นักพัฒนาส่วนใหญ่ยังคงใช้ AI ในแบบเดียวกับที่พวกเขาใช้ ChatGPT ในปี 2023
เปิดแชท ถามคำถาม คัดลอกโค้ด วางลงในตัวแก้ไข ทำซ้ำ
มันใช้ได้ ไม่มีใครบอกว่ามันใช้ไม่ได้
แต่มันกำลังล้าสมัยในแบบที่คนส่วนใหญ่ยังไม่ทันสังเกต และนักพัฒนาที่สังเกตเห็นก่อนกำลังสร้างข้อได้เปรียบอย่างเงียบๆ ซึ่งยากที่จะตามทันในภายหลัง
นักพัฒนาในกลุ่มใหม่กำลังเกิดขึ้นในขณะนี้ พวกเขาไม่ได้ใช้ AI เป็นผู้ช่วยเขียนโค้ดเหมือนที่คนอื่นทำ พวกเขากำลังสร้างระบบปฏิบัติการทั้งหมดขึ้นมารอบๆ ตัวมัน ระบบที่มีโครงสร้างพร้อมหน่วยความจำ บริบท เอเจนต์เฉพาะทาง วงจรการตรวจสอบ และขั้นตอนการทำงานที่ทวีผลเมื่อเวลาผ่านไป
ช่องว่างระหว่างสองแนวทางนี้กำลังกลายเป็นหนึ่งในข้อได้เปรียบทางการแข่งขันที่สำคัญที่สุดในการพัฒนาซอฟต์แวร์ ไม่ใช่เพราะกลุ่มไหนฉลาดกว่ากัน แต่เพราะกลุ่มหนึ่งเข้าใจก่อนว่าประโยชน์ที่แท้จริงไม่เคยอยู่ที่ตัวโมเดล แต่อยู่ที่ระบบที่อยู่รอบๆ โมเดลต่างหาก
นักพัฒนาที่เข้าใจการเปลี่ยนแปลงนี้ในวันนี้จะมีข้อได้เปรียบที่เพิ่มขึ้นเรื่อยๆ ในอีกหลายปีข้างหน้า เพราะอนาคตของการพัฒนาซอฟต์แวร์ไม่ใช่การเขียนโค้ดให้เร็วขึ้น แต่คือการจัดระบบสติปัญญาในระดับที่ใหญ่ขึ้น
บทสนทนาที่ทุกคนกำลังมีคือบทสนทนาที่ผิด
ในช่วงสองปีที่ผ่านมา การสนทนาเกี่ยวกับ AI ทั้งหมดถูกครอบงำด้วยคำถามเดียวที่วนซ้ำในรูปแบบต่างๆ
โมเดลไหนดีกว่ากัน?
Claude กับ GPT GPT กับ Gemini Gemini กับ DeepSeek โอเพนซอร์สกับกรรมสิทธิ์ ทุกคนเปรียบเทียบเกณฑ์วัด คะแนนการเขียนโค้ด หน้าต่างบริบท และการประเมินการใช้เหตุผล ราวกับว่าตัวโมเดลคือจุดสิ้นสุดของการแข่งขัน
บทสนทนานั้นกำลังค่อยๆ มีความสำคัญน้อยกว่าที่คนที่กำลังสนทนาคิด
คำถามที่มีคุณค่ามากกว่ากำลังเกิดขึ้นอย่างเงียบๆ ภายใต้เสียงรบกวนทั้งหมด
คุณเปลี่ยนโมเดลภาษาให้เป็นวิศวกรซอฟต์แวร์ที่มีประสิทธิผลได้อย่างไร?
