หาก AI มีตั้งแต่แรก: รหัสที่ถูกกว่าไม่ได้ทำให้ตัดสินใจว่าจะสร้างอะไรได้ง่ายขึ้น

สำหรับประวัติศาสตร์ของซอฟต์แวร์ส่วนใหญ่ สิ่งที่มีค่าใช้จ่ายสูงคือการสร้างมัน ทีมงานใช้เวลาสองสามเดือนในการเปลี่ยนความคิดเห็นให้เป็นโค้ดที่ทำงานได้ และการขาดแคลนนี้ได้กำหนดทุกอย่างเกี่ยวกับวิธีการจัดระเบียบการทำงาน

แผนการเดินทางได้รับการจัดลำดับความสำคัญตามความสามารถด้านวิศวกรรมที่มีอยู่ ผู้จัดการผลิตภัณฑ์ใช้เวลาสัปดาห์ในการแปลคำขอทางธุรกิจที่คลุมเครือให้เป็นสิ่งที่นักพัฒนาสามารถดำเนินการได้ การเขียนซอฟต์แวร์คือจุดอุดตัน และเป็นที่ที่มีอำนาจอยู่

สิ่งนี้ไม่เป็นความจริงอีกต่อไป และการเปลี่ยนแปลงเกิดขึ้นเร็วกว่าที่ผู้นำด้านวิศวกรรมส่วนใหญ่มีเวลาที่จะย่อยได้

เครื่องมือ AI สำหรับการเขียนโค้ดได้ลดค่าใช้จ่ายในการนำไปใช้ งานที่ใช้เวลาหลายสัปดาห์สำหรับทีมวิศวกรที่จะทำตอนนี้ใช้เวลาเพียงไม่กี่ชั่วโมงสำหรับตัวแทน และสมมติฐานที่ชัดเจนคือการสร้างที่เร็วกว่าจะแปลเป็นค่าที่ส่งมอบเร็วกว่า

สิ่งที่เกิดขึ้นจริงอย่างไรก็ตาม มันซับซ้อนกว่านั้น: ทีมสามารถผลิตซอฟต์แวร์ได้มากกว่าที่พวกเขารู้ว่าจะทำอะไรด้วย และสิ่งที่ชะลอพวกเขาได้เปลี่ยนไปอย่างเงียบๆ

“คุณไม่สามารถใช้ AI กับกระบวนการที่เสียหายในตอนแรก” เปาโล กัมบา หัวหน้าฝ่ายเทคโนโลยีของ intive กล่าว “มันเหมือนกับการให้เครื่องมือที่เร็วกว่าให้กับคนงาน เขาจะทำงานเร็วกว่า แต่ในทิศทางที่ผิด”

การดำเนินการเร็วขึ้น แต่ข้อจำกัดเดิม

ทุกการเปลี่ยนแปลงที่สำคัญในเทคโนโลยี – อินเทอร์เน็ต คลาวด์ และการออฟชอริ่ง – ติดตามรูปแบบที่เหมือนกัน สิ่งที่เคยแพงมากกลายเป็นราคาถูกเกือบจะคืนข้ามคืน และทุกสิ่งที่บริษัทสร้างขึ้นโดยอาศัยค่าใช้จ่ายนั้นจะต้องถูกทำลายและสร้างใหม่

ครั้งนี้ สิ่งที่ถูกที่ได้รับการเปลี่ยนแปลงคือความฉลาดทางเทคนิคที่ใช้ได้ ซึ่งเกิดขึ้นเพื่อเป็นสิ่งที่บริษัทให้บริการและทีมวิศวกรรมใช้เวลาสองสามทศวรรษในการเรียกเก็บเงิน Gamba กล่าว

การดำเนินการเร็วขึ้นไม่ได้ทำให้ข้อจำกัดหายไป แต่แค่เปลี่ยนไปที่อื่น จุดอุดตันการเขียนโค้ดตัวอย่างเช่น ในการย้ายขึ้นกระแสได้เร่งการนำไปใช้ แต่สิ่งกีดขวางตอนนี้อยู่ที่การตรวจสอบโค้ด การตรวจสอบโค้ดอัตโนมัติและจะปรากฏในกระบวนการทดสอบและการใช้งาน; การใช้งานอัตโนมัตินั้นและในที่สุดก็ลงเอยด้วยการเขียนข้อกำหนดที่ตัวแทนกำลังทำงานจาก

