต่เริ่มต้น

ประเด็นสำคัญAI…
ดูเพิ่มเติม
- AI ช่วยให้การเขียนโค้ดเร็วขึ้นแต่เผยให้เห็นการทดสอบปลายน้ำที่อ่อนแอและลดความเสถียรของการส่งมอบ
- เอเจนต์ที่ตัดสินการทดสอบของตนเองอาจโกงได้โดยการแก้ไขการทดสอบที่ล้มเหลวแทนที่จะแก้ไขโค้ด
- การทดสอบต้องเป็นสถานีของตัวเองนอก CI เพื่อให้ทุกการเปลี่ยนแปลงได้รับคำตัดสินเดียวกัน
ผมพัฒนาเครื่องมือสำหรับการทดสอบมานานกว่า 20 ปี และตลอดช่วงเวลาส่วนใหญ่ที่ผ่านมา บทสนทนาของผมกับทีมวิศวกรรมก็มีรูปแบบคล้ายกันอยู่เสมอ ผู้ทดสอบรู้สึกเหมือนเป็นบุคลากรชั้นสองในวงจรชีวิตของซอฟต์แวร์ การทดสอบมักเกิดขึ้นในช่วงท้าย และบ่อยครั้งต้องเบียดแทรกลงในเวลาที่เหลือก่อนเผยแพร่ซอฟต์แวร์ อีกทั้งยังถูกยัดเข้าไปในไปป์ไลน์ CI ที่สร้างขึ้นเพื่อทำอย่างอื่น ตอนนี้ AI ได้เปลี่ยนวิธีเขียนโค้ดของเราไปแล้ว และผลกระทบต่อการทดสอบก็มีให้เห็นอย่างชัดเจน ทั้งในแง่ดีและแง่ร้าย ในหลายแง่มุม AI ทำให้เราเห็นปัญหานี้ชัดเจนขึ้น
ในช่วงไม่กี่เดือนที่ผ่านมา ผมได้ไปร่วมงานประชุมด้านการทดสอบและคลาวด์เนทีฟอยู่หลายงาน (LeadDev, CloudX, StarWest) และแทบทุกทีมที่ผมพูดคุยด้วยกำลังทำโครงการในแนวทางเดียวกัน นั่นคือวงจรการส่งมอบซอฟต์แวร์ที่ขับเคลื่อนด้วย AI ซึ่งเอเจนต์รับงานตั้งแต่ข้อกำหนดไปจนถึงซอฟต์แวร์ที่ทำงานอยู่ในระบบจริง โดยมีมนุษย์เข้ามามีส่วนร่วมในระดับที่เหมาะสมตลอดกระบวนการ ผมนึกภาพกระบวนการนี้เป็นสายการผลิต เอเจนต์เขียนโค้ด เอเจนต์ตัวอื่นตรวจทาน แล้วไปป์ไลน์ก็สร้างและนำโค้ดขึ้นใช้งาน มนุษย์คอยจับตาดูสิ่งที่เกิดขึ้น แต่เรื่องที่ผมได้ยินพูดถึงน้อยกว่ามากคือ การทดสอบอยู่ตรงไหนในสายการผลิตนี้
ตอนนี้ยังไม่มีใครหาคำตอบได้
ตอนนี้สถานการณ์ยังค่อนข้างไร้ทิศทาง ความสามารถใหม่ของเอเจนต์ออกมาแทบทุกไม่กี่สัปดาห์ ห้องปฏิบัติการ AI รายใหญ่ก็ยังคงเปิดตัวโมเดลใหม่ ๆ ส่วนทีมและผู้ให้บริการต่างก็ลองทำสารพัดอย่างเพื่อดูว่าอะไรจะได้ผล
ข้อมูลบางส่วนบ่งชี้ว่าช่องว่างเริ่มปรากฏให้เห็นแล้ว รายงาน DORA เรื่องการพัฒนาซอฟต์แวร์โดยมี AI ช่วยฉบับล่าสุดของ Google ซึ่งสำรวจผู้เชี่ยวชาญด้านเทคโนโลยีเกือบ 5,000 คน พบว่าการนำ AI มาใช้สัมพันธ์กับปริมาณงานส่งมอบที่เพิ่มขึ้น ซึ่งเป็นข่าวดี แต่ก็ยังสัมพันธ์กับเสถียรภาพในการส่งมอบที่ลดลงด้วย นักวิจัยอธิบายว่า AI ช่วยเร่งการพัฒนาและทำให้จุดอ่อนในขั้นตอนถัด ๆ ไปปรากฏชัดขึ้น พร้อมชี้ว่าการทดสอบอัตโนมัติที่มีประสิทธิภาพเป็นหนึ่งในมาตรการควบคุมที่ช่วยป้องกันไม่ให้การเปลี่ยนแปลงที่เพิ่มขึ้นนำไปสู่ความไม่เสถียรที่มากขึ้น