ไม่ใช่แชทบอทที่ตอบคำถาม ไม่ใช่เอนจินเติมข้อความอัตโนมัติที่ประหยัดการกดแป้น ไม่ใช่ตัวสร้างโค้ดที่สร้างฟังก์ชันตามคำขอ แต่เป็นระบบวิศวกรรมจริงที่สามารถวางแผนงาน ค้นคว้าหาวิธีแก้ไข ตรวจสอบโค้ด ค้นหาบั๊ก เขียนเทส อัปเดตเอกสาร จัดการบริบทในโปรเจกต์ระยะยาว เรียนรู้จากการตัดสินใจที่ผ่านมา และปรับปรุงผลลัพธ์ของตัวเองเมื่อเวลาผ่านไป
การเปลี่ยนแปลงนั้นกำลังเกิดขึ้นในขณะนี้กับเครื่องมืออย่าง Claude Code และมันใหญ่กว่าที่การโต้วาทีเรื่องเกณฑ์วัดชี้ให้เห็นมาก
คลื่นลูกแรกของเครื่องมือเขียนโค้ด AI แก้ปัญหาผิด
เครื่องมือเขียนโค้ด AI รุ่นแรกมุ่งเน้นไปที่การสร้างโค้ดเกือบทั้งหมด นั่นเป็นปัญหาที่ชัดเจนในการแก้ไข และเป็นปัญหาจริงที่คุ้มค่าต่อการแก้ไข
GitHub Copilot แสดงให้เห็นว่า AI สามารถเติมโค้ดอัตโนมัติในวิธีที่มีประโยชน์อย่างแท้จริง ChatGPT ทำให้การพัฒนาซอฟต์แวร์เป็นการสนทนาเป็นครั้งแรก โมเดลพัฒนาขึ้นอย่างรวดเร็ว หน้าต่างบริบทขยายใหญ่ขึ้น คุณภาพโค้ดเพิ่มขึ้นถึงจุดที่ผลลัพธ์มักพร้อมใช้งานจริงโดยแทบไม่ต้องแก้ไข
ในช่วงเวลาหนึ่ง รู้สึกว่าอุตสาหกรรมทั้งหมดกำลังแข่งไปสู่เป้าหมายเดียวที่ชัดเจน สร้างโค้ดให้มากขึ้น เร็วขึ้น และมีข้อผิดพลาดน้อยลง
แต่วิศวกรที่มีประสบการณ์ค้นพบบางสิ่งที่ควรจะชัดเจนตั้งแต่แรกเริ่มอย่างรวดเร็ว
การเขียนโค้ดแทบจะไม่ใช่ส่วนที่ยากที่สุดของการพัฒนาซอฟต์แวร์
งานจริง งานที่ใช้เวลาส่วนใหญ่ของวิศวกรอาวุโสและพลังงานส่วนใหญ่ของทีม มักจะมีลักษณะเช่นนี้ ทำความเข้าใจข้อกำหนดที่ไม่สมบูรณ์หรือขัดแย้งกัน ค้นคว้าหาวิธีแก้ไขในฐานโค้ดที่มีประวัติและการตัดสินใจหลายปีฝังอยู่ ตัดสินใจเลือกทางสถาปัตยกรรมที่จะทวีผลเป็นข้อได้เปรียบหรือทวีผลเป็นหนี้ทางเทคนิค ขึ้นอยู่กับว่ามีการคิดมาอย่างดีแค่ไหน จัดการหนี้ทางเทคนิคนั้นเมื่อมันสะสม ทดสอบกรณีขอบที่ไม่มีใครคิดระหว่างการวางแผน ตรวจสอบการนำไปใช้เพื่อความถูกต้อง ความปลอดภัย และความสามารถในการบำรุงรักษา แก้ไขปัญหาการทำงานจริงภายใต้ความกดดัน บำรุงรักษาเอกสารที่ล้าสมัยเล็กน้อยอยู่เสมอ ประสานงานโปรเจกต์ที่ซับซ้อนข้ามผู้คนที่มีโมเดลทางจิตใจแตกต่างกันเกี่ยวกับสิ่งที่กำลังสร้าง
วงจรชีวิตวิศวกรรมส่วนใหญ่เกิดขึ้นนอกตัวแก้ไขโค้ด
และนั่นคือจุดที่ขั้นตอนการทำงาน AI แบบดั้งเดิม วิธีการเปิดแชทคัดลอกโค้ด เริ่มพังทลายลงอย่างสิ้นเชิง
ทำไม Claude Code ถึงรู้สึกแตกต่างอย่างแท้จริงจากทุกสิ่งที่มาก่อน
Claude Code นำเสนอแนวคิดที่แตกต่างโดยพื้นฐาน และควรกล่าวถึงอย่างแม่นยำเพราะความแตกต่างนั้นง่ายต่อการประเมินต่ำเกินไป
