จุดจบนักพัฒนาซอฟต์แวร์? ทำไมแรงงาน 110,000 คนถูกไล่ออก ความจริงอันโหดร้ายในยุค AI เขียนโค้ด

ต้องบอกว่าในช่วงทศวรรษที่ผ่านมาการเป็นนักพัฒนาซอฟต์แวร์เป็นงานในฝันของใครหลายคน US News and World Report เคยจัดให้อาชีพนี้อยู่อันดับหนึ่ง แซงหน้าอาชีพในวงการสาธารณสุขที่ครองแชมป์มาตลอด 3 ปี

เงินเดือนพุ่งกระฉูด สวัสดิการเทพ ทั้งเบี้ยเลี้ยงและชั่วโมงทำงานที่ยืดหยุ่น ทำให้อาชีพนี้เป็นที่หมายปองของคนรุ่นใหม่

แต่ดูเหมือนว่ายุคทองกำลังจะถึงจุดจบ เมื่อเราเริ่มเห็นแนวโน้มว่าในอนาคต โค้ดมากมายในแอปต่างๆ รวมถึง AI จะถูกสร้างโดยวิศวกร AI แทนที่วิศวกรมนุษย์

ข้อมูลจาก US Bureau of Labor Statistics บ่งชี้ว่า ในปี 2019 มีนักพัฒนาซอฟต์แวร์ในอเมริกาประมาณ 1.5 ล้านคน และคาดว่าจะเติบโตอีก 22% ถึงปี 2029

แต่ความเจ๋งของ AI ที่พัฒนาอย่างก้าวกระโดดได้เข้ามาพลิกเกมนี้อย่างสิ้นเชิง ไม่มีใครคาดคิดว่า มาถึงปี 2025 ตำแหน่งงานนักพัฒนาซอฟต์แวร์จะไม่เพิ่มขึ้น แต่กลับดิ่งลงเหวอย่างน่าใจหาย

วงการเทคโนโลยีกำลังเจอศึกหนัก Microsoft ประกาศเลิกจ้าง 5% Meta เจ้าของ Facebook ก็ลดพนักงาน 5% Alphabet ลูกพี่ใหญ่ก็ลดคนเป็นพันๆ

นักพัฒนาซอฟต์แวร์กว่า 110,000 คนทั่วโลกถูกถีบออกจากงาน สะท้อนให้เห็นว่าวงการกำลังสั่นคลอนหนัก พวกเขาต้องฝ่าฝันต่อสู้ในตลาดงานที่แข่งขันกันอย่างโหดเหี้ยม

Meta ที่เคยเป็นความฝันของมืออาชีพด้านซอฟต์แวร์ ปรับโครงสร้างครั้งใหญ่ ยกเลิกตำแหน่งถึง 16,000 ตำแหน่ง เพื่อมุ่งเน้นพัฒนา AI ที่กำลังเป็นดาวรุ่งพุ่งแรง

นี่เป็นจุดจบของนักพัฒนาซอฟต์แวร์จริงหรือ? อนาคตในโลกแรงงานจะเป็นเช่นไร?

ย้อนกลับไปมองประวัติศาสตร์ นักพัฒนาซอฟต์แวร์เป็นกำลังสำคัญของวงการเทคโนโลยีมานาน ตั้งแต่ปลายยุค 90 ถึงต้นยุค 2020 ความต้องการพุ่งทะยาน

ช่วงปี 2000 โลกเข้าสู่ยุคอินเทอร์เน็ตแบบเต็มตัว ต้องการแอปและเว็บใหม่ๆ มากมาย ทำให้การจ้างโปรแกรมเมอร์เพิ่มขึ้นแบบก้าวกระโดด

ปี 2015 การพัฒนาซอฟต์แวร์เป็นสาขาที่เนื้อหอมสุดๆ มหาวิทยาลัยและสถาบันการศึกษาเต็มไปด้วยนักศึกษาที่อยากก้าวเข้าสู่วงการนี้

แต่แล้วเมื่อ AI เทพขึ้นอย่างก้าวกระโดด โดยเฉพาะช่วงไม่กี่ปีที่ผ่านมา สภาพแวดล้อมเริ่มเปลี่ยนแปลงจนน่าตกใจ

ปี 2020 บริษัทยักษ์ใหญ่อย่าง Google, Microsoft และ OpenAI เริ่มเสกโมเดล AI ที่สามารถสร้างโค้ดได้โดยอัตโนมัติเกือบทั้งหมด

ChatGPT เป็นเทคโนโลยีที่เปลี่ยนโลกไปอย่างสิ้นเชิง ซึ่งเป็นเทคโนโลยี AI ที่ได้รับเงินสนับสนุนมหาศาลถึง 10 พันล้านดอลลาร์จาก Microsoft

ความก้าวหน้านี้ส่งสัญญาณชัดว่า AI สามารถทำงานแทนที่นักพัฒนามนุษย์ได้หลายอย่าง ปี 2023 เป็นจุดพลิกผันของวงการ

GitHub Copilot ที่ขับเคลื่อนโดย OpenAI เริ่มช่วยนักพัฒนาสร้างโค้ดทั้งชุดจากการป้อนข้อมูลแค่ไม่กี่บรรทัด ในชณะที่ Microsoft 365 Copilot กลายเป็นผลิตภัณฑ์ที่ผู้คนหลายล้านคนใช้และพึ่งพาทุกวัน

ตอนแรก เครื่องมือพวกนี้ถูกมองเป็นแค่ตัวช่วย แต่ไม่นานผู้เชี่ยวชาญก็ตระหนักถึงศักยภาพโครตเทพในการแทนที่งานมนุษย์

บริษัทต่างๆ เริ่มลดพนักงานพัฒนาซอฟต์แวร์ เพราะ AI ทำงานได้แบบจัดเต็มโดยต้องการคนน้อยลงเรื่อยๆ ปี 2025 วงการเทคโนโลยีอยู่ในช่วงเปลี่ยนแปลงครั้งใหญ่แล้ว

การศึกษาปี 2024 เผยว่า 32% ของบริษัทเทคโนโลยีได้นำ AI มาใช้ทำงานเขียนโปรแกรมอัตโนมัติ Meta, Google และ Amazon กำลังใช้ AI แบบจัดเต็มในการเขียนโค้ด ทดสอบซอฟต์แวร์ และดูแลระบบ ส่งผลให้ความต้องการนักพัฒนาแบบเดิมลดฮวบ

ปี 2025 Meta เลิกจ้างคนกว่า 10,000 คน ประมาณ 15% เป็นวิศวกรซอฟต์แวร์ เป็นส่วนหนึ่งของการปรับโครงสร้างสู่การใช้ AI มากขึ้น

กุมภาพันธ์ 2025 Workday เลิกจ้าง 1,750 คน ประมาณ 8.5% ของคนทั่วโลก ในขณะที่ Salesforce และ Cruz ประกาศว่าพวกเขาจะลดพนักงาน

มกราคม 2025 Salesforce ตัดตำแหน่งกว่า 1,000 ตำแหน่ง ลดทีมวิศวกรซอฟต์แวร์ลง 15% อ้างว่า AI ทำงานได้ดีกว่า Salesforce กำลังตัดงานมากกว่า 1,000 ตำแหน่ง และพวกเขาจะจ้างพนักงานขายเพื่อขายผลิตภัณฑ์ AI แทน

