เมื่อ LLM มา — วงการพัฒนาซอฟต์แวร์เปลี่ยนไปอย่างไรบ้าง?

พอดีมีจังหวะได้คุยกับน้องๆ หลายคนพร้อมกัน ระหว่างอัพเดตชีวิตกันก็ได้คุยเรื่อง AI มีประเด็นและคำถามหลายอย่างที่น่าสนใจ วันนี้เลยเอาประเด็นที่เกี่ยวข้องกับ LLM (Large Language Model) กลุ่มที่ช่วย Coding มาสรุปจากมุมมองแบบที่ผมใช้จริงมา ซึ่งอาจจะบังเอิญตรงกับความสนใจ โดยเฉพาะคนในวงการเทค หรือกำลังจะก้าวเข้ามาในวงการ

https://www.linkedin.com/posts/zhu-liang_there-are-so-many-ai-coding-tools-how-to-activity-7286969704546480128-vLMB

LLM สำหรับ Coding เก่งอะไรบ้าง?

ถ้าเทียบระดับทักษะ จะมองได้ว่า LLM กลุ่มนี้มี “ทักษะด้าน pattern matching” (คนละคำกับการทำ pattern matching บน constructs ในภาษาโปรแกรมนะครับ) เรียกได้ว่าเก่งเทียบชั้น Senior Engineer ได้เลย เวลามองในกรอบของ Bloom’s Taxonomy ตัว LLM กำลังมีศักยภาพในหลายระดับ ตั้งแต่

• Memory (จำได้แม่นยำ)
• Understanding (เข้าใจ context)
• Analysis (วิเคราะห์ได้)
• Generation (สร้างสิ่งใหม่ ๆ ได้)

เมื่อใช้สิ่งเหล่านี้อย่างเหมาะสม เลยเกิด use case ที่ผมใช้งานได้จริงในวันนี้ เช่น

• Machine Translation: ยกตัวอย่างการแปลงโค้ดข้าม library หรือข้ามภาษา ก็ทำได้ดีมาก ตัวที่ยอดเยี่ยมใน use case นี้คือ o1
• Co-piloting: ช่วยเขียนโค้ด ทำ pair programming กับเรา ตัวที่เหมาะสมตอนนี้คือ Claude 3.5 Sonnet
• Refactoring และ Test Case Generation: ช่วยปรับโครงสร้างโค้ด ช่วยสร้างและวาง test ต่าง ๆ ได้อย่างเป็นระบบและรวดเร็ว

LLM จะกระทบตลาดแรงงานเทคอย่างไรใน 5 ปีข้างหน้า?

อีก 5 ปีจะเป็นยังไง? — เวลาน้องๆ เจอคนแก่ (แบบผม) ก็ไม่พ้นที่จะต้องถามคำถามเหล่านี้ ผมคิดว่าคงตอบได้เฉพาะในกรอบที่เป็นปัจจุบัน คือเรื่องที่เกิดขึ้นแล้วในฝั่งตะวันตก ซึ่งอาจจะใช้เวลาซักระยะ (ไม่คิดว่าจะนานนัก) ก่อนเรื่องแบบเดียวกันจะเกิดขึ้นกับฝั่ง South East Asia

Freeze Hire กับผลกระทบ

หลายคนน่าจะรู้สึกได้ว่า ช่วงนี้บริษัทเทคฝั่งตะวันตกเริ่ม “Freeze Hire” หรือหยุดจ้างกันมากขึ้น เหตุผลหลัก ๆ คือการ over-hire ที่เกิดขึ้นในช่วงก่อนโควิดและช่วงโควิด บวกกับสภาพเศรษฐกิจที่ยังไม่สดใส และสถานการณ์ geopolitics ที่ตึงเครียด

Startups ก็ล้มหายตายจากไปเยอะ เพราะลูกค้ารัดเข็มขัด ในขณะเดียวกันบริษัทยักษ์ใหญ่เองก็รัดเข็มขัดมากขึ้น

การใช้ Policy กลับมาทำงาน Office เลิก Remote ก็เป็นอีกหนึ่งเครื่องมือ เหตุผลหลัก ๆ คือ Productivity ลด และใช้ Policy เป็นข้ออ้างเพื่อให้คนลาออกอย่างสมัครใจ

ทั้งหมดเกิดจาก Motivation เดียวคือความพยายาม “ลดต้นทุน”