แทนที่จะปฏิบัติต่อ AI เป็นสิ่งที่คุณปรึกษาเป็นครั้งคราว มันวาง AI ไว้ภายในขั้นตอนการทำงานโดยตรงในฐานะผู้มีส่วนร่วมในการดำเนินการ
ฟังดูเหมือนความแตกต่างที่ละเอียดอ่อน แต่ไม่ละเอียดอ่อนเลย
แชทบอทจะรอคำสั่งและตอบสนองต่อมัน ผู้ปฏิบัติการมีส่วนร่วมในการดำเนินการและดำเนินการภายในสภาพแวดล้อมจริงของคุณ ความแตกต่างนั้นเปลี่ยนธรรมชาติทั้งหมดของความสัมพันธ์ระหว่างนักพัฒนาและเครื่องมือ
เมื่อนักพัฒนาเริ่มทำงานกับ Claude Code อย่างจริงจังครั้งแรก บทสนทนาเปลี่ยนจากการถามว่า AI สามารถเขียนฟังก์ชันเฉพาะได้หรือไม่ เป็นการถามว่า AI สามารถจัดการขั้นตอนการทำงานทั้งหมดตั้งแต่ต้นจนจบได้หรือไม่ เมื่อคำถามนั้นปรากฏในความคิดของคุณ คุณจะหยุดคิดว่าการสร้างโค้ดคือเป้าหมาย คุณเริ่มคิดเกี่ยวกับระบบ และระบบคือที่ที่มีพลังขับเคลื่อนที่แท้จริงในวิศวกรรมมาโดยตลอด
นักพัฒนาที่ได้รับประโยชน์สูงสุดจาก Claude Code ในวันนี้ไม่ใช่คนที่เขียน prompt แต่ละอันที่ฉลาดที่สุด พวกเขาคือคนที่สร้างระบบที่รอบคอบที่สุดรอบๆ มัน
คอขวดแทบจะไม่ใช่ความฉลาด
คนส่วนใหญ่สันนิษฐานว่าเมื่อ AI สร้างผลลัพธ์ที่ธรรมดา นั่นเป็นเพราะโมเดลไม่ฉลาดพอ สมมติฐานนั้นนำไปสู่การค้นหาโมเดลที่ดีกว่าอย่างต่อเนื่องซึ่งจะสร้างผลลัพธ์ที่ทุกคนรอคอยในที่สุด
ในความเป็นจริง คอขวดมักจะเป็นบริบทเสมอ ไม่ใช่ความฉลาด แต่คือบริบท
ลองคิดถึงการจ้างวิศวกรซอฟต์แวร์ที่ดีที่สุดที่คุณนึกออก แล้วไม่ให้เอกสาร ไม่มีประวัติโปรเจกต์ ไม่มีมาตรฐานการเขียนโค้ด ไม่มีบันทึกการตัดสินใจทางสถาปัตยกรรมก่อนหน้านี้ และไม่มีความรู้เกี่ยวกับบั๊กที่พบและแก้ไขแล้ว วิศวกรคนนั้นจะดิ้นรนอย่างมาก ไม่ใช่เพราะพวกเขาไร้ความสามารถ แต่เพราะพวกเขาทำงานโดยไม่มีบริบทที่ทำให้ความสามารถมีประโยชน์
โมเดล AI เผชิญกับปัญหาเดียวกันทุกประการในทุกการสนทนาที่เริ่มต้นใหม่โดยไม่มีความทรงจำว่ามีอะไรเกิดขึ้นก่อนหน้านี้
สิ่งนี้อธิบายบางสิ่งที่ทำให้คนสับสนเมื่อพบครั้งแรก นักพัฒนาสองคนสามารถใช้โมเดลเดียวกันและได้ผลลัพธ์ที่ดูเหมือนมาจากเครื่องมือที่แตกต่างกันอย่างสิ้นเชิง คนหนึ่งได้ผลลัพธ์ที่มีประโยชน์อย่างแท้จริงและพร้อมใช้งานจริง อีกคนได้ผลลัพธ์ที่ธรรมดาซึ่งต้องแก้ไขมากกว่าโค้ดดั้งเดิมที่ต้องใช้
ความแตกต่างแทบจะไม่ใช่ตัวโมเดล ความแตกต่างคือการจัดการบริบท นักพัฒนาคนหนึ่งให้สิ่งที่โมเดลต้องการเพื่อทำงานได้ดี อีกคนไม่ได้ให้
นี่คือหนึ่งในสิ่งที่สำคัญในทางปฏิบัติมากที่สุดที่ต้องเข้าใจเกี่ยวกับการทำงานกับ AI ในระดับที่จริงจัง คุณไม่ได้แค่เลือกโมเดล แต่คุณกำลังสร้างสภาพแวดล้อมที่โมเดลนั้นสามารถทำงานได้อย่างมีประสิทธิภาพ สภาพแวดล้อมกำหนดผลลัพธ์มากกว่าความสามารถดิบของโมเดลที่อยู่ในนั้นมาก