น่าสนใจที่การเลิกจ้างไม่ได้จำกัดแค่บริษัทเทคโนโลยี แต่กำลังเกิดขึ้นกับธุรกิจทุกประเภททั่วโลก

45% ของบริษัทที่ไม่ใช่เทคโนโลยีวางแผนแทนที่ทีมพัฒนาบางส่วนด้วย AI ในอีก 3-5 ปีข้างหน้า การเลิกจ้างวิศวกรซอฟต์แวร์กลายเป็นเรื่องปกติที่ใครๆ ก็ทำกัน

Meta เลิกจ้างคนหลายพันคนในปี 2025 โดยอ้างว่า AI ช่วยเพิ่มประสิทธิภาพได้ ซึ่ง AI กำลังปฏิวัติการเขียนโปรแกรม ทำให้คนที่ไม่มีความรู้มาก่อนสามารถสร้างโค้ดซับซ้อนได้ด้วยคำสั่งภาษาธรรมชาติแบบสบาย ๆ

ปัญหาใหญ่คือ งานทั้งหมดที่เคยทำโดยนักพัฒนา ตอนนี้ AI ทำได้หมด นั่นหมายความว่าเทคโนโลยีนี้แย่งงานไปแล้วหลายแสนตำแหน่ง และจะยังทำต่อไปในทศวรรษหน้า

ถ้าเทคโนโลยียังก้าวกระโดดแบบนี้ งานที่เคยต้องใช้ทีมนักพัฒนาทั้งทีม ก็จะจัดการได้ด้วยระบบอัตโนมัติเพียงไม่กี่ตัว

ChatGPT ช่วยธุรกิจประหยัดเงินได้หลายพันล้าน เทคโนโลยีนี้สามารถเพิ่มผลผลิตในระยะยาวได้มากกว่า 230 พันล้านดอลลาร์

ประกอบกับการที่บริษัทต่าง ๆ เปลี่ยนไปเน้นที่การลดต้นทุนมากขึ้น หลังจากการเติบโตอย่างรวดเร็วในทศวรรษที่ผ่านมา ที่จ้างคนเยอะโดยไม่คิดถึงความยั่งยืน

ปัจจุบันเศรษฐกิจไม่แน่นอนมากขึ้น องค์กรต่างๆ จึงปรับโครงสร้างและกำจัดตำแหน่งที่ไม่จำเป็นออกไป ความก้าวหน้าของ AI ช่วยให้ธุรกิจมีประสิทธิภาพเพิ่มขึ้น แต่มีต้นทุนคือการกำจัดงานนักพัฒนาซอฟต์แวร์

อย่างไรก็ตาม แม้จะมีระบบอัตโนมัติ ประสบการณ์ของมนุษย์ยังมีความสำคัญไม่เปลี่ยนแปลง นักพัฒนาต้องปรับตัวหันไปเน้นงานเชิงกลยุทธ์มากขึ้น

ทั้งงานด้านการออกแบบสถาปัตยกรรมระบบขั้นสูง การออกแบบโซลูชัน และการดูแล AI นอกจากนี้ ความคิดสร้างสรรค์และความสามารถแก้ปัญหาซับซ้อนยังเป็นทักษะมนุษย์ที่จำเป็น

ปรากฏการณ์นี้ไม่ได้หมายถึงจุดจบของนักพัฒนาซอฟต์แวร์ แต่เป็นการเปลี่ยนแปลงครั้งสำคัญที่เป็นการขีดชะตาชีวิตของคนในสายอาชีพนี้

นักพัฒนาต้องปรับตัวและเรียนรู้วิธีทำงานกับ AI โดยรับบทบาทเชิงกลยุทธ์มากขึ้น ในขณะที่งานซ้ำๆ และงานพื้นฐานถูกทำให้เป็นอัตโนมัติทั้งหมด

วิชาชีพกำลังเผชิญอนาคตที่ไม่แน่นอน ซึ่งความสามารถในการทำงานร่วมกับ AI อาจสำคัญกว่าความรู้ลึกในภาษาการเขียนโปรแกรมแบบดั้งเดิม

นักพัฒนาที่ปรับตัวได้จะยังมีบทบาทสำคัญในการขับเคลื่อนนวัตกรรม แม้ว่ารูปแบบการทำงานจะเปลี่ยนไปมากก็ตามที

การเปลี่ยนแปลงนี้กระทบไม่เฉพาะวงการซอฟต์แวร์ แต่ส่งผลต่ออาชีพอื่นๆ อีกมากมาย World Economic Forum รายงานว่าภายในปี 2030 AI จะทำให้งานกว่า 85 ล้านตำแหน่งทั่วโลกมลายหายไปหมดสิ้น

ในขณะเดียวกันก็จะรังสรรค์งานใหม่ประมาณ 97 ล้านตำแหน่ง ซึ่งต้องการทักษะและความเชี่ยวชาญที่แตกต่างออกไป ซึ่งเป็นโอกาสของตลาดแรงงานยุคใหม่นั่นเองครับผม

ก่อนจะมาเป็น ChatGPT 70 ปีแห่งการปฏิวัติ จากห้องประชุมที่ดาร์ทมัธสู่ AI ในมือคุณ

ผมว่าหลายเคยน่าจะสงสัยกันว่า AI มันมีที่มาที่ไปยังไง? ทำไมตอนนี้มันถึงกลายเป็นเรื่องฮอตฮิตกันขนาดนี้? มาดูกันว่าเจ้า AI ที่เราใช้กันทุกวันนี้ มันมีประวัติความเป็นมาที่เจ๋งแค่ไหน

ย้อนกลับไปเมื่อฤดูร้อนปี 1956 มีการรวมตัวกันของเหล่านักวิชาการระดับเทพที่ Dartmouth College ในรัฐ New Hampshire สหรัฐอเมริกา นำโดยนักวิจัยหนุ่มชื่อ John McCarthy

พวกเขาต้องการการสร้างเครื่องจักรที่สามารถคิดเหมือนคน ใช้ภาษา และแก้ปัญหาได้ McCarthy เป็นคนตั้งชื่อ “ปัญญาประดิษฐ์” หรือ Artificial Intelligence ขึ้นเป็นครั้งแรกในการประชุมนี้เอง

จุดนี้แหละที่เรียกได้ว่าเป็นจุดพีคของการศึกษา AI อย่างจริงจัง แม้ว่าก่อนหน้านี้จะมีการถกเถียงเรื่องเครื่องจักรที่คิดได้มาบ้างแล้ว จากอัจฉริยะอย่าง Alan Turing กับ John von Neumann

McCarthy ตั้งชื่อแบบกว้างๆ เพื่อให้ครอบคลุมแนวคิดหลายรูปแบบ ไม่ว่าจะเป็นระบบที่ใช้ตรรกะแบบคณิตศาสตร์ หรือระบบที่ใช้ความน่าจะเป็นที่สามารถปรับเปลี่ยนได้ตลอดเวลา

ในทศวรรษต่อมา นักวิจัยทั้งหลายต่างถกเถียงกันอย่างหนักว่า AI ควรพัฒนาไปทางไหน จนกระทั่งทศวรรษ 1980 ทุกคนเห็นตรงกันว่า “ระบบผู้เชี่ยวชาญ (Expert System)” คือคำตอบ

