AI สร้างแอปได้ใน 10 นาที แต่ทำไมโปรแกรมเมอร์ไทยถึงยังไม่ตกงาน?

พร้อมเล่น 0:00 / 0:00

สรุปข่าว

ผู้เชี่ยวชาญชี้ว่า AI สามารถเขียนโค้ดได้รวดเร็วและเป็นสัดส่วนที่สูงมากในบริษัทเทคโนโลยีชั้นนำ หรือที่เรียกกันว่า Vibe Coding แต่มักจะสร้างโค้ดที่แฝงไปด้วยบั๊กและปัญหาด้านความปลอดภัยเมื่อนำไปใช้งานจริงบนระบบ Production ทำให้สามารถพูดได้ว่า AI-generated code นั้นคุณภาพไม่ดีเท่าที่ควร
ความท้าทายหลักที่ AI ยังทำไม่ได้คือการบำรุงรักษาระบบเดิมที่มีความซับซ้อน การทำงานร่วมกับ Legacy Code ในองค์กรขนาดใหญ่ และการวางรากฐานสถาปัตยกรรมระบบหรือ System Thinking
ตลาดงานสายไอทีพฤติกรรมเปลี่ยนไปโดยมุ่งเน้นรับสมัครโปรแกรมเมอร์ระดับ Senior ที่สามารถตรวจสอบและทำงานร่วมกับ AI ได้ ส่งผลให้ความต้องการนักพัฒนาระดับ Junior ลดลงอย่างเห็นได้ชัด

แนวโน้มผลกระทบต่อราคา Neutral

แม้ข่าวนี้จะสะท้อนถึงการเปลี่ยนแปลงครั้งใหญ่ในตลาดแรงงานและการพัฒนาซอฟต์แวร์ แต่ก็ไม่ได้ส่งผลกระทบโดยตรงต่อราคาของ Bitcoin หรือคริปโตเคอร์เรนซีในระยะสั้น อย่างไรก็ตาม การเติบโตของการใช้งาน AI อย่างแพร่หลายจะส่งผลดีต่อโทเคนในกลุ่ม AI และโครงสร้างพื้นฐานบล็อกเชนที่เกี่ยวข้องกับการประมวลผลข้อมูลในระยะยาว

ตามรายงานของสื่อ SF Standard ได้เปิดเผยคำกล่าวของ Boris Cherny ผู้สร้าง Claude Code ที่ระบุว่าการเขียนโค้ดนั้นแทบจะถูกแก้ปัญหาจนหมดสิ้นแล้ว โดยวิศวกรที่ Anthropic สามารถใช้ AI เขียนโค้ดได้แบบ 100 เปอร์เซ็นต์มาตั้งแต่เดือนพฤศจิกายนปี 2025 ในขณะที่ Google มีโค้ดมากกว่า 25 เปอร์เซ็นต์ที่สร้างโดย AI และ Meta คาดการณ์ว่าช่วงกลางปี 2026 ระบบ AI จะเป็นผู้เขียนโค้ดส่วนใหญ่ให้กับบริษัท แต่สิ่งที่น่าสนใจคือโปรแกรมเมอร์ระดับ Senior กลับยังมีงานล้นมือและมีฐานเงินเดือนที่เพิ่มสูงขึ้น

เมื่อ AI สามารถทำงานหลายเดือนได้ภายใน 30 นาที แต่…

ลองจินตนาการดูว่าคุณพิมพ์คำสั่งให้สร้างแอปพลิเคชันส่งอาหารที่มีระบบชำระเงิน ระบบติดตาม GPS และระบบรีวิวร้านอาหาร แล้ว Claude Code หรือ GPT-5.3 Codex สามารถเนรมิตแอปพลิเคชันที่มีหน้าตา UI สวยงาม มีระบบหลังบ้านที่ทำงานได้ และเชื่อมต่อฐานข้อมูลได้อย่างสมบูรณ์แบบภายในเวลาเพียง 30 นาที