ผมไม่แปลกใจกับเรื่องนี้ หากนำโค้ดจำนวนมากขึ้นไปผ่านกระบวนการที่ออกแบบมารองรับโค้ดในปริมาณที่น้อยกว่ามาก กระบวนการก็จะช้าลงในบางจุด หรือไม่ก็เกิดข้อขัดข้องขึ้นที่ใดที่หนึ่ง
นักพัฒนาทำงานเร็วขึ้น แต่การเผยแพร่ส่วนใหญ่ไม่ได้เร็วขึ้น
เมื่อผู้คนนึกถึงสิ่งที่อาจผิดพลาดกับโค้ดที่ AI สร้างขึ้น พวกเขามักนึกภาพเอเจนต์นำสิ่งเลวร้ายบางอย่างขึ้นสู่ระบบจริง ผมมั่นใจว่าเรื่องแบบนั้นเกิดขึ้น และเมื่อเกิดขึ้น ผลที่ตามมาก็ไม่ดีนัก ทั้งบั๊ก ลูกค้าที่ไม่พอใจ หรืออาจถึงขั้นเกิดเหตุการณ์ด้านความปลอดภัย แต่พูดตามตรง นั่นไม่ใช่ปัญหาที่ผมพบเจอบ่อยที่สุด
แบบสำรวจนักพัฒนา Stack Overflow ปี 2026แสดงให้เห็นว่าปัจจุบันการใช้ AI กระจุกตัวอยู่ในด้านใด นักพัฒนาส่วนใหญ่ใช้ AI สร้างโค้ดในสาขาที่ตนคุ้นเคยอยู่แล้ว (67%) และใช้แก้จุดบกพร่อง (61%) ขณะที่มีเพียง 20% ที่ใช้ AI เพื่อนำระบบขึ้นใช้งาน ดูแลระบบ หรือแก้ปัญหาในระบบจริง จนถึงตอนนี้ AI ช่วยเร่งการเขียนโค้ดเป็นหลัก ส่วนการตรวจสอบโค้ดและนำขึ้นสู่ระบบจริงยังคงดำเนินไปในแนวทางเดิมเป็นส่วนใหญ่
สิ่งนี้สอดคล้องกับสิ่งที่ผมพบเห็นเช่นกัน นั่นคือทีมต่าง ๆ ผลิตโค้ดได้มากขึ้นมาก แต่ไม่ได้เผยแพร่ผลงานเร็วขึ้น นักพัฒนาหรือทีมแต่ละทีมอาจรู้สึกว่าตนกำลังสร้างฟีเจอร์ได้มากขึ้นเป็นสองเท่า แต่ฟีเจอร์เหล่านั้นกลับติดค้างอยู่ในขั้นตอนถัดไป ทั้งรอการตรวจทาน รอการทดสอบ และรอสภาพแวดล้อมสำหรับทดสอบ โค้ดส่วนเกินทั้งหมดนี้ทำให้ไปป์ไลน์ติดขัด และในหลายกรณียังทำให้การส่งมอบโดยรวมของทีมช้าลงด้วย
คำถามเรื่องมาตรการป้องกันมาจากผู้จัดการ
แม้ความกังวลเรื่องคอขวดในการส่งมอบที่เกิดจาก AI จะเห็นได้ชัดเจนมาก แต่ก็ไม่ใช่เรื่องเดียวที่ทีมต่าง ๆ ถามเรา นักพัฒนาส่วนใหญ่อยากรู้ว่าจะเขียนโค้ดให้ดีขึ้นและเร็วขึ้นได้อย่างไร ส่วนคำถามเกี่ยวกับมาตรการป้องกันมาจากผู้จัดการฝ่ายวิศวกรรมและผู้ที่วางระบบเวิร์กโฟลว์ซึ่งขับเคลื่อนด้วยเอเจนต์ เราจะแน่ใจได้อย่างไรว่าเอเจนต์จะไม่ทำงานนอกเหนือการควบคุม เราจะรู้ได้อย่างไรว่าพวกมันไม่ได้ทำให้เกิดปัญหาถดถอย หรือแอบละเว้นงานที่ได้รับมอบหมาย เราจะแน่ใจได้อย่างไรว่าการทดสอบที่พวกมันเขียนตรวจสอบสิ่งที่ควรตรวจสอบได้จริง (และตรงตามความเป็นจริงด้วย!)