ในขณะที่เป้าหมายสูงสุดคือการลดต้นทุน ตัวแนวทางก็ชัดเจน คือใช้คนเท่าเดิมให้ได้ Productivity เพิ่ม, เลิกจ้างกลุ่มคนที่ต้องการทำงานในสไตล์เดิม, ไม่จ้างคนเข้ามาเพิ่ม

และคำตอบนึงของโจทย์นี้คือชดเชย Productivity ของแรงงานที่หายไปด้วย AI (ไม่ว่าจะทำแล้วได้ผลดีหรือไม่ก็ตาม — แต่แนวโน้มเอนเอียงไปทางเลือกที่จะใช้ AI ก่อน ถ้าใช้แล้วไม่ได้ผลค่อยว่ากัน)

คนจบใหม่ กับ Mid-level Engineer

ด้วยเหตุผลด้านบน บวกกับกฎ 80/20 ทำให้ผมประเมินว่า 80% ของเด็กจบใหม่ จะเข้าวงการเทคได้ยากขึ้น เพราะ

• งานเขียนโค้ดพื้นฐาน (ย้ำว่าที่เป็นส่วนการ Coding) หลาย ๆ อย่าง AI ก็ทำแทนได้แล้ว
• Generation gap ระหว่างเด็กรุ่นใหม่กับคนที่อยู่ก่อนหน้า อาจเป็นอุปสรรคอีกข้อที่ลดการรับเข้า (หรือนัยหนึ่งคือ skill และ mindset ยังไม่ match กันมากพอ) ทำให้ AI เป็นตัวเลือกที่ “ปวดหัว” น้อยกว่า

ขณะเดียวกัน คนระดับ Mid-level Engineer ก็อาจโดนผลกระทบได้เป็นกลุ่มถัดไป (อ้างอิงจากบทสัมภาษณ์ Mark Zuckerberg เมื่อเร็ว ๆ นี้) แต่ก็อาจมองได้ว่าเป็นเพียงการกดดันเพื่อให้ปรับตัวเรื่อง Productivity

แต่ทำไมความต้องการซอฟต์แวร์ถึงโต?

แม้จะมีการ Freeze Hire แต่ความต้องการสร้างซอฟต์แวร์กลับ สูงขึ้น ซึ่งฟังดูย้อนแย้ง แต่จริง ๆ มีเหตุผล คือ

AI ทำให้ คนทั่วไป เข้าถึงการสร้าง prototype ได้ง่ายขึ้น เหมือนยุคหลัง dotcom ที่การทำเว็บไซต์ไม่ได้เป็นเรื่องเฉพาะ Dev มือโปร แต่คนทั่วไปก็ลงมือทำได้

พอ prototype เวิร์ก ก็อยากเอามาขยาย scale ตอนนั้นแหละทำให้ต้องการมือโปรมาสร้าง Production System ที่แข็งแรงอยู่ดี

ดังนั้นงาน Dev ก็ไม่ใช่ว่าจะหายไปหมด แต่มันจะเปลี่ยนวิธีการและรูปแบบมากกว่า

Platform ที่ “ง่าย” จะเกิดขึ้นอีกเพียบ

ย้อนนึกถึงยุคที่ NoSQL (เช่น MongoDB) กลายเป็นกระแส เมื่อทุกคนบอกว่า “ใคร ๆ ก็ทำ App ต่อ DB ได้ง่ายขึ้น” ต่อไปก็จะมี platform หรือเครื่องมือใหม่ ๆ ที่พยายามทำให้ขั้นตอนพัฒนา software ง่ายที่สุด เพื่อดึงคนเข้าสู่ ecosystem ตัวเองให้ได้มากที่สุด

ตัวอย่าง Platform กลุ่มสร้าง prototype ด้วย AI ในปัจจุบันก็เช่น Replit หรือ v0 เป็นต้น

ตำแหน่ง “จัดการ” ก็จะได้รับผลกระทบ

การเข้ามาของ AI ทำให้บาง role ที่เน้นการซัพพอร์ต หรือจัดการ อาจจะถูกแทนที่ได้ง่ายกว่า ยกตัวอย่าง

• Agile Coach ในส่วนการคุม meeting หรือคอยทำ retrospective
• Product Owner ในส่วนการเขียน user story หรือช่วย prioritize task
• Quality Assurance โดยเฉพาะกลุ่มที่ทำ manual testing

