🚨 AI ล้ำจนน่ากลัว… หรือเราแค่กำลังลืมไปว่า “คุณค่า” ของเราอยู่ตรงไหน
ช่วงนี้ไถฟีดทีไร ก็แอบ (ไม่แอบ) เหนื่อย และ แพนิค ไม่ได้เลยนะคะ
เชื่อว่าชาว Tech ทุกคนก็คงจะรู้สึกคล้ายๆกัน
วงการ Tech ตอนนี้หมุนไวมาก
ไวแบบที่เมื่อวานเพิ่งหัดใช้ Tool ตัวนึง วันนี้มีตัวใหม่ออกมาให้หัดใช้อีกแล้ว
เดี๋ยวก็มี Claude Cowork ที่กดเปิดไฟล์ข้ามโปรแกรม ทำงานแทนเราได้
เดี๋ยวก็ OpenClaw ที่คนแห่กันไปซื้อ Mac Mini มารันสคริปต์อัตโนมัติกันเต็มไปหมด
พี่กิ่งเห็นหลายๆคนทั้งในวงการและนอกวงการ พากันเริ่มตั้งคำถามกับตัวเองว่าเราจะรอดมั้ย
หรือเราจะตกงานกันหมด เพราะ AI ทำแทนได้เร็วกว่าเป็นสิบเท่า
แล้วแบบนี้หนูจะโดนเด้งเมื่อไหร่
🧘♀️ ทุกคน… ไปชงกาแฟก่อนค่ะ สูดหายใจลึกๆ แล้วมานั่งคุยกัน
อยากให้ทุกคนลองถอยออกมาก้าวหนึ่ง แล้วลองมองภาพรวมดูก่อน
พี่กิ่งกลับรู้สึกว่า เราไม่จำเป็นต้อง “Ride Every Wave” ก็ได้ค่ะ แบบนั้นอาจจะเหนื่อยเกินไป
แต่เราต้องเลือกคลื่นที่เหมาะกับเรามากที่สุดค่ะ
จริงอยู่ที่ AI ยุคนี้เก่งมาก ในเรื่องของการทำสิ่งต่างๆ
สั่งให้เขียนโค้ดมันก็เขียนให้
สั่งให้ออกแบบระบบมันก็ออกแบบมาให้อย่างสวยงาม
สั่งให้เขียน Test Case 100 ข้อ มันก็ออกมาภายใน 2 วินาที
💛 แต่พี่กิ่งยังคิดว่ามีเรื่องที่ AI อาจจะยังสู้เราไม่ได้ค่ะ
และสิ่งนี้จะกลายเป็นทักษะที่ “แพง” ในยุค AI ที่กำลังจะมาถึง (หรืออาจจะมาถึงแล้ว)
สิ่งนั้นคือ Human Touch ค่ะ
ความเป็นมนุษย์ของเราที่จะเข้าใจ Context ที่อาจจะไม่ได้เขียนไว้ และ ความมี Empathy ในการเข้าใจสิ่งต่างๆ ของเรา
Context:
AI ไม่รู้หรอกค่ะว่า Business Logic ที่เรากำลังเถียงกันอยู่ มันเกิดจากหน้างานที่มีความซับซ้อน (หรือความอิหยังวะ) ที่ซ่อนอยู่ตรงไหน
ระบบอาจจะดูเรียบง่าย แต่หลังบ้านต้องใช้ API ต่อกันวุ่นวายไปหมด
ในนั้นอาจจะมี Business Requirement ซ่อนอยู่ ซึ่งเป็นสิ่งที่ Business คาดหวังว่าต้องทำได้ แต่ไม่ได้เขียนระบุลงไปใน Ticket
Empathy:
เวลาเราประชุมกัน แล้วทุกคนพยักหน้ากันเมื่อกี๊ AI อาจจะไม่สามารถอ่าน “มวล” ในห้องประชุมนั้นได้ว่าลึกๆ แล้วทุกคนเห็นด้วยจริงมั้ย หรือทุกคนเข้าใจตรงกันจริงๆ หรือเปล่า
