ผู้นำทางความคิด
กับดักของการหยุดพัฒนา

ประเด็นสำคัญมาตรฐานการแข่งขันในด้านความเร็วทางวิศวกรรมกำลังสูงขึ้นด้วย AI…
ดูเพิ่มเติม
- มาตรฐานการแข่งขันในด้านความเร็วทางวิศวกรรมกำลังสูงขึ้นด้วย AI ทำให้การเพิ่มประสิทธิภาพในปัจจุบันยังไม่เพียงพอ
- ทีมวิศวกรรมกำลังแบ่งออกเป็นกลุ่มที่ปรับตัวต่อ AI อย่างต่อเนื่องกับกลุ่มที่หยุดนิ่ง ส่งผลให้เกิดช่องว่างด้านประสิทธิภาพเชิงโครงสร้าง
- ผู้นำต้องยกระดับความสามารถการปรับตัวของทีมทั้งทีมผ่านการเปลี่ยนแปลงสภาพแวดล้อม ไม่ใช่แค่การสั่งการรายบุคคล
เมื่อเร็วๆ นี้ ฉัน เขียนเรื่องความเหนื่อยล้าจาก AI โดยเสนอว่าสิ่งที่วิศวกรกำลังประสบไม่ใช่ภาวะเรื้อรัง แต่เป็นอาการปวดกล้ามเนื้อจากการฝึก จงผ่านมันไป ปรับตัว และกลับมาแข็งแกร่งขึ้น
แนวคิดนั้นฟังดูสมเหตุสมผล แต่เรื่องนี้ยังมีอีกด้านที่กำลังชัดเจนขึ้นอย่างรวดเร็ว ความเสี่ยงแท้จริงที่ทีมวิศวกรรมเผชิญอยู่ตอนนี้ไม่ใช่ภาวะหมดไฟ แต่คือการพัฒนาที่หยุดนิ่ง
การแบ่งกลุ่มครั้งใหม่
ทุกวันนี้วิศวกรอาวุโสแทบทุกคนใช้ AI ไม่ว่าจะเป็น Copilot, Claude, Cursor, Codex หรือเครื่องมืออื่นๆ เรื่องนั้นไม่ใช่ประเด็นแล้ว หากคุณนำองค์กรวิศวกรรม คุณอาจเห็นตัวเลขการใช้งานที่แพร่หลายและรู้สึกพอใจ
แต่คุณไม่ควรพอใจเพียงเท่านั้น
ตัวเลขการนำมาใช้ไม่ได้มีความหมาย สิ่งสำคัญคือการแบ่งกลุ่มที่เกิดขึ้นเบื้องหลัง ทีมของคุณกำลังแยกเป็นสองกลุ่มอย่างเงียบๆ กลุ่มหนึ่งได้ผลผลิตเพิ่มขึ้นแล้วพอใจอยู่แค่นั้น อีกกลุ่มยังผลักดันตัวเองทุกสัปดาห์ ด้วยขั้นตอนการทำงานใหม่ การตั้งค่าเอเจนต์ใหม่ และวิธีแยกปัญหาให้ AI จัดการแบบใหม่
ทั้งสองกลุ่มปรากฏในแดชบอร์ดว่าเป็น “ผู้ใช้ AI” แต่กลุ่มหนึ่งอยู่ในโปรแกรมฝึกที่เพิ่มความหนักขึ้นเรื่อยๆ ส่วนอีกกลุ่มหยุดที่น้ำหนักแรกที่รู้สึกสบาย
หกเดือนก่อน ความแตกต่างระหว่างสองกลุ่มนี้แทบมองไม่เห็น ตอนนี้ใครที่ติดตามก็เห็นได้ชัด และอีกหกเดือนข้างหน้า มันจะกลายเป็นความแตกต่างเชิงโครงสร้าง
การพัฒนาที่หยุดนิ่งมีหน้าตาอย่างไร
วิศวกรที่พัฒนาจนหยุดนิ่งไม่ได้ทำอะไรผิดในความหมายเดิม เขามีความสามารถและส่งมอบงาน ใช้เอเจนต์ทำงานง่ายๆ แล้วแก้ไขสิ่งที่มันทิ้งไว้ เขาอาจมีผลิตภาพเพิ่มขึ้น 20–30% แล้วคิดว่าเพียงพอแล้ว
