ตรงไหนที่เราให้ AI นำ และตรงไหนที่ไม่

ตอนนี้ทุกเอเจนซีบอกว่า “ใช้ AI” จนมันแทบไม่มีความหมาย เหมือนบอกว่าใช้คอมพิวเตอร์ คำถามที่น่าสนใจไม่ใช่ ใช้หรือไม่ แต่คือ ใช้ตรงไหน เพราะเส้นแบ่งระหว่างงานที่ AI ควรทำ กับงานที่มันไม่ควรแตะเด็ดขาด คือจุดที่ตัดสินว่าซอฟต์แวร์จะดีหรือพัง

เราขีดเส้นนั้นอย่างระมัดระวังจากประสบการณ์หลายโปรเจกต์ นี่คือจุดที่เส้นนั้นอยู่

สิ่งที่ AI เก่งจริง

มีงานวิศวกรรมกลุ่มใหญ่ที่จำเป็น ซ้ำซาก และพูดตรง ๆ ว่าไม่ใช่ที่ที่งานฝีมืออยู่ นี่คือจุดที่เราปล่อยให้ AI วิ่งเต็มที่:

• Boilerplate และ scaffolding ต่อ route ใหม่ สร้าง client ที่มี type จาก schema ปั๊ม CRUD resource ตัวที่สิบที่หน้าตาเหมือนเก้าตัวก่อนหน้า AI ทำได้ในไม่กี่วินาทีและแทบไม่ผิด เพราะไม่มีอะไรใหม่ให้ผิด
• เทสต์ชุดแรก สร้างเทสต์ที่เห็นชัด — happy path การเช็ค null เคสขอบ — ช่วยให้วิศวกรเริ่มได้เร็ว แล้วค่อยเติมเทสต์ที่สำคัญจริง คือเคสแปลก ๆ ที่มาจากความเข้าใจโดเมน
• การแปลงและย้าย พอร์ตฟังก์ชันข้ามภาษา แปลงรูปร่างข้อมูล รีแฟคเตอร์แพตเทิร์นข้ามห้าสิบไฟล์ งานเชิงกลที่มีคำตอบถูกชัดเจน
• หน้ากระดาษเปล่า ดราฟต์แรกของคอมโพเนนต์ ของ config ของ migration ไม่ใช่เพราะส่งทั้งอย่างนั้น แต่เพราะแก้เร็วกว่าเริ่มจากศูนย์

จุดร่วมคือ งานเหล่านี้มีคำตอบที่ รู้อยู่แล้ว แค่พิมพ์น่าเบื่อ AI ตัดการพิมพ์ออกไป นั่นคือ 20% ที่มันรับไป และเป็นเวลาจริงที่ส่งคืนคุณในรูปบิลที่ถูกลง

ตรงไหนที่มนุษย์ต้องคุม

แล้วก็มีงานที่การยกพวงมาลัยให้โมเดลคือวิธีที่โปรเจกต์ค่อย ๆ พังเงียบ ๆ ตรงนี้ AI ช่วยได้ แต่ไม่เคยเป็นคนตัดสิน

สถาปัตยกรรม รูปร่างของระบบ — อะไรเป็นเซอร์วิส อะไรเป็นฟังก์ชัน state อยู่ที่ไหน ข้อมูลไหลอย่างไร เกิดอะไรเมื่อ dependency ล่ม — คือชุดของการตัดสินใจที่มีผลระยะยาว โมเดลสร้าง สถาปัตยกรรมหนึ่ง ให้ได้ทันที แต่มันจะ ถูก สำหรับสเกล ทีม และงบของคุณไหม คือคำถามที่มันตอบไม่ได้ เพราะมันไม่มีบริบทและไม่ต้องรับผิดชอบ

ความปลอดภัยและขอบเขตความเชื่อถือ auth สิทธิ์ การจัดการ input ที่ไม่น่าเชื่อถือ สิ่งที่เปิดออกที่ edge นี่คือโค้ดที่ “ดูเหมือนถูก” กับ “ถูกจริง” ห่างกันอันตราย การเช็คสิทธิ์ที่ผิดนิดเดียวผ่านทุกเดโม แต่พังในครั้งเดียวที่สำคัญ มนุษย์ต้องเป็นเจ้าของส่วนนี้ รีวิวทุกบรรทัด และคิดในมุมผู้โจมตี ไม่ใช่แค่ผู้ใช้

อันตรายของโค้ดที่ AI สร้างไม่ใช่ว่ามันดูผิด แต่คือมันดู ถูก อย่างมั่นใจและลื่นไหล ทั้งที่ผิดแบบแยบยลและแพง

วิจารณญาณด้านผลิตภัณฑ์และ UX จะสร้างอะไร ตัดอะไร ผู้ใช้ที่สับสนต้องการอะไรจริง ๆ ในจังหวะนั้น นี่คือความเข้าใจและรสนิยมที่ใช้กับปัญหาของคนจริง โมเดลสร้างได้ร้อยแบบ แต่บอกไม่ได้ว่าแบบไหนเคารพเวลาของผู้ใช้คุณ

การอ่านครั้งสุดท้าย ทุกบรรทัดที่ส่งผ่านการรีวิวโดยมนุษย์ ไม่ใช่อ่านผ่าน ๆ แต่อ่านโดยคนที่เข้าใจว่า ทำไม มันถึงอยู่ตรงนั้นและมันกระทบอะไร AI ดราฟต์ได้ แต่รับผิดชอบไม่ได้

ทำไม “มนุษย์นำ” ถึงเป็นจุดเด่น ไม่ใช่ข้อแก้ตัว

ในระยะสั้น การปล่อยให้ AI วิ่งไกลขึ้นและรีวิวน้อยลงจะถูกกว่า บางเจ้าทำแบบนั้นจริง และมักดูออก — ผลิตภัณฑ์ทำงานได้ตอนเดโมแต่แปลกตรงขอบ ตรงที่ไม่มีใครคิดจริงจัง

เราเดิมพันตรงข้าม AI ไม่เคยนำงาน วิศวกรและนักออกแบบของเราต่างหากที่นำ AI แค่ปัดงานซ้ำ 20% ออกจากโต๊ะ เพื่อให้พวกเขาทุ่มเวลา มากขึ้น กับสถาปัตยกรรม ความปลอดภัย และการขัดเกลา — ส่วนที่ตัดสินว่าผลิตภัณฑ์ของคุณจะดีไหม

นั่นคือทั้งหมดในประโยคเดียว: AI จัดการงานซ้ำ เพื่อให้มนุษย์มืออาชีพทุ่มเวลาให้งานฝีมือ ความประหยัดเป็นจริงเพราะเวลาที่ประหยัดเป็นจริง คุณภาพคงอยู่เพราะมนุษย์ไม่เคยหยุดคุมส่วนที่ตัดสินมัน

เอเจนซีที่จะลำบากคือเจ้าที่ขีดเส้นผิด — ปล่อยให้โมเดลขับ 80% ที่ไม่ควร แล้วแต่งให้ดูเป็นนวัตกรรม เราขอมีวินัยแบบน่าเบื่อดีกว่า ผลิตภัณฑ์ของคุณไม่ใช่ที่ที่ควรมาค้นพบว่าเส้นนั้นอยู่ตรงไหน