วิธีที่ผมใช้ AI Councils เพื่อแก้ปัญหาทางวิศวกรรมที่มีความคลุมเครือ

ผู้ช่วย AI เพียงตัวเดียวอาจมีประโยชน์ แต่มันอาจไม่เพียงพอเสมอไป

หากคุณใช้ AI ในการเขียนโค้ด คุณคงคุ้นเคยกับรูปแบบนี้ดี คุณอธิบายปัญหา โมเดลเสนอแนวทางแก้ไข ซึ่งดูเหมือนจะดี คุณจึงนำไปใช้งาน แต่แล้วสามวันต่อมาคุณกลับพบข้อผิดพลาดร้ายแรง สถาปัตยกรรมล้มเหลวเมื่อเจอเงื่อนไขขอบเขต (boundary condition) หรือมันทำให้สองสิ่งที่ควรจะแยกจากกันกลับมาผูกติดกัน

นี่ไม่ใช่ความล้มเหลวของโมเดล แต่มันคือความล้มเหลวของกระบวนการ โมเดลเพียงตัวเดียวขาดความสามารถในการโต้แย้งสมมติฐานของตัวเอง

สำหรับงานวิศวกรรมที่ซับซ้อน คุณจำเป็นต้องมี AI Council นี่ไม่ใช่แพลตฟอร์มใหม่ แต่มันคือเวิร์กโฟลว์ที่มีโครงสร้างชัดเจน ซึ่งมีบทบาท AI หลายบทบาทมาช่วยกันตรวจสอบข้อเสนอหนึ่งเดียวจากมุมมองที่แตกต่างกัน

เป้าหมายคือการเปลี่ยนการใช้งาน AI ให้กลายเป็นเวิร์กโฟลว์ทางวิศวกรรมที่มีการควบคุมดูแล

นี่คือวิธีการทำงานของเวิร์กโฟลว์นี้:

• Problem Statement: คุณกำหนดขอบเขตของปัญหา • Architect Agent: เอเจนต์ที่อ้างอิงจากแหล่งข้อมูลจริงจะสร้างข้อเสนอเบื้องต้น • AI Council: บทบาท AI ที่แตกต่างกันจะร่วมกันตรวจสอบข้อเสนอ • Feedback Synthesis: เอเจนต์จะรวบรวมข้อเสนอแนะทั้งหมดและระบุจุดที่ขัดแย้งกัน • Objection Ledger: คุณติดตามทุกข้อคัดค้าน ระดับความรุนแรง และแนวทางการแก้ไข • Human Governance: คุณตัดสินใจว่าจะหยุดหรือดำเนินการต่อ • Executor Agent: เอเจนต์แยกต่างหากจะทำหน้าที่นำแผนไปปฏิบัติ • Auditor Agent: เอเจนต์ตัวสุดท้ายจะตรวจสอบโค้ดเทียบกับข้อกำหนด (spec) เริ่มต้น

บทบาทใน AI Council ของคุณควรประกอบด้วย:

  • System Thinker: ประเมินความเสี่ยงและขอบเขตของระบบ
  • Critical Reviewer: โต้แย้งสมมติฐานและค้นหาช่องโหว่
  • Simplifier: ค้นหาความซับซ้อนที่ไม่จำเป็น
  • Alternatives Reviewer: เสนอแนวทางที่แตกต่างออกไป

เคล็ดลับไม่ได้อยู่ที่การใช้โมเดลจำนวนมากขึ้น แต่อยู่ที่การแยกบทบาท (role separation) เมื่อคุณสั่ง AI ว่า "ช่วยตรวจสอบสิ่งนี้หน่อย" คุณจะได้คำตอบที่คลุมเครือ แต่เมื่อคุณสั่งว่า "ช่วยหาความเสี่ยงทางสถาปัตยกรรมที่ใหญ่ที่สุด 3 อันดับแรก" คุณจะได้ข้อมูลที่นำไปใช้งานต่อได้จริง

คุณต้องแยกบริบท (context) ออกจากกันด้วย เอเจนต์ที่เขียนโค้ดไม่ควรเป็นเอเจนต์ตัวเดียวกับที่ตรวจสอบโค้ด วิธีนี้จะช่วยป้องกันไม่ให้ AI มีจุดบอด (blind spots) แบบเดียวกัน

มนุษย์ไม่ได้ทำงานหนักด้วยแรงงาน แต่มนุษย์เป็นผู้ควบคุมจุดตัดสินใจ (gates) คุณเป็นคนตัดสินใจว่าข้อเสนอแนะนั้นเพียงพอแล้วหรือยัง คุณเป็นคนตัดสินใจว่าจะยอมรับความเสี่ยงใดบ้าง คุณคือผู้จัดการวิศวกรรม (engineering manager) ไม่ใช่คนทำงานทั่วไป

ใช้แนวทางนี้สำหรับการทำ refactor ที่มีความเสี่ยงสูงและสถาปัตยกรรมที่มีความคลุมเครือ อย่าใช้กับงานแก้บั๊กเล็กๆ น้อยๆ เพราะขั้นตอนที่เพิ่มขึ้นมานี้จะคุ้มค่าก็ต่อเมื่อความเสียหายจากการทำผิดพลาดนั้นมีมูลค่าสูงเท่านั้น

Source: https://dev.to/j3nnning/how-i-use-ai-councils-to-solve-ambiguous-engineering-problems-4dii

Optional learning community: https://t.me/GyaanSetuAi