ระบบผู้เชี่ยวชาญคือการเลียนแบบกระบวนการและความเป็นเหตุเป็นผลของผู้เชี่ยวชาญในการแก้ไขปัญหาที่ซับซ้อน รัฐบาลญี่ปุ่นถึงกับทุ่มเงินอัดฉีดสนับสนุนแนวคิดนี้อย่างเต็มที่

แต่แล้วความฝันก็พังไม่เป็นท่า เมื่อระบบเหล่านี้ไม่สามารถจัดการกับความวุ่นวายของโลกจริงได้ AI กลายเป็นคำที่ใครได้ยินก็ยี้ เพราะมันถูกโม้ไว้มากแต่ทำจริงได้น้อย

นักวิจัยเริ่มเลิกใช้คำว่า AI กัน เริ่มรู้สึกอายเวลามีคนถามว่าทำอะไรอยู่แล้วต้องตอบว่า “วิจัย AI” แต่ยังมีนักสู้บางคนที่ฝ่าฝันต่อสู้ต่อไป

พวกเขาหันมาสนใจการจำลองการทำงานของสมองมนุษย์แทน แนวคิดนี้เริ่มมาตั้งแต่ทศวรรษ 1940 แล้ว เมื่อนักวิทยาศาสตร์ค้นพบหลักการทำงานของเซลล์สมอง

ในสมองคนเรา เซลล์ประสาทเชื่อมต่อกันเป็นเครือข่าย Marvin Minsky หนึ่งในผู้เข้าร่วมประชุมที่ Dartford ลองจำลองเรื่องนี้ในแล็บโดยใช้ฮาร์ดแวร์ แต่ต่อมาก็มีการจำลองด้วยซอฟต์แวร์แทน

เครือข่ายประสาทเทียมพวกนี้ไม่ได้ใช้กฎตายตัวเหมือนโปรแกรมทั่วไป แต่มัน “เรียนรู้” จากตัวอย่างมากมาย คล้ายๆ เด็กที่เรียนรู้จากประสบการณ์นั่นแหละ

ในระหว่างฝึก การเชื่อมต่อระหว่างเซลล์ประสาทจะถูกปรับแต่งซ้ำๆ จนสุดท้ายข้อมูลที่ป้อนเข้าไปจะทำให้ได้ผลลัพธ์ที่ถูกต้อง

Minsky เองดันทิ้งแนวคิดนี้ไป แต่คนอื่นยังคงพัฒนาต่อ ต้นทศวรรษ 1990 เครือข่ายประสาทถูกฝึกให้ทำอะไรง่ายๆ เช่น อ่านตัวเลขลายมือเพื่อคัดแยกจดหมาย

นักวิจัยอยากเพิ่มชั้นของเซลล์ประสาทให้มากขึ้น เพื่อให้ทำงานซับซ้อนได้ แต่มันยิ่งซับซ้อนก็ยิ่งช้า ช้าจนน่าหงุดหงิด แต่ความหวังก็มาในรูปแบบของฮาร์ดแวร์ใหม่

ปี 2009 นักวิจัยจาก Stanford University ทำให้เครือข่ายประสาทเร็วขึ้น 70 เท่า โดยใช้คอมพิวเตอร์เกมในหอพัก! พวกเขาใช้ GPU หรือหน่วยประมวลผลกราฟิกที่มีในคอมเกม แทนที่จะใช้ CPU แบบปกติ

การเพิ่มความเร็วนี้ทำให้ฝึกเครือข่ายขนาดใหญ่ได้ในเวลาที่เข้าท่า เครือข่ายที่มีหลายชั้น หรือที่เรียกว่า “ลึก” นี่แหละที่พิสูจน์แล้วว่าทำงานได้โครตเทพเลย

แนวทางใหม่นี้ถูกเรียกว่า “การเรียนรู้เชิงลึก” หรือ Deep Learning ซึ่งความเจ๋งของมันโชว์ชัดในการแข่งขัน ImageNet Challenge ปี 2012

คือในการแข่งนี้ ระบบจดจำภาพจะได้รับฐานข้อมูลภาพที่มีป้ายกำกับกว่าล้านภาพ แล้วต้องบอกให้ได้ว่าภาพใหม่ๆ ที่ไม่เคยเห็นคือภาพอะไร

ทีมของ Geoff Hinton จาก University of Toronto ใช้การเรียนรู้เชิงลึก ทำความแม่นยำได้ถึง 85% ซึ่งถือว่าเป็นการก้าวกระโดดครั้งสำคัญมาก

ภายในปี 2015 ทุกคนในวงการจดจำภาพหันมาใช้การเรียนรู้เชิงลึกกันหมด และความแม่นยำของผู้ชนะ ImageNet Challenge พุ่งทะยานไปถึง 96% เรียกได้ว่าเทพยิ่งกว่ามนุษย์ซะอีก!

การเรียนรู้เชิงลึกไม่ได้แค่จำภาพได้ แต่ยังรู้จำเสียงพูด (แปลงเสียงเป็นข้อความ) จดจำใบหน้า (บอกว่าหน้านี้เป็นใคร) และแปลภาษาได้ด้วย

อินเทอร์เน็ตก็มีบทบาทสำคัญเช่นเดียวกัน เพราะเป็นแหล่งข้อมูลมหาศาลสำหรับฝึก AI และยิ่งเครือข่ายใหญ่ขึ้น ได้ข้อมูลฝึกมากขึ้น ประสิทธิภาพก็ยิ่งดีขึ้น

การเรียนรู้เชิงลึกรังสรรค์ผลิตภัณฑ์และบริการใหม่ๆ อย่างรวดเร็ว อุปกรณ์สั่งงานด้วยเสียงอย่าง Alexa ของ Amazon โผล่มา บริการถอดเสียงออนไลน์เริ่มใช้ได้จริง เว็บเบราว์เซอร์แปลภาษาได้อัตโนมัติ

AI กลายเป็นคำที่คูลขึ้นมาทันที ไม่ใช่เรื่องที่น่าอายอีกต่อไป แม้ว่าจริงๆ แล้ว เทคโนโลยีที่เรียกว่า AI ส่วนใหญ่ก็คือการเรียนรู้เชิงลึกนี่แหละ

ปี 2017 มีการปฏิวัติอีกครั้งด้วย “transformer” วิธีใหม่ในการจัดเรียงการเชื่อมต่อระหว่างเซลล์ประสาท มันช่วยให้เครือข่ายประสาทติดตามรูปแบบในข้อมูลได้ แม้ว่าส่วนประกอบของรูปแบบจะอยู่ห่างกันก็ตาม

Transformer ทำให้เข้าใจบริบทได้ดีขึ้น เหมาะกับเทคนิค “การเรียนรู้แบบกำกับตนเอง” ที่คำบางคำจะถูกลบไป แล้วโมเดลต้องเดาว่าคำที่หายไปน่าจะเป็นอะไร

ข้อดีคือไม่ต้องติดป้ายข้อมูลก่อนฝึก เพราะฉะนั้นก็สามารถเอาข้อความดิบๆ หลายพันล้านคำจากอินเทอร์เน็ตมาใช้ฝึกได้เลย เรียกได้ว่าสะดวกแบบจัดเต็ม!

