ความเคลื่อนไหวนี้ถือเป็นการเบี่ยงเบนอย่างระมัดระวังแต่มีนัยสำคัญ จากจุดยืนอันแข็งกร้าวในปัจจุบันที่ระบุให้ปฏิเสธโค้ดใดก็ตามที่สงสัยว่ามาจากเครื่องมืออย่าง ChatGPT, GitHub Copilot หรือ Claude ของ Anthropic

ข้อเสนอนี้ถูกนำเสนอในเดือนพฤษภาคม 2026 โดย Paolo Bonzini วิศวกรระดับ Distinguished Engineer ของ Red Hat และผู้ดูแล KVM ไฮเปอร์ไวเซอร์ Bonzini ให้เหตุผลว่าการคำนวณความเสี่ยงที่เป็นเหตุผลให้กับการแบนในตอนแรกนั้นเปลี่ยนไปแล้ว "[การห้ามแบบเด็ดขาด] นั้นง่ายต่อการรักษาไว้ ในขณะที่ผลลัพธ์จากโมเดลภาษาขนาดใหญ่ (LLM) แทบไม่สามารถใช้งานได้ด้วยตัวเอง แต่เมื่อเครื่องมือพัฒนาขึ้น การห้ามอย่างเด็ดขาดก็ยิ่งยากที่จะหาเหตุผลมาสนับสนุน" Bonzini ระบุในข้อเสนอของเขา

จาก ‘ห้ามเด็ดขาด’ สู่ ‘บริหารความเสี่ยงแบบขั้นบันได’

เพื่อให้เข้าใจถึงความสำคัญของการเปลี่ยนแปลงนี้ เราต้องย้อนกลับไปดูนโยบายปัจจุบัน ในกลางปี 2025 QEMU ได้กำหนดกฎเกณฑ์ที่เข้มงวดในเอกสารการพิสูจน์ที่มาของโค้ด (Code Provenance) โดยระบุว่าโครงการจะ “ปฏิเสธทุกการมีส่วนร่วมที่เชื่อว่ามีหรือดัดแปลงมาจากเนื้อหาที่สร้างโดย AI” เหตุผลหลักมาจากความไม่แน่นอนทางกฎหมาย โดยเฉพาะการที่ผู้มีส่วนร่วมไม่สามารถรับรองตนเองตามข้อกำหนดของ Developer's Certificate of Origin (DCO) ได้ สำหรับโค้ดที่สถานะลิขสิทธิ์ไม่ชัดเจน

แต่ข้อเสนอใหม่ไม่ได้เปิดประตูให้ใช้ AI ได้ทุกกรณี แต่เป็นการสร้างระบบประเมินความเสี่ยงแบบขั้นบันได ดังนี้

• สิ่งที่อนุญาต: การใช้ AI เพื่อช่วยในงาน "ที่ผลกระทบจากการละเมิดลิขสิทธิ์สามารถกู้คืนได้ง่าย และมีโอกาสน้อยที่จะลุกลาม" ซึ่งรวมถึงการแก้ไขบั๊กเล็กๆ และงานเอกสาร ส่วนการใช้งานเล็กๆ น้อยๆ เช่น การเติมข้อความชื่อตัวแปรอัตโนมัติของ IDE ถือว่ามีความเสี่ยงต่ำมาก อาจไม่จำเป็นต้องเปิดเผยอย่างเป็นทางการด้วยซ้ำ
• สิ่งที่ห้าม: การมีส่วนร่วมกับโค้ดหลักของ QEMU ยังคงถูกจำกัดอย่างเข้มงวด โดยจะห้ามใช้ AI โดยสิ้นเชิงหาก "ไม่ได้รับความเห็นชอบล่วงหน้าจากผู้ดูแลโครงการ"

แท็ก ‘AI-used-for:’ และยุคใหม่แห่งความโปร่งใส

หัวใจสำคัญของนโยบายที่เสนอนี้คือกลไกการเปิดเผยข้อมูลแบบบังคับใหม่ Bonzini เสนอให้เพิ่ม ข้อความต่อท้ายใน Commit ที่ชื่อว่า 'AI-used-for:' ในทุกแพทช์ที่ AI มีบทบาทสำคัญ แท็กนี้มีวัตถุประสงค์สองประการ คือ บันทึกการใช้เครื่องมืออย่างโปร่งใสสำหรับผู้ตรวจสอบและผู้ดูแลโครงการ และ "ทำหน้าที่เป็นเครื่องยืนยันว่าผู้เขียนได้อ่านนโยบายแล้ว" ก่อนที่จะส่งโค้ดเข้ามา แนวทางนี้แตกต่างจากแท็ก 'Assisted-by' ทั่วไป โดยเน้นให้ผู้มีส่วนร่วมต้องรับรองอย่างชัดเจนว่าการใช้ AI ของตนนั้นอยู่ภายใต้ขอบเขตที่โครงการกำหนดไว้ และที่สำคัญ การใช้ AI ไม่ได้ยกเว้นข้อกำหนดอื่นๆ ที่มีอยู่เดิม โดยเฉพาะการรับรองตาม DCO

