จาก 4 Patterns of AI Native Development เป็นการพูดเรื่องของ
การรูปแบบต่าง ๆ ที่เปลี่ยนไปของ Software Engineering ในโลกของ AI
โดยได้สรุปไว้ 4 รูปแบบคือ
- From producer to manager
- From implementation to intent
- From delivery to discovery
- From content to knowledge
มาดูกันว่าในแต่ละรูปแบบเป็นอย่างไรแบบสั้น ๆ ?
น่าจะช่วยให้ Developer Experience(Dx) ดีขึ้น
รูปแบบที่ 1 From producer to manager
เป็นสิ่งที่พูดถึงหรือเห็นกันเยอะมาก ๆ
หรืออาจจะได้ในคำว่า vibe coding
นั่นคือให้ AI agent ทำการสร้าง code ต่าง ๆ ให้
จากเดิมที่ต้องเขียน code เอง
แต่เปลี่ยนหน้าที่มาทำการควบคุมการทำงานของ AI agent
ทั้งการออกแบบ ตรวจสอบ และ แนะนำต่าง ๆ
และสิ่งที่สำคัญมาก ๆ คือ
ต้องมีความสามารถในการควบคุม ออกแบบ วางแผน
รวมทั้งการตรวจสอบ code ที่ได้มานั้น
มันดี ไม่มีปัญหาในอนาคตหรือไม่
รูปแบบที่ 2 From implementation to intent
ทำการปรับเปลี่ยนจากการลงมือสร้างว่า ต้องทำอย่างไร ?
เปลี่ยนมาเป็นต้องการอะไรบ้าง ?
ซึ่งถ้าความต้องการกว้างมาก ๆ หรือ ไม่ชัดเจน หรือ ไม่รัดกุม
ก็อาจจะก่อให้เกิดปัญหาต่อการสร้าง code ของ AI Agent อีก !!
เช่น ถ้า requirement ยังไม่ชัด ใช้อะไรก็มีปัญหา หรือ rework มากกว่าเดิม
หรือบางคนอาจจะบอกว่า ให้ใช้ AI agent เพื่อทำการ POC ไปเรื่อย ๆ
ก็เป็นอีกแนวทางที่น่าสนใจ
ดังนั้นความสามารถในการอธิบายจึงสำคัญมาก ๆ
ยกตัวอย่างเช่น Spec-Driven Development (SDD) เป็นต้น
จากนั้นทำการแบ่งเป็น task เล็ก ๆ
และทำงานตาม task และ validate ตามที่กำหนด
จนกว่าจะทำงานจบตามที่วางแผนไว้นั่นเอง
เพื่อลดอาการหลอนของ AI อีกด้วย
รูปแบบที่ 3 From delivery to discovery
ในรูปแบบของการส่งมอบระบบงานนั้น
เรามักจะเน้นที่การส่งมอบให้ตรงกับเวลาที่กำหนดไว้
แต่เมื่อในยุคของ AI Native Development นั้น
จะให้ความสำคัญกับการคิดและทดสอบแนวคิดใหม่ ๆ มากกว่า
เพื่อให้ได้รับ feedback เพื่อนำมาปรับปรุงอย่างรวดเร็ว
สามารถใช้ AI agent เพื่อสร้าง prototype หลาย ๆ รูปแบบพร้อม ๆ กัน
เพื่อนำมาทดสอบ และ เปรียบเทียบกัน
จากนั้นก็ทำการเลือกสิ่งที่ดีและเหมาะสม
นั่นคือ เราสามารถทำการทดลองได้ง่ายยิ่งขึ้นนั่นเอง
รูปแบบที่ 4 From content to knowledge
content นั่นคือ code ของระบบนั่นเอง
จากเดิมที่เราต้องการคนที่มีความรู้กับ code นั้น ๆ เสมอ
บ่อยครั้งจะมี ownewship แบบแข็งแรงมาก ๆ ใคร ๆ ก็ห้ามยุ่ง
แต่ในยุคของ AI นั้นเริ่มปรับเปลี่ยนมาเป็นเรื่องของการจัดเก็บความรู้ (knowledge หรือ context) ของระบบ
ความรู้ทาง business และ แนวทางในแก้ไขปัญหาต่าง ๆ ไว้
เพื่อนำมาสอน หรือ ปรับปรุงความรู้และการทำงานของ AI ต่อไปในอนาคต
จะได้ทำงานได้อย่างถูกต้อง และ ตรงกับความต้องการของเรามากที่สุดนั่นเอง
สามารถอ่านเพิ่มเติมที่ The 4 patterns of AI Native Dev – Overview
การนำมาใช้เพียงบางจุดอาจจะลดงานตรงนั้น
แต่อาจจะไปสร้างปัญหา หรือ เกิด คอขวดในส่วนอื่น ๆ อีกเช่นกัน
ดังนั้น แทนที่จะช่วยให้เราส่งมอบระบบงานได้ดีขึ้น
แต่กลับทำให้มีปัญหามากขึ้นตามมา
ดังนั้นควรต้องทำการปรับปรุงทั้งกระบวนการทำงานแบบ end-to-end
ถึงจะได้ประโยชน์สูงสุด
