นักพัฒนาไม่ยอมเขียนโค้ดโดยไม่มี AI แต่ข้อมูลชี้ว่ามันทำให้พวกเขาช้าลงและเผางบหลายพันล้าน

ความพยายามในครั้งต่อมาของ METR ในเดือนสิงหาคม 2025 ซึ่งขยายผลไปยังนักพัฒนา 57 คนและงานมากกว่า 800 ชิ้น ยิ่งทำให้วิกฤตนี้ลึกลงไปอีก ผลลัพธ์นั้นไม่สามารถสรุปได้ทางสถิติ โดยแสดงให้เห็นถึงความช้าลงโดยประมาณที่ -4% ด้วยช่วงความเชื่อมั่นที่กว้างมากจนคร่อมศูนย์ (-15% ถึง +9%) ที่สำคัญคือ ผู้เข้าร่วมระหว่าง 30–50% ยอมรับว่าพวกเขาเซ็นเซอร์ตัวเอง โดยเลือกที่จะไม่ส่งงานที่ไม่สามารถทำให้เสร็จได้ด้วยความช่วยเหลือของ AI กลุ่มตัวอย่างมีอคติอย่างแก้ไขไม่ได้ โดยเอนเอียงไปหากลุ่มนักพัฒนาเล็กๆ ที่ยังเต็มใจทำงานโดยไม่มี AI ในที่สุดห้องทดลองก็ยกเลิกการทดลองนี้ไปเลย โดยเรียกข้อมูลของตนว่า "ไม่น่าเชื่อถือ"

ในเวลาไม่ถึงหนึ่งปี เรื่องราวของการวิจัยได้เปลี่ยนจาก "AI ทำให้นักพัฒนาที่มีประสบการณ์ช้าลง แต่พวกเขาไม่รู้ตัว" ไปสู่ข้อสรุปที่ลึกซึ้งยิ่งกว่า: "นักพัฒนาไม่แม้แต่จะพยายามทำงานโดยไม่มี AI" การพึ่งพามันลึกซึ้งเกินกว่าจะวัดได้แล้ว

ยุคตื่นทอง Tokenmaxxing และการล่มสลายอย่างน่าตื่นตา

ในขณะที่งานวิจัยของ METR กำลังพังทลาย ความคลั่งไคล้ในอีกรูปแบบหนึ่งก็กำลังพัดผ่านซิลิคอนแวลลีย์ Tokenmaxxing หรือแนวปฏิบัติในการเพิ่มการใช้โทเค็น AI ดิบๆ ให้มากที่สุดเพื่อใช้เป็นดัชนีวัดผลิตภาพของนักพัฒนา กลายเป็นเทรนด์ที่โดดเด่นที่สุดในช่วงต้นปี 2026 ก่อนที่จะระเบิดตัวเองด้วยน้ำมือของมันเอง

วัฒนธรรมนี้ถูกทำให้เป็นเกมอย่างจริงจัง มีรายงานว่าพนักงานของ Meta แข่งขันกันบนแดชบอร์ดภายในที่เรียกว่า "Claudeonomics" เพื่อชิงตำแหน่งอย่าง "ตำนานโทเค็น" (Token Legend) และ "ผู้เป็นอมตะแห่งเซสชัน" (Session Immortal) โดยวัดจากจำนวนโทเค็นที่พวกเขาเผาผลาญไป ซีอีโอของ Nvidia อย่าง Jensen Huang กลายเป็นข่าวพาดหัวด้วยการระบุว่าเขาจะ "ตื่นตระหนกอย่างยิ่ง" หากวิศวกรเงินเดือน 500,000 ดอลลาร์ของเขาไม่ได้ใช้โทเค็นอย่างหนักหน่วง ทั่วทั้งอุตสาหกรรม งบโทเค็นกลายเป็นเครื่องหมายแห่งเกียรติยศ เป็นสัญญาณว่าพนักงานได้เปิดรับ AI และสันนิษฐานได้ว่าผลงานนวัตกรรมของพวกเขาก็จะสูงตามไปด้วย

Amazon ปิด 'KiroRank'

กระแสต่อต้านมาถึงจุดเดือดในปลายเดือนพฤษภาคม 2026 Amazon ได้ยกเลิกการใช้กระดานผู้นำภายใน "KiroRank" บนแพลตฟอร์มนักพัฒนาซอฟต์แวร์ Kiro หลังจากพบว่าพนักงานสร้าง "เอไอเอเจนต์ที่ไร้จุดหมาย" เพื่อปั่นคะแนนการใช้ของพวกเขาเพียงอย่างเดียว Dave Treadwell รองประธานอาวุโส ได้ส่งข้อความโดยตรงถึงพนักงานว่า "ได้โปรดอย่าใช้ AI เพียงเพื่อจะใช้ AI" โฆษกของ Amazon ยืนยันว่ากระดานผู้นำนั้นเป็น "แดชบอร์ดรุ่นทดสอบ" ที่ "ไม่ใช่เครื่องมือที่เป็นทางการหรือได้รับการอนุมัติ" แต่ความเสียหายจากต้นทุนการประมวลผลที่มันก่อขึ้นก็เกิดขึ้นแล้ว ตอนนี้บริษัทกำลังเปลี่ยนไปสู่ตัวชี้วัดที่เรียกว่า "การดีพลอยแบบปกติ" (normalised deployments) เพื่อวัดงานที่มีความหมายแทน