ปัญหาคือวิศวกรข้างๆ ไม่ได้หยุดอยู่ตรงนั้น ตอนนี้คนนั้นใช้ขั้นตอนการทำงานที่มีหลายเอเจนต์ ปรับปรุงวงจรตรวจสอบ แบ่งฟีเจอร์ทั้งฟีเจอร์เป็นส่วนที่ AI ทำได้ ทบทวนในระดับสถาปัตยกรรมแทนการไล่ทีละบรรทัด และส่งมอบงานเร็วกว่าเดิม 2–3 เท่า ไม่ใช่เพราะมีพรสวรรค์กว่า แต่เพราะเขาฝึกต่อในขณะที่คนอื่นหยุดพักหนึ่งวัน ซึ่งยืดกลายเป็นการพักทั้งไตรมาส
นี่ไม่ใช่เรื่องความกระตือรือร้นต่อ AI หรือการเป็นผู้ใช้กลุ่มแรก ยุคเริ่มนำมาใช้ผ่านไปแล้ว ประเด็นคือการปรับตัวอย่างต่อเนื่องเทียบกับการปรับเพียงครั้งเดียว ความแตกต่างที่สะสมระหว่างสองแนวทางนี้กำลังกลายเป็นสิ่งที่ไม่อาจมองข้าม
แรงกดดันการแข่งขันเกิดขึ้นจริงและเร่งตัว
หากทีมของคุณมีโอกาสปรับตัวตามกำหนดเวลาของตนเองได้อย่างสบายๆ ปัญหาการหยุดพัฒนาคงเป็นเพียงเรื่องบริหารผลงาน น่ารำคาญแต่จัดการได้
แต่เมื่อมองภาพรวมของอุตสาหกรรมซอฟต์แวร์ คุณน่าจะไม่มีโอกาสเช่นนั้น
อุตสาหกรรมซอฟต์แวร์ส่วนใหญ่เกิดขึ้นเพื่อช่วยมนุษย์ทำงานดิจิทัล เช่น ช่วยเจ้าหน้าที่สนับสนุนเห็นเรื่องที่เข้ามา ติดตามคำตอบที่ส่งให้ลูกค้า และจัดการขั้นตอนการทำงาน ตอนนี้เอเจนต์ AI กำลังเข้ามาแทนที่ทั้งกระบวนการ และสั่นคลอนแพลตฟอร์ม SaaS ที่รองรับอยู่ด้วย ยิ่ง AI มีความสามารถเพิ่มขึ้นทุกวัน ลูกค้าก็เริ่มถามว่า “เรายังต้องซื้อสิ่งนี้หรือเปล่า หรือสร้างเองได้แล้ว?” AI เริ่มลดกำแพงระหว่าง “ซื้อ” กับ “สร้าง” ในการใช้งานที่หลากหลายขึ้น ความสามารถของผลิตภัณฑ์ในการรักษาลูกค้าไว้ ซึ่งเคยคุ้มครองรายได้ของคุณ กำลังอ่อนลงทุกไตรมาส
วิศวกรที่หยุดพัฒนาของคุณทำงานด้วยความเร็วที่เหมาะกับสภาพการแข่งขันซึ่งไม่มีอยู่อีกแล้ว
คำพูดที่เปลี่ยนมุมมองของฉัน
ตอนนี้ฉันได้ยินคำพูดนี้มากกว่าหนึ่งครั้ง จากผู้จัดการผลิตภัณฑ์ที่ลงมือสร้างฟีเจอร์ด้วยการเขียนโค้ดร่วมกับ AI แบบ “vibe coding” และจากผู้นำวิศวกรรมที่ออกแบบสถาปัตยกรรมที่มีปัญหาใหม่ ในบริษัทและบริบทที่แตกต่างกัน:
“สำหรับฉัน การค่อยๆ ปรับปรุงสิ่งนี้กับเอเจนต์ของตัวเองง่ายกว่าการทำกับวิศวกรคนนั้น”
ครั้งแรกฉันคิดว่าเป็นการพูดเกินจริง พอได้ยินครั้งที่สาม ฉันจึงเข้าใจว่ามันเป็นสัญญาณล่วงหน้า
ในมุมมองของฉัน มีวิศวกรที่จะเติบโตในโลกใหม่นี้และเพิ่มพลังความสามารถของ AI เป็นทวีคูณ การทำเช่นนั้นต้องแข็งแกร่งในสองด้าน ซึ่งทั้งสองด้านพัฒนาได้ด้วยตนเอง หากมีแรงจูงใจภายในและความใฝ่รู้ทางปัญญามากพอ:
