AI “Vibe Coding” และเบื้องหลังของโปรดักต์ที่ใช้งานได้จริง
ในช่วงหลายเดือนที่ผ่านมา เราเห็นดีไซเนอร์จำนวนมากออกมาฉลองให้กับการ “Vibe Coding” ที่ทำให้ไม่ต้องใช้ Figma เลยแม้แต่นิดเดียว ตั้งแต่การวางคอนเซปต์ไปจนถึงงานจริง โดยใช้เพียงแค่ Claude เท่านั้น
ซึ่งเป็นสิ่งที่ฟังดูน่าสนใจมาก:
เปิด AI ขึ้นมา
พิมพ์ไอเดียลงไป
ได้โปรดักต์ที่ใช้งานได้
นำขึ้นระบบจริง
ที่ Outsourcify เราเองก็ใช้ AI ในการทำงานอยู่เสมอ เราทำ Prototype ได้ไวขึ้น วางโครงสร้างของ Code ด้วย AI อีกทั้งยังช่วยให้งาน QA และเอกสารไวมากยิ่งขึ้น เราเชื่ออย่างยิ่งว่าเครื่องมือเหล่านี้เป็นจุดเปลี่ยนสำคัญ
แต่ในตอนนี้ มีสิ่งหนึ่งที่คนมักเข้าใจผิดกัน
การข้ามขั้นตอนการออกแบบใน Figma ไม่ได้หมายถึงว่า สามารถข้ามขั้นตอนการออกแบบทั้งหมดเลยได้ และการไม่สนใจการคิดเชิงออกแบบ มักเป็นจุดเริ่มต้นของโปรดักต์ที่ล้มเหลว
งานดีไซน์ที่แท้จริงยังไม่หายไปไหน
งานดีไซน์ ไม่ใช่แค่เรื่องของเครื่องมือ
แต่มันคือการตัดสินใจอย่างเป็นระบบ
ไม่ว่าคุณจะใช้ Figma เขียนโค้ดเพื่อขึ้นโครงก่อน หรือใช้ AI ช่วยงาน UI สิ่งที่ต้องทำยังประกอบไปด้วย:
- การตีโจทย์ให้แตก
- การกำหนดกลุ่มผู้ใช้และข้อจำกัดต่างๆ
- การวาง User Flow และ Edge cases
- การตัดสินใจ Trade-off อย่างมีหลักการ
- การสื่อสารให้ Stakeholders เข้าใจตรงกัน
- การทดสอบ
- การปรับปรุงงานตาม Feedback
สิ่งเหล่านี้ไม่ได้หายไปเพียงเพราะ AI สามารถเสก Layout สวยๆ ให้คุณได้ใน 10 วินาที
ในทางกลับกัน ยิ่งงานไวขึ้นเท่าไหร่ การตัดสินใจที่ไม่ดีมักจะกองกันมากขึ้นเท่านั้น การวางสถาปัตยกรรมที่ไม่ดี Flow ที่ไม่สมเหตุสมผล หรือ Logic ที่ไม่ต่อเนื่อง มักจะฝังอยู่ในชิ้นงานก่อนที่จะมีคนเอะใจด้วยซ้ำไป
AI ช่วยให้งานเสร็จไวขึ้น
แต่ไม่ได้มาเพื่อแทนที่การตัดสินใจอย่างมีเหตุผลของมนุษย์
ภาพมายาของ “Vibe Coding”
เมื่อใครสักคนบอกว่า เขาข้ามขั้นตอนการออกแบบใน Figma แล้วให้ Claude เป็นเครื่องมือรับจบสำหรับการสร้างโปรดักต์ สิ่งหนึ่งที่เขายังไม่ได้บอกคือ:
พวกเขาใช้ความรู้ด้านดีไซน์ที่สั่งสมมาตลอดหลายปี
ถ้าคุณใช้เวลากว่าหลายปีสำหรับ:
- เข้าใจลำดับของข้อมูล
- การออกแบบระบบ
- การสร้าง Component
- ตรวจสอบพฤติกรรมผู้ใช้งาน
- การเรียนรู้ว่าอะไรที่จะทำให้ใช้งานไม่ได้
ถ้าคุณเข้าใจเรื่องพวกนี้ทั้งหมด คุณสามารถข้ามขั้นตอนการออกแบบไปสู่การเขียนโค้ดได้เลย โดยที่งานของคุณก็ยังออกมาดีอยู่
แต่งานที่ออกมาดีเหล่านั้น ไม่ได้เกิดขึ้นมาเพราะ AI
แต่เกิดขึ้นเพราะประสบการณ์ส่วนตัวของคุณเอง
