AI เขียนโค้ด Airbnb เกือบ 60%: บทบาทใหม่ของวิศวกรและผู้จัดการ

Airbnb ใช้ AI นอกเหนือจากการพัฒนาซอฟต์แวร์เช่นกัน ทรานสคริปต์การประชุมผลประกอบการไตรมาส 4 ปี 2025 ที่เผยแพร่โดย The Motley Fool ระบุว่าเอเจนต์ซัพพอร์ต AI ของ Airbnb แก้ปัญหาซัพพอร์ตในอเมริกาเหนือได้หนึ่งในสาม และจัดการตั๋วซัพพอร์ตได้เกือบ 30% โดยมีแผนขยายทั่วโลกและไปสู่เสียงพูด . ทรานสคริปต์เดียวกันยังอธิบายแนวทางประสบการณ์แบบ AI-native ที่จะช่วยผู้เข้าพักวางแผนทริป และช่วยให้บริษัทดำเนินงานได้มีประสิทธิภาพขึ้นในระดับใหญ่ .

วิศวกรซอฟต์แวร์: จากคนเขียนทุกบรรทัด สู่คนกำกับระบบ

เมื่อ AI ร่างงาน implementation ได้มากขึ้น งานของวิศวกรไม่ได้หมดความหมาย แต่เปลี่ยนจุดหนัก วิศวกรที่แข็งแรงในยุคนี้ไม่ใช่คนที่กดรับโค้ดจากโมเดลแล้วจบ แต่คือคนที่รู้ว่าอะไรควรให้ AI ทำ อะไรต้องแก้ อะไรต้องทดสอบ และอะไรไม่ควรถูกสร้างตั้งแต่แรก

ทักษะที่มีน้ำหนักมากขึ้น ได้แก่:

• กำหนดโจทย์ให้คม: AI จะช่วยได้ดีขึ้นเมื่อเป้าหมาย ข้อจำกัด พฤติกรรมที่คาดหวัง และบริบทถูกอธิบายชัด
• ใส่บริบทของระบบ: โค้ดที่สร้างขึ้นต้องเข้ากับ codebase เดิม ขอบเขตความรับผิดชอบ สมมติฐานด้านข้อมูล และข้อกำหนดของผลิตภัณฑ์
• รีวิวผลลัพธ์อย่างจริงจัง: วิศวกรยังต้องอ่านโค้ด เข้าใจ trade-off และตัดสินใจว่าอะไรปลอดภัยพอจะปล่อย
• ทดสอบเคสขอบและ failure mode: ร่างแรกที่เร็วขึ้นไม่ได้แทนที่การทดสอบ การ debug และการคิดถึงกรณีล้มเหลว
• รักษาสถาปัตยกรรม: โค้ดที่สร้างง่ายขึ้นอาจกลายเป็นภาระบำรุงรักษามากขึ้น หากขอบเขต dependency และความเรียบง่ายระยะยาวไม่ชัด
• รับผิดชอบผลใน production: ทีมมนุษย์ยังเป็นผู้รับผิดชอบ reliability, maintainability และผลกระทบต่อผู้ใช้

ผลลัพธ์คือ “ความเก่ง” ของวิศวกรอาจวัดจากปริมาณโค้ดที่พิมพ์เองน้อยลง และวัดจากวิจารณญาณมากขึ้น: ตั้งคำถามกับ AI ได้ถูก ตรวจของที่ AI ทำได้ขาด แก้ให้เข้าระบบ และกล้าปฏิเสธโค้ดที่ดูเหมือนใช้ได้แต่เสี่ยงในระยะยาว

เมื่อร่างแรกถูกลง การรีวิวจึงแพงขึ้น

AI-assisted coding ทำให้การได้ร่างแรกของโค้ดถูกและเร็วขึ้น แต่ยิ่งร่างแรกผลิตง่าย คนที่แยกได้ว่า “อันนี้ใช้ได้จริง” หรือ “อันนี้เปราะ” ก็ยิ่งมีค่า

วิศวกรที่เหมาะกับสภาพแวดล้อมแบบนี้จึงคล้ายบรรณาธิการ ผู้ออกแบบระบบ และผู้ดูแลระบบ production รวมกัน ต้องตรวจว่า implementation ตรงกับเจตนาของผลิตภัณฑ์หรือไม่ ไปชน assumption ที่ซ่อนอยู่หรือเปล่า เข้ากับสถาปัตยกรรมเดิมไหม และทีมอื่นจะดูแลต่อได้หรือไม่

ในมุมนี้ AI อาจไม่ได้ลดความสำคัญของ senior judgment แต่ทำให้มันสำคัญกว่าเดิม เพราะเมื่อทีมผลิตโค้ดได้เร็วขึ้น คอขวดจะย้ายจาก “ใครเขียนทัน” ไปเป็น “โค้ดไหนสมควรมีอยู่ในระบบ”

ผู้จัดการ: บริหารคนอย่างเดียวอาจไม่พอ

คำพูดของ Chesky เรื่องผู้จัดการสำคัญพอ ๆ กับตัวเลข 60% รายงานของ Business Insider ระบุว่า Airbnb คาดหวังให้ผู้จัดการอยู่ใกล้งานพอที่จะเขียนโค้ดหรือใช้เครื่องมือเขียนโค้ดด้วย AI เอง . รายงานของ People Matters เรื่องคำเตือนต่อ “pure people managers” ก็ชี้ไปทางเดียวกันว่า บทบาทผู้นำที่เป็นเพียงชั้นประสานงานอาจถูกกดดันเมื่อ AI เปลี่ยน workflow .