แต่เมื่อนำระบบไปใช้งานจริงหรือ Deploy ขึ้น Production กลับพบปัญหาระบบล่มเมื่อมีผู้ใช้งานพร้อมกัน 1,000 คน ข้อมูลบัตรเครดิตถูกจัดเก็บแบบไม่มีการเข้ารหัส ระบบ GPS สูบแบตเตอรี่จนโทรศัพท์ดับภายใน 2 ชั่วโมง และทุกครั้งที่ตามแก้บั๊กหนึ่งจุด กลับมีระบบพังเพิ่มขึ้นมาอีกสามจุด นี่คือช่องว่างระหว่างตัวเดโมและระบบที่ใช้งานจริง ซึ่งเป็นเหตุผลสำคัญว่าทำไมโปรแกรมเมอร์ยังคงเป็นที่ต้องการอย่างยิ่ง โดยมี 5 เหตุผลหลักที่อธิบายปรากฏการณ์นี้

เหตุผลที่ 1 งานหลักคือการ Maintain ระบบ ไม่ใช่การสร้างใหม่

แม้ Boris Cherny จะยอมรับว่าเขาไม่ได้แตะโค้ดด้วยมือมาตั้งแต่ปลายปี 2025 โดยปล่อยให้ Claude Code เขียนให้ทั้งหมด แต่เขาก็ยังต้องคอยตรวจเช็กทุกบรรทัด เพราะ AI ยังไม่สามารถสร้างโค้ดระดับ Production ได้ด้วยตัวเอง ข้อมูลจาก CodeRabbit และ Stack Overflow ที่วิเคราะห์ GitHub Pull Requests จำนวน 470 รายการพบว่า โค้ดที่สร้างโดย AI มีบั๊กมากกว่ามนุษย์เขียนถึง 1.7 เท่า มีปัญหาด้านลอจิก 1.75 เท่า ปัญหาด้านคุณภาพและการบำรุงรักษา 1.64 เท่า ปัญหาด้านความปลอดภัย 1.57 เท่า ปัญหาด้านประสิทธิภาพ 1.42 เท่า และพบปัญหาการประมวลผล I/O มากเกินความจำเป็นสูงถึง 8 เท่าในบางกรณี

ข้อมูลจาก Cortex Engineering Benchmark Report ประจำปี 2026 ยังชี้ให้เห็นถึงสิ่งที่เรียกว่า Productivity Paradox หรือความย้อนแย้งด้านประสิทธิภาพ แม้ว่าจำนวน Pull Requests ต่อคนจะเพิ่มขึ้น 20 เปอร์เซ็นต์ แต่จำนวนอุบัติการณ์หรือ Incidents กลับพุ่งสูงขึ้น 23.5 เปอร์เซ็นต์ และอัตราความล้มเหลวเพิ่มขึ้น 30 เปอร์เซ็นต์ นอกจากนี้ AlterSquare ที่เข้าไปกู้ระบบซึ่งถูก AI ทำพังมาแล้วกว่า 15 โปรเจกต์พบว่า โค้ดจาก AI ถึง 33 ถึง 67 เปอร์เซ็นต์ต้องถูกนำมาแก้ไขด้วยมือก่อนใช้งานจริง AI มักสร้างฟังก์ชันซ้ำซ้อนและตั้งชื่อตัวแปรไม่สอดคล้องกันจนทำให้เกิด Error 500 ในระบบจริง ซึ่งท้ายที่สุดต้นทุนในการบำรุงรักษาอาจสูงกว่าเงินที่ประหยัดได้ถึง 10 เท่าในระยะยาว เนื่องจากงานกว่า 75 เปอร์เซ็นต์ของโปรแกรมเมอร์คือการดูแลโค้ดเดิม ไม่ว่าจะเป็นการแก้บั๊ก หรือทำให้ระบบเก่าทำงานร่วมกับ API ใหม่ได้ ซึ่ง AI ยังทำได้ไม่ดีนัก

เหตุผลที่ 2 AI ขาด System Thinking และ Tunnel Vision

AlterSquare ชี้ว่าปัญหาหลักของ AI คือ Tunnel Vision หรือการมองเห็นแค่มุมแคบ มันมักจะโฟกัสแค่ไฟล์เดียวหรือฟังก์ชันเดียวโดยไม่เข้าใจภาพรวมของระบบขนาดใหญ่ เช่น ระบบการชำระเงินที่ต้องมี Retry Logic หรือ Circuit Breakers ซ้อนกันหลายชั้น การให้ AI แก้ไขปัญหาจุดหนึ่งอาจไปกระทบกับระบบอื่นอีกสามจุด เมื่อมีการทดสอบถาม AI ชั้นนำทั้งหมดว่าพวกมันจะเข้ามาแทนที่โปรแกรมเมอร์ได้หรือไม่ ทุกตัวตอบตรงกันว่า ไม่ ในมิติที่ต้องใช้การตัดสินใจเชิงสถาปัตยกรรม การคาดการณ์การขยายตัวของระบบในอีก 3 ปี การทำความเข้าใจความต้องการทางธุรกิจที่เปลี่ยนแปลงตลอดเวลา และการทำงานร่วมกับทีมงาน หากสั่งให้ AI สร้างระบบอีคอมเมิร์ซ มันจะไม่ถามคำถามสำคัญเลยว่าต้องรองรับผู้ใช้งานกี่คน มีงบประมาณคลาวด์เท่าไหร่ หรือต้องปฏิบัติตามกฎหมาย PDPA หรือไม่