ผมคิดว่าเป็นเพราะพวกเขากำลังมองคนละมุม นักพัฒนามองคำขอรวมโค้ด (pull request) ทีละรายการ ส่วนผู้จัดการฝ่ายวิศวกรรมต้องรับผิดชอบทุกสิ่งที่เผยแพร่โดยเอเจนต์และบุคลากรจำนวนมาก และยังเป็นคนที่ต้องชี้แจงเมื่อมีบางอย่างผิดพลาดในระบบจริง
และพวกเขาก็มีเหตุผลที่ต้องระมัดระวัง นักวิจัยสร้างชุดทดสอบมาตรฐานชื่อ ImpossibleBench โดยใช้โจทย์เขียนโค้ดที่การทดสอบระดับหน่วยขัดแย้งกับข้อกำหนด ทำให้การโกงเป็นหนทางเดียวที่จะผ่านได้ โมเดลชั้นนำมักทำเช่นนั้นจริง ๆ ตัวอย่างเช่น แก้ไขหรือลบการทดสอบที่ไม่ผ่านแทนที่จะแก้โค้ด (!!) ส่วนอีกงานหนึ่งซึ่งเป็น การศึกษาคำขอรวมโค้ดที่เอเจนต์เป็นผู้เขียนพบช่องโหว่ด้านความสามารถของเอเจนต์ในการทดสอบการเปลี่ยนแปลงของตนเอง และอ้างถึงงานวิจัยก่อนหน้าที่แสดงให้เห็นว่า คำขอรวมโค้ดของเอเจนต์ที่ถูกรวมเข้าไปแล้วเกือบหนึ่งในสามยังต้องแก้ไขเพิ่มเติมหรือปรับโครงสร้างโค้ดในภายหลัง
ข้อสรุปของผมคือ มาตรการป้องกันไม่ควรอยู่แค่ในสภาพแวดล้อมของเอเจนต์เอง และไม่ควรดำเนินการหลังจากนำโค้ดออกเผยแพร่แล้วเท่านั้น หากเอเจนต์ที่เขียนโค้ดเป็นผู้ตัดสินด้วยว่าโค้ดผ่านหรือไม่ ผลการตัดสินนั้นก็แทบไม่ได้บอกอะไรเราเลย นี่ไม่ได้หมายความว่าเอเจนต์ไม่ควรเขียนการทดสอบ แต่หมายความว่าผลตัดสินต้องมาจากแหล่งที่เอเจนต์ปรับเปลี่ยนไม่ได้ การทดสอบต้องเป็นสถานีแยกต่างหากในสายการผลิต ซึ่งทุกการเปลี่ยนแปลงต้องผ่าน ไม่ว่าจะเขียนโดยมนุษย์หรือเอเจนต์
สถานีทดสอบนั้นต้องมีอะไรบ้าง
คำตอบไม่ใช่การทดสอบรูปแบบใหม่เอี่ยม สิ่งที่จำเป็นส่วนใหญ่คือสิ่งที่ทีม QA ที่ดีเรียกร้องมาโดยตลอด เพียงแต่ตอนนี้เรื่องนี้สำคัญยิ่งกว่าเดิม
ต้องตรวจสอบความถูกต้องของการทดสอบเทียบกับข้อกำหนด เช่นเดียวกับโค้ดที่การทดสอบนั้นใช้ตรวจสอบ นอกจากนี้ การทดสอบต้องทำงานในสภาพแวดล้อมเดียวกับที่ซอฟต์แวร์ทำงานด้วย การทดสอบที่ผ่านในแซนด์บ็อกซ์ของเอเจนต์ไม่ได้บอกอะไรมากนักเกี่ยวกับสภาพแวดล้อม staging หรือ production และอาจทำให้มองไม่เห็นว่ามีการจำลอง dependency ใดไว้บ้าง หรือจำลองไว้อย่างไร งานวิจัยล่าสุดที่ศึกษา ไฟล์ทดสอบที่เอเจนต์สร้างขึ้นเกือบ 180,000 ไฟล์ พบว่าเอเจนต์ครอบคลุมกรณีขอบได้มากกว่าการทดสอบที่มนุษย์เขียน แต่การทดสอบของเอเจนต์มีแนวโน้มไม่เสถียรมากกว่า สาเหตุส่วนใหญ่คือเอเจนต์มีความรู้ไม่เพียงพอเกี่ยวกับสภาพแวดล้อมที่จะใช้รันทดสอบ การทดสอบกับโครงสร้างพื้นฐานจริงตั้งแต่เนิ่น ๆ ช่วยตรวจจับปัญหานี้ได้