โมเดลภาษาขนาดใหญ่ (Large Language Models หรือ LLMs) ที่ใช้ transformer เริ่มดังกระฉูดในปี 2019 เมื่อ OpenAI ปล่อย GPT-2 ออกมา (GPT ย่อมาจาก generative pre-trained transformer)

LLMs พวกนี้มีความสามารถที่ “เกิดขึ้นเอง” ซึ่งไม่ได้ถูกฝึกโดยตรง การดูดซึมภาษามหาศาลทำให้มันไม่เพียงเก่งด้านภาษา แต่ยังคำนวณง่ายๆ และเขียนโค้ดได้ด้วย เพราะพวกนี้แฝงอยู่ในข้อมูลฝึก

แต่มันก็มีด้านมืดเช่นเดียวกัน มันอาจซึมซับอคติจากข้อมูลที่ใช้ฝึกด้วย ทำให้อคติในสังคมมนุษย์ปรากฏในผลลัพธ์ของมันได้

พฤศจิกายน 2022 เป็นจุดเปลี่ยนครั้งใหญ่ เมื่อ OpenAI เปิดตัว ChatGPT ซึ่งเป็นแชทบอทที่ใช้ GPT-3.5 ให้คนทั่วไปใช้ ไม่เคยมีผลิตภัณฑ์ไหนเติบโตเร็วขนาดนี้มาก่อน

ภายในไม่กี่สัปดาห์ ChatGPT สามารถเขียนเรียงความระดับมหาวิทยาลัย เขียนโค้ดคอมพิวเตอร์ และอีกมากมาย AI ได้ก้าวกระโดดอีกครั้ง!

ถ้าผลิตภัณฑ์ AI ยุคแรกเน้นการจดจำ ยุคที่สองนี้เน้นการสร้างสรรค์ Stable Diffusion กับ DALL-E ที่ออกมาช่วงเดียวกัน ใช้เทคนิค diffusion แปลงข้อความเป็นภาพ โมเดลอื่นๆ ก็สร้างวิดีโอ เสียงพูด หรือดนตรีได้สมจริงจนอ้าปากค้าง

ChatGPT และคู่แข่งอย่าง Gemini (จาก Google) กับ Claude (จาก Anthropic ซึ่งก่อตั้งโดยอดีตพนักงาน OpenAI) ตอบสนองด้วยสิ่งใหม่ๆ ที่ทำให้รู้สึกต่างจากซอฟต์แวร์ที่แค่จดจำหรือแปล

พวกมันดูเหมือนจะ “ใช้ภาษา” และ “สร้างนามธรรม” ได้จริงๆ ตามสิ่งที่ McCarthy ฝันไว้เมื่อเกือบ 70 ปีก่อน

แต่ความก้าวหน้าแบบฉุดไม่อยู่ของ AI ก็นำมาซึ่งคำถามและข้อกังวลมากมาย โดยเฉพาะเรื่องจริยธรรมและผลกระทบต่อสังคม

AI อาจได้รับและผลิตซ้ำอคติจากสังคมมนุษย์ อีกทั้งยังมีความเสี่ยงเรื่องข่าวปลอมและความเป็นส่วนตัวที่ต้องระวัง

แต่ในขณะเดียวกัน AI ก็เปิดโอกาสมากมายในการพัฒนาคุณภาพชีวิตของมนุษย์ ทั้งการแพทย์ การศึกษา และอื่นๆ อีกมากที่เรายังนึกไม่ถึง

ตอนนี้เราอยู่ในจุดเปลี่ยนสำคัญของประวัติศาสตร์ AI ความฝันของผู้บุกเบิกกำลังเป็นจริง พร้อมๆ กับความท้าทายใหม่ๆ ที่เราต้องเผชิญร่วมกัน

คำถามสำคัญคือ เราจะใช้ประโยชน์จาก AI อย่างชาญฉลาดและรับผิดชอบได้อย่างไร เพื่อให้มันเป็นเครื่องมือที่ช่วยขีดเขียนชะตาชีวิตมนุษยชาติไปในทางที่ดีขึ้น

ในอนาคตอันใกล้ เราอาจได้เห็น AI ที่เทพยิ่งกว่านี้อีก แต่เราต้องไม่ลืมว่ามันเป็นเพียงเครื่องมือที่มนุษย์สร้างขึ้น การใช้งานอย่างมีจริยธรรมจึงเป็นสิ่งสำคัญ

ท้ายที่สุด การพัฒนา AI ไม่ใช่แค่เรื่องเทคโนโลยี แต่เป็นเรื่องของมนุษยชาติทั้งหมด เราทุกคนมีส่วนร่วมในการกำหนดอนาคตของ AI และโลกที่เราจะอยู่ร่วมกับมัน

ความเข้าใจ การมีส่วนร่วม และความรับผิดชอบของเราทุกคนจะเป็นกุญแจสำคัญในการสร้างอนาคตที่ AI และมนุษย์อยู่ร่วมกันได้อย่างสร้างสรรค์และยั่งยืน

นี่แหละคือเส้นทางอันน่าทึ่งของ AI จากความฝันในห้องประชุมเล็กๆ สู่เทคโนโลยีที่กำลังเปลี่ยนแปลงโลกของเราทุกวันนี้ และเชื่อเถอะว่า เรายังได้เห็นอะไรเจ๋งๆ อีกเยอะในอนาคตอันใกล้นี้อย่างแน่นอน!

อวสาน Programmer? โอกาสหรือวิกฤต รู้ก่อนสาย เมื่อ AI เขียนโค้ดได้ดีกว่ามนุษย์

เมื่อต้นปี 2025 ทีผ่านมา Mark Zuckerberg ผู้ก่อตั้ง Meta ได้ประกาศคำพูดที่สั่นคลอนวงการเทคโนโลยีทั่วโลก เขาบอกว่าในปีเดียวกันนี้ บริษัทเทคจะมี AI ที่เทียบชั้นวิศวกรระดับกลางได้แล้ว

คำพูดของ Zuckerberg ไม่ได้มาเล่นๆ เขาเชื่อว่าในไม่ช้า โค้ดส่วนใหญ่ในแอปต่างๆ จะถูกสร้างโดย AI แทนที่จะเป็นฝีมือมนุษย์ ฟังดูเหมือนเรื่องเพ้อฝันแต่มันคือความจริงที่กำลังเกิดขึ้น

ไม่เพียงแค่ผู้นำ Meta ที่พูดแบบนี้ ทาง Amazon ก็ส่งสัญญาณไปในทิศทางเดียวกัน Business Insider เคยเปิดเผยการประชุมลับของหัวหน้าฝ่าย Cloud ที่บอกว่านักพัฒนาส่วนใหญ่อาจไม่ต้องเขียนโค้ดอีกต่อไป

คำทำนายเหล่านี้ฟังแล้วน่าสะพรึงกลัวสำหรับใครที่กำลังเรียนหรือทำงานด้านนี้ แต่ความจริงอาจไม่ได้เลวร้ายอย่างที่คิด มาดูข้อมูลเชิงลึกกันว่า AI กำลังพัฒนาไปถึงไหนแล้ว

ตัวเลขการพัฒนาของ AI ด้านการเขียนโค้ดนั้นน่าทึ่งจริงๆ เพราะในช่วงต้นปี 2024 AI มีความสามารถแค่ 7% เมื่อเทียบกับมนุษย์ แต่ภายในไม่กี่เดือนก็พุ่งกระฉูดเป็น 40%