ผลกระทบต่ออนาคตของโลกโอเพนซอร์ส

การชั่งใจของ QEMU เป็นหนึ่งในประเด็นที่ถูกจับตามองมากที่สุดในโลกโอเพนซอร์ส คำถามทางกฎหมายเกี่ยวกับโค้ดที่สร้างโดย AI เช่น ใครเป็นเจ้าของ สามารถร่วมพัฒนาได้ภายใต้ลิขสิทธิ์ใด และเป็นไปตามข้อกำหนดของ DCO หรือไม่ เหล่านี้ส่วนใหญ่ยังไม่มีคำตอบจากศาล ในสุญญากาศนี้ แต่ละโครงการต้องสร้างกรอบการบริหารจัดการความเสี่ยงของตนเอง

แนวทางที่ QEMU กำลังพิจารณาอยู่นี้ อาจเป็น 'ทางสายกลาง' ที่โครงการใหญ่อื่นๆ สามารถนำไปใช้เป็นต้นแบบได้ แทนที่จะรักษาการห้ามเด็ดขาดที่ยากจะปฏิบัติได้จริงในอนาคต หรือรีบเร่งเปิดรับโค้ดจาก AI ทั้งหมดโดยไม่มีมาตรการป้องกัน โมเดลนี้ใช้หลักการประเมินความเสี่ยงและการเปิดเผยเป็นหลัก โดยอนุญาตให้ใช้ AI ในงานที่มีความเสี่ยงต่ำ แต่สงวนไว้ให้มนุษย์เป็นผู้ตรวจสอบและควบคุมโค้ดหลัก ซึ่งอาจเป็นสมดุลที่ลงตัวระหว่างการเพิ่มผลิตภาพจาก AI กับความต้องการขั้นพื้นฐานด้านกฎหมายและความปลอดภัยของซอฟต์แวร์โครงสร้างพื้นฐานที่สำคัญ

ความเคลื่อนไหวนี้ถือเป็นการเบี่ยงเบนอย่างระมัดระวังแต่มีนัยสำคัญ จากจุดยืนอันแข็งกร้าวในปัจจุบันที่ระบุให้ปฏิเสธโค้ดใดก็ตามที่สงสัยว่ามาจากเครื่องมืออย่าง ChatGPT, GitHub Copilot หรือ Claude ของ Anthropic

ข้อเสนอนี้ถูกนำเสนอในเดือนพฤษภาคม 2026 โดย Paolo Bonzini วิศวกรระดับ Distinguished Engineer ของ Red Hat และผู้ดูแล KVM ไฮเปอร์ไวเซอร์ Bonzini ให้เหตุผลว่าการคำนวณความเสี่ยงที่เป็นเหตุผลให้กับการแบนในตอนแรกนั้นเปลี่ยนไปแล้ว "[การห้ามแบบเด็ดขาด] นั้นง่ายต่อการรักษาไว้ ในขณะที่ผลลัพธ์จากโมเดลภาษาขนาดใหญ่ (LLM) แทบไม่สามารถใช้งานได้ด้วยตัวเอง แต่เมื่อเครื่องมือพัฒนาขึ้น การห้ามอย่างเด็ดขาดก็ยิ่งยากที่จะหาเหตุผลมาสนับสนุน" Bonzini ระบุในข้อเสนอของเขา

จาก ‘ห้ามเด็ดขาด’ สู่ ‘บริหารความเสี่ยงแบบขั้นบันได’

เพื่อให้เข้าใจถึงความสำคัญของการเปลี่ยนแปลงนี้ เราต้องย้อนกลับไปดูนโยบายปัจจุบัน ในกลางปี 2025 QEMU ได้กำหนดกฎเกณฑ์ที่เข้มงวดในเอกสารการพิสูจน์ที่มาของโค้ด (Code Provenance) โดยระบุว่าโครงการจะ “ปฏิเสธทุกการมีส่วนร่วมที่เชื่อว่ามีหรือดัดแปลงมาจากเนื้อหาที่สร้างโดย AI” เหตุผลหลักมาจากความไม่แน่นอนทางกฎหมาย โดยเฉพาะการที่ผู้มีส่วนร่วมไม่สามารถรับรองตนเองตามข้อกำหนดของ Developer's Certificate of Origin (DCO) ได้ สำหรับโค้ดที่สถานะลิขสิทธิ์ไม่ชัดเจน

