วิธีเอาตัวรอดในฐานะนักพัฒนาในยุค AI
AI จะไม่แย่งงานคุณ แต่นักพัฒนาที่มีความรู้ทางเทคนิคเชิงลึกต่างหากที่จะทำ
AI จัดการส่วนที่น่าเบื่อของการเขียนโค้ด มันสามารถเขียน boilerplate code และฟังก์ชันง่ายๆ ได้ภายในไม่กี่วินาที ซึ่งช่วยให้คุณทำงานได้เร็วขึ้น
แต่ AI ยังขาดสัญชาตญาณ มันไม่สามารถแก้ปัญหาที่ซับซ้อนในโลกความเป็นจริงได้
ผมเคยทำงานด้านการเชื่อมต่อระบบซัพพลายเชน (supply chain integrations) สำหรับซอฟต์แวร์การผลิต ผมพบว่าโค้ดที่เขียนขึ้นโดยไม่เข้าใจเวิร์กโฟลว์ทางธุรกิจ (business workflows) มักจะทำให้เกิดข้อผิดพลาด AI เขียนโค้ดได้เร็ว แต่ไม่เข้าใจ "เหตุผล" เบื้องหลังตรรกะนั้นๆ
AI ไม่สามารถแก้ไขปัญหาเชิงลึกเหล่านี้ได้:
- การตรวจจับ WAL bloat ในฐานข้อมูล PostgreSQL
- การปรับนโยบายหน่วยความจำของ Redis ตามความต้องการใช้งานจริง
- การหาข้อผิดพลาดจากการเดินสายเคเบิลในระบบเครือข่าย
- การตรวจพบข้อผิดพลาดทางตรรกะในอัลกอริทึมการวางแผนการผลิต
งานเหล่านี้ต้องใช้ประสบการณ์ของมนุษย์และความรู้ความเข้าใจในระบบ
เพื่อรักษาคุณค่าของตัวเองไว้ เลิกโฟกัสแค่เรื่องไวยากรณ์ (syntax) แต่ให้เริ่มโฟกัสว่าระบบต่างๆ ทำงานร่วมกันอย่างไร
ทำตามขั้นตอนเหล่านี้เพื่อเติบโต:
- เชี่ยวชาญพื้นฐาน: ศึกษาอัลกอริทึม (algorithms), โครงสร้างข้อมูล (data structures) และระบบปฏิบัติการ (operating systems)
- เรียนรู้ตรรกะทางธุรกิจ (business logic): ทำความเข้าใจอุตสาหกรรมที่คุณให้บริการ รู้ว่ากระแสเงินและสินค้าเคลื่อนที่อย่างไร
- สร้างทักษะด้านสถาปัตยกรรม: เรียนรู้วิธีการออกแบบระบบ ไม่ใช่แค่การเขียนโค้ดทีละบรรทัด
- เรียนรู้เรื่องความปลอดภัย: ศึกษาความปลอดภัยของเครือข่าย, JWT และ rate limiting
- ใช้ AI เป็นผู้ช่วย: ใช้เพื่อการค้นคว้าและร่างงาน แต่คุณต้องตรวจสอบงานด้วยตัวเองเสมอ
AI คือเครื่องมือของคุณ ไม่ใช่ตัวแทนของคุณ จงใช้เวลาที่ AI ช่วยประหยัดให้คุณไปเรียนรู้เพิ่มเติมเกี่ยวกับ Linux kernels, การปรับแต่งฐานข้อมูล (database optimization) และโปรโตคอลเครือข่าย (network protocols)
บทบาทของนักพัฒนากำลังเปลี่ยนไป คุณกำลังเปลี่ยนจากคนเขียนโค้ด (coder) ไปสู่การเป็นสถาปนิกผู้ออกแบบระบบ (system architect)
Source: https://dev.to/merbayerp/how-to-survive-as-a-developer-in-the-age-of-ai-df6
Optional learning community: https://t.me/GyaanSetuAi