สำหรับดีไซเนอร์รุ่นใหม่ หรือ Founder ที่ยังไม่มีพื้นฐานของโปรดักต์มาก่อน การข้ามขั้นตอนการคิดไม่ได้เป็นเหมือนกับการสร้างนวัตกรรมใหม่ๆ ขึ้นมา แต่เป็นการสร้างงานแบบพื้นๆ ที่ออกแบบโดยการนำ UI ที่มีอยู่แล้ว มาเฉลี่ยๆ กัน จนออกมาเป็นงานของคุณ
สิ่งเหล่านี้ไม่ใช่วิสัยทัศน์ แต่เป็นการสร้างรูปแบบเดิมๆ ขึ้นมาใหม่
ทำไมขั้นตอนการคิดยังคงสำคัญ
ก่อนจะพิมพ์ Prompt ลงไปใน AI คุณควรจะ:
- ร่าง Flow คร่าวๆ บนกระดาษ
- วางโครงหน้าจอในจุดที่สำคัญ
- จด Logic และข้อจำกัดต่างๆ
- มีตัวชี้วัดความสำเร็จที่ชัดเจน
- นิยามคำว่า “ดี” ให้ชัดเจน
ที่ Outsourcify เมื่อเราใช้ AI สำหรับการสร้าง เรามักจะป้อนข้อมูลที่ผ่านการเตรียมไว้เป็นอย่างดี
- ระบุ Spec และเงื่อนไขทางธุรกิจที่ชัดเจน
- ข้อมูล Edge-Case ต่างๆ
- ข้อจำกัดของระบบ
- หลักการด้าน UX
คุณภาพของผลลัพธ์ที่ออกมาจาก AI ขึ้นอยู่กับคุณภาพของการคิดวิเคราะห์ตั้งแต่ต้น
AI ช่วยขยายความชัดเจน
และช่วยขยายความคลุมเครือได้เช่นกัน
ปัญหาไม่ได้อยู่ที่ Figma แต่อยู่ที่ ตัวชิ้นงาน VS. ความตั้งใจ
ประเด็นไม่ควรอยู่ที่ “ใช้ Figma หรือไม่ใช้”
Figma มีไว้เพื่อสร้างชิ้นงานออกมา
เป็นเครื่องมือที่ทำให้การตัดสินใจ ออกมาในแบบของรูปภาพ
ในบางบริบท โดยเฉพาะช่วงแรกๆ ของการทำ MVP การไปเริ่ม Code เพื่อทำตัวทดสอบออกมา อาจรวดเร็วและมีประสิทธิภาพมากกว่า พวกเราใช้วิธีนี้สำหรับโปรเจคภายใน เมื่อความรวดเร็วในการตัดสินใจเป็นสิ่งสำคัญ
แต่ความแตกต่างมันอยู่ตรงที่:
ถ้าทีมตัดขั้นตอนการออกแบบใน Figma ออก เพราะคิดว่า จะได้ไม่ต้องเสียเวลากับการคิดงานดีไซน์แล้ว เป็นความคิดที่ผิดพลาด
แต่ถ้าทีมตัดขั้นตอนของ Figma ทิ้ง เพราะการคิดเชิงออกแบบแข็งแรงเพียงพอที่จะข้ามขั้นตอนนี้ไปเลย นี่เป็นความแตกต่างที่ชัดเจน
การใช้เครื่องมือเป็นเรื่องรอง
ความตั้งใจต่างหาก ที่เป็นเรื่องสำคัญ
ความจริงทางธุรกิจ
เราต้องยอมรับความจริงที่ว่า
หลายบริษัทจะเลือกทางที่เร็วและถูกกว่า ถ้าผลลัพธ์มัน “ดีพอใช้ได้” นี่คือความจริงของในยุคปัจจุบัน ที่จะส่งผลกระทบต่องาน UI บีบไทม์ไลน์ของแต่ละงาน และลดคุณค่าของงานที่มีความละเอียดถึงระดับพิกเซล
แต่นั่นไม่ได้หมายความว่า งานดีไซน์จะหมดไป
แต่หมายความว่า ดีไซเนอร์ต้องย้ายจุดโฟกัสในงาน
ใช้เวลากับการปรับแต่งระดับพิกเซลให้น้อยลง
เพื่อเอาเวลาไปใช้กับ:
- การกำหนดทิศทางของโปรดักต์
- การวางระบบและโครงสร้างข้อมูล
- ทำให้งานตอบโจทย์ความต้องการทางธุรกิจ
- รักษาความชัดเจนในการใช้งาน
- สร้าง Component ที่สามารถนำไปต่อยอดได้
คุณค่าที่แท้จริง จะขยับไปอยู่ในกระบวนการคิด
