โปรแกรมเมอร์รุ่นเก๋าเริ่มตั้งคำถามกับกระแส “AI เขียนโค้ดแทนคน”

ปัญญาประดิษฐ์กำลังกลายเป็นส่วนหนึ่งของการพัฒนาซอฟต์แวร์ยุคใหม่อย่างรวดเร็ว บริษัทเทคโนโลยีรายใหญ่จำนวนมากกำลังผลักดัน AI coding assistants หรือผู้ช่วยเขียนโค้ดด้วย AI โดยอ้างว่าสามารถเร่งความเร็วการพัฒนาโปรแกรมได้อย่างมหาศาล และอาจทำให้การเขียนซอฟต์แวร์จำนวนมากเป็นเรื่องอัตโนมัติ

แต่ในฝั่งของนักพัฒนาที่มีประสบการณ์ยาวนาน หลายคนกลับมีมุมมองที่ระมัดระวังกว่ามาก โปรแกรมเมอร์ระดับตำนานอย่าง Bjarne Stroustrup ผู้สร้างภาษา C++, Linus Torvalds ผู้สร้าง Linux และผู้เชี่ยวชาญ Java อย่าง Vlad Mihalcea ต่างออกมาแสดงความกังวลเกี่ยวกับคุณภาพของโค้ดที่ AI สร้าง รวมถึงคำกล่าวอ้างเรื่อง “เพิ่มประสิทธิภาพมหาศาล” ของเครื่องมือเหล่านี้

มุมมองของพวกเขาสะท้อนความแตกต่างระหว่างภาพที่บริษัทเทคโนโลยีนำเสนอ กับประสบการณ์จริงของวิศวกรซอฟต์แวร์ในงานพัฒนาโปรดักชัน

“โค้ดขยะ”: ความกังวลเรื่องคุณภาพ

หนึ่งในคำวิจารณ์ที่ได้ยินบ่อยจากโปรแกรมเมอร์รุ่นเก๋าคือ AI สามารถสร้างโค้ดได้เร็ว แต่ไม่ได้หมายความว่าจะเชื่อถือได้

Bjarne Stroustrup เตือนว่าเครื่องมือ AI จำนวนมากสร้างโค้ดที่มีคุณภาพต่ำ และยังต้องอาศัยวิศวกรที่มีประสบการณ์มาตรวจสอบและแก้ไข เขาเคยอธิบายว่าเอาต์พุตจาก AI บางส่วนเป็นถึงขั้น "rubbish code" หรือโค้ดคุณภาพแย่ ซึ่งสุดท้ายทำให้ภาระงานตกไปอยู่กับนักพัฒนาระดับอาวุโสที่ต้องตรวจ แก้ และดูแลระยะยาว

ประเด็นสำคัญไม่ใช่ความเร็วในการพิมพ์โค้ด แต่คือ โครงสร้างของระบบ ความปลอดภัย และความสามารถในการดูแลรักษาในระยะยาว ซึ่งยังต้องใช้ประสบการณ์ของมนุษย์เป็นหลัก

Linus Torvalds: AI คือเครื่องมือ ไม่ใช่วิศวกร

Linus Torvalds ผู้สร้างระบบปฏิบัติการ Linux แสดงท่าทีไม่เห็นด้วยกับคำกล่าวอ้างว่า AI สามารถเขียนซอฟต์แวร์ส่วนใหญ่ได้แล้ว

เขาเคยบอกว่ารู้สึกหงุดหงิดเมื่อมีคนกล่าวว่า “99% ของโค้ดถูกเขียนโดย AI” เพราะในมุมมองของเขา AI ควรถูกมองเป็น เครื่องมือช่วย มากกว่าจะเป็นตัวแทนของวิศวกรซอฟต์แวร์

Torvalds ยอมรับว่า AI กำลังเปลี่ยนวิธีทำงานของโปรแกรมเมอร์ แต่เขาเชื่อว่า พื้นฐานของการพัฒนาซอฟต์แวร์ยังเหมือนเดิม เช่น

• การออกแบบสถาปัตยกรรมระบบ
• ความเข้าใจโครงสร้างของซอฟต์แวร์
• การตัดสินใจเชิงวิศวกรรม

สิ่งเหล่านี้ยังเป็นงานที่ระบบอัตโนมัติทำได้ยาก

ทำไม “ประสิทธิภาพ” อาจเพิ่มไม่มากอย่างที่คิด

Vlad Mihalcea นักเขียนหนังสือและผู้เชี่ยวชาญด้านประสิทธิภาพของ Java ชี้ให้เห็นประเด็นที่สำคัญอีกอย่างหนึ่ง: แม้ AI จะสร้างโค้ดได้จริง แต่ผลลัพธ์ด้าน productivity โดยรวมอาจเพิ่มขึ้นเพียงเล็กน้อย