ส่วนบางส่วนเหล่านี้ AI สามารถทำได้ดี (หรืออย่างน้อยก็ช่วยให้ทำได้เร็วขึ้น) ทำให้บาง role อาจจะลดลงบทบาทลง, ควบบทบาทอื่น หรือถูกปรับเปลี่ยนหน้าที่

Software Complexity & Technical Debt จะยิ่งถูกมองข้าม

ปัญหาด้าน code structure บางอย่างที่เคยต้องให้มือโปรด้าน refactor หรือผู้เชี่ยวชาญด้านโครงสร้างโค้ดมาลงแรงเยอะ ๆ ทุกวันนี้ LLM ระดับสูง ๆ อย่าง Claude 3.5 Sonnet หรือ ChatGPT เจนใหม่ ๆ สามารถ refactor โค้ดให้ได้ภายในพริบตา หมดปัญหา “การ refactor ต้องใช้เวลาตั้ง 2–3 วัน” จนโดนหาว่าเสียเวลา

หรือการโค้ดแล้ว Test Coverage ไม่ถึง 100% ก็ไม่ใช่เรื่องยากอีกต่อไป เพราะให้ AI generate test ได้เลย

การ Validate Spec ด้วย Dev ก็ไม่ใช่เรื่องยาก

การเช็คว่า สเปกที่เขียนในภาษาธรรมชาติ ตรงกับที่ implement ไหม ก็จะสามารถทำได้ด้วย AI เพราะทุกวันนี้ AI สามารถตีความได้ว่า test นี้หรือ function นี้ ครอบคลุม requirement ที่ต้องการหรือยัง ทำให้ Dev สามารถตรวจสอบได้อย่างรวดเร็ว ไม่ต้องเสียเวลา meeting กันทั้งทีม เพื่อตีความ code/test ว่าตรงกับ requirement หรือไม่

สรุป: งาน Dev จะหายไปไหม?

งาน Dev ในส่วน Coding (เฉพาะการ Coding อย่างเดียว) ชัดเจนมากว่าจะลดลง และรูปแบบงาน รวมถึงทักษะที่ต้องใช้ กำลังเปลี่ยนไป

LLM ทำให้คนทั่วไปสามารถสร้าง prototype ได้ไวขึ้นมาก แต่พอจะเข้าสู่ production จริง ๆ ก็ยังต้องการ “มือโปร” ที่เข้าใจ system design, scalability และ security อย่างลึกซึ้ง

โลกของเทคในอีก 5 ปีข้างหน้า จึงอาจจะเป็นโลกที่:

• มีการ Freeze Hire หรือรับคนน้อยลงในบางระดับ
• Demand ซอฟต์แวร์กลับเพิ่มสูงขึ้นเพราะคนทั่วไปก็ลงมือได้ง่าย
• Role บางอย่างอาจถูกเลิกหรือยุบรวม เพราะ AI ทำแทนได้
• ความซับซ้อนและหนี้ทางเทคนิค (technical debt) ถูกคนมองข้ามง่ายขึ้น เพราะ “AI ช่วยแก้ได้เร็วอยู่แล้ว”
• เด็กรุ่นใหม่จะเข้าวงการยากกว่าเดิม และ Mid-level ก็อาจต้องปรับตัวหนัก ขณะที่ Senior Dev / Architect / Infra Experts น่าจะยังมีความต้องการสูง

ใครที่อยู่ในวงการคงต้องคิดต่อว่า เราจะ ปรับตัว และ พัฒนาทักษะ ด้านไหน เพื่อทำให้เราเป็นส่วนสำคัญของโลก Software ในยุคที่ AI เข้ามามีบทบาทมากขึ้น

Dev คงไม่หายไปหมด แต่ต้องยอมรับว่ายุค AI กำลัง “เขย่า” โครงสร้างแรงงานครั้งใหญ่ ทั้งเทคโนโลยีและบทบาทหน้าที่จะเปลี่ยนไปแบบก้าวกระโดด ใครที่รับมือทันก็ “อยู่รอด” และยังคงต่อยอดไปได้ดี ใครที่ไม่ปรับตัวเลยก็อาจต้องเผชิญสถานการณ์ที่ท้าทายแบบไม่ทันตั้งตัว

ถ้าตกผลึกเพิ่มเติมเมื่อไหร่คงได้มีโอกาสมาสรุปเพิ่มว่าทักษะอะไรที่จำเป็นกันสำหรับ Dev เพื่อให้อยู่รอดได้ในโลกหลัง AI Revolution ครับ