AI การศึกษาแนวหน้า ผู้ก่อตั้ง deeplearning.ai อย่าง Andrew Ng ได้เผยแพร่บทความยาวในจดหมายข่าว The Batch เมื่อวันที่ 13 เมษายน โดยมองถึงอนาคตของวิศวกรรมซอฟต์แวร์หลังจากที่ AI agent เร่งการพัฒนาซอฟต์แวร์ เขาเสนอว่า “เมื่อการสร้างกลายเป็นเรื่องง่าย การตัดสินใจว่าจะสร้างอะไร” จะกลายเป็นคอขวดที่แท้จริง — เขาเรียกว่า “คอขวดการจัดการผลิตภัณฑ์” (Product Management Bottleneck)
แนวโน้มที่ชัดเจน 5 ประการ
Ng ระบุแนวโน้มที่มีความชัดเจนแล้วในเรื่องผลกระทบของ AI ต่อวิศวกรรมซอฟต์แวร์ไว้ว่ามี 5 ประการดังนี้:
เมื่อการเขียนโค้ดกลายเป็นเรื่องง่ายขึ้น จะมีคนมากขึ้นเข้ามามีส่วนร่วมในการพัฒนาซอฟต์แวร์
การเขียนโค้ดด้วยมือ หรือแม้แต่การอ่านโค้ดที่ AI สร้างขึ้น จะไม่สำคัญเท่าเดิม เพราะคุณสามารถถาม LLM เกี่ยวกับโค้ดได้โดยตรง โดยทำงานในระดับนามธรรมที่สูงขึ้น
การทำซอฟต์แวร์ให้เหมาะกับกลุ่มผู้ใช้งานเฉพาะกลุ่มที่เล็กลงจะกลายเป็นเรื่องที่คุ้มค่าในทางเศรษฐกิจ และแอปพลิเคชันแบบเฉพาะทางจะเพิ่มขึ้นอย่างมาก
การตัดสินใจ “จะสร้างอะไร” กลายเป็นคอขวดมากขึ้นกว่า “การลงมือสร้างจริง”
ต้นทุนของการชำระหนี้ด้านเทคนิคกำลังลดลง (AI ช่วยคุณรีแฟกเตอร์ได้)
ต่อต้าน “คำทำนายหายนะการตกงานของ AI”
Ng คัดค้านอย่างชัดเจนต่อคำกล่าวอ้างที่กำลังเป็นที่นิยมในวงการเทคโนโลยีและนโยบายว่า “AI จะนำไปสู่การตกงานครั้งใหญ่” เขาเรียกมุมมองนี้ว่า “AI jobpocalypse” โดยมองว่า “ผลกระทบจริงจะไม่เลวร้ายเท่าที่บรรดาคนที่พยายามบรรยายว่า AI ของตนเก่งแค่ไหนคาดการณ์ไว้”
เขายกอ้างรายงานล่าสุดของ Citadel Research ว่า ตำแหน่งงานด้านวิศวกรรมซอฟต์แวร์กำลังเติบโตอย่างรวดเร็ว หากผลกระทบของ AI ต่อวิศวกรรมซอฟต์แวร์มากที่สุด แต่การจ้างงานด้านวิศวกรรมซอฟต์แวร์กลับกำลังขยายตัว นี่ถือเป็นสัญญาณที่น่าหนุนใจสำหรับอุตสาหกรรมอื่น ๆ
Ng ยอมรับไปพร้อมกันว่า นิสิตนักศึกษาที่กำลังจะจบการศึกษาจริง ๆ ก็ประสบปัญหาในการหางาน และยังมี CEO ที่โยงการลดพนักงานเข้ากับ AI — แต่เขาชี้ว่ามีจำนวนมากส่วนหนึ่งคือ “AI washing” โดยที่บริษัทเลือกนำการปลดพนักงานไปอ้างว่าเป็นเพราะ AI แม้ว่า AI จะไม่ได้เปลี่ยนการทำงานภายในขององค์กรจริง ๆ
คำถามปลายเปิดของอนาคตวิศวกรรมซอฟต์แวร์
Ng เสนอคำถามหลายข้อที่ยังอยู่ระหว่างการสำรวจ: ทักษะสำคัญของวิศวกรซอฟต์แวร์อาวุโสในอนาคตคืออะไร? หลักสูตรวิชาวิทยาการคอมพิวเตอร์ควรเปลี่ยนอย่างไร? หากทุกคนสามารถสร้างฟีเจอร์ได้ สิ่งใดเล่าคือความได้เปรียบในการแข่งขันของบุคคลและองค์กร? ทีมซอฟต์แวร์ควรจัดองค์ประกอบอย่างไร? AI agent จะเปลี่ยนขั้นตอนการทำงานของวิศวกรด้านแมชชีนเลิร์นนิงได้อย่างไร?
คำถามเหล่านี้เชื่อมโยงโดยตรงกับแนวโน้มของ Harness Engineering และ Vibe Coding เมื่อ “ต้นทุนการสร้าง” เข้าใกล้ศูนย์ ความได้เปรียบที่จับต้องไม่ได้จะอยู่ที่รสนิยม การตัดสินใจ และความสามารถในการเลือกปัญหา — ไม่ใช่แค่ความสามารถทางเทคนิคล้วน ๆ — ซึ่งจะกลายเป็นคุณสมบัติของมนุษย์ที่ทดแทนไม่ได้
บทความนี้ Andrew Ng: AI ทำให้การเขียนโค้ดง่ายขึ้น แต่ “การตัดสินใจทำอะไร” กำลังกลายเป็นคอขวดใหม่ เริ่มต้นปรากฏครั้งแรกที่ ใน Chain News ABMedia
btc.bar.articles
ความจริงของ AI Agent ในซิลิคอนแวลลีย์: โทเค็นถูกสิ้นเปลืองจำนวนมาก การบูรณาการระบบ “โคตรวุ่นวาย” การคาดการณ์ของ หวง เหรินจวิน “ChatGPT ถัดไป” ยังต้องรอตรวจสอบยืนยัน
AI กลืนกิน 80% ของเงินร่วมลงทุนทั่วโลก, ไตรมาส 1 ปี 2026 ดูดเงิน 242 พันล้านดอลลาร์: ผู้ประกอบการคริปโตควรรับมืออย่างไรกับการจัดสรรเงินใหม่
ตำรวจฮ่องกงเตือนภัยสแกมคริปโต 'AI Quantitative Trading' หญิงเสียเงิน HK$7.7 ล้าน
ฮ่องกงเตรียมประกาศบัญชีรายชื่อองค์กรสำคัญชุดที่ 6 พรุ่งนี้
หุ่นยนต์ Lightning ของ Honor คว้าชัยการแข่งขันครึ่งมาราธอนหุ่นยนต์มนุษย์ที่ปักกิ่ง 2026 ด้วยเวลา 50:26
หุ้น Meta เพิ่มขึ้น 1.73% ขณะที่บริษัทวางแผนเลิกจ้าง 8,000 ตำแหน่ง เริ่มวันที่ 20 พฤษภาคม