เพราะตัวแทนสามารถสร้างได้เฉพาะสิ่งที่อธิบายอย่างชัดเจนเพียงพอในการดำเนินการโดยไม่ต้องเดา

นั่นคือการหลอกลวงที่ทีมงานหลายทีมกำลังเดินอยู่ในขณะนี้ โดยไม่สังเกตเห็น หากคุณสามารถสร้างเกือบทุกอย่างในเวลาที่ใช้ในการเขียนโค้ดด้วยมือ ค่าใช้จ่ายในการสร้างสิ่งที่ไม่ถูกต้องจะเพิ่มขึ้น ไม่ใช่ลดลง เนื่องจากคุณจะพบว่าคุณผิดเร็วขึ้นและมีบางสิ่งที่จัดส่งแล้ว

สมมติฐานที่เคยปรากฏช้าๆ ในช่วงหลายสัปดาห์ของการเขียนโค้ดด้วยมือสามารถกลายเป็นโครงสร้างพื้นฐานที่มีน้ำหนักได้ก่อนที่ใครจะคิดที่จะถามคำถาม Prioritization ไม่ใช่ผลผลิตที่ดิบที่ตัดสินว่าการลงทุน AI จ่ายเงินให้ตัวเองหรือไม่

ในแบบจำลองนี้ Gamba เชื่อว่าบริษัทควรติดตามไม่ใช่ความเร็วในการพัฒนา แต่รอบการทำงานเต็มรูปแบบตั้งแต่ความตั้งใจไปจนถึงการผลิต “หากคุณปรับปรุงความเร็วในการพัฒนา แต่ QA คือจุดอุดตันของคุณ คุณได้เพิ่งเข้าถึง QA ได้เร็วขึ้น จากนั้นคุณแก้ไข QA และจุดอุดตันจะย้ายไปที่ข้อกำหนด” เขากล่าว

ตัวเลขยังสนับสนุนเขา เช่นกัน องค์กร Fortune 50 ที่ใช้การพัฒนาที่ได้รับการสนับสนุนจาก AI กำลังจัดส่ง Commits 3-4 เท่าเร็วกว่าเพื่อนร่วมงานของพวกเขา ตามการวิจัยจาก Cloud Security Alliance แต่การแนะนำการค้นหาด้านความปลอดภัยใหม่ๆ ในอัตราที่สูงกว่า 10 เท่า

ความเร็วโดยไม่มีจุดหมายที่ชัดเจนในกรณีนี้ไม่เพียงแต่ทำให้เสียเวลาเท่านั้น แต่ยังเพิ่มความเสี่ยงเร็วกว่าที่ทีมด้านความปลอดภัยส่วนใหญ่สามารถรักษาตามได้

การนำข้อกำหนดเข้าสู่ภาษาที่ AI สามารถใช้ประโยชน์ได้

หากคำจำกัดความคือที่ที่ข้อจำกัดอยู่จริงๆ วิธีแก้ไม่ใช่เอกสารเพิ่มเติม มันคือเอกสารที่แตกต่างที่เขียนในรูปแบบที่ระบบ AI สามารถดำเนินการได้โดยไม่ต้องเติมช่องว่างด้วยตนเอง

หมายความว่าการเกษียณเอกสารข้อกำหนดที่เขียนสำหรับการตีความของมนุษย์ด้วยการวินิจฉัยและแทนที่ด้วยเกณฑ์การยอมรับแบบโครงสร้าง โมเดลโดเมนแบบชัดเจน และการทดสอบสัญญาที่ระบุว่าฟีเจอร์ไม่ควรทำอะไรได้อย่างชัดเจนเช่นเดียวกับสิ่งที่ควรทำ

ตัวแทนเติมช่องว่างความไม่แน่นอนเหมือนกับวิศวกรจูเนียร์ แต่สิ่งที่แตกต่างกันคือการเดาของวิศวกรจูเนียร์มาพร้อมกับความลังเล การเตือนให้กับเพื่อนร่วมงานอาวุโส และความรู้สึกว่าบางสิ่งอาจผิดพลาด

การเดาของตัวแทนไม่แสดงอย่างนั้น มันปรากฏเป็นโค้ดที่เรียบร้อยและสมบูรณ์ และไม่มีการเตือนใดๆ เลย แม้ว่ามันจะผิดก็ตาม