และไม่ใช่แค่นั้น ช่วงปลายปีเดียวกัน โมเดล Code Story Midwit Agent Plus SWE Search ทำคะแนนได้ถึง 62% บน SWE bench ซึ่งเป็นมาตรฐานวัดความเจ๋งในการเขียนโค้ด

benchmark นี้ถือว่าโหดมาก เพราะไม่ได้อยู่ในข้อมูลที่ AI เคยเรียนรู้มาก่อน แต่เป็นการทดสอบการแก้ปัญหาจริงๆ แล้ว AI ก็ยังทำได้ดีเหลือเชื่อ

ล่าสุดโมเดล O3 ยิ่งแสบกว่า ทำคะแนนได้สูงถึง 71.7% เท่ากับว่าในเวลาแค่ปีเดียว ความสามารถของ AI ในการเขียนโค้ดเพิ่มขึ้นเป็นเท่าตัว

นอกจากนี้ O3 ยังติดอันดับ 1% แรกของนักเขียนโค้ดบน Code Forces ซึ่งเป็นเวทีประลองยุทธ์ของโปรแกรมเมอร์ระดับโครตเทพจากทั่วโลก ความเก่งระดับนี้ไม่ธรรมดาเลย

Noan Brown ผู้เชี่ยวชาญด้าน reasoning ที่ OpenAI และเป็นผู้รังสรรค์ซีรีส์ O1 เผยว่า O1 ไม่ได้แค่เขียนโค้ดเป็น แต่ทำงานได้เหมือนวิศวกรซอฟต์แวร์จริงๆ

เขาบอกว่า O1 สร้าง Pull Requests หลายรายการในระบบของ OpenAI และผ่านมาตรฐานของบริษัทได้อย่างสบาย การเขียนโค้ดเป็นงานที่ได้ประโยชน์จากการใช้เวลาคิดนานๆ และ AI ก็เก่งเรื่องนี้มาก

การทดลองในสภาพการทำงานจริงแสดงให้เห็นว่า AI สามารถแก้บั๊กได้เร็วและแม่นยำ สร้างฟีเจอร์ใหม่ตามสเปคที่กำหนด ปรับปรุงประสิทธิภาพโค้ด และยังสร้างชุดทดสอบอัตโนมัติได้อีกด้วย

แม้ตัวเลขจะดูน่ากลัว แต่ความจริงกลับตรงข้าม World Economic Forum จัดให้ Software Developer เป็น 1 ใน 4 อาชีพที่เติบโตเร็วที่สุดถึงปี 2030

นี่เป็นเพราะหลักการทางเศรษฐศาสตร์ที่เรียกว่า Jevons Paradox ที่บอกว่าเมื่อเทคโนโลยีทำให้การใช้ทรัพยากรมีประสิทธิภาพขึ้น ความต้องการกลับเพิ่มขึ้นด้วย

เมื่อ AI ทำให้การพัฒนาซอฟต์แวร์มีราคาถูกลงและทำได้ง่ายขึ้น การเข้าถึงจะง่ายขึ้น คนทั่วไปหรือบริษัทเล็กๆ ก็สามารถพัฒนาซอฟต์แวร์ได้

ต้นทุนที่ลดลงทำให้การสร้างแอปและบริการใหม่ๆ เกิดขึ้นได้มากขึ้น ธุรกิจจะมีไอเดียและทดลองได้เร็วขึ้น นี่คือการขยายตัวของตลาดซอฟต์แวร์อย่างมหาศาล

และเมื่อมีซอฟต์แวร์มากขึ้น ก็ต้องการคนที่เชี่ยวชาญในการควบคุมดูแล AI ออกแบบระบบใหญ่ๆ และจัดการกับปัญหาซับซ้อนที่ AI ยังทำไม่ได้

บทบาทของวิศวกรจะเปลี่ยนไป จากคนเขียนโค้ดเองทั้งหมด เป็นผู้ควบคุมและจัดการ AI ที่มีพลังมหาศาล และกำหนดทิศทางการพัฒนาในภาพใหญ่

ทักษะที่จะเป็นที่หมายปองในอนาคตคือการจัดการระบบ AI การควบคุม AI Agent Swarms การออกแบบสถาปัตยกรรมซับซ้อน และการแก้ปัญหาที่เกินความสามารถของ AI

จะเห็นได้ว่าบริษัทอย่าง Apple กำลังมองหาวิศวกรที่มีประสบการณ์กับ AI agent-based Frameworks เช่น Crew AI และ Lang Chain นี่คือทิศทางของอุตสาหกรรม

ผลตอบแทนจากการเรียนรู้การเขียนโค้ดจะเพิ่มขึ้นเป็นสองเท่าทุก 6 เดือน เพราะเครื่องมือและเทคโนโลยีที่ช่วยในการพัฒนามีประสิทธิภาพมากขึ้นเรื่อยๆ

ในช่วงปี 2025-2030 เราจะเห็นวิศวกรซอฟต์แวร์กลายเป็นผู้ควบคุมกองทัพ AI ที่มีความเทพ สามารถสร้างซอฟต์แวร์ได้เร็วและดีกว่าที่เคยเป็นมา

ความต้องการวิศวกรที่เก่งเรื่อง AI จะพุ่งสูงขึ้นเรื่อยๆ เนื่องจากการขยายตัวของอุตสาหกรรม ความต้องการผู้เชี่ยวชาญ และความซับซ้อนของระบบที่เพิ่มขึ้น

สรุปคือ AI ไม่ได้มาแทนที่วิศวกรซอฟต์แวร์ แต่มาเพิ่มพลังให้พวกเขา เปรียบเสมือนเครื่องมือสุดล้ำที่จะยกระดับความสามารถในการสร้างสรรค์นวัตกรรม

การมาถึงของ AI คือจุดพีคของการปฏิวัติด้านซอฟต์แวร์ และวิศวกรที่ปรับตัวได้จะกลายเป็นผู้ควบคุมการเปลี่ยนแปลงครั้งใหญ่นี้

อย่าเพิ่งเป็นห่วงว่า AI จะเข้ามาแย่งงาน แต่ให้มองว่านี่คือโอกาสที่จะก่อร่างสร้างตัวในบทบาทใหม่ที่น่าตื่นเต้นและมีความสำคัญมากขึ้น

ถึงแม้การเขียนโค้ดโดยตรงอาจลดลง แต่ตลาดยังถวิลหาผู้เชี่ยวชาญที่เข้าใจทั้งด้านเทคนิคและการประยุกต์ใช้งาน ซึ่งจะมีบทบาทสำคัญในการนำ AI มาสร้างประโยชน์สูงสุด

AI จะช่วยเพิ่มความสามารถของวิศวกรให้ไปไกลกว่าที่เคยเป็นมา และนี่คือยุคทองของการสร้างสรรค์นวัตกรรมที่จะเป็นที่เชิดหน้าชูตาของวงการเทคโนโลยี

แม้คำทำนายของ Zuckerberg และผู้บริหาร Amazon จะฟังดูเหมือนการขีดชะตาชีวิตของวิศวกรซอฟต์แวร์ แต่ความจริงคือพวกเขากำลังจะได้บทบาทที่สำคัญกว่าเดิม

อนาคตของวิศวกรซอฟต์แวร์ไม่ได้อยู่ในมุมมืดอย่างที่หลายคนวิตกกังวล แต่สดใสและเต็มไปด้วยโอกาสสำหรับผู้ที่พร้อมจะฝ่าฝันต่อสู้และเรียนรู้สิ่งใหม่ๆ