Uber เผางบ AI ทั้งปีใน 4 เดือน

ที่น่าตื่นเต้นยิ่งกว่านั้น การผลักดัน AI ของ Uber กลายเป็นเรื่องราวเตือนใจ บริษัทให้วิศวกรประมาณ 5,000 คนเข้าถึง Claude Code ของ Anthropic อย่างกว้างขวางในเดือนธันวาคม 2025 อัตราการใช้งานพุ่งจาก 32% เป็น 84% ภายในเวลาไม่กี่เดือน และภายในเดือนเมษายน 2026 บริษัทก็ใช้งบประมาณ AI ทั้งปีหมดเกลี้ยง ตามคำกล่าวของ CTO อย่าง Praveen Neppalli Naga ระบุว่า 95% ของวิศวกรของ Uber ใช้เครื่องมือ AI เป็นประจำทุกเดือน โดย 70% ของโค้ดที่ถูกส่งมอบนั้นสร้างโดย AI ซึ่งเป็นเปอร์เซ็นต์ที่ถูกรายงานต่อสาธารณะสูงสุดในบรรดาบริษัทเทคโนโลยีรายใหญ่

ทว่าการนำไปใช้อย่างน่าทึ่งนี้กลับไม่มีผลตอบแทนที่ชัดเจน COO อย่าง Andrew Macdonald ยอมรับต่อสาธารณะในการให้สัมภาษณ์เมื่อปลายเดือนพฤษภาคมว่า บริษัทไม่สามารถลากเส้นเชื่อมระหว่างการใช้จ่าย AI มหาศาลกับผลลัพธ์ทางธุรกิจที่มีความหมายได้ "ความเชื่อมโยงนั้นยังมาไม่ถึง" เขากล่าว "มันเริ่มยากขึ้นที่จะให้เหตุผล" กับต้นทุนนั้น ภายใน Uber ผู้บริหารเริ่มเรียกปัญหานี้ตามชื่อของมันว่า "Tokenmaxxing"

การชำระสะสางที่กว้างขึ้น

Meta และบริษัทยักษ์ใหญ่อื่นๆ ก็ได้ยกเลิกหรือทบทวนการจัดอันดับการใช้งาน AI ของพวกเขาเช่นกัน และองค์กรขนาดใหญ่ทั่วทั้งกระดานตอนนี้กำลังประเมินการใช้จ่าย AI ที่บ้าคลั่งซึ่งไม่ได้สร้างผลตอบแทนที่คุ้มค่า เทรนด์ Tokenmaxxing นั้น Fortune สรุปว่า "ตายแล้ว"

ต้นทุนที่ซ่อนอยู่: โค้ดมากขึ้น บั๊กมากขึ้น หนี้ทางเทคนิคมากขึ้น

กระแสต่อต้านไม่ได้เกี่ยวกับงบประมาณเพียงอย่างเดียว หลักฐานที่เพิ่มขึ้นบ่งชี้ว่าโค้ดที่สร้างโดย AI กำลังวางระเบิดเวลาไว้ในโครงการซอฟต์แวร์

