AI Engineering Skills Map ในหัวข้อสุดท้ายถูกปล่อยมาแล้ว
นั่นคือ Shaping the Build ประกอบไปด้วย
- Driving the build loop
- Making product decisions
- Communicating and leading
- High-agency ownership
มาดูรายละเอียดแบบคร่าว ๆ กัน
สรุป AI Engineering Skills Map ทั้ง 4 หัวข้อ
โดย skill ในหัวข้อนี้เน้นในเรื่องการปรับปรุงการทำงานใน software development
ไม่ใช้เพียงแค่สร้างระบบงานตาม spec หรือ requirement เท่านั้น
สิ่งที่ควรทำคือ นำ feedback จากกระบวนการทำงาน
มาใช้เพื่อปรับปรุงกระบวนการทำงานให้ดียิ่งขึ้น
จากเดิมที่สร้างเสร็จแล้ว
ต้องมารอการตรวจสอบ
ต้องมานั่งรอการตัดสินใจว่าจะไปทางไหนต่อ (Human in the loop หรือ Human on the loop)
ทั้งเรื่องของ user problem และ technical problem
ไม่ว่าจะเป็นเรื่อง การจัดการจาก Product Manager
ไม่ว่าจะเป็นเรื่อง UX/UI flow จาก Designer
หรือ role อื่น ๆ ที่อยู่ในกระบวนการทั้ง BA/SA/Dev/Tester/QA เป็นต้น
การนำ AI มาใช้งานนั้น มันทำให้หน้าที่รับผิดชอบของแต่ละ role มันไม่ชัดเจนมากขึ้น
อะไรที่เป็นคอขวดจะเห็นชัดเจนมากขึ้น (new bottleneck)
ดังนั้นสิ่งที่ควรทำคือ เราจะปรับปรุงกระบวนการทำงานอย่างไร ?
จากเดิมที่ส่งต่องานกันเป็นทอด ๆ
น่าจะต้องปรับเปลี่ยน เพื่อให้สอดคล้องกับรูปแบบการทำงานที่เปลี่ยนแปลงไป
เพื่อให้งานหรือการทำงานดำเนินไปอย่างราบรื่น
มิใช่ยังคงใช้แนวทางเดิม ๆ ที่เคยเป็นกันมา !!
ข้อที่ 1 Driving the build loop
ในการพัฒนา software นั้นมันทำงานเป็น loop อยู่แล้ว
นั่นคือ วางแผน ลงมือทำ วัดผล จากนั้นนำผลมาใช้การตัดสินใจว่าจะทำอะไรต่อไป
แต่การนำ AI มาใช้งานนั้น ทำให้ feedback loop นี้รวดเร็วมากยิ่งขึ้น
ดังนั้นจากเดิมที่บอกว่า งานนี้เสร็จหรือยัง
น่าจะเปลี่ยนเป็น สิ่งที่ทำนั้นมันมีคุณค่าอะไรทั้ง user และ business
ยกตัวอย่างเช่น
ถ้าต้องการสร้าง prototype ต่าง ๆ เพื่อทดสอบได้อย่างรวดเร็วขึ้น
ทั้งในแง่ของ technical
ทั้งในแง่ของ feature ใหม่ ๆ
ทั้งการสร้าง MVP เพื่อให้ผู้ใช้ลองใช้งาน
แต่ควรต้องใช้ให้ถูกจังหวะของการทำงาน ว่าเราต้องการ feedback จากใครและอะไรบ้าง
เพื่อนำ feedback ที่ได้ไปใช้ตัดสินใจว่าจะทำอะไรต่อไปนั่นเอง
สิ่งที่น่าสนใจคือ ถ้าคุณจะปรับปรุงได้ ก็ต้องมีตัวเลขหรือ metric
ในการชี้วัด ว่าสิ่งที่ทำลงไปนั้นมันดีขึ้นหรือแย่ลง
ถ้าเลือกผิด ก็พาเราไปผิดทางเช่นกัน
หรือบางคนอาจจะบอกว่า เราจะได้รู้ว่าผิดรวดเร็วขึ้น (แต่มีค่าใช้จ่ายนะครับ)
ในตรงนี้ไม่ได้บอกว่า ต้องใช้ metric อะไร นั่นเป็นสิ่งที่เราต้องสร้างขึ้นมาเอง !!
ข้อที่ 2 Making product decisions
หรือจะเรียกว่า product sense
จะช่วยทำให้เรามีความเข้าใจเกี่ยวกับ product ที่กำลังทำ
ไม่ใช่เพียงแค่ทำให้มันเสร็จ ๆ ไป
แต่ยังต้องตรงตามความต้องการจากผู้ใช้งานจริง ๆ (real user, real problem)
โดยที่ไม่จำเป็นต้องรอการตัดสินใจจาก Product Manager
ดังนั้นจำเป็นตัวมีความรู้พื้นฐานทางด้าน
- การออกแบบ
- ความรู้ทาง business เช่น go-tp-market, market size, unit economy และ product and loss (P&L) เป็นต้น
แน่นอนว่า คุณไม่สามารถเป็น Product Manager ได้
แต่คุณสามารถเติมเต็มได้ว่า มีอะไรที่ขาดใน spec ของสิ่งที่จะทำ
โดยไม่ต้องรอการตัดสินใจ
แต่ต้องมีข้อมูลมาใช้ในการตัดสินใจเสมอ
ไม่ใช่การคิดไปเอง !!
ข้อที่ 3 Communicating and leading
AI นั้นทำให้เราสามารถเข้าไปมีส่วนรวมในส่วนต่าง ๆ กว้างมากยิ่งขึ้น
เช่นจากเดิมที่ทำเฉพาะในฝั่ง frontend ก็เริ่มทำมากขึ้น กว้างขึ้น กลายมาเป็น full-stack
แต่ AI พาไปได้กว้างกว่านั้นทั้ง stakeholder, marketing, finance และ legal เป็นต้น
นั่นทำให้ skill ที่สำคัญมาก ๆ คือ การพูดคุยเพื่อติดต่อสื่อสารนั่นเอง (communication)
เพื่อช่วยให้ทำงานร่วมกันได้ดีขึ้น
เพื่อให้ระบบงานเดินไปข้างหน้าได้อย่างรวดเร็วและถูกต้องมากยิ่งขึ้น
ดังนั้นในทางตรงกันข้าม คนที่เคยอยู่นอกขั้นตอนการพัฒนา software
จำเป็นต้องมีความรู้และเข้าใจเรื่องของ technology ด้วยเช่นกัน
ว่ามันกระทบต่องานอย่างไร
มีแนวคิด แนวปฏิบัติอะไรบ้าง สำหรับการสร้าง software/product เหล่านั้นขึ้นมา
ซึ่งช่วงว่างตรงนี้นี่เองที่ AI Engineering เข้ามามีบทบาทสำคัญ
เหมือนว่าจะเป็น Forward Deployed Engineering เลย
ข้อที่ 4 High-agency ownership
หรือแปลว่า มีความรับผิดชอบสูง
เพราะว่า AI มันเปิดโอกาสในการสร้างสรรค์สิ่งต่าง ๆ ได้อย่างมากมาย
แต่ผู้บริหารบางคน บางบริษัท หรือคนที่มีอำนาจตัดสินใจ
ยังไม่ค่อยเข้าใจว่า AI มันทำอะไรได้บ้าง หรือ ไม่ได้บ้าง !!
จึงทำให้ไม่รู้ว่าต้องกำหนดทิศทาง หรือ รูปแบบของการพัฒนาระบบงานที่ดีอย่างไร
เพื่อให้สอดคล้องกับความสามารถที่เกิดขึ้น
ดังนั้นเราสามารถทำการระบุปัญหา เสนอแนวทางการแก้ไข รวมทั้งการลงมือทำได้
โดยยังอยู่ภายใต้บริบท เงื่อนไข และข้อจำกัดของบริษัท (owner, policy และ production quslity gate)
รวมทั้งตามลำดับความสำคัญของบริษัท
โดยไม่ต้องรอคำสั่งที่ชัดเจน
ดังนั้นสิ่งที่จำเป็นต้องใช้การตัดสินใจและความรับผิดชอบ(รับผิด)ที่สูงมาก ๆ
ดังนั้นกลับไปที่การวัดผล
ไม่ใช่แค่วัดจากสิ่งที่เสร็จ
เปลี่ยนมาวัดที่คุณค่า (value) จากสิ่งที่สร้างขึ้นมามากกว่า
แน่นอนว่า มันไม่ง่ายเลย (ในองค์กรขนาดใหญ่ยิ่งยากมาก ๆ )
ดังนั้นทุกส่วนงานควรพูดคุยกันให้ชัดเจน
การทำงานแบบ silo น่าจะค่อย ๆ หายไป !!
พลังอันยิ่งใหญ่ มันมาพร้อมกับความรับผิดชอบที่ใหญ่ยิ่ง
มันคุ้น ๆ นะ
ลองศึกษา และ นำไปประยุกต์กับงานดูครับ
เป็นอีก skill ที่สำคัญ
ลงทุนเพื่อปรับปรุง skill กัน
พัฒนาทั้ง skill ของตัวเอง
ทำการ up-to-date ความรู้ทาง technology ใหม่เสมอ
ทำการเรียนรู้แนวคิดใหม่ ๆ เครื่องมือใหม่
ทำการปรับปรุงขั้นตอนการทำงาน
และเรียนรู้อย่างต่อเนื่อง
ทำงานเหมือนเดิม คงไม่ได้ช่วยอะไรให้ดีขึ้น !!