ดังนั้น ถ้าคุณกำลังเรียนหรือทำงานในสายนี้ อย่าเพิ่งทิ้งความฝัน แต่ให้เตรียมพร้อมสำหรับการเปลี่ยนแปลงและโอกาสใหม่ๆ ที่กำลังจะมาถึง

Google Maps ทำเงินอย่างไร? เมื่อแผนที่ไม่ได้มีไว้แค่นำทาง แต่สร้างกำไรมหาศาล

ใครจะคิดว่าแอปนำทางที่เราใช้กันทุกวันนี้มีจุดเริ่มต้นที่เจ๋งมาก ๆ มันมาจากไอเดียของคนแค่สี่คนในออสเตรเลีย Google Maps ที่เราคุ้นเคยไม่ได้เกิดจากห้องแล็บของ Google แต่มาจากสตาร์ทอัพเล็กๆ ที่ถูกรังสรรค์ขึ้นในซิดนีย์

เรื่องราวเริ่มต้นในปี 2003 เมื่อ Lars Rasmussen, Jens Rasmussen, Noel Gordon และ Stephen Ma ก่อตั้งบริษัทชื่อ Where 2 Technologies ด้วยแนวคิดเรียบง่าย คือสร้างโปรแกรมแผนที่สำหรับคอมพิวเตอร์ตั้งโต๊ะ แต่ระหว่างทางพวกเขาเจอปัญหามากมาย จนต้องหาพันธมิตรที่มีเงินทุนมากกว่ามาช่วยเหลือ

โชคเข้าข้างเมื่อพวกเขาได้พบกับ Google ในปี 2004 ตอนแรก Google ไม่ได้สนใจซอฟต์แวร์แผนที่บนเดสก์ท็อปเท่าไหร่ แต่พอทีมผู้ก่อตั้งเสนอไอเดียการแปลงแอปให้ใช้บนเว็บแทน ทาง Google ถึงกับตาลุกวาว และตัดสินใจลงทุนแทบจะทันที

ในช่วงเวลาใกล้เคียงกัน Google ยังซื้อกิจการอีกสองแห่ง คือ Keyhole บริษัทที่พัฒนาเทคโนโลยีภาพถ่ายดาวเทียมด้วยมูลค่า 35 ล้านดอลลาร์ และที่โหดสุดคือ ZipDash สตาร์ทอัพที่ทำเทคโนโลยีติดตามการจราจรแบบเรียลไทม์ ซึ่ง Google ซื้อมาได้ในราคาแค่ 2 ล้านดอลลาร์เท่านั้น

Google Maps เปิดตัวอย่างเป็นทางการในวันที่ 18 กุมภาพันธ์ 2005 ได้รับความสนใจอย่างมากช่วงแรก แต่กระแสค่อยๆ ลดไป เพราะตอนนั้น Yahoo Maps และ MapQuest เป็นพี่ใหญ่ในตลาดอยู่แล้ว คนส่วนใหญ่จึงไม่รู้สึกว่าต้องเปลี่ยนมาใช้ Google Maps

ทีมผู้บริหาร Google มองออกว่านี่เป็นจุดที่ต้องล้มเลิกทุกอย่างแล้วเริ่มต้นใหม่ พวกเขาตัดสินใจเขียนโปรแกรมใหม่ทั้งหมด เพื่อแก้ปัญหาความเร็วและประสบการณ์ผู้ใช้ ทีมวิศวกรฝ่าฝันต่อสู้กว่าหนึ่งปีในการพัฒนาแพลตฟอร์มใหม่ โดยใช้เทคโนโลยี AJAX ที่ตอนนั้นถือว่าล้ำมาก

นวัตกรรมเทพที่ทำให้ Google Maps แตกต่างคือระบบ “ไทล์” ที่แบ่งแผนที่เป็นส่วนย่อยๆ ขนาด 256×256 พิกเซล แทนที่จะโหลดภาพแผนที่ทั้งหมดทีเดียว ทำให้ประหยัดแบนด์วิธและเร็วกว่าคู่แข่งแบบทิ้งไม่เห็นฝุ่น เทคนิคนี้กลายเป็นมาตรฐานที่บริการแผนที่ทั่วโลกใช้ตามกันมาจนถึงทุกวันนี้

การพัฒนาที่ทำให้ Google Maps พุ่งทะยานคือการเปิดตัว Satellite View ในช่วงปลายปี 2005 โดยใช้เทคโนโลยีจาก Keyhole มาสร้างภาพถ่ายทางอากาศความละเอียดสูง เรื่องที่น่าสนใจก็คือภาพส่วนใหญ่ไม่ได้ถ่ายจากดาวเทียมจริงๆ แต่เป็นภาพจากเครื่องบินที่บินต่ำ

ถึงแม้จะมีประโยชน์ใช้สอยจริงๆ ไม่เยอะ แต่ผู้ใช้กลับหลงรักโหมดดาวเทียมอย่างบ้าคลั่ง มันมีเสน่ห์แปลกใหม่ ทำให้รู้สึกเหมือนสายลับลับๆ ที่ได้มองเห็นบ้านเมืองจากมุมสูง

จุดพีคของ Google Maps มาถึงเมื่อวันที่ 29 พฤษภาคม 2007 ตอนเปิดตัว Street View โครงการโครตเทพที่ Google ส่งรถพร้อมกล้อง 360 องศาออกไปถ่ายภาพตามถนนทั่วโลก ฟีเจอร์นี้ทำให้คุณเหมือนได้เดินสำรวจเมืองราวกับอยู่ที่นั่นจริงๆ

เบื้องหลังความสำเร็จของ Street View คือระบบประมวลผลภาพสุดล้ำ ที่เชื่อมต่อภาพถ่ายนับล้านให้มีความต่อเนื่องกัน และยังตรวจจับเบลอใบหน้า ป้ายทะเบียน และข้อมูลส่วนตัวอัตโนมัติ ราวกับมีเวทมนตร์

Google Maps เริ่มเติบโตแบบก้าวกระโดดเมื่อสมาร์ทโฟนเข้ามามีบทบาท โดยเฉพาะเมื่อ Google เปิดตัว Android ในปี 2008 และติดตั้ง Google Maps เป็นแอปพื้นฐาน การตัดสินครั้งใจนี้ถือว่าเด็ดมาก ๆ เพราะ Android กลายเป็นระบบปฏิบัติการที่มีคนใช้มากที่สุดในโลก

ช่วงแรกของการนำทางบนมือถือไม่เข้าท่าเท่าไหร่ แต่ Google นำเทคโนโลยีจาก ZipDash มาต่อยอด ผสานกับ GPS บนสมาร์ทโฟน ทำให้ระบุตำแหน่งและแนะนำเส้นทางแบบเรียลไทม์ได้อย่างแม่นยำ นี่คือการปฏิวัติการเดินทางของผู้คนอย่างสิ้นเชิง

ปัจจุบัน Google Maps มีผู้ใช้มากกว่าพันล้านคนต่อเดือน สร้างรายได้มากถึง 11 พันล้านดอลลาร์ในปี 2023 ความเทพของ Google คือการคิดวิธีสร้างรายได้ที่ชาญฉลาด โดยแบ่งเป็นสามช่องทางหลัก