แต่ข้อเสนอใหม่ไม่ได้เปิดประตูให้ใช้ AI ได้ทุกกรณี แต่เป็นการสร้างระบบประเมินความเสี่ยงแบบขั้นบันได ดังนี้

• สิ่งที่อนุญาต: การใช้ AI เพื่อช่วยในงาน "ที่ผลกระทบจากการละเมิดลิขสิทธิ์สามารถกู้คืนได้ง่าย และมีโอกาสน้อยที่จะลุกลาม" ซึ่งรวมถึงการแก้ไขบั๊กเล็กๆ และงานเอกสาร ส่วนการใช้งานเล็กๆ น้อยๆ เช่น การเติมข้อความชื่อตัวแปรอัตโนมัติของ IDE ถือว่ามีความเสี่ยงต่ำมาก อาจไม่จำเป็นต้องเปิดเผยอย่างเป็นทางการด้วยซ้ำ
• สิ่งที่ห้าม: การมีส่วนร่วมกับโค้ดหลักของ QEMU ยังคงถูกจำกัดอย่างเข้มงวด โดยจะห้ามใช้ AI โดยสิ้นเชิงหาก "ไม่ได้รับความเห็นชอบล่วงหน้าจากผู้ดูแลโครงการ"

แท็ก ‘AI-used-for:’ และยุคใหม่แห่งความโปร่งใส

หัวใจสำคัญของนโยบายที่เสนอนี้คือกลไกการเปิดเผยข้อมูลแบบบังคับใหม่ Bonzini เสนอให้เพิ่ม ข้อความต่อท้ายใน Commit ที่ชื่อว่า 'AI-used-for:' ในทุกแพทช์ที่ AI มีบทบาทสำคัญ แท็กนี้มีวัตถุประสงค์สองประการ คือ บันทึกการใช้เครื่องมืออย่างโปร่งใสสำหรับผู้ตรวจสอบและผู้ดูแลโครงการ และ "ทำหน้าที่เป็นเครื่องยืนยันว่าผู้เขียนได้อ่านนโยบายแล้ว" ก่อนที่จะส่งโค้ดเข้ามา แนวทางนี้แตกต่างจากแท็ก 'Assisted-by' ทั่วไป โดยเน้นให้ผู้มีส่วนร่วมต้องรับรองอย่างชัดเจนว่าการใช้ AI ของตนนั้นอยู่ภายใต้ขอบเขตที่โครงการกำหนดไว้ และที่สำคัญ การใช้ AI ไม่ได้ยกเว้นข้อกำหนดอื่นๆ ที่มีอยู่เดิม โดยเฉพาะการรับรองตาม DCO

ผลกระทบต่ออนาคตของโลกโอเพนซอร์ส

การชั่งใจของ QEMU เป็นหนึ่งในประเด็นที่ถูกจับตามองมากที่สุดในโลกโอเพนซอร์ส คำถามทางกฎหมายเกี่ยวกับโค้ดที่สร้างโดย AI เช่น ใครเป็นเจ้าของ สามารถร่วมพัฒนาได้ภายใต้ลิขสิทธิ์ใด และเป็นไปตามข้อกำหนดของ DCO หรือไม่ เหล่านี้ส่วนใหญ่ยังไม่มีคำตอบจากศาล ในสุญญากาศนี้ แต่ละโครงการต้องสร้างกรอบการบริหารจัดการความเสี่ยงของตนเอง

แนวทางที่ QEMU กำลังพิจารณาอยู่นี้ อาจเป็น 'ทางสายกลาง' ที่โครงการใหญ่อื่นๆ สามารถนำไปใช้เป็นต้นแบบได้ แทนที่จะรักษาการห้ามเด็ดขาดที่ยากจะปฏิบัติได้จริงในอนาคต หรือรีบเร่งเปิดรับโค้ดจาก AI ทั้งหมดโดยไม่มีมาตรการป้องกัน โมเดลนี้ใช้หลักการประเมินความเสี่ยงและการเปิดเผยเป็นหลัก โดยอนุญาตให้ใช้ AI ในงานที่มีความเสี่ยงต่ำ แต่สงวนไว้ให้มนุษย์เป็นผู้ตรวจสอบและควบคุมโค้ดหลัก ซึ่งอาจเป็นสมดุลที่ลงตัวระหว่างการเพิ่มผลิตภาพจาก AI กับความต้องการขั้นพื้นฐานด้านกฎหมายและความปลอดภัยของซอฟต์แวร์โครงสร้างพื้นฐานที่สำคัญ