เหตุผลที่ 3 อุปสรรคจาก Legacy Code ในองค์กรขนาดใหญ่

ในประเทศไทย ธนาคารขนาดใหญ่หลายแห่งยังคงรันระบบ Core Banking บนภาษา COBOL หรือ Java EE เวอร์ชันเก่าที่มีการปรับแต่งมานานหลายสิบปี ในขณะที่ระบบราชการและโทรคมนาคมก็มีระบบเฉพาะตัวที่ไม่มีข้อมูลสอน AI เนื่องจากโมเดล AI มีข้อจำกัดเรื่อง Training Cutoff เช่น GPT-5.3 หยุดรับข้อมูลเมื่อเดือนมิถุนายน 2024 และ Claude Opus 4.6 หยุดที่สิงหาคม 2025 ส่งผลให้ 1 ใน 5 ของเวอร์ชัน Dependency ที่ AI แนะนำมักไม่ปลอดภัย มีการเรียกใช้ API ที่เลิกใช้งานไปแล้วสูงถึง 25 ถึง 38 เปอร์เซ็นต์ และกว่า 20 เปอร์เซ็นต์ของแพ็กเกจที่แนะนำเป็นเพียงการมโนหรือ Hallucination ของ AI เอง เช่นการแนะนำให้ใช้ Node 18 ที่หมดอายุไปแล้วแทนที่จะเป็น Node 24 LTS ซึ่งเป็นเรื่องที่อันตรายมากหากนำมาใช้กับระบบธนาคาร

เหตุผลที่ 4 ระเบิดเวลาด้าน Security และ Compliance

ข้อมูลจาก The Register เผยว่าโค้ดจาก AI มีช่องโหว่ด้านความปลอดภัยสูงมากเมื่อเทียบกับมนุษย์ โดยพบปัญหาการจัดการรหัสผ่าน 1.88 เท่า ช่องโหว่ XSS 2.74 เท่า ทางด้านซีอีโอของ Sonar ได้ออกมาเตือนว่านักพัฒนากำลังถูกหลอกให้รู้สึกปลอดภัย เพราะปัญหาง่ายๆ อาจหายไป แต่ Code Smells หรือปัญหาซ่อนเร้นที่หาได้ยากกลับมีสัดส่วนสูงถึง 90 เปอร์เซ็นต์ในโค้ดของ AI ในอุตสาหกรรมที่มีการกำกับดูแลอย่างเข้มงวด โค้ดทุกบรรทัดต้องผ่านการตรวจสอบจากมนุษย์ก่อนเสมอ สอดคล้องกับสถิติของ Microsoft ในปี 2025 ที่ต้องออกแพตช์แก้ช่องโหว่ CVE ถึง 1,139 รายการ ซึ่ง Trend Micro คาดการณ์ว่าตัวเลขนี้จะพุ่งสูงขึ้นอีกในปี 2026 เมื่อบั๊กจาก AI แพร่กระจายมากขึ้น