ช่องทางแรกคือโฆษณาบนแผนที่ ธุรกิจลงทะเบียนฟรี แต่หากต้องการโดดเด่นด้วยโลโก้และการมองเห็นที่มากกว่า ก็จ่ายเพิ่มเพื่อเป็นรายการพรีเมียม วิธีนี้สร้างประโยชน์ให้ทุกฝ่าย ทั้งผู้ใช้ที่ค้นหาร้านได้ง่ายขึ้นและธุรกิจที่ได้เพิ่มการรับรู้แบรนด์

ช่องทางที่สองคือรายได้จาก APIs ที่ให้นักพัฒนาและธุรกิจนำฟีเจอร์ของ Google Maps ไปใช้ ตั้งแต่แสดงแผนที่บนเว็บไซต์ร้านอาหาร ไปจนถึง Uber, Airbnb และ DoorDash ที่ใช้ Google Maps เป็นหัวใจสำคัญในบริการของพวกเขา

แต่ที่น่าสนใจที่สุดก็คือ API ยอดฮิตที่สุดกลับไม่ใช่แผนที่ แต่เป็น Google Places API ที่ช่วยกรอกที่อยู่อัตโนมัติตอนช้อปปิ้งออนไลน์ ค่าบริการแค่ 3 เซนต์ต่อครั้ง แต่ด้วยปริมาณการใช้งานมหาศาล ทำให้สร้างรายได้กว่าพันล้านดอลลาร์ต่อปี

ช่องทางที่สามคือโซลูชันเฉพาะทางสำหรับองค์กรใหญ่ๆ ที่ต้องการใช้ความสามารถของ Google Maps ในระดับ advance เช่น บริษัทขนส่งที่ต้องวิเคราะห์เส้นทางแบบเรียลไทม์ หรือบริษัทอสังหาฯ ที่ต้องการข้อมูลเชิงลึกเกี่ยวกับพื้นที่

การให้บริการระดับองค์กรมีมูลค่าสัญญาตั้งแต่หลักแสนถึงหลายล้านดอลลาร์ต่อปี Google มีทีมผู้เชี่ยวชาญคอยให้คำปรึกษาและพัฒนาโซลูชันเฉพาะทาง ทำให้รายได้พุ่งกระฉูดแบบฉุดไม่อยู่

แม้จะรุ่งโรจน์แค่ไหน Google Maps ก็เจอความท้าทายมากมาย ปัญหาแรกคือความเป็นส่วนตัว การที่สามารถติดตามตำแหน่งและพฤติกรรมการเดินทางได้อย่างละเอียด ทำให้หลายคนกังวลว่าจะถูกนำไปใช้ในทางที่ไม่ดีนัก

Google พยายามแก้ปัญหานี้ด้วยระบบปกป้องข้อมูลส่วนบุคคลที่ซับซ้อน ทั้งการเข้ารหัสข้อมูล การให้ผู้ใช้ควบคุมประวัติตำแหน่ง และการลบข้อมูลอัตโนมัติ พร้อมปฏิบัติตามกฎหมายคุ้มครองข้อมูลส่วนบุคคลในแต่ละประเทศ

ความท้าทายที่สองคือการแข่งขันที่ดุเดือด แม้ Google Maps จะครองตลาดอยู่ แต่ก็มีคู่แข่งอย่าง Apple Maps, Here Maps และ OpenStreetMap ที่พัฒนาบริการน่าสนใจไม่แพ้กัน โดยเฉพาะ Apple Maps ที่ได้เปรียบจากการเป็นแอปพื้นฐานบน iPhone

เพื่อรักษาบัลลังก์ Google จึงลงทุนไม่ยั้งในเทคโนโลยีใหม่ๆ ทั้ง AR (Augmented Reality) สำหรับนำทาง ระบบจำลองสภาพแวดล้อม 3 มิติสมจริง และ AI วิเคราะห์การจราจร เรียกได้ว่าจัดเต็มไม่มีอั้น

มูลค่าที่แท้จริงของ Google Maps อาจมากกว่าตัวเลขรายได้หลายเท่า การครอบครองฐานข้อมูลเชิงพื้นที่ที่แม่นยำที่สุดในโลก ทำให้ Google ได้เปรียบในการพัฒนาเทคโนโลยีอนาคต เช่น รถยนต์ไร้คนขับ ระบบขนส่งอัจฉริยะ หรือการวางแผนพัฒนาเมือง

นักวิเคราะห์บางรายถึงกับประเมินว่า หาก Google Maps แยกออกมาเป็นบริษัทเดี่ยว อาจมีมูลค่าตลาดสูงถึง 100-150 พันล้านดอลลาร์ ติดอันดับบริษัทมหาชนท็อป 100 ของโลกได้แบบสบาย ๆ

จากจุดเริ่มต้นเล็กๆ ในซิดนีย์ สู่แพลตฟอร์มที่มีคนใช้กว่าพันล้าน Google Maps ไม่ได้แค่เปลี่ยนวิธีที่เราเดินทาง แต่ยังสร้างมาตรฐานใหม่ให้วงการเทคโนโลยีแผนที่ทั้งหมด และกำลังมุ่งหน้าสู่อนาคตที่น่าตื่นเต้นยิ่งขึ้นด้วยการผสานเทคโนโลยีล้ำสมัย

และทั้งหมดนี้คือเส้นทางของ Google Maps จากไอเดียเล็กๆ ที่ใครอาจมองว่าเป็นความฝันลมๆ แล้งๆ กลายเป็นธุรกิจมูลค่าหมื่นล้านที่โลกขาดไม่ได้ แสดงให้เห็นว่าบางครั้ง จากจุดเริ่มต้นเล็กๆ ก็สามารถเปลี่ยนโลกได้ หากมีวิสัยทัศน์และความมุ่งมั่นที่ชัดเจน

Coding is Dead? ยุคทองของวิศวกร หรือจุดจบของสายงานโค้ดดิ้ง เมื่อ AI มาแรงกว่าที่คิด

วงการเทคโนโลยีทั่วโลกเริ่มสั่นคลอนกับประกาศจาก Salesforce ที่บอกว่าจะไม่จ้างวิศวกรซอฟต์แวร์เพิ่มในปี 2025 ถ้อยแถลงนี้จุดชนวนให้เกิดการถกเถียงกันว่าอนาคตของวิศวกรซอฟต์แวร์จะเป็นอย่างไรในยุคที่ AI กำลังพุ่งทะยานแบบฉุดไม่อยู่

Julia McCoy ผู้ก่อตั้ง First MS บริษัทที่ปรึกษาด้าน AI สุดเจ๋ง ได้วิเคราะห์สถานการณ์จากคำพูดของ Mark Benioff ซีอีโอ Salesforce ที่เปิดเผยว่าระบบ AI ชื่อ Agent Force ของพวกเขาช่วยเพิ่มประสิทธิภาพงานวิศวกรรมได้ถึง 30%

AI ไม่ได้แค่เปลี่ยนวิธีทำงานของวิศวกรเท่านั้น แต่กำลังปฏิวัติโครงสร้างการจ้างงานทั้งระบบ Benioff พูดชัดเจนว่าแผนธุรกิจปี 2025 ของ Salesforce จะไม่มีการเพิ่มวิศวกรซอฟต์แวร์ เพราะ Agent Force และเทคโนโลยี AI อื่นๆ ทำให้ทีมวิศวกรที่มีอยู่ทำงานได้โครตเทพขึ้นเยอะ