การใช้ AI เพิ่มคุณค่าของงาน
ถ้าใช้อย่างถูกวิธี เครื่องมืออย่าง Claude ช่วยให้:
- ขึ้นโครง Prototype ได้ไว
- ทำ UI ทางเลือกหลายๆ แบบ
- Refactor โค้ด
- เสนอ Edge cases
- เร่งสปีดการทำเอกสารและ QA
ในทีมพัฒนาของ Outsourcify AI เข้ามาเป็นส่วนหนึ่งในการทำงาน ช่วยให้เราใช้เวลาน้อยลงในการทำให้ชิ้นงานดีขึ้น และช่วยทดสอบไอเดียต่างๆ ได้ไวยิ่งขึ้น
แต่มันจะเวิร์กที่สุดก็ต่อเมื่อ:
- มีกลยุทธ์ในหัว
- แนวทาง UX ที่ชัดเจน
- รู้ข้อจำกัด
- วางโครงของสถาปัตยกรรมเอาไว้แล้ว
AI เปรียบเสมือนตัวคูณ
มันสามารถคูณทั้งผลลัพธ์ในทางที่ดี และในทางที่ไม่ดี
ความเสี่ยงของโปรดักต์ตามค่าเฉลี่ย
ถ้าคุณ Prompt โดยไม่มีแนวทางที่ชัดเจน คุณจะได้งานที่เปรียบเสมือนกับค่าเฉลี่ยทางสถิติ
การประมวลผลของระบบ AI นั้น ขึ้นอยู่กับรูปแบบของข้อมูลที่ถูกป้อนเข้าไปในระบบ การปราศจากคำสั่งที่ชัดเจน ผลลัพธ์จะออกมาเป็น:
- พอรับได้
- หน้าตาคุ้นๆ
- พอใช้งานได้
- ไม่มีจุดขาย
นวัตกรรมต้องการความขัดแย้ง
ความขัดแย้งต้องการการตัดสินใจที่เด็ดขาด
การตัดสินใจที่เด็ดขาดต้องการวิจารณญาณของมนุษย์
จิตวิญญาณของโปรดักต์ไม่ได้อยู่ที่การจัดวาง
แต่อยู่ที่การตัดสินใจเบื้องหลังโปรดักต์เหล่านั้น
สิ่งที่ Designers ควรโฟกัสหลังจากนี้
เครื่องมือมีแต่จะพัฒนาไปเรื่อยๆ
ดีไซเนอร์ที่ยังคงเป็นที่ต้องการ จะไม่ใช่คนที่ยึดติดกับเครื่องมือเดิมๆ แต่จะเป็นคนที่:
- เข้าใจกลไกธุรกิจ
- คิดเป็นระบบ ไม่ใช่แค่หน้าจอ
- ทำให้สิ่งที่ออกแบบมา สามารถนำไปใช้ต่อได้ในอนาคต
- เปลี่ยนความคลุมเครือให้เป็นความชัดเจน
- ทำงานร่วมกับทีมอื่นได้ดี
- วัดผลงานที่ผลลัพธ์ ไม่ใช่แค่ความสวยงาม
งานดีไซน์ กำลังผสานเข้ากับงานวางกลยุทธ์มากขึ้นทุกที
และนั่นเป็นเรื่องที่ดี
จุดยืนของ Outsourcify
ที่ Outsourcify เราโอบรับ AI อย่างเต็มที่ในการพัฒนาซอฟต์แวร์ เราใช้เพื่อให้ได้ตัวต้นแบบได้เร็วขึ้น วางโครงสร้างของโค้ด ทดสอบสมมติฐาน และเพิ่มประสิทธิภาพการทำงานในทุกๆ ทีม
แต่เราไม่ได้นำความเร็ว และ ความลึก ของชิ้นงานมาปะปนกัน
ก่อนจะเริ่มเขียน Prompt เรายังคงต้องมี:
- การคุยเรื่อง Architecture
- การวาง UX Mapping
- ความเห็นของผู้มีส่วนเกี่ยวข้อง
- การวิเคราะห์ความเสี่ยงและ Trade-offs
เพราะเป้าหมายไม่ใช่การเจน UI ออกมาให้เสร็จๆ
แต่คือการส่งมอบโปรดักต์ที่ใช้งานได้จริง ทั้งในแง่เทคนิค ธุรกิจ และประสบการณ์ผู้ใช้
AI เข้ามาเพื่อเพิ่มคุณค่า ไม่ใช่การทดแทนความสามารถในตัวเรา
อนาคตไม่ใช่เรื่องของการข้ามขั้นตอนการออกแบบ
แต่คือการยกระดับงานดีไซน์ขึ้นไปอีกขั้น