บริบทกำลังกลายเป็นโครงสร้างพื้นฐานใหม่
การสนทนา AI ส่วนใหญ่มุ่งเน้นไปที่ prompts เพราะ prompts เป็นชั้นที่มองเห็นได้ พวกมันคือสิ่งที่คุณพิมพ์ สิ่งที่คุณเห็น พวกมันรู้สึกเหมือนเป็นสิ่งที่คุณควบคุม
แต่ prompts เป็นเพียงพื้นผิวเท่านั้น
ภายใต้ทุกขั้นตอนการทำงาน AI ที่ประสบความสำเร็จอย่างสม่ำเสมอ มีโครงสร้างพื้นฐานที่ใหญ่กว่ามากซึ่งคนส่วนใหญ่ไม่เคยคิดอย่างชัดแจ้งและแทบไม่เคยพูดถึงในที่สาธารณะ
โครงสร้างพื้นฐานนั้นรวมถึงระบบหน่วยความจำที่คงข้อมูลระหว่างเซสชันแทนที่จะเริ่มจากศูนย์ทุกครั้ง พื้นที่เก็บความรู้ที่บันทึกการตัดสินใจ มาตรฐาน และรูปแบบในรูปแบบที่โมเดลสามารถอ้างอิงได้ การดึงบริบทที่แสดงข้อมูลที่ถูกต้องในช่วงเวลาที่เหมาะสมโดยไม่ทำให้โมเดลล้นด้วยทุกอย่างในคราวเดียว การจัดลำดับขั้นตอนการทำงานที่เรียงลำดับงานอย่างถูกต้องโดยมี input ที่ถูกต้องไหลระหว่างพวกมัน วงจรการประเมินที่ตรวจสอบผลลัพธ์กับมาตรฐานก่อนที่จะย้ายไปยังขั้นตอนถัดไป การควบคุมความปลอดภัยที่กำหนดสิ่งที่โมเดลสามารถและไม่สามารถแตะต้องได้ ไปป์ไลน์การตรวจสอบที่จับข้อผิดพลาดก่อนที่จะทวีคูณ การติดตามประสิทธิภาพที่ระบุว่าระบบกำลังสร้างผลลัพธ์ที่ไม่ดีที่จุดใด เพื่อให้สามารถปรับปรุงจุดเหล่านั้นได้
ระบบเหล่านี้กำหนดว่า AI จะมีประโยชน์อย่างแท้จริงต่อองค์กรวิศวกรรมหรือยังคงเป็นเอนจินเติมข้อความอัตโนมัติราคาแพงที่ประหยัดการกดแป้นบางส่วนและทำให้คนประทับใจในการสาธิต
บริษัทและนักพัฒนาแต่ละคนที่สร้างชั้นเหล่านี้ในวันนี้กำลังสร้างระบบปฏิบัติการของยุค AI อย่างมีประสิทธิภาพ พวกเขาไม่ได้แค่ใช้เครื่องมือที่มีอยู่ แต่พวกเขากำลังสร้างโครงสร้างพื้นฐานที่เครื่องมือรุ่นต่อไปจะทำงานบนนั้น
การเพิ่มขึ้นของการพัฒนาแบบ agentic และเหตุใดจึงสะท้อนวิธีการสร้างทีมที่ยอดเยี่ยม
นี่คือทิศทางที่การพัฒนาซอฟต์แวร์กำลังมุ่งหน้าไป และเข้าใจง่ายขึ้นถ้าคุณเชื่อมโยงกับบางสิ่งที่เข้าใจได้โดยสัญชาตญาณอยู่แล้ว
ลองคิดถึงวิธีการทำงานขององค์กรวิศวกรรมที่มีประสิทธิภาพอย่างแท้จริง คุณไม่จ้างคนคนเดียวและขอให้พวกเขาทำทุกอย่าง คุณมีผู้เชี่ยวชาญที่มีทักษะเชิงลึกในด้านเฉพาะ นักวิจัยที่เข้าใจพื้นที่ปัญหา สถาปนิกที่ตัดสินใจเชิงโครงสร้าง ผู้ตรวจสอบที่จับปัญหาในการนำไปใช้ วิศวกรความปลอดภัยที่คิดถึงสิ่งที่อาจผิดพลาดในวิธีที่วิศวกรที่เน้นผลิตภัณฑ์มองข้าม วิศวกร QA ที่ทดสอบสมมติฐานกับความเป็นจริง นักเขียนเทคนิคที่ทำให้ระบบเข้าใจได้สำหรับทุกคนที่ทำงานกับมัน ผู้ปฏิบัติการที่ทำให้ทุกอย่างทำงานในการผลิต
รูปแบบเดียวกันกำลังเกิดขึ้นภายในขั้นตอนการทำงาน AI ขั้นสูง
ระบบ agentic ที่ออกแบบมาอย่างดีในวันนี้อาจเคลื่อนผ่าน Research Agent ที่ตรวจสอบพื้นที่ปัญหาก่อนการตัดสินใจใดๆ จากนั้น Architecture Agent ที่ออกแบบแนวทางเชิงโครงสร้างตามการวิจัยนั้น จากนั้น Implementation Agent ที่เขียนโค้ดตามข้อกำหนดทางสถาปัตยกรรม จากนั้น Testing Agent ที่ตรวจสอบการนำไปใช้กับข้อกำหนดและกรณีขอบ จากนั้น Security Agent ที่ตรวจสอบหาช่องโหว่ จากนั้น Documentation Agent ที่บันทึกสิ่งที่ถูกสร้างและเหตุผล จากนั้น Deployment Agent ที่จัดการกระบวนการเผยแพร่
แต่ละระบบมีความรับผิดชอบเฉพาะ แต่ละระบบมุ่งเน้นไปที่ปัญหาเฉพาะ ร่วมกันพวกมันมีพฤติกรรมน้อยกว่าแชทบอทและ更像องค์กรวิศวกรรมที่มีบทบาทที่กำหนดไว้และการส่งต่อที่ชัดเจนระหว่างกัน
นี่คือเหตุผลที่ผู้ใช้ Claude Code ที่ซับซ้อนที่สุดไม่ใช้เวลาส่วนใหญ่ในการสร้าง prompts แต่ละอันอีกต่อไป พวกเขาใช้เวลาออกแบบขั้นตอนการทำงาน prompt เป็นเพียง input สำหรับขั้นตอนในระบบที่ใหญ่กว่า ระบบคือสิ่งที่สร้างผลลัพธ์ที่ดีอย่างสม่ำเสมอ
หน่วยความจำอาจสำคัญยิ่งกว่าความสามารถของโมเดลในท้ายที่สุด
นี่คือการเปลี่ยนแปลงที่คนส่วนใหญ่ไม่ได้ให้ความสำคัญอย่างเพียงพอ และเป็นสิ่งฉันคิดว่าสำคัญที่สุดในอีกไม่กี่ปีข้างหน้า
โมเดลกำลังพัฒนาอย่างรวดเร็วและช่องว่างระหว่างโมเดลที่ดีที่สุดที่มีอยู่กำลังแคบลง เกณฑ์วัดระหว่างโมเดลชั้นนำกำลังใกล้ชิดกันมากขึ้น ไม่ใช่ห่างกันมากขึ้น สงครามโมเดลที่ครอบงำการสนทนากำลังต่อสู้กับความแตกต่างที่กำลังหดตัว
แต่หน่วยความจำสร้างข้อได้เปรียบที่ทวีคูณซึ่งไม่หดตัว แต่กลับเติบโต
ลองคิดถึงสิ่งที่ทำให้วิศวกรอาวุโสมีค่าอย่างแท้จริงเมื่อเทียบกับวิศวกรจูเนียร์ที่มีความฉลาดดิบใกล้เคียงกัน ประสบการณ์ และประสบการณ์สำคัญเพราะประสบการณ์สร้างความทรงจำ ความทรงจำสร้างสัญชาตญาณเกี่ยวกับสิ่งที่ใช้ได้และใช้ไม่ได้ สัญชาตญาณสร้างการตัดสินใจที่ดีขึ้น เร็วขึ้น และใช้พลังงานน้อยลง การตัดสินใจที่ดีขึ้นเหล่านั้นทวีคูณเมื่อเวลาผ่านไปเป็นประวัติผลงานและความลึกของการตัดสินใจที่ไม่สามารถทำซ้ำได้อย่างรวดเร็ว
หากไม่มีหน่วยความจำ ทุกโปรเจกต์เริ่มจากศูนย์โดยไม่คำนึงถึงสิ่งที่มาก่อน ทุกความผิดพลาดถูกทำซ้ำเพราะไม่มีบันทึกว่ามันเคยเกิดขึ้น ทุกบทเรียนที่เรียนรู้หายไปเมื่อสิ้นสุดเซสชัน ทุกขั้นตอนการทำงานที่ใช้ได้ดีต้องถูกสร้างใหม่ในครั้งต่อไปที่ต้องการ นั่นคือความไม่มีประสิทธิภาพมหาศาลที่สะสมอย่างมองไม่เห็นในทุกโปรเจกต์
นี่คือเหตุผลที่ผู้สร้างระบบ AI ที่คิดล้ำหน้าที่สุดมุ่งเน้นอย่างมากในการคงเซสชันที่นำพาบริบทข้ามการสนทนา หน่วยความจำระยะยาวที่บันทึกรูปแบบและการตัดสินใจในรูปแบบที่สามารถดึงกลับมาได้ การสะสมความรู้ที่ต่อยอดตัวเองแทนที่จะรีเซ็ต และวิวัฒนาการของขั้นตอนการทำงานที่ปรับปรุงระบบตามสิ่งที่เคยใช้ได้ผลก่อนหน้านี้
อนาคตที่กำลังมาถึงนั้นไม่ใช่แค่โมเดลที่ฉลาดขึ้น แต่เป็นระบบที่ฉลาดขึ้นที่จดจำและปรับปรุง ข้อได้เปรียบที่ทวีคูณเป็นของผู้ที่สร้างระบบเหล่านั้นก่อน
ชั้นที่ซ่อนอยู่ที่คนส่วนใหญ่กำลังเพิกเฉยโดยสิ้นเชิง
นี่คือข้อสังเกตที่ฉันกลับมาคิดซ้ำแล้วซ้ำเล่าเมื่อคิดถึงว่าข้อได้เปรียบที่แท้จริงอยู่ที่ไหน
นักพัฒนาสามคนสามารถใช้โมเดล Claude เดียวกันในวันนี้ คนหนึ่งได้ผลลัพธ์โดยเฉลี่ยที่ดีกว่าการเขียนโค้ดด้วยตนเองเล็กน้อย คนหนึ่งได้ผลลัพธ์ที่ยอดเยี่ยมที่เร่งผลลัพธ์อย่างมีความหมาย คนหนึ่งสร้างบริษัทซอฟต์แวร์ทั้งหมดรอบโมเดลและผลิตสิ่งที่คงเป็นไปไม่ได้กับทีมขนาดเท่าใดก็ได้เมื่อไม่กี่ปีก่อน
ความแตกต่างระหว่างผลลัพธ์สามอย่างนั้นไม่ใช่ความฉลาด ไม่ใช่แม้แต่ความพยายาม อย่างน้อยก็ไม่โดยตรง มันคือโครงสร้างพื้นฐาน
สแต็กเทคนิคที่ชนะดูเหมือนเค้กชั้นที่โมเดลอยู่ด้านบน มองเห็นได้และถูกพูดถึงตลอดเวลา และทุกอย่างด้านล่างคือที่ที่ได้เปรียบทางการแข่งขันที่แท้จริงอาศัยอยู่ หน่วยความจำใต้โมเดล การจัดลำดับขั้นตอนการทำงานใต้สิ่งนั้น ระบบการประเมินที่ตรวจสอบผลลัพธ์ การควบคุมความปลอดภัยที่กำหนดขอบเขต ระบบอัตโนมัติที่ขจัดขั้นตอนซ้ำซาก ไปป์ไลน์การดำเนินการที่เชื่อมทุกอย่างเข้าด้วยกัน
คนส่วนใหญ่โฟกัสเฉพาะชั้นบนสุด พวกเขาโฟกัสที่โมเดลเพราะโมเดลคือสิ่งที่พวกเขาโต้ตอบโดยตรงและสิ่งที่การตลาดเน้นย้ำ
พลังขับเคลื่อนสูงสุด ที่ที่ข้อได้เปรียบที่ใหญ่ที่สุดกำลังถูกสร้างในตอนนี้ อยู่ในทุกสิ่งที่อยู่ใต้ชั้นที่มองเห็นได้
เหตุใดช่วงเวลานี้ทำให้ฉันนึกถึงการปฏิวัติคลาวด์
ความคล้ายคลึงนี้ควรค่าแก่การใส่ใจเพราะมันแม่นยำเสมอเมื่อมองย้อนหลัง แม้ว่ามันจะดูเป็นตัวเลือกเสมอในขณะนั้น
นักพัฒนาส่วนใหญ่ในวันนี้มองขั้นตอนการทำงานแบบ agentic ว่าเป็นการทดลองที่น่าสนใจหรือการเพิ่มประสิทธิภาพการผลิตที่ควรค่าแก่การสำรวจเมื่อมีเวลา นั่นคือลักษณะที่คลาวด์คอมพิวติ้งมีในปี 2008 และ 2009 คนคิดว่าพวกเขาสามารถรันเซิร์ฟเวอร์ของตัวเองได้ นักพัฒนาที่สร้างบนโครงสร้างพื้นฐานคลาวด์ตั้งแต่แรกเริ่มดูเหมือนพวกเขากำลัง over-engineer สิ่งต่างๆ จากนั้นคลาวด์กลายเป็นมาตรฐานและผู้ที่ยังไม่ได้เปลี่ยนก็อยู่ behind อย่างรวดเร็วในวิธีที่แพงในการแก้ไข
รูปแบบเดียวกันปรากฏกับ version control กับ containers กับ continuous integration และ deployment ทุกการเปลี่ยนแปลงโครงสร้างพื้นฐานในตอนแรกดูเหมือน productivity hack ทางเลือกสำหรับคนที่มีเวลาทดลอง จากนั้นมันกลายเป็นข้อได้เปรียบทางการแข่งขันสำหรับองค์กรที่นำมาใช้ก่อน จากนั้นมันกลายเป็นวิธีการทำงานเริ่มต้นและคนอื่นๆ กำลังเล่น catch-up
การพัฒนาแบบ agentic กำลังดำเนินตามวิถีเดียวกัน วันนี้มันเป็นการทดลองและปฏิบัติโดยนักพัฒนาส่วนน้อยที่ตื่นเต้นกับมันอย่างไม่สมส่วน พรุ่งนี้มันจะถูกคาดหวังโดยองค์กรวิศวกรรมที่ต้องการคงความสามารถในการแข่งขัน หน้าต่างที่ adoption เร็วสร้างข้อได้เปรียบที่ยั่งยืนเปิดอยู่ในตอนนี้และจะไม่เปิดตลอดไป
ชุดทักษะของนักพัฒนากำลังวิวัฒนาการในทิศทางที่เฉพาะเจาะจง
สำหรับประวัติศาสตร์ส่วนใหญ่ของวิศวกรรมซอฟต์แวร์ ความสำเร็จมีความสัมพันธ์อย่างมากกับความสามารถในการนำไปใช้ คุณเขียนโค้ดที่ถูกต้องได้เร็วแค่ไหน คุณเข้าใจภาษาและเฟรมเวิร์กเฉพาะอย่างลึกซึ้งเพียงใด คุณจำและใช้อัลกอริทึมได้กี่ตัว ทักษะเหล่านั้นสำคัญอย่างมหาศาลและยังคงสำคัญ
แต่นักพัฒนาที่มีพลังขับเคลื่อนสูงสุดในทศวรรษหน้าจะโฟกัสชุดความสามารถที่แตกต่างมากขึ้น
ออกแบบขั้นตอนการทำงานที่เรียงลำดับ AI agents ผ่านงานที่ซับซ้อนในลำดับที่ถูกต้องด้วย input และ output ที่ถูกต้องในแต่ละขั้นตอน จัดการบริบทเพื่อให้โมเดลมีสิ่งที่ต้องการเพื่อทำงานได้ดีโดยไม่ถูกครอบงำ สร้างระบบการประเมินที่ตรวจสอบผลลัพธ์ก่อนใช้งาน สร้างสถาปัตยกรรมหน่วยความจำที่สะสมความรู้และปรับปรุงเมื่อเวลาผ่านไป ประสานงาน agents เฉพาะทางที่แต่ละตัวโฟกัสปัญหาเฉพาะ กำหนดกระบวนการตรวจสอบที่รักษาคุณภาพเมื่อปริมาณผลลัพธ์เพิ่มขึ้น จัดโครงสร้างไปป์ไลน์การดำเนินการที่เชื่อมต่อกันเป็นระบบอัตโนมัติที่เชื่อถือได้
งานกำลังวิวัฒนาการจากการสร้างสิ่งต่างๆ เป็นการกำกับสติปัญญา จากการเขียนโค้ดเป็นการออกแบบระบบที่ผลิตโค้ด จากการนำไปใช้เป็นการ orchestration
นั่นคือการเปลี่ยนแปลงที่สำคัญในสิ่งที่ความเชี่ยวชาญดูเป็นอย่างไร นักพัฒนาที่รับรู้ตั้งแต่แรกและเริ่มสร้างทักษะเหล่านั้นตอนนี้จะอยู่ในตำแหน่งที่แตกต่างอย่างมากจากผู้ที่ยังคงปรับให้เหมาะสมสำหรับนิยามเก่าของความเป็นเลิศทางวิศวกรรม
สิ่งนี้นำไปสู่ไหนและอาจอยู่ไกลแค่ไหน
วิวัฒนาการของความสัมพันธ์ของนักพัฒนากับ AI ดูเหมือนจะเคลื่อนผ่านขั้นตอนที่จำได้
ขั้นตอนแรกคือนักพัฒนาทำงานกับ editor ผลิตทุกอย่างด้วยตนเองด้วยเครื่องมือที่จัดระเบียบและแสดงโค้ดแต่ไม่ได้มีส่วนร่วมในการเขียน
ขั้นตอนที่สองคือนักพัฒนาทำงานกับ AI assistant ที่ตอบคำถาม สร้างโค้ดตามคำขอ และเร่งงานเฉพาะในขณะที่นักพัฒนายังคงเป็นผู้ผลิตหลัก
ขั้นตอนที่สาม ซึ่งผู้ปฏิบัติขั้นสูงที่สุดอยู่ในปัจจุบัน คือนักพัฒนาทำงานกับสิ่งที่ใกล้เคียงกับ AI team ระบบเฉพาะทางหลายระบบจัดการส่วนต่างๆของขั้นตอนการทำงาน โดยนักพัฒนาเป็นผู้กำกับและตรวจสอบแทนที่จะผลิตทุก output โดยตรง
ขั้นตอนที่สี่ ซึ่งเริ่มมองเห็นได้บนขอบฟ้า คือนักพัฒนาทำงานกับ AI operating system โครงสร้างพื้นฐานที่สมบูรณ์ซึ่งจัดการการวิจัย การวางแผน การนำไปใช้ การทดสอบ ความปลอดภัย เอกสาร และการปรับใช้เป็นฟังก์ชันที่ผสานรวม โดยนักพัฒนาทำงานเป็นสถาปนิกและผู้ตัดสินใจแทนที่จะเป็นผู้ปฏิบัติการ
นักพัฒนาที่ทำงานส่วนใหญ่ในปัจจุบันอยู่ระหว่างขั้นตอนที่สองและขั้นตอนที่สาม การเคลื่อนที่ไปสู่ขั้นตอนที่สามกำลังเร่งตัวขึ้น ขั้นตอนที่สี่ไม่ได้ไกลอย่างที่คิด
สิ่งที่ควรค่าแก่การใส่ใจจริงๆ
บทสนทนาส่วนใหญ่ใน AI ในขณะนี้มุ่งเน้นไปที่สงครามโมเดล Claude กับ GPT โอเพนซอร์สกับกรรมสิทธิ์ คะแนนเกณฑ์วัดในการประเมินที่อาจหรืออาจไม่สะท้อนประสิทธิภาพในโลกจริง
การโต้วาทีเหล่านั้นน่าสนใจและไม่ได้ไร้ค่าโดยสิ้นเชิง แต่มันอาจสำคัญน้อยกว่าที่คนที่กำลังโต้วาทีคิด
เรื่องราวที่ใหญ่กว่าคือการพัฒนาซอฟต์แวร์เองกำลังกลายเป็น agentic โครงสร้างของวิธีการสร้างซอฟต์แวร์กำลังเปลี่ยนแปลงในระดับพื้นฐาน ไม่ใช่แค่เร็วขึ้นที่ขอบ
ผู้ชนะในโลกนั้นจะไม่จำเป็นต้องเป็นนักพัฒนาที่เข้าถึงโมเดลเดี่ยวที่ฉลาดที่สุด พวกเขาจะเป็นนักพัฒนาที่สร้างระบบที่ฉลาดที่สุดรอบโมเดลเหล่านั้น ผู้ที่เข้าใจว่าการจัดการบริบทสำคัญกว่าความสามารถดิบของโมเดล ว่าหน่วยความจำสร้างข้อได้เปรียบที่ทวีคูณ ว่าการออกแบบขั้นตอนการทำงานคือที่ที่พลังขับเคลื่อนที่แท้จริงอาศัยอยู่ ว่าการ orchestration สติปัญญาเป็นทักษะที่มีค่ามากกว่าการสร้างโค้ด
Claude Code มีความสำคัญในฐานะสัญญาณ ไม่ใช่แค่เครื่องมือ มันเป็นหนึ่งในภาพแรกที่ชัดเจนที่สุดว่าวิศวกรรมซอฟต์แวร์มีลักษณะอย่างไรเมื่อสติปัญญากลายเป็นโครงสร้างพื้นฐานที่ตั้งโปรแกรมได้ แทนที่จะเป็นการปรึกษาเป็นครั้งคราว
เมื่อการเปลี่ยนแปลงนั้นมาถึงอย่างสมบูรณ์ คำถามไม่ใช่ AI สามารถเขียนโค้ดได้หรือไม่ ทุกคนรู้แล้วว่ามันเขียนโค้ดได้
คำถามกลายเป็นว่าวงจรชีวิตการพัฒนาซอฟต์แวร์ทั้งหมดสามารถถูกครอบครองโดยระบบ AI ที่ออกแบบมาอย่างดีซึ่งกำกับโดยนักพัฒนาที่เข้าใจวิธีการสร้างและรันพวกมันได้มากแค่ไหน
คำตอบสำหรับคำถามนั้นเพิ่มขึ้นทุกเดือน และคนที่กำลังสร้างเพื่อคำตอบนั้นตอนนี้กำลังทำงานด้วยข้อได้เปรียบที่ทวีคูณอย่างเงียบๆ และยากที่จะปิดได้เมื่อมันใหญ่พอ
เรายังอยู่ในบทแรกที่สุดของสิ่งนี้ การตัดสินใจในอีกสองหรือสามปีข้างหน้าจะมีความสำคัญไปอีกนานหลังจากนั้น