ประกาศนี้ทำให้วงการวิศวกรรมซอฟต์แวร์อ้าปากค้าง หลายคนกังวลว่า AI จะมาแย่งงาน แต่ Mark Zuckerberg กลับมองต่าง เขาบอกในรายการ Joe Rogan ว่า AI จะเป็นเครื่องมือที่ช่วยปลดปล่อยความคิดสร้างสรรค์ของมนุษย์ แทนที่จะเสียเวลาเขียนโค้ดซ้ำซาก วิศวกรจะได้สร้างนวัตกรรมที่สุดเจ๋งมากขึ้น

การเปลี่ยนแปลงครั้งนี้คล้ายกับการปฏิวัติอุตสาหกรรมในอดีต เมื่อ 100-150 ปีก่อน คนส่วนใหญ่เป็นเกษตรกร แต่เมื่อเทคโนโลยีการเกษตรพัฒนา ตอนนี้มีเกษตรกรแค่ 2% ที่ผลิตอาหารได้พอเลี้ยงคนทั้งโลก ส่วนแรงงานที่เหลือไปทำงานสร้างสรรค์ที่มีคุณค่ามากกว่า

Jensen Huang ซีอีโอของ NVIDIA บริษัทพี่ใหญ่ด้านชิปประมวลผล AI ได้พูดไว้อย่างน่าสนใจว่า AI ไม่ได้มาแทนที่คุณ แต่คนที่รู้วิธีใช้มันจะมาแทนที่คุณ เหมือนกับที่บริษัทไหนใช้ AI เป็นจะได้เปรียบบริษัทที่ใช้ไม่เป็น

การเปลี่ยนแปลงในวงการไอทีกำลังเปิดโอกาสใหม่ๆ โดยเฉพาะตำแหน่งงานที่ต้องใช้ทักษะเฉพาะทางในการทำงานกับ AI เช่น วิศวกร AI, ศิลปิน AR, ผู้เชี่ยวชาญด้าน Prompt Engineering และผู้เชี่ยวชาญการผสานระหว่าง AI กับมนุษย์ ซึ่งล้วนเป็นอาชีพที่กำลังเนื้อหอมมากๆ

สถาบันการศึกษาก็ต้องปรับตัวตามกระแสเทคโนโลยีที่กำลังเปลี่ยนแปลงไป นักศึกษาด้านวิศวกรรมซอฟต์แวร์ต้องเรียนทั้งพื้นฐานดั้งเดิมและทักษะใหม่ๆ เช่น การคิดวิเคราะห์เชิงระบบ การออกแบบสถาปัตยกรรมซอฟต์แวร์สุดซับซ้อน และวิธีทำงานร่วมกับ AI อย่างมีประสิทธิภาพ

เหตุการณ์นี้เหมือนตอนที่เครื่องคิดเลขเข้ามาในวงการ คนที่ปรับตัวใช้เครื่องคิดเลขเป็นคนแรกๆ ไม่ได้ตกงาน แต่กลับทำงานได้เร็วกว่าเพื่อนร่วมงาน วิศวกรที่ผสานความสามารถของมนุษย์กับ AI ได้ลงตัวจะเป็นที่หมายปองของตลาดแรงงานยุคใหม่

การพัฒนาทักษะใหม่ๆ เป็นสิ่งที่วิศวกรหลีกเลี่ยงไม่ได้ โดยเฉพาะการคิดวิเคราะห์ระดับสูง การออกแบบระบบซับซ้อน และการเข้าใจธุรกิจ ในขณะที่งานเขียนโค้ดพื้นฐานจะถูกโยนให้ AI ทำ วิศวกรจะมีเวลาคิดนวัตกรรมที่ตอบโจทย์ความต้องการที่ซับซ้อนได้มากขึ้น

การทำงานกับ AI อย่างมีประสิทธิภาพจึงเป็นทักษะที่ขาดไม่ได้ วิศวกรต้องเข้าใจทั้งความสามารถและข้อจำกัดของ AI การเขียน prompts ระดับเทพจะทำให้สื่อสารกับ AI ได้ผลลัพธ์ตามต้องการ ขณะเดียวกันก็ต้องมีวิจารณญาณตรวจสอบผลลัพธ์ให้มีคุณภาพและปลอดภัย

บริษัทยักษ์ใหญ่อย่าง Google, Microsoft, Amazon กำลังอัดฉีดเงินมหาศาลในการพัฒนา AI และอบรมพนักงานให้ใช้ AI ได้อย่างเต็มที่ พวกเขารู้ดีว่าใครปรับตัวช้าจะถูกทิ้งห่างในสนามแข่งขันอันโหดเหี้ยมนี้

ความท้าทายของวิศวกรยุคนี้ไม่ใช่การสู้กับ AI แต่เป็นการพัฒนาตัวเองให้เป็นคนที่ใช้ AI เป็น ตามที่ Jensen Huang เตือนไว้ว่าคุณจะไม่ตกงานเพราะ AI แต่จะตกงานเพราะคนที่ใช้ AI เป็น การเปิดใจยอมรับการเปลี่ยนแปลงและเรียนรู้สิ่งใหม่คือกุญแจสู่ความสำเร็จในยุค AI First

อนาคตของวงการวิศวกรรมซอฟต์แวร์กำลังเปลี่ยนแปลงอย่างรวดเร็ว แต่นี่ไม่ใช่จุดจบ กลับเป็นจุดเริ่มต้นของยุคทองที่เต็มไปด้วยโอกาสสำหรับคนที่พร้อมปรับตัว การทำงานคู่กับ AI จะกลายเป็นมาตรฐานใหม่ที่ยกระดับความสามารถของวิศวกรให้ล้ำไปอีกขั้น

เราอาจกำลังก้าวเข้าสู่ยุคที่ AI และมนุษย์จะร่วมกันสร้างนวัตกรรมที่เจ๋งมาก ๆ กว่าที่เคยมีมา คำถามสำคัญไม่ใช่ว่า AI จะมาแทนที่เราเมื่อไร แต่เป็นว่าเราจะใช้พลังของ AI สร้างอะไรที่มันสุดล้ำได้บ้าง

อนาคตไม่ได้อยู่ที่การต่อต้านการเปลี่ยนแปลง แต่อยู่ที่การเรียนรู้ที่จะเติบโตไปกับเทคโนโลยีใหม่ๆ การเปลี่ยนแปลงอาจสร้างความกังวล แต่ประวัติศาสตร์พิสูจน์แล้วว่าการเปลี่ยนแปลงทางเทคโนโลยีมักนำมาซึ่งโอกาสใหม่ๆ เสมอ

สิ่งสำคัญคือการเตรียมพร้อมรับมือ พัฒนาตัวเองไม่หยุด และมองหาโอกาสที่จะใช้เทคโนโลยีให้เป็นประโยชน์ แทนที่จะมัวแต่กลัวว่าเทคโนโลยีจะมาถีบเราออกจากตำแหน่ง เราควรหาวิธีที่จะใช้มันให้เป็นประโยชน์ที่สุด

สุดท้ายนี้ อย่าลืมว่า AI แม้จะเก่งแค่ไหน ก็ยังขาดสิ่งที่เป็นหัวใจของการสร้างสรรค์ นั่นคือจินตนาการและความเข้าใจในความรู้สึกของมนุษย์อย่างลึกซึ้ง ตราบใดที่เรายังพัฒนาความเข้าใจในสิ่งเหล่านี้ เราก็จะยังมีที่ยืนในโลกที่ AI กำลังบุกทะลวงโลกเราอย่างรวดเร็ว