และที่สำคัญ AI เดินไปตบไหล่คุยกับ Dev ด้วยความเข้าใจไม่ได้นะคะ เวลาที่งานงอกเพราะบั๊กที่ทำระบบพังตอนตีสอง แล้วทุกคนต้องช่วยกันแก้จนถึงเช้า
นี่แหละค่ะคือ “Human Touch” เราไม่ว่าจะในวงการไหน ก็ยังเป็นสิ่งจำเป็น
ซึ่งเราจะต้องเป็นคนที่เข้าใจในสิ่งนั้นจริงๆ ไม่ใช่แค่คนที่ใช้ AI Tool ได้เก่งเท่านั้น
ขออนุญาตยกตัวอย่างในมุมของ QA ให้เห็นภาพชัดๆ
สมมติเรากำลังทำฟีเจอร์ “โค้ดส่วนลด”
🤖 ถ้าเราเป็น “Average QA”:
เราจะบอก AI ว่าเขียน Test Case หน้าส่วนลดให้หน่อย
แล้ว AI ก็อาจจะสร้าง Test Case มาให้ 100 ข้ออย่างสวยงาม แล้วเราก็เอาไปใช้
สรุปว่า พอขึ้น Production ปุ๊บ ระบบล่ม! เพราะลืมดูว่ามันขาดเคสการยกเลิกออเดอร์แล้วคืนโค้ด
และลูกค้าก็ใช้ตรงนั้นเยอะซะด้วย และบังเอิญว่าระบบมีบั๊กตรงนั้นพอดี…
✨ แต่ถ้าเราเป็น “QA ร่างทอง”:
เราก็ยังจะใช้ AI เขียน Test Case ให้อยู่ดี เพื่อจะได้ประหยัดเวลา
แต่เราจะสวมหมวก QA ตัวเทพ เข้าไปรีวิวงานของ AI ด้วยความเข้าใจบริบทของงานนั้นๆ
ซึ่งเราก็รู้ว่าระบบจะต้องคืนโค้ดส่วนลด ถ้าลูกค้ามีการยกเลิกออเดอร์
และบน Production ก็มีเคสนี้เกิดขึ้นบ่อยๆ
ทีนี้เราก็จะไปบอก AI ได้ว่า ยังขาด Flow ยกเลิกออเดอร์นะ ช่วยเพิ่มให้หน่อย
พอเทสแล้วใช้งานไม่ได้ เราก็สามารถเดินไปบอก Dev ได้ว่าขาด Logic ตรงนี้ไปนะ
เพราะตรงนี้ลูกค้าใช้เยอะ เราควรจะเพิ่มโค้ดดักเคสนี้ไว้ก่อนเลยดีมั้ยคะ
เห็นความต่างมั้ยคะ…
เราไม่ได้จะปฏิเสธว่าไม่ใช้ AI หรอก มันไม่มีความเป็นมนุษย์นู่นนี่
แต่เราต้องเลือกที่จะใช้งานเครื่องมืออย่างฉลาด เพื่อให้ได้งานที่ดีขึ้นโดยใช้เวลาน้อยลง
คนที่จะโดน AI แย่งงาน อาจจะไม่ใช่คนที่ใช้ AI ไม่เป็นนะคะ
แต่คือคนที่ปล่อยให้ AI ทำงานแทน โดยที่ตัวเองก็ไม่ได้เข้าใจสิ่งนั้นดีพอต่างหาก
ในยุคที่ AI เก่งขนาดนี้ และยังจะเก่งขึ้นไปเรื่อยๆ
หน้าที่ของเราคือต้องอัพเกรดตัวเองไปเป็นคนสั่งงาน AI อีกทีค่ะ
เพราะฉะนั้นสิ่งที่สำคัญมากๆคือ “ความรู้พื้นฐาน” ต่อสิ่งที่เรากำลังทำอยู่ เพื่อให้ AI หลอกเราไม่ได้
✅ 1. รู้ว่าแบบไหนคือ “ถูก”:
ไม่ใช่แค่เช็คว่าระบบทำงานได้ถูกตามที่เขียนไว้ใน Ticket อย่างเดียว
แต่เราต้องเข้าใจทะลุไปถึงว่า Business Expect อะไรจาก Requirement นี้