• ภาพลวงตาของผลิตภาพนั้นมีจริง การรับรู้ถึงความเร็วนั้นถูกหักล้างโดยงานวิจัยที่มีการควบคุม การมุ่งเน้นไปที่ปริมาณโทเค็นและจำนวนบรรทัดของโค้ดที่สร้างขึ้น บดบังต้นทุนที่ซ่อนอยู่ของการดีบั๊ก, การปรับโครงสร้างใหม่, และการดูแลรักษาซอฟต์แวร์ที่เขียนโดย AI รายงานของ GitClear ในเดือนมกราคม 2026 พบว่าอัตราการเปลี่ยนโค้ด (Code Churn) ซึ่งวัดจากจำนวนบรรทัดที่ถูกลบเทียบกับที่เพิ่มขึ้น ได้พุ่งสูงขึ้นถึง 861% ในสภาพแวดล้อมที่มีการใช้งาน AI ในระดับสูง
• หนี้ทางเทคนิคกำลังสะสมพอกพูน ผลผลิตที่รวดเร็วจากเครื่องมือ AI กำลังสร้างโค้ดที่ต้องนำกลับมาทำใหม่มากขึ้นและก่อให้เกิดช่องโหว่ด้านความปลอดภัย นักวิเคราะห์เตือนว่าภาระในการบำรุงรักษาที่ตามมาสามารถหักล้างผลประโยชน์ระยะสั้นด้านความเร็วได้อย่างง่ายดาย ซึ่งคุกคามความสมบูรณ์ของโค้ดเบส (Codebase) ในระยะยาว
• ระบบการวัดผลเองก็พัง เหตุการณ์ทั้งหมดนี้ได้เปิดเผยว่าตัวชี้วัดกิจกรรม เช่น จำนวนบรรทัดของโค้ด, การบริโภคโทเค็น, จำนวนครั้งที่เรียกใช้เอเจนต์ AI เป็นสิ่งทดแทนที่บกพร่องอย่างยิ่งสำหรับการวัดผลผลิตที่แท้จริง ดังที่บทวิเคราะห์หนึ่งระบุว่า "ความรู้สึกส่วนตัวเป็นตัวชี้นำที่ไม่ดีต่อผลกระทบที่วัดได้ แม้ว่าขนาดของผลกระทบเองจะเปลี่ยนไปแล้วก็ตาม"

แผนปฏิบัติการใหม่: วิธีสร้างสมดุลระหว่าง AI และการควบคุมดูแลโดยมนุษย์ที่แท้จริง

การชำระสะสางในปี 2026 นี้ กำลังสร้างฉันทามติใหม่ที่สุขุมมากขึ้น เกี่ยวกับวิธีการรวม AI เข้ากับวิศวกรรมซอฟต์แวร์

• เลิกใช้ตัววัดที่เป็นโทเค็น บริษัทต่างๆ กำลังยกเลิกกระดานผู้นำ และมุ่งสู่ระบบข้อมูลอัจฉริยะทางวิศวกรรมที่ติดตามฟีเจอร์ที่ส่งมอบจริง, คุณภาพโค้ด, และอัตราข้อบกพร่อง มากกว่าปริมาณการบริโภค AI การซื้อกิจการแพลตฟอร์ม DX ซึ่งวัดประสบการณ์นักพัฒนา ด้วยมูลค่ากว่า 1 พันล้านดอลลาร์ของ Atlassian เป็นตัวอย่างของการลงทุนเพื่อวัดผลลัพธ์ที่มีความหมายมากกว่ากิจกรรมดิบๆ
• บังคับใช้การตรวจสอบโดยมนุษย์อย่างเข้มงวด การศึกษาของ METR แสดงให้เห็นว่าหากปราศจากการควบคุมดูแลอย่างระมัดระวัง เครื่องมือ AI สามารถทำให้นักพัฒนาที่มีประสบการณ์มีผลิตภาพน้อยลง การตรวจสอบโค้ดและการวางแผนสถาปัตยกรรมยังคงเป็นกิจกรรมที่สำคัญ ไม่ใช่เป็นแค่ทางเลือก
• กำหนดเพดานค่าใช้จ่าย AI ด้วยคุณค่าที่พิสูจน์ได้ ไม่ใช่ปริมาณการใช้งาน ประสบการณ์ของ Uber แสดงให้เห็นว่าการใช้จ่าย AI แบบไร้เพดานและตามปริมาณการใช้นั้นไม่ยั่งยืน การจัดทำงบประมาณต้องผูกติดกับผลตอบแทนที่วัดผลได้ ไม่ใช่แค่เป้าหมายอัตราการใช้งาน
• ออกแบบวัฒนธรรมการประเมินผลใหม่ เป้าหมายคือการเปลี่ยนคำถามหลักจาก "ใครใช้ AI มากที่สุด?" ไปเป็น "AI สร้างผลลัพธ์ที่เป็นประโยชน์อะไรให้กับทีมของเราบ้าง?" นี่หมายถึงการให้รางวัลแก่การใช้ AI อย่างชาญฉลาดและมีประสิทธิภาพ ไม่ใช่แค่การใช้ในปริมาณมาก

บทเรียนจากปี 2026 นั้นชัดเจน: เครื่องมือเขียนโค้ด AI ได้สร้างภาวะการพึ่งพาทั้งทางจิตวิทยาและการดำเนินงานอย่างที่ไม่เคยมีมาก่อน ก่อนที่พวกมันจะพิสูจน์คุณค่าทางเศรษฐกิจของมันได้อย่างน่าเชื่อถือเสียอีก บริษัทที่จะฝ่ามายาภาพที่ขัดแย้งกันนี้ไปได้ คือบริษัทที่จะปฏิบัติต่อ AI ราวกับเครื่องมือที่ต้องถูกควบคุมด้วยวินัย ไม่ใช่ราวกับเทพเจ้าที่ต้องบูชายัญด้วยโทเค็นที่มากขึ้นเรื่อยๆ