เหตุผลคือการพัฒนาซอฟต์แวร์ไม่ได้มีแค่การเขียนโค้ด นักพัฒนายังต้อง

• ตรวจสอบความถูกต้อง
• แก้บั๊กและกรณีขอบ (edge cases)
• รวมโค้ดเข้ากับระบบที่ใหญ่กว่า
• ตรวจสอบด้านความปลอดภัยและการดูแลระยะยาว

หากโค้ดจาก AI “เกือบถูก” แต่ยังไม่สมบูรณ์ วิศวกรก็ยังต้องใช้เวลาตรวจสอบและแก้ไขอยู่ดี

ข้อมูลจาก Stack Overflow Developer Survey ปี 2025 สนับสนุนมุมมองนี้ โดยพบว่า

• 66% ของนักพัฒนาบอกว่าต้องใช้เวลามากขึ้นในการแก้โค้ดที่ AI สร้างและเกือบถูกต้อง
• ปัญหาที่พบบ่อยที่สุดคือคำตอบที่ "เกือบถูก แต่ไม่ถูกทั้งหมด"

งานวิจัยบางชิ้นยังพบว่า นักพัฒนาที่มีประสบการณ์ทำงานช้าลงประมาณ 19% เมื่อใช้เครื่องมือ AI แม้พวกเขาจะรู้สึกว่าทำงานเร็วขึ้นก็ตาม

ฝั่งบริษัทเทคโนโลยี: AI จะเขียนโค้ดส่วนใหญ่ของโลก?

ในขณะที่โปรแกรมเมอร์บางส่วนเน้นข้อจำกัด ผู้บริหารบริษัทเทคโนโลยีกลับมองเห็นศักยภาพมหาศาล

Mark Zuckerberg ซีอีโอของ Meta เคยกล่าวว่า AI อาจสามารถทำงานในระดับใกล้เคียงกับ วิศวกรซอฟต์แวร์ระดับกลาง (mid‑level engineer) และช่วยเขียนโค้ดจำนวนมากภายในบริษัทได้

ผู้นำในอุตสาหกรรมหลายรายยังคาดการณ์ว่า ในอนาคต AI อาจสร้างโค้ดส่วนใหญ่ของโลก ซึ่งนำไปสู่การคาดเดาว่า ตำแหน่งนักพัฒนาระดับจูเนียร์อาจถูกกระทบมากที่สุด

ขณะเดียวกัน Amazon ก็ลงทุนด้าน AI อย่างหนัก โดยซีอีโอ Andy Jassy ระบุว่า AI จะเข้ามาเปลี่ยนประสบการณ์ดิจิทัลแทบทุกประเภท และเปลี่ยนวิธีที่บริษัทสร้างเทคโนโลยี

ความขัดแย้งจริง ๆ คือคำว่า “ประสิทธิภาพ”

หัวใจของการถกเถียงนี้ไม่ใช่ว่า AI มีประโยชน์หรือไม่ แต่คือ นิยามของคำว่า productivity

บริษัทเทคโนโลยีมักวัดผลจากความเร็ว เช่น

• สร้างโค้ดได้เร็วขึ้น
• ส่งฟีเจอร์ได้เร็วขึ้น

แต่โปรแกรมเมอร์ที่มีประสบการณ์จะประเมินทั้งวงจรของซอฟต์แวร์ เช่น

• การออกแบบระบบ
• ความถูกต้องและเสถียรภาพ
• ความปลอดภัย
• การดีบั๊กและการทดสอบ
• การดูแลระบบระยะยาว

เมื่อรวมปัจจัยเหล่านี้เข้าไป การสร้างโค้ดได้เร็วขึ้นเพียงอย่างเดียว อาจไม่ได้แปลว่าประสิทธิภาพเพิ่มขึ้นในระดับเดียวกัน

จุดสมดุลที่หลายคนเห็นตรงกัน

แม้จะมีคำวิจารณ์ โปรแกรมเมอร์ส่วนใหญ่ไม่ได้มองว่า AI ไร้ประโยชน์

ในทางปฏิบัติ AI มักช่วยได้ดีในงานอย่าง

• โค้ด boilerplate
• การสร้าง prototype
• การเขียนเอกสาร

แต่สำหรับงานที่ต้องใช้การออกแบบระบบ การตัดสินใจเชิงวิศวกรรม และการแก้ปัญหาซับซ้อน มนุษย์ยังคงมีบทบาทสำคัญ

สำหรับตอนนี้ ความเห็นที่เริ่มเห็นตรงกันในหมู่นักพัฒนาประสบการณ์สูงคือ: AI กำลังเปลี่ยนวิธีเขียนโปรแกรม แต่ยังไม่ได้แทนที่วิศวกรซอฟต์แวร์