ต้องเก็บการทดสอบและผลลัพธ์ไว้ หากเอเจนต์เขียนการทดสอบ ก็ควรมีการทดสอบเดิมและผลลัพธ์เป็นบริบท เพื่อให้เรียนรู้ได้ทั้งจากความครอบคลุมของการทดสอบและความเป็นไปได้ที่การทดสอบจะให้ผลไม่เสถียร การทดสอบต้องผ่านการตรวจสอบและจัดการเวอร์ชันเช่นเดียวกับโค้ดอื่น ๆ เพื่อให้รันซ้ำได้เมื่อมีการเปลี่ยนแปลงครั้งถัดไป แทนที่จะหายไปเมื่อสิ้นสุดเซสชัน
ผลการทดสอบที่ผ่านควรมีความหมายเหมือนกัน ไม่ว่าใครจะเป็นผู้ร้องขอ ไม่ว่าจะเป็นไปป์ไลน์ นักพัฒนา หรือเอเจนต์ นั่นหมายถึงใช้การทดสอบชุดเดียวกัน รันบนโครงสร้างพื้นฐานเดียวกัน และจัดเก็บผลลัพธ์ไว้ในที่เดียว
และผู้คนก็ควรยังใช้วิจารณญาณของตนเองต่อไป ฉันยินดีให้เอเจนต์จัดการงานซ้ำ ๆ และงานเชื่อมต่อระบบ แต่การตัดสินใจว่าควรทดสอบอะไร และความล้มเหลวหมายถึงอะไร ยังคงเป็นหน้าที่ของมนุษย์ (อย่างน้อยก็ในตอนนี้…)
เรื่องนี้ยังหมายความด้วยว่า การทดสอบไม่ควรจำกัดอยู่แค่ใน CI/CD (หากจะจำอะไรจากบทความนี้ได้เพียงข้อเดียว ขอให้จำข้อนี้ไว้!) ไปป์ไลน์ CI ออกแบบมาเพื่อสร้างและส่งมอบโค้ด ไม่ได้สร้างมาเพื่อรันการทดสอบอัตโนมัติในวงกว้าง เมื่อเราปรับไปใช้วงจรการพัฒนาซอฟต์แวร์แบบเอเจนต์ (agentic SDLC) และปริมาณโค้ดยังคงเพิ่มขึ้น CI ก็ยิ่งไม่เหมาะกับการรันทดสอบมากขึ้น การทดสอบควรเป็นองค์ประกอบสำคัญของกระบวนการส่งมอบซอฟต์แวร์ แทนที่จะเป็นขั้นตอนที่พ่วงไว้ท้ายไปป์ไลน์ นั่นหมายถึงการประสานการทดสอบให้เป็นระบบของตัวเอง ครอบคลุมทุกเครื่องมือและทุกสภาพแวดล้อมที่ทีมใช้ โดยไม่ขึ้นอยู่กับว่าใครเป็นผู้ดำเนินการ ไม่ว่าจะเป็นเอเจนต์หรือมนุษย์
เริ่มต้นตรงไหน
ทีมส่วนใหญ่มีการทดสอบที่เชื่อถือได้อยู่แล้วใน Playwright, Cypress, k6, Postman หรือเครื่องมืออื่นที่เลือกใช้เป็นมาตรฐาน ซึ่งเป็นจุดเริ่มต้นที่ดี ฉันมีข้อเสนอแนะอยู่สองสามข้อ:
