AI ไม่ได้ทำให้วิศวกรระดับ Senior มีค่าน้อยลง แต่มันทำให้พวกเขามีค่ามากขึ้น
วิศวกรรมซอฟต์แวร์เคยดำเนินไปตามเส้นทางที่ชัดเจน
Junior เรียนรู้เรื่อง syntax Mid-level เรียนรู้เรื่องระบบ Senior เรียนรู้เรื่องการตัดสินใจ
แล้ว AI ก็มาถึง ตอนนี้ใครๆ ก็สามารถสร้างโค้ดได้ภายในไม่กี่วินาที AI สามารถเขียนฟังก์ชัน, API, การทดสอบ (tests) และเอกสารประกอบ (documentation) ได้
บางคนคิดว่าสิ่งนี้จะส่งผลเสียต่อวิศวกรที่มีประสบการณ์ พวกเขาตั้งคำถามว่าทำไมบริษัทถึงยังต้องการระดับ Senior ในเมื่อ AI สามารถเขียนโค้ดได้
ในความเป็นจริงกลับตรงกันข้าม AI กลับช่วยเพิ่มมูลค่าให้กับวิศวกรระดับ Senior
หลายคนคิดว่างานวิศวกรรมคือการเขียนโค้ด แต่บ่อยครั้งที่โค้ดคือส่วนที่ง่ายที่สุด
งานที่ยากจริงๆ คือการตอบคำถามเหล่านี้:
- เรากำลังแก้ปัญหาอะไร?
- เรากำลังแลกเปลี่ยน (tradeoffs) อะไรบ้าง?
- สิ่งนี้เข้ากับระบบที่มีอยู่เดิมได้อย่างไร?
- ความเสี่ยงคืออะไร?
- เราจะดูแลรักษาสิ่งนี้อย่างไรในอีกหกเดือนข้างหน้า?
- จะเกิดอะไรขึ้นเมื่อความต้องการ (requirements) เปลี่ยนแปลง?
AI จัดการเรื่องการลงมือทำ (implementation) แต่ AI ไม่สามารถรับผิดชอบต่อผลลัพธ์ได้ วิศวกรระดับ Senior จึงใช้เวลาส่วนใหญ่ไปกับการแบกรับความรับผิดชอบ
ตอนนี้วิศวกรที่เก่งและวิศวกรที่อ่อนสามารถผลิตโค้ดที่คล้ายกันได้ แต่โค้ดที่คล้ายกันไม่ได้หมายความว่าจะมีคุณภาพที่เหมือนกัน
AI จะทำงานตามสิ่งที่คุณป้อนให้มัน
- หากความต้องการ (requirements) คลุมเครือ AI ก็ยังคงสร้างผลลัพธ์ออกมา
- หากสถาปัตยกรรม (architecture) ยุ่งเหยิง AI ก็จะทำตามความยุ่งเหยิงนั้น
- หากขาดข้อจำกัด (constraints) AI ก็จะทำการสมมติขึ้นมาเอง
วิศวกรที่มีประสบการณ์จะมองเห็นปัญหาเหล่านี้ได้ตั้งแต่เนิ่นๆ AI ไม่ได้มาแทนที่การตัดสินใจ (judgment) แต่มันช่วยแสดงให้เห็นว่าเมื่อใดที่ขาดการตัดสินใจที่ดี
ก่อนจะมี AI ความเร็วคือคอขวด แต่ตอนนี้ ทีมต่างๆ สร้างโค้ดได้เร็วกว่าที่จะสามารถตรวจสอบได้ทัน มูลค่าจึงได้เปลี่ยนไป
คอขวดใหม่ๆ คือ:
- ความชัดเจนของความต้องการ (Requirement clarity)
- การตัดสินใจด้านสถาปัตยกรรม (Architectural decisions)
- การวิเคราะห์ความเสี่ยง (Risk analysis)
- การตรวจสอบความถูกต้อง (Verification)
- การจัดลำดับความสำคัญ (Prioritization)
- ความเข้าใจในผลิตภัณฑ์ (Product understanding)
สิ่งเหล่านี้คือทักษะระดับ Senior ซึ่งจะมีความสำคัญมากขึ้นเมื่อต้นทุนในการลงมือทำ (implementation costs) ลดลง
ให้มองว่า AI คือเครื่องทุ่นแรง วิศวกรที่ดีจะใช้ AI เพื่อสร้างมูลค่าที่มากขึ้น ส่วนวิศวกรที่ไม่เก่งจะใช้ AI เพื่อสร้างความผิดพลาดที่มากขึ้น
องค์กรต้องการคนที่สามารถ:
- กำหนดข้อจำกัดที่ดี
- ย่อยปัญหาใหญ่ให้เป็นงานย่อยๆ
- ตรวจสอบการเปลี่ยนแปลงที่ AI ทำ
- ค้นหาความเสี่ยงที่ซ่อนอยู่
- รักษาคุณภาพของระบบ
เครื่องมือเปลี่ยนไป แต่ความต้องการยังคงเหมือนเดิม
คำถามในเส้นทางอาชีพไม่ใช่เรื่องของการเขียนโค้ดให้เร็ว แต่เป็นเรื่องของการตัดสินใจทางวิศวกรรมที่ดี
การสร้างโค้ดมีราคาถูกลงทุกปี แต่การตัดสินใจที่ดีนั้นไม่มีทางถูกลง
AI อาจจะเป็นคนเขียนโค้ด แต่คนต้องเป็นผู้ตัดสินใจว่าจะสร้างอะไร และมันใช้งานได้จริงหรือไม่ งานส่วนนั้นยังคงเป็นหน้าที่ของมนุษย์
Source: https://dev.to/artcalo/ai-didnt-make-senior-engineers-less-valuable-it-made-them-more-valuable-3jfn
Optional learning community: https://t.me/GyaanSetuAi