- พวกเขาเข้าใจตรงกันกับผู้มีส่วนได้ส่วนเสีย เช่น ผู้จัดการผลิตภัณฑ์และผู้จัดการวิศวกรรม รู้ว่าผลลัพธ์ที่ดีควรเป็นอย่างไร จึงไม่ต้องอธิบายมากเกินไป เพราะหากพวกเขาเข้าใจผิดมากพอๆ กับเอเจนต์เขียนโค้ด เอเจนต์จะชนะการเปรียบเทียบนั้นเสมอ มันพร้อมใช้งานทันที ตลอด 24 ชั่วโมงทุกวัน และไม่เหน็ดเหนื่อย
- พวกเขาปรับปรุงการตั้งค่าและสภาพแวดล้อม AI อยู่เสมอ เมื่อมอบงานให้ คุณจึงรู้ว่างานจะเสร็จไม่ใช่แค่ดีตามข้อก่อนหน้า แต่ยังเร็วพอที่จะตามจังหวะตลาดใหม่ได้ทัน
ทำไมเรื่องนี้เป็นปัญหาของผู้นำ ไม่ใช่แค่ปัจเจกบุคคล
การมองเรื่องนี้เป็นความรับผิดชอบของวิศวกรแต่ละคนชวนให้คล้อยตามได้ง่ายว่า “ตามให้ทัน ไม่อย่างนั้นก็ถูกทิ้งไว้ข้างหลัง” แต่ถ้าคุณนำองค์กรวิศวกรรม กรอบคิดแบบนั้นก็ปล่อยให้คุณพ้นความรับผิดชอบ
วิศวกรของคุณไม่ได้หยุดพัฒนาโดยไม่เกี่ยวกับสภาพแวดล้อม พวกเขาหยุดเพราะไม่มีสิ่งใดผลักให้ก้าวพ้นการปรับตัวช่วงแรก ได้ผลผลิตเพิ่มในระดับที่ดูสมเหตุสมผล ไม่มีใครท้าทายให้ไปต่อ แล้วความเคยชินก็จัดการส่วนที่เหลือ
ส่วนคนที่ก้าวต่อไปล่ะ? ส่วนใหญ่มีแรงจูงใจในตัวเองและจะก้าวต่อไม่ว่าจะอย่างไร แต่คุณไม่สามารถจัดคนทั้งองค์กรให้มีแต่ผู้บุกเบิกที่มีแรงจูงใจภายใน คำถามของผู้นำคือจะทำให้กลุ่มกลางของทีมขยับไปได้อย่างไร
นี่คือปัญหาการบริหารการเปลี่ยนแปลง กรอบหนึ่งที่ฉันชอบมาจากหนังสือของพี่น้อง Heath ชื่อ Switch โดยสรุป คุณต้องให้ทิศทางที่ชัดเจน ทำให้คนรู้สึกว่าทำไมเรื่องนี้สำคัญ และปรับสภาพแวดล้อมให้พฤติกรรมใหม่เป็นทางที่มีแรงต้านน้อยที่สุด เมื่อนำมาใช้กับทีมวิศวกรรมจะเป็นดังนี้:
ค้นหาตัวอย่างที่ได้ผลและทำให้คนเห็น ระบุวิศวกรที่พัฒนาขั้นตอนการทำงาน AI ไปได้ไกลที่สุด แล้วให้สาธิตต่อทีมเป็นประจำ ไม่ใช่การอบรม แต่เป็นการแสดงงานจริงให้ดูสดๆ เมื่อกลุ่มกลางเห็นความแตกต่างระหว่างวิธีทำงานของตนกับของคนที่ปรับตัวได้ดีที่สุด จะเกิดความอึดอัดที่กระตุ้นการพัฒนา ซึ่งไม่มีคำสั่งบังคับใดเทียบได้
- ทำให้การเปลี่ยนแปลงเล็กลง “นำ AI มาใช้” เป็นนามธรรมเกินกว่าจะลงมือทำ ในสปรินต์นี้ทำให้การทดสอบด้วยเอเจนต์ตั้งแต่ต้นจนจบได้ผลดี แล้วสปรินต์หน้าจึงขยายไปทั่วองค์กร และทำต่อเป็นขั้นๆ ขั้นตอนที่ชัดเจนและจัดการได้ชนะโครงการเปลี่ยนผ่านอันทะเยอทะยานเสมอ และความสำเร็จเล็กๆ ก็สำคัญ