- วางภาพให้เห็นว่าปัจจุบันการเปลี่ยนแปลงหนึ่ง ๆ เดินทางจากพรอมป์ต์ไปจนถึง production อย่างไร แล้วทำเครื่องหมายทุกจุดที่มีการทดสอบ หากมีเพียงจุดเดียวและอยู่เกือบปลายทาง ฉันจะเริ่มจากตรงนั้น
- ระมัดระวังอย่าปล่อยให้เอเจนต์แก้ไขการทดสอบเดิมโดยไม่ให้ใครสังเกตเห็น นักวิจัยจาก ImpossibleBench พบว่าการจำกัดการเข้าถึงการทดสอบของเอเจนต์ช่วยลดการโกงได้ เมื่อเอเจนต์จำเป็นต้องแก้ไขการทดสอบ การเปลี่ยนแปลงนั้นควรส่งมาเป็น pull request ให้บุคคลตรวจสอบ เช่นเดียวกับโค้ดอื่น ๆ
- รันการทดสอบในสภาพแวดล้อมทดสอบ (ควรเป็นสภาพแวดล้อมจริง) แทนแซนด์บ็อกซ์ของเอเจนต์ โดยเริ่มให้เร็วที่สุด แม้จะเป็นเพียงชุดทดสอบควันขนาดเล็กที่รันกับ staging สำหรับการเปลี่ยนแปลงทุกครั้งที่เอเจนต์สร้างขึ้นก็ตาม หากใช้ AI เขียนการทดสอบ อย่ายอมรับการทดสอบนั้นจนกว่าจะได้รันในสภาพแวดล้อมดังกล่าว
- รวบรวมผลการทดสอบไว้ในระนาบควบคุมเดียว ไม่ว่าจะเป็นเครื่องมือรายงานผล โซลูชัน APM หรือแพลตฟอร์มทดสอบโดยเฉพาะ และตรวจสอบให้แน่ใจว่าทั้งมนุษย์และเอเจนต์เข้าถึงผลลัพธ์เหล่านี้ได้
- วัดผลการส่งมอบแทนการวัดกิจกรรม จำนวน pull request แทบไม่บอกอะไรเลย ตัวชี้วัดการส่งมอบของ DORA เช่น ระยะเวลาตั้งแต่เริ่มพัฒนาจนส่งมอบการเปลี่ยนแปลง และอัตราความล้มเหลวของการเปลี่ยนแปลง บอกได้มากกว่ามากว่า AI ช่วยได้หรือไม่
- ให้เอเจนต์ใช้โครงสร้างพื้นฐานสำหรับการทดสอบชุดเดียวกับที่บุคลากรของคุณใช้ เพื่อให้ผลงานของเอเจนต์ได้รับการตรวจสอบตามมาตรฐานเดียวกัน
มองในแง่ดี แต่มีเงื่อนไข
ฉันเป็นคนมองโลกในแง่ดีเมื่อพูดถึง AI และคิดว่า AI จะช่วยเพิ่มขีดความสามารถให้ทีมซอฟต์แวร์ได้อย่างมาก และท้ายที่สุดก็ทำให้ทำงานได้อย่างมีประสิทธิผลยิ่งขึ้น แต่หากต้องการไปถึงจุดนั้น ทีมต้องเชื่อมั่นในผลงานที่เอเจนต์สร้างขึ้นมากพอที่จะนำไปใช้งานจริง และต้องใช้แนวทางการทดสอบแบบองค์รวมในวงจรการพัฒนาซอฟต์แวร์แบบเอเจนต์ (agentic SDLC) ซึ่งเป็นจุดที่ความเชื่อมั่นนั้นจะก่อตัวขึ้นหรือสูญสลายไป
หากคุณกำลังมุ่งสู่การใช้วงจรการพัฒนาซอฟต์แวร์แบบเอเจนต์ (agentic SDLC) ปัจจุบันการทดสอบมีบทบาทอยู่ตรงไหนในกระบวนการนี้?