การเขียนสเปคที่แม่นยำพอที่จะรอดช่องว่างนี้เริ่มรู้สึกน้อยกว่าการเขียนคำอธิบายผลิตภัณฑ์ และมากกว่าการเขียนสัญญา คุณต้องระบุผู้กระทำทุกคน แผนที่การเปลี่ยนแปลงสถานะที่ระบบได้รับอนุญาตให้ทำ และคำนึงถึงกรณีแปลกๆ แทนที่จะปล่อยให้พวกมันอยู่ในเส้นทางที่ดี

ทีมที่รักษาสิ่งนี้ให้เป็นงานเอกสารเรียนรู้ว่าเจตนาไม่ชัดเจนเพียงใดก็จะส่งผลให้ซอฟต์แวร์ที่ไม่ชัดเจนได้เร็ว

ทีมที่จับผลผลิตได้จริงๆ คือทีมที่รักษาสิ่งนี้ให้เป็นวิศวกรรมศาสตร์ โดยมีการควบคุมแบบเดียวกัน รอบการตรวจสอบ และความเข้มงวดในการทดสอบที่เคยสงวนไว้สำหรับโค้ดตัวเอง

ในคำพูดของ Gamba AI-พื้นเมืองไม่ใช่การอนุญาตให้ข้ามกระบวนการ แต่เป็นการเรียกร้องให้ออกแบบใหม่ตั้งแต่เริ่มต้น “หลายองค์กรพยายามใช้ AI กับกระบวนการเก่าๆ นั่นไม่ใช่การเปลี่ยนแปลง AI-พื้นเมืองเริ่มต้นด้วยคำถามที่แตกต่าง: หาก AI มีตั้งแต่แรก เราจะออกแบบกระบวนการนี้อย่างไรวันนี้?”

ผู้จัดการ Backlog ผู้ดูแลเจตนา

ผลิตภัณฑ์ สถาปัตยกรรม และวิศวกรรมเคยทำงานเป็นสามหน้าที่ที่แยกจากกันพร้อมกับการส่งมอบที่สะอาดระหว่างพวกมัน: ผลิตภัณฑ์ตัดสินใจว่าจะสร้างอะไร สถาปัตยกรรมตัดสินใจว่าจะสร้างอย่างไร วิศวกรรมจัดส่ง

เมื่อการนำไปใช้เร็วและราคาถูก การส่งมอบเหล่านั้นกลายเป็นส่วนช้าที่สุดของห่วงโซ่ทั้งหมด สิ่งที่สำคัญที่นี่คือใครก็ตามที่สามารถถือภาพทั้งหมดได้ แปลเจตนาให้เป็นสิ่งที่ตัวแทนสามารถดำเนินการได้ และจับสมมติฐานที่ไม่ดีก่อนที่จะกลายเป็นโค้ดที่จัดส่งแล้วที่ไม่ใครต้องการ

การออกแบบใหม่นี้กำลังกำหนดรูปร่างของใครที่จะกำหนดสิ่งนั้น และงานนั้นเป็นอย่างไร

“คิดถึงสิ่งที่เกิดขึ้นกับบทบาทวิศวกรซอฟต์แวร์ พวกเขาไม่ได้เขียนโค้ดเพียงอย่างเดียว พวกเขากำกับผลลัพธ์ของตัวแทน การกำหนดสเปค การเตรียมการทดสอบ การตรวจสอบผลลัพธ์ นั่นคือการรวมสิ่งที่เคยเป็นสามบทบาทที่แยกจากกัน” Gamba กล่าว

ในอีกคำพูดหนึ่ง สิ่งที่มีคุณค่าไม่ใช่การรู้วิธีเขียนตั๋วหรือการวิ่งสปรินต์ มันคือการรู้ว่า “ดี” มีลักษณะอย่างไรก่อนที่งานจะเริ่ม และสามารถบอกความแตกต่างระหว่างสิ่งที่น่าสนใจทางปัญญากับสิ่งที่ลูกค้าต้องการจริงๆ และมีความกล้าในการฆ่าความคิดเร็วเมื่อมันไม่ผ่านมาตรฐานนั้น