ไม่ได้แปลว่าผู้จัดการวิศวกรรมทุกคนต้องกลับไปเป็น individual contributor ที่เก่งที่สุดในทีม แต่ความคล่องด้านเทคนิคจะเลี่ยงยากขึ้น โดยเฉพาะในทีมที่ใช้ AI เป็นส่วนหนึ่งของงานประจำ

ผู้จัดการในทีมแบบนี้ควรทำได้มากกว่าเช็กสถานะงาน เช่น:

• เข้าใจว่าเครื่องมือ AI ทำอะไรได้ และทำอะไรไม่ได้
• ประเมิน trade-off ทางเทคนิคได้ ไม่ใช่ดูแค่ timeline
• ท้าทาย assumption ที่อ่อนใน estimate, design และโค้ดที่สร้างจาก AI
• ตั้ง quality gate สำหรับ code review, testing, security และ reliability
• วัดทีมจากคุณค่าที่ส่งมอบและสุขภาพของระบบ ไม่ใช่จากจำนวนโค้ดที่คนพิมพ์เอง

งานผู้จัดการยังรวมถึงการจ้างงาน โค้ชชิง การจัดลำดับความสำคัญ และสุขภาพทีมเหมือนเดิม แต่ในบริษัทที่เดินไปทาง Airbnb งานเหล่านี้ต้องวางอยู่บนความเข้าใจเครื่องมือและงานเทคนิคจริง

บทบาทที่เสี่ยงที่สุดไม่ใช่ชื่อตำแหน่ง แต่คือขอบเขตงานที่แคบเกินไป

คำถามจึงไม่ใช่ “วิศวกรจะหายไหม” หรือ “ผู้จัดการจะถูกแทนไหม” แต่คือบทบาทนั้นผูกกับงาน routine มากแค่ไหน

แรงกดดันจะสูงกับคนที่ทำงานในลักษณะนี้:

• เขียนโค้ดโดยไม่เข้าใจระบบรอบตัว
• รับ output จาก AI โดยไม่ตรวจทานอย่างจริงจัง
• วัด impact จากจำนวน task มากกว่าคุณค่าของผลิตภัณฑ์
• ประสานงานโดยไม่เข้าใจสาระทางเทคนิค
• เลี่ยงการเรียนรู้เครื่องมือที่กำลังกลายเป็น workflow ปกติของทีม

โปรไฟล์ที่ปลอดภัยกว่า คือคนทำงานเทคนิคที่มีวิจารณญาณ ใช้ AI เพื่อเร่งงานได้ แต่ยังรับผิดชอบคุณภาพ สถาปัตยกรรม และผลลัพธ์ปลายทาง

แล้วควรเริ่มปรับตัวอย่างไร

สำหรับวิศวกร จุดเริ่มต้นไม่ใช่การเมิน AI หรือเชื่อ AI แบบไม่ตั้งคำถาม แต่คือการเก่งขึ้นในงานส่งมอบแบบมี AI ช่วย เขียน specification ให้ชัดขึ้น ป้อนบริบทให้ดีขึ้น อ่าน diff ให้ละเอียดขึ้น เพิ่ม test coverage และลงทุนกับ architecture, reliability, security และ product sense

สำหรับผู้จัดการ ทางปฏิบัติคืออย่าอยู่ไกลจากงานฝีมือ ใช้เครื่องมือให้พอเข้าใจข้อดีข้อจำกัด ร่วมวงคุย design และ review ทำมาตรฐานคุณภาพให้ชัด และให้รางวัลทีมจากผลลัพธ์ผลิตภัณฑ์ที่ทนทาน ไม่ใช่จากจำนวนชั่วโมงที่คนพิมพ์โค้ดเอง

ข้อควรระวัง: Airbnb เป็นสัญญาณ ไม่ใช่มาตรฐานทั้งตลาด

ตัวเลขเกือบ 60% เป็นข้อมูลเฉพาะของ Airbnb ไม่ใช่ benchmark ของทั้งอุตสาหกรรม จึงไม่ควรสรุปว่าทุกองค์กรซอฟต์แวร์ใช้ AI ในระดับเดียวกันแล้ว

มุมมองของ Chesky เองก็มีทั้งความเร่งและความอดทน ในปี 2024 เขากล่าวว่า AI จะเปลี่ยนโลกมากกว่าที่หลายคนตระหนัก แต่ขณะเดียวกันก็จะใช้เวลานานกว่าที่หลายคนคาด . กรอบคิดนี้เหมาะกับการมองงานซอฟต์แวร์ตอนนี้: AI อาจเปลี่ยนงานอย่างลึก แต่การเปลี่ยนผ่านจะไม่เท่ากันทุกบริษัท ทุกทีม หรือทุกคน

สรุปคือ AI ไม่ได้แค่ “มาแทน” วิศวกรหรือผู้จัดการ แต่มันกำลังเปลี่ยนหน่วยของการสร้างคุณค่า วิศวกรต้องเป็นผู้กำกับและผู้ตรวจงาน machine-generated ให้ดีขึ้น ผู้จัดการต้องมี technical fluency พอจะนำทีมที่ใช้ AI ทุกวันได้ และในกรณี Airbnb ข้อได้เปรียบที่ยั่งยืนกำลังย้ายจากการผลิตด้วยมือ ไปสู่ judgment, ownership และความสามารถในการแปลง output ของ AI ให้กลายเป็นผลิตภัณฑ์ที่เชื่อถือได้ .