- ปรับวิธีปฏิบัติที่เป็นค่าเริ่มต้น กำหนดกระบวนการตรวจสอบไว้ในชุดทักษะ AI หรือ AI skills และให้แน่ใจว่านำไปใช้ทั่วทั้งทีมและในเอเจนต์ทั้งหมด กำหนดขั้นตอนการทำงานและใช้เครื่องมือที่รองรับ ทำให้วิธีทำงานใหม่เป็นทางที่มีแรงต้านน้อยที่สุด คนจึงค่อยๆ เคลื่อนไปทางนั้น แทนที่จะต้องดิ้นรนเพื่อไปให้ถึง
ช่วงเวลาที่เปิดโอกาสกำลังปิดลง
นี่คือส่วนที่ทำให้เรื่องนี้เร่งด่วน ไม่ใช่แค่สำคัญ
ขณะนี้ช่องว่างในการปรับตัวคือความแตกต่างด้านผลงาน วิศวกรที่หยุดพัฒนาช้ากว่าคนที่ปรับตัวแล้ว แต่ยังสร้างผลงานและมีส่วนช่วย คุณยังแบกรับพวกเขาไว้ได้
ช่วงเวลานั้นกำลังปิดลง เมื่อความสามารถ AI พัฒนาเร็วขึ้นและแรงกดดันการแข่งขันสะสม ความเร็วขั้นต่ำที่งานวิศวกรรมต้องทำให้ได้ก็สูงขึ้น วิศวกรที่ “ดีพอ” วันนี้ไม่ได้รับประกันว่าจะดีพอในไตรมาสหน้า ไม่ใช่เพราะเขาแย่ลง แต่เพราะเกณฑ์ขั้นต่ำสูงขึ้น
องค์กรที่รู้วิธีพาทั้งทีมขึ้นไปตามเส้นการปรับตัว ไม่ใช่แค่ผู้ใช้กลุ่มแรก จะมีข้อได้เปรียบเชิงโครงสร้างที่สะสมเพิ่มขึ้น ส่วนองค์กรที่ไม่ทำจะพบว่าจัดคนไว้สำหรับจังหวะการแข่งขันที่ไม่มีอยู่อีกแล้ว
ผู้นำวิศวกรรมทุกคนที่ฉันพูดด้วยเข้าใจเรื่องนี้ในเชิงความคิด แต่มีน้อยมากที่เปลี่ยนวิธีบริหารทีมเพื่อตอบสนอง ช่องว่างระหว่างความเข้าใจกับการลงมือทำก็เป็นการหยุดนิ่งอีกรูปแบบหนึ่ง
ไม่มีจังหวะที่สบาย
ในบทความเรื่องความเหนื่อยล้าจาก AI ฉันเสนอว่าอาการปวดกล้ามเนื้อเป็นหลักฐานว่าการฝึกได้ผล นั่นยังจริงอยู่ แต่ความจริงถัดไปยากกว่าเดิม: น้ำหนักเพิ่มขึ้นไม่หยุด
ในยิมปกติ คุณเลือกน้ำหนักที่สบายและคงไว้ตลอดไปได้ ไม่มีใครเพิ่มแผ่นน้ำหนักลงบนบาร์โดยไม่ถาม แต่ในโลกซอฟต์แวร์ปัจจุบัน ทุกโมเดลใหม่ ทุกความสามารถใหม่ของเอเจนต์ และทุกขั้นตอนการทำงานที่ใครคิดขึ้นแล้วแบ่งปัน ทำให้บาร์ขยับ หากยืนนิ่ง ในที่สุดน้ำหนักจะกดคุณไว้
อุตสาหกรรมซอฟต์แวร์ตอนนี้ไม่มีที่สบาย ไม่ใช่สำหรับวิศวกรแต่ละคน ทีมที่เขาทำงานอยู่ หรือบริษัทที่ทีมเหล่านั้นสร้างขึ้น จุดที่ปลอดภัยมีเพียงการเคลื่อนไหวอย่างต่อเนื่อง คำถามเดียวที่สำคัญสำหรับผู้นำวิศวกรรมคือทั้งทีมกำลังขยับ หรือมีเพียงคนที่อย่างไรก็จะขยับอยู่แล้ว