เราจะรู้ได้ยังไงว่า Test Case ที่ AI สร้างมาให้ ตรงกับสิ่งที่ Business ต้องการมั้ย
ถ้าเราไม่เข้าใจ Business อย่างเพียงพอ
เราจะรู้ได้ยังไงว่า 100 ข้อที่ AI ให้มานั้นครอบคลุมและเพียงพอต่อการเอาระบบขึ้น Production
ถ้าเราไม่เข้าใจก่อนว่า Test Case ที่ดีควรเป็นแบบไหน
เราจะรู้ได้ยังไงว่าการเทสที่ครอบคลุมนั้นต้องเทส End-to-End ตรงไหน หรือทำ Unit Test ตรงไหน
ถ้าเรายังไม่เข้าใจ Testing Pyramid อย่างดีพอ
✅ 2. รู้ว่า “โค้ดที่ดี” หน้าตาเป็นยังไง:
อันนี้ก็คล้ายๆข้อที่แล้วค่ะ แต่เป็นในมุม Technical เราอาจจะไม่ต้องเก่งระดับ Senior Dev ระดับโลกก็ได้
แต่อย่างน้อยเราต้องพอเข้าใจว่า Clean Architecture คืออะไร โค้ดแบบไหนเทสง่าย
หรือ Automation Test แบบไหนที่เวลาพังแล้วเรารู้ได้ทันทีว่าบั๊กอยู่ตรงไหน
เพื่อที่เราจะได้ทำงานร่วมกับ AI ได้ดียิ่งขึ้น ระบุ prompt ที่ชัดเจนลงไปตั้งแต่แรกเลยว่าเราต้องการโค้ดที่หน้าตาแบบนี้ เพื่อที่จะได้ไม่ต้องเสียเวลามารื้อทีหลัง
✅ 3. รู้จุดอ่อนตัวเอง และใช้ AI มา “อุดช่องโหว่”:
เมื่อเรามีพื้นฐานที่แน่น เราก็จะเริ่มรู้ว่าจะใช้ AI มาช่วยอะไรได้มากขึ้นค่ะ
สมมติว่าเรารู้ว่ามันมี Edge Case แปลกๆ ที่อาจจะเกิดขึ้นได้ตรงนี้
แต่เราไม่รู้จะเทสยังไง เขียน Unit Test ก็ไม่เป็น Dev ก็ยังไม่ว่างมาดูให้
แทนที่เราจะยอมแพ้ เราก็หันไปสั่ง AI ได้เลยค่ะ
“ช่วยอธิบายโค้ดก้อนนี้ให้หน่อย”
“ช่วยสร้าง Mock data ของเคสนี้ให้หน่อย”
นี่แหละค่ะคือการใช้ AI เป็นผู้ช่วย ที่จะช่วยขยายขีดจำกัดให้เรา
ไม่ว่าเทคโนโลยีจะเปลี่ยนไปไวแค่ไหน แต่แก่นของการทำ Software ก็ยังเป็นการทำเพื่อแก้ปัญหาให้ “มนุษย์” อยู่ดี
การมี Mindset ของความเข้าใจในสิ่งที่กำลังทำอย่างถ่องแท้ และ เข้าใจคนที่เราร่วมงานด้วย จึงเป็นสิ่งสำคัญที่เราควรมีไว้ค่ะ
ถ้าใครรู้สึกว่าช่วงนี้วิ่งตาม Tool จนเริ่มเหนื่อย ลองหยุดพักซักแป๊บ
แล้วมาติดกระดุมเม็ดแรกให้ถูกต้องกันดีกว่าค่ะ
ส่วน QA คนไหนที่อยากปูพื้นฐานวิธีคิด และฝึกเทคนิคต่างๆ ที่จำเป็นไปด้วยกัน
ฝากติดตามคลาส “Testing the Right Way” ที่กำลังจะเปิดเร็วๆ นี้นะคะ
สามารถเข้าไปดูรายละเอียดและกด Join Waitlist ไว้ก่อนได้เลย
💛 Quality starts with how you think.