เหตุผลที่ 5 ตลาดงาน IT ยุคใหม่ต้องการทักษะระดับ Senior

มหาวิทยาลัย Stanford ได้วิเคราะห์ข้อมูลบัญชีเงินเดือนจาก ADP พบว่าตั้งแต่ ChatGPT เปิดตัว นักพัฒนาวัย 22 ถึง 25 ปีสูญเสียตำแหน่งงานไปราว 20 เปอร์เซ็นต์ แต่นักพัฒนาวัย 26 ปีขึ้นไปกลับมีงานเพิ่มขึ้นหรือคงที่ AI กำลังเข้ามาแย่งงานในระดับ Entry-level แต่กลับสร้างความต้องการใหม่ในกลุ่ม Senior Development กรณีศึกษาจาก Palo Alto Networks ที่นำ Claude มาให้โปรแกรมเมอร์ 2,500 คนใช้งาน พบว่าโปรแกรมเมอร์ระดับจูเนียร์ทำงานได้เร็วขึ้น 70 เปอร์เซ็นต์ ซึ่งหมายความว่าบริษัทอาจต้องการเด็กจบน้อยลง สำหรับประเทศไทย ตลาดงานยังคงขาดแคลนบุคลากรระดับ Senior อย่างหนัก ไม่ว่าจะเป็น DevOps ผู้เชี่ยวชาญด้านความปลอดภัย AI หรือ Blockchain เนื่องจากเป็นตำแหน่งที่ต้องใช้ดุลยพินิจขั้นสูง

การปรับตัวจึงเป็นสิ่งสำคัญที่สุด Dario Amodei ซีอีโอของ Anthropic คาดว่ามนุษย์จะมีประสิทธิภาพเพิ่มขึ้น 10 เท่าด้วย AI ซึ่งอาจทำให้บริษัทต้องการโปรแกรมเมอร์เพียง 10 คนเพื่อทำงานของคน 100 คน ในขณะที่ Boris Cherny คาดว่าชื่อตำแหน่ง Software Engineer จะเปลี่ยนไปเป็น Builder หรือ Product Manager ภายในสิ้นปี 2026 สิ่งที่นักพัฒนาต้องเร่งเรียนรู้คือการใช้เครื่องมือ AI ให้เชี่ยวชาญ การออกแบบ System Architecture การทำความเข้าใจ Domain Knowledge เชิงลึก ทักษะ Prompt Engineering สำหรับการตรวจสอบโค้ด และ Soft Skills ที่ AI ไม่สามารถลอกเลียนแบบได้

มุมมองส่วนตัวของผู้เขียนเรื่อง AI ในอุตสาหกรรมไทย

สถานการณ์ที่พวกเรากำลังเผชิญอยู่ตอนนี้ทำให้ผมคิดถึงยุคที่มีการคิดค้น Compiler ในช่วงทศวรรษที่ 1950 เลยครับ ในตอนนั้นทุกคนต่างก็ตื่นตระหนกและกลัวว่าโปรแกรมเมอร์จะตกงานเพราะเครื่องจักรสามารถแปลงภาษาได้เอง แต่สิ่งที่เกิดขึ้นจริงคือการเขียนโค้ดกลับง่ายขึ้น นำไปสู่ความต้องการซอฟต์แวร์ที่พุ่งกระฉูด และทำให้มีโปรแกรมเมอร์เพิ่มขึ้นในตลาดเป็นพันเท่า ปรากฏการณ์นี้เกิดขึ้นซ้ำแล้วซ้ำเล่าทั้งในยุคของ Cloud หรือ Low-code

AI ในทุกวันนี้ก็กำลังทำหน้าที่เดียวกันครับ มันทำให้การสร้างซอฟต์แวร์ง่ายขึ้นจนใครๆ ก็สามารถเนรมิตแอปพลิเคชันเบื้องต้นได้ ซึ่งจะส่งผลให้ความต้องการซอฟต์แวร์ในโลกธุรกิจพุ่งทะยานสูงขึ้นไปอีก และแน่นอนว่าความต้องการคนที่สามารถคิด วิเคราะห์ ออกแบบ ดูแลระบบ และตรวจสอบความปลอดภัยก็จะต้องเพิ่มขึ้นเป็นเงาตามตัว คำกล่าวที่ว่า AI จะไม่แย่งงานโปรแกรมเมอร์ แต่โปรแกรมเมอร์ที่ใช้ AI จะแย่งงานโปรแกรมเมอร์ที่ไม่ใช้ คือความจริงแท้แน่นอนที่สุดครับ

สำหรับสายเทคในไทย นี่คือโอกาสทองในการอัปสกิลตัวเองให้กลายเป็น 10x Developer ด้วยการฝึกใช้เครื่องมืออย่าง Claude หรือ Copilot ให้คล่องแคล่ว ควบคู่ไปกับการฝึกทักษะ System Thinking และศึกษา Domain Knowledge เฉพาะทางอย่างวงการ Crypto หรือ DeFi รับรองได้เลยว่าทุกองค์กรจะต้องรุมแย่งตัวคุณอย่างแน่นอนครับ

แหล่งข่าว: