เมื่อสัปดาห์ที่ผ่านมา ผมได้รับเกียรติให้ไปเป็นอาจารย์พิเศษที่จุฬาลงกรณ์มหาวิทยาลัย และเดินออกจากห้องเรียนนั้นในอีกสองชั่วโมงถัดมา โดยที่ได้มีการแลกเปลี่ยนบทสนทนาแลกเปลี่ยนความคิดเห็นที่น่าสนใจกับทั้งอาจารย์ และนักศึกษา
คณะนวัตกรรมบูรณาการ
แทบไม่ต้องเกริ่นอะไรกันมากสำหรับจุฬาลงกรณ์มหาวิทยาลัย นี่เป็นมหาวิทยาลัยที่เก่าแก่และทรงเกียรติที่สุดของไทย และคณะนวัตกรรมบูรณาการ หรือชื่อเดิมคือวิทยาลัยนวัตกรรม ก็ถือเป็นหนึ่งในสภาพแวดล้อมทางวิชาการที่มีวิสัยทัศน์ก้าวไกลที่สุดในภูมิภาคนี้ คณะนี้เป็นเหมือนจุดเชื่อมระหว่างเทคโนโลยี การออกแบบ ธุรกิจ และสังคมศาสตร์ เพื่อให้นักศึกษาที่สำเร็จการศึกษาออกไป สามารถประกอบอาชีพได้อย่างหลากหลาย แทนที่จะเป็นสายงานใดสายงานหนึ่ง
นักศึกษาที่เข้ามาฟังบรรยายในครั้งนี้ไม่ใช่สายไอที แต่ในอนาคตจะต้องใช้ซอฟต์แวร์อย่างหลีกเลี่ยงไม่ได้ และหลายคนอาจมีแนวโน้มที่จะร่วมพัฒนามันขึ้นมาอีกด้วย สำหรับหัวข้ออย่าง การนำ AI มาใช้ในการพัฒนาซอฟต์แวร์ นี่เป็นผู้เข้าร่วมฟังบรรยายที่ถูกต้องแล้ว เพราะพวกเขาต้องเข้าใจเทคโนโลยี ไม่ใช่แค่ในฐานะผู้ปฏิบัติงาน แต่ในฐานะผู้นำ ผู้ประกอบการ และผู้มีอำนาจตัดสินใจในอนาคต
อดีตเพื่อนร่วมงาน ที่กลายเป็นนักวิชาการเต็มตัว
คำเชิญนี้มาจากคนคุ้นเคย อาจารย์ที่ติดต่อมาคืออดีต CTO ของโปรเจกต์สตาร์ทอัปที่เราเคยทำร่วมกันที่ Outsourcify เมื่อหลายปีก่อน (ตั้งแต่ยุคที่ยังไม่มี AI Chatbots หรือ Vibe Coding)
ช่วงที่ทำงานด้วยกัน เราได้ใช้เวลากว่าหลายสัปดาห์ทั้งการจัดเวิร์คชอป วางโครงสร้างสถาปัตยกรรม ถกกันเรื่องการตัดสินใจทางเทคนิค และปรับแก้ดีไซน์นับครั้งไม่ถ้วน เขาเป็นอาจารย์พาร์ทไทม์อยู่แล้วตั้งแต่สมัยนั้น แต่ในตอนนี้ เขาได้กลายมาเป็นอาจารย์อย่างเต็มตัว เมื่อเขาชวนให้ผมไปบรรยายสำหรับวิชาที่เขาสอนเกี่ยวกับเรื่อง AI และการพัฒนาซอฟต์แวร์ ผมไม่ลังเลเลยแม้แต่นิดที่จะตอบตกลง
บรรยากาศในห้องเรียน
จุฬาลงกรณ์มหาวิทยาลัยมีพื้นที่กว้างขวางมาก มีหลายคณะตั้งอยู่ใจกลางกรุงเทพฯ ระหว่างรถไฟฟ้า BTS สถานีสยามและสนามกีฬาแห่งชาติทางทิศเหนือ ไปจนถึงแนวรถใต้ดิน MRT เลียบสวนลุมพินีทางทิศใต้
คลาสนี้มีนักศึกษาเข้าร่วมประมาณ 50 คน บรรยากาศในช่วงเช้ามีพลังงานที่หลากหลายตามปกติ บางคนตั้งใจฟังจนตัวโน้มมาข้างหน้าตั้งแต่เริ่ม บางคนก็ค่อยๆ เครื่องติด แต่สิ่งที่ทำให้คลาสนี้น่าสนใจเป็นพิเศษ คือการมีอาจารย์รับเชิญอีกสองท่านตั้งใจมาร่วมฟังการบรรยายนี้โดยเฉพาะ ซึ่งนั่นได้เปลี่ยนบรรยากาศในห้องไปเลย เมื่อผู้ฟังของคุณมีนักวิชาการที่เคยขบคิดเกี่ยวกับคำถามเดียวกับสิ่งที่คุณกำลังพูดถึง คุณจะสัมผัสได้ทันที ผ่านคุณภาพของแต่ละคำถาม การพยักหน้ารับเบาๆ และคิ้วที่ขมวดเข้าหากัน จนทำให้บทสนทนานั้นไปไกลยิ่งกว่าแค่สิ่งที่เตรียมมา
เนื้อหาในการบรรยาย
การบรรยายครั้งนี้ สร้างขึ้นจากจุดยืนที่ผมตกผลึกและเชื่อมั่นมาโดยตลอด หลังจากบริหารเอเจนซีซอฟต์แวร์มากว่าสิบปี นั่นคือ: AI ช่วยเขียนโค้ดได้ง่ายขึ้นก็จริง แต่ไม่ได้ช่วยให้สร้างซอฟต์แวร์ที่ดีได้ง่ายตามไปด้วย — และสองสิ่งนี้คือสิ่งที่แตกต่างกันอย่างสิ้นเชิง
ผมได้เตรียมสไลด์มาประมาณ 20 หน้า พร้อมรายละเอียดในจุดที่สำคัญ แต่เมื่อบทสนทนามันลึกขึ้นเรื่อยๆ พร้อมกับคำถามหลายๆ อย่างที่ถูกถามเข้ามา ผมก็เริ่มไม่ได้สนใจในสิ่งที่เตรียมมา และพูดคุยได้อย่างเป็นอิสระมากขึ้น
เราเริ่มต้นกันที่หลักการพื้นฐานว่า ซอฟต์แวร์ไม่ใช่แค่โค้ด แต่ซอฟต์แวร์คือกระบวนการ ที่เริ่มต้นจากปัญหาในโลกแห่งความเป็นจริง นำไปสู่การวิจัยผู้ใช้ การตัดสินใจเลือกทางเลือกที่เหมาะสม การทำงานเป็นทีม และสุดท้ายจึงจบลงที่การลงมือทำ โค้ดเป็นเพียงผลลัพธ์ของกระบวนการเหล่านั้น ไม่ใช่จุดเริ่มต้น
ผมเห็นโปรเจกต์ที่ล้มเหลวมานับไม่ถ้วน — ไม่ใช่เพราะโค้ดไม่ดี แต่เป็นเพราะพวกเขากำลังแก้ปัญหาผิดจุด หรือการสื่อสารระหว่างฝั่งธุรกิจและฝั่งเทคนิคไม่ตรงกัน ซึ่ง AI ไม่สามารถเข้ามาแก้ปัญหาเหล่านั้นได้เลย
จากจุดนั้น เราได้คุยตั้งแต่วิวัฒนาการของการใช้ AI ในการช่วยพัฒนาซอฟต์แวร์ในตลอดห้าปีที่ผ่านมา: ตั้งแต่ระบบ Autocomplete ของ GitHub Copilot ในปี 2022, ไปจนถึงการเติบโตอย่างก้าวกระโดดของ Vibe Coding ในปี 2024, จนถึงรูปแบบไฮบริดในปี 2026 ที่กำลังหาจุดสมดุลระหว่างความเร็วของ AI กับมาตรฐานทางวิศวกรรม
เราได้มีความเห็นอย่างตรงไปตรงมาต่อ Vibe Coding (การสร้างซอฟต์แวร์ผ่านการสนทนากับ AI) ว่า AI นั้นเก่งเรื่องไหน: AI ดีมากสำหรับการหาไอเดีย การสร้างต้นแบบ พิสูจน์คอนเซปต์ และการรับฟีดแบ็กอย่างรวดเร็วจากผู้มีส่วนเกี่ยวข้อง และเราก็มองไปถึงจุดที่ AI ยังทำได้ไม่ดี: ทั้งการลืมบริบทเมื่อบทสนทนาเริ่มยาว ความเละเทะของโครงสร้างสถาปัตยกรรม และฟีเจอร์ที่ AI เพิ่มเข้ามาทั้งๆ ที่เราไม่ได้ต้องการ ผมได้เล่าเรื่องที่ลูกค้ามาหาเราพร้อมกับแอปพลิเคชันที่สร้างจาก Vibe Coding ที่ดูดีมากๆ แต่โครงสร้างฐานข้อมูลพัง ไม่มีระบบรักษาความปลอดภัย และตรรกะที่ยุ่งเหยิง จนทำให้การเริ่มใหม่แต่ต้นนั้นถูกกว่าการไปซ่อมแซมสิ่งที่พังทลายลง
ช่วงครึ่งหลังของการบรรยายโฟกัสไปที่สิ่งที่เกิดขึ้นตามมา: การพัฒนาแบบอิงสเปค (Spec-driven development) ที่คุณต้องเขียนข้อกำหนดที่ชัดเจนตั้งแต่ก่อนจะเริ่มเขียนโค้ด รวมถึงเฟรมเวิร์ก Multi-agent ที่ซับซ้อนขึ้นอย่าง BMAD (Breakthrough Method for Agile AI-Driven Development) ซึ่งเป็นการจำลองทีมพัฒนาซอฟต์แวร์อย่างเต็มรูปแบบ — ทั้งนักวิเคราะห์, โปรดักต์เมเนเจอร์, สถาปนิก, นักพัฒนา, และ QA — โดยใช้ AI Agents สวมบทบาทที่มีโครงสร้างชัดเจน สิ่งที่ผมได้ทิ้งท้ายเอาไว้ถึงนักศึกษาที่ไม่ได้วางแผนที่จะไปเป็น Developer: ทักษะที่มีค่าที่สุดในยุค AI ไม่ใช่การเขียนโค้ด แต่เป็นความสามารถในการนิยามปัญหาให้ชัดเจน การสื่อสารอย่างแม่นยำ และการผสานเข้าระหว่างความต้องการทางธุรกิจกับการทำงานทางเทคนิค
เมื่อคำถามเริ่มเป็นเป็นปรัชญา
กำหนดการเดิมอยู่ที่ประมาณ 60–65 นาที แต่การบรรยายไปจบที่เกือบสองชั่วโมง
คำถามของนักศึกษานั้นผ่านการคิดมาเป็นอย่างดี — ส่วนมากเป็นคำถามในภาคปฏิบัติ เจาะจงไปในเรื่องของเครื่องมือ ลำดับการทำงาน และผลกระทบต่ออาชีพการงาน แต่กลายเป็นว่า อาจารย์ในห้องเป็นคนผลักดันประเด็นเหล่านี้ให้ลึกซึ้งยิ่งกว่าเดิม ซึ่งผมประทับใจมาก
มีคำถามหนึ่งจากนักศึกษาที่น่าสนใจ เขายกตัวอย่างว่า: ในยุคที่รถยนต์คันแรกๆ ถูกประดิษฐ์ขึ้นในช่วงต้นของศตวรรษที่ 20 ม้าและรถยนต์ยังคงถูกใช้งานควบคู่กันไป แต่ในท้ายที่สุด รถยนต์ก็พิสูจน์ให้เห็นว่ามีประสิทธิภาพมากกว่า รองรับการขยายตัวได้ดีกว่า และครองความได้เปรียบทางเศรษฐกิจ จนในทางปฏิบัติแล้ว ม้าก็ถูกแทนที่ไปในที่สุด
สิ่งเดียวกันนี้จะเกิดขึ้นกับสติปัญญาของมนุษย์หรือไม่? AI จะสามารถก้าวข้ามขีดจำกัดจนประสิทธิภาพต่างกันมากๆ จนบทบาททางปัญญาของมนุษย์กลายเป็นสิ่งที่ไม่มีความสำคัญอีกต่อไปในหลายๆ วงการ?
เป็นคำถามที่จริงจังมากๆ ผมได้บอกกับทุกคนในห้องไปว่า เรื่องนี้ไม่ได้อยู่ในความเชี่ยวชาญโดยตรงของผม แต่ผมชอบคำถามในเชิงปรัชญามาก เลยเสนอข้อคิดเห็นกลับไป
การเปรียบเทียบโดยใช้ม้ากับรถยนต์นั้นน่าสนใจมาก แต่มีสิ่งหนึ่งที่ถูกมองข้ามไป รถยนต์คันแรกๆ ไม่ได้เป็นระบบอัตโนมัติ แต่เป็นเครื่องมือที่ช่วยขยายความสามารถของมนุษย์ แต่ไม่ได้เข้ามาแทนที่เจตจำนงและการตัดสินใจของมนุษย์ รถยนต์ต้องอาศัยทั้งคนขับ ทิศทาง และความตั้งใจ การเข้ามาแทนที่ม้าไม่ได้ตัดมนุษย์ออกจากสมการนี้ — แค่เปลี่ยนจากเครื่องมือชิ้นหนึ่งไปสู่อีกเครื่องมือเท่านั้น
ความแตกต่างตรงจุดนี้เป็นสิ่งสำคัญ
ข้อจำกัดที่ AI มักจะติดอยู่เสมอ — แม้จะมีการพัฒนาอย่างก้าวกระโดด — ไม่ใช่แค่เรื่องของประสิทธิภาพเพียงอย่างเดียว แต่มันคือเจตจำนง สติปัญญาของมนุษย์ไม่ใช่แค่ผลลัพธ์จากการคำนวณ แต่มันฝังอยู่ในความตั้งใจ ประสบการณ์ที่ต่อเนื่อง และแรงจูงใจจากภายใน มนุษย์สามารถเริ่มทำแต่ละสิ่งได้ทันที โดยที่ไม่ต้องมีใครมาป้อนคำสั่ง เราสนใจในผลลัพธ์ และเรากำหนดเป้าหมายก่อนที่จะลงมือแก้ปัญหา
ในขณะที่ AI ในปัจจุบัน มีพลังในการประมวลผลและสังเคราะห์ข้อมูลมหาศาล มันจดจำรูปแบบ นำข้อมูลมารวมกัน และสร้างผลลัพธ์ที่สอดคล้องกันในระดับที่น่าทึ่ง แต่มันทำทั้งหมดนั้นได้ภายใต้เป้าหมายที่ถูกกำหนดจากภายนอก มันไม่มีเป้าหมายเป็นของตัวเอง และไม่สามารถตัดสินใจได้เองว่าอะไรคือสิ่งสำคัญ
ช่องว่างที่ว่านี้จะถูกปิดลงได้ในอนาคตหรือไม่ ยังคงเป็นคำถามปลายเปิด แต่สำหรับตอนนี้ การเปรียบเทียบม้ากับมนุษย์จบลงตรงจุดนี้พอดี: ม้าคือเทคโนโลยีที่สามารถถูกแทนที่ได้ แต่เจตจำนงของมนุษย์ไม่ใช่แค่เครื่องมือในระบบ — แต่เป็นจุดกำเนิดของระบบต่างหาก
บางคนอาจแย้งว่า ถ้า AI ได้อ่านนิยายทุกเล่มบนโลก มันก็น่าจะ “รู้” ทุกปฏิสัมพันธ์ที่เป็นไปได้ของมนุษย์แล้ว แต่นั่นหมายถึงการสรุปว่า ประสบการณ์ของมนุษย์นั้นมีขีดจำกัดและสามารถบันทึกเป็นตัวอักษรได้ทั้งหมด ต่อให้โมเดลจะซึมซับทุกเรื่องราวที่เคยตีพิมพ์ มันก็ยังเป็นเพียงตัวแทนของประสบการณ์ ไม่ใช่ตัวประสบการณ์จริงๆ สิ่งที่สำคัญกว่าคือ การจับแพทเทิร์นได้อย่างแม่นยำไม่เหมือนกับการมีเจตจำนงเป็นของตัวเอง AI สามารถผสมผสาน คาดเดา และสังเคราะห์ข้อมูลภายในขอบเขตของความเป็นไปได้ที่มีอยู่ แต่มันไม่สามารถสร้างจุดมุ่งหมายของตัวเองขึ้นมาได้ มันไม่รู้ว่าสิ่งไหนควรให้ความสำคัญ และความแตกต่างระหว่างความเชี่ยวชาญด้านรูปแบบ กับ การสร้างเป้าหมาย คือจุดที่การเปรียบเทียบเรื่องเทคโนโลยีมาแทนที่คนเริ่มพังทลายลง
กลับมาที่เรื่องการพัฒนาซอฟต์แวร์ ความแตกต่างนี้ส่งผลกระทบอย่างมากในโลกความเป็นจริง การสร้างซอฟต์แวร์ไม่ใช่แค่การเจนโค้ดที่ใช้งานได้ แต่มันคือการนิยามปัญหาให้ถูกจุด การจูนเป้าหมายที่ขัดแย้งกันให้ตรงกัน การตัดสินใจยอมแลกบางสิ่งภายใต้ความไม่แน่นอน และการรับผิดชอบต่อผลลัพธ์ที่เกิดขึ้น AI สามารถเร่งความเร็วในการพัฒนา เสนอโครงสร้างสถาปัตยกรรม และสามารถเขียนโค้ดจำนวนมหาศาลให้เราได้ แต่มันไม่สามารถไปนั่งประชุมเพื่อต่อรองสโคปงานระหว่างผู้ก่อตั้งกับโปรดักต์เมเนเจอร์ได้ มันไม่สามารถซึมซับและเข้าใจด้านการเมือง อารมณ์ และการตัดสินใจเชิงกลยุทธ์ของแต่ละโปรเจกต์ได้ ซอฟต์แวร์คือกระบวนการทางสังคม ก่อนที่จะกลายเป็นผลงานในทางเทคนิค — และตราบใดที่สิ่งนั้นยังคงเป็นจริง ทีมงานที่เป็นมนุษย์ก็ยังคงเป็นศูนย์กลางต่อการสร้างสรรค์ผลงานเหล่านี้
แค่เรื่องนี้เพียงเรื่องเดียว ก็ทำให้การบรรยายสองชั่วโมงครั้งนี้คุ้มค่ามากพอแล้ว
สิ่งที่ได้ทบทวน
ผมเดินออกจากมหาวิทยาลัยมาพร้อมกับขบคิดว่า มันยากมากที่จะได้มีโอกาสพูดคุยอย่างค่อยๆ เป็นค่อยๆ ไป ถึงงานในอุตสาหกรรมที่เรากำลังทำอยู่ ที่ Outsourcify ความเร็วของงานลูกค้านั้นไม่ได้เปิดโอกาสให้เราย้อนกลับมามองและตั้งคำถามมากนัก การได้ใช้เวลาช่วงบ่ายในห้องเรียนที่มหาวิทยาลัย ต่อหน้านักศึกษาที่เปี่ยมไปด้วยความสงสัยใคร่รู้ และนักวิชาการที่เฉียบคม ถือเป็นโอกาสในการปรับสมดุลให้ตัวเองที่ดีมาก
หากคุณกำลังจัดคอร์สเรียน งานสัมนา หรืองานอีเวนต์ และต้องการวิทยากรที่สามารถพูดถึงประเด็น AI ในการพัฒนาซอฟต์แวร์ — จากมุมมองของเอเจนซีที่ใช่เครื่องมือเหล่านี้ในการทำงานอยู่ทุกวัน — ผมยินดีอย่างยิ่งที่จะไปร่วมแบ่งปันประสบการณ์
และถึงอาจารย์ที่เชิญผมไป: ขอบคุณมากครับ สี่ปีจากเวิร์กชอปออกแบบสถาปัตยกรรมในวันนั้นมาจนถึงจุดนี้ — ถือว่าเรามาไกลกันมากเลยทีเดียว
Outsourcify is a Bangkok-based web and application development agency with over ten years of experience delivering software for international organizations, startups, and enterprises worldwide. You can reach us at outsourcify.net.