การเรียกใช้การตัดสินใจเหล่านั้นเคยกระจายไปทั่วผู้จัดการผลิตภัณฑ์ สถาปนิก และผู้นำด้านเทคนิคที่กำลังเปรียบเทียบบันทึกย่อ แต่การเรียกใช้การตัดสินใจเหล่านั้นกำลังลงเอยด้วยใครก็ตามที่ใกล้เคียงที่สุดในการกำหนดงานในตอนแรก

และยังต้องจำไว้ว่า: ไม่มีสิ่งเหล่านี้ที่ทำให้ตำแหน่งงานหายไป แต่เส้นแบ่งระหว่างพวกมันกำลังยากที่จะป้องกัน ในขณะที่คนที่กำลังอยู่ในความคลุมเครือเหล่านั้นกำลังทำได้ดี

การดำเนินการเร็วโดยไม่มีเครื่องมือป้องกันไม่ใช่ชัยชนะ

มีความเสี่ยงอยู่ที่สามารถสูญเสียไปได้ง่ายๆ เมื่อเจตนาเป็นไปตามนั้น และการผลิต AI เป็นจริง: การดำเนินการเร็วและเจตนาเด่นชัดสามารถนำไปสู่ความล้มเหลวที่กระบวนการช้าที่มีการมีส่วนร่วมของมนุษย์จะจับได้โดยบังเอิญ

ตัวเลขที่นี่ไม่ใกล้เคียงกัน การทดสอบของ Veracode ในช่วงฤดูใบไม้ผลิ 2026 ในรุ่นที่นำมาใช้พบว่าเพียง 55% ของงานสร้างโค้ดผลิตผลลัพธ์ที่ปลอดภัยเมื่อไม่มีการให้คำแนะนำด้านความปลอดภัยอย่างชัดเจน ตัวเลขที่แทบจะไม่เปลี่ยนแปลงเลยในช่วงสองปี แม้ว่าความแม่นยำทางหน้าที่จะกระโดดขึ้นอย่างมาก

การได้รับไวยากรณ์ถูกต้องหยุดเป็นสิ่งที่ยากที่จะทำได้มาเป็นเวลานาน การตัดสินใจที่วิศวกรใช้ทำตามสัญชาตญาณในขณะที่พิมพ์เกี่ยวกับความปลอดภัย การปฏิบัติตามกฎระเบียบ และข้อมูลใดที่ควรและไม่ควรสัมผัสกับระบบใดๆ เป็นสิ่งที่ยากที่จะแทนที่

สิ่งนี้หมายความว่าความเข้มงวดที่ใช้ในการกำหนดว่าจะสร้างอะไรจะต้องขยายไปสู่การกำหนดสิ่งที่ไม่ได้รับอนุญาต เช่น ขอบเขตการปฏิบัติตามกฎระเบียบ กฎการรับมือกับข้อมูล และข้อจำกัดด้านจริยธรรมที่ระบุไว้ด้วยความระมัดระวังเช่นเดียวกับข้อกำหนดทางหน้าที่

การปล่อยให้พวกมันไม่ชัดเจนและหวังว่าตัวแทนจะอนุมานได้อย่างถูกต้องเป็นข้อผิดพลาดเดียวกับการปล่อยให้ข้อกำหนดผลิตภัณฑ์ไม่ชัดเจนและหวังว่าการสร้างจะออกมาได้ดี

สิ่งที่ผู้นำดูเหมือน

ไม่มีสิ่งใดที่โต้แย้งกับการพัฒนาที่เร่งด้วย AI การสร้างไม่เคยเร็วหรือราคาถูกมาก่อน และไม่มีการนำสิ่งนั้นกลับเข้าไปในขวด

แต่สิ่งที่ไม่ได้กลายเป็นเรื่องง่าย และอาจจะยากกว่านี้ คือการตัดสินใจว่าจะสร้างอะไรที่มีความแม่นยำจริงๆ อธิบายมันให้เพียงพอสำหรับเครื่องจักรที่จะดำเนินการได้ และวาดเส้นที่ไม่ได้รับอนุญาตให้ทำระหว่างนั้น

ในระดับองค์กร ทีมที่ดึงหนึ่งไม่ใช่คนที่มีตัวแทนเขียนโค้ดเร็วที่สุด สิ่งนั้นชัดเจน มันคือคนที่ทำงานออกว่าคำจำกัดความเป็นปัญหาที่ยากกว่า – และเริ่มรักษามันเหมือนกัน