เผยแพร่กรกฎาคม 2026 · บันทึกจาก 3DN
มีโหมดล้มเหลวเงียบๆ ในงานวิศวกรรมที่แทบไม่โผล่ใน stand-up หรือกราฟ velocity มันไม่ใช่การขาดความสามารถ มันคือวิธีที่งานค้างแพ้ให้ไอเดียใหม่ที่แวววาวกว่า
ฆาตกรเงียบของผลิตภาพวิศวกรรม
วิศวกรส่วนใหญ่ที่ผมรู้จักเก่งจริงในการเริ่มปัญหาที่ยาก งานนี้คัดเลือกคนที่อยากรู้อยากเห็น แบบแผนออกแบบใหม่โผล่ขึ้นมา สถาปัตยกรรมที่สะอาดกว่าชัดเจนกลางทาง implement เหตุการณ์ production เปิดโพรงกระต่ายที่น่าสนใจกว่า ticket ที่กำลังปิด ไม่มีอย่างไหนคือความขี้เกียจ มันคือวิธีที่สมองแข็งแรงทำงาน
ต้นทุนเป็นเชิงโครงสร้าง เส้นงานค้างครึ่งๆ สะสม Context ระเหย ผลงานจริงของคนเก่งถูกซ่อนไว้ เพราะการ ship ต้องใช้ทักษะที่สองที่ดูไม่หรู: ปิดลูปก่อนที่ความใหม่จะแย่งสมาธิ
นั่นคือฆาตกรเงียบ ไม่ใช่ burnout แบบดราม่า — การสึกหรอของการทำให้จบ สุสานของงานเกือบเสร็จ
AI เปลี่ยนอะไรให้ผมจริงๆ
ประสบการณ์ของผมจนถึงตอนนี้เป็นเรื่องปฏิบัติ ไม่ใช่ทฤษฎี ใช้เป็นผู้ช่วยรายวัน — ร่าง หา context เก่า ถือรูปทรงของ change ที่ค้างครึ่งทางตอนสลับงาน — AI ทำให้ผมปิดเส้นงานเก่าได้ทัน ก่อนไอเดียใหม่จะมาแทน
ฟังดูธรรมดา แต่ไม่ใช่ Throughput ในวิศวกรรมจริงถูกครอบโดย state ที่ยังไม่จบ: PR ที่ต้อง review อีกรอบ migration ที่เสร็จ 80% การเก็บกวาด ops ที่ “จะทำหลัง incident นี้” พอของพวกนั้นลงจอด ผลงานที่มองเห็นของคนเดิมพุ่งแบบไม่สมส่วน
ผมพูดได้อย่างตรงไปตรงมาว่าผลิตภาพของผมขึ้นมากกว่าสามถึงห้าเท่าในงานที่เคยตายกองเกือบเสร็จ ไม่ใช่เพราะโมเดลแทนที่การตัดสินใจ แต่เพราะมันอุ่นเส้นงานไว้จนการตัดสินใจปิดมันได้
“Superprogrammer” ของ IBM มาเร็วไปหลายทศวรรษ
นี่ไม่ใช่ความฝันใหม่ ในยุคเมนเฟรม IBM และอุตสาหกรรมรอบๆ พูดถึง superprogrammer — ข้อสังเกตว่าคนจำนวนน้อยสามารถส่งซอฟต์แวร์ที่ใช้งานได้มากกว่าค่าเฉลี่ยมาก ไม่ใช่เพราะพิมพ์เร็ว แต่เพราะถือระบบใหญ่ไว้ในหัว ตัดความคลุมเครือ และ ship ที่คนอื่นค้าง วรรณกรรมครึ่งวัดครึ่งตำนาน สิ่งที่สำคัญคือรูปทรงของแนวคิด: ผลลัพธ์ในซอฟต์แวร์ไม่เท่ากันอย่างรุนแรง และปัจจัยจำกัดแทบไม่ใช่เวลาที่แป้นพิมพ์
นานมาแล้ว superprogrammer ยังเป็นข้อยกเว้นที่อึดอัด องค์กรปรับให้เหมาะกับบทบาทที่สลับกันได้ ประชุม และกระบวนการที่ทำให้ยอดแบน คนที่เห็นทั้งระบบยังเสียภาษีวันเดียวกับคนอื่น — ค้น prior art ย้อนเข้า context ร่างครึ่งที่ชัดของ change อุ่นเส้นงานค้างสามเส้นด้วยความจำทำงานคนเดียว
AI อาจทำให้โปรไฟล์นั้นเข้าใกล้ศักยภาพจริงในที่สุด ไม่ใช่ด้วยการประดิษฐ์รสนิยมหรือความรับผิดชอบ แต่ด้วยการเอาแรงต้านที่ขังการตัดสินใจระดับยอดเยี่ยมออก: ต้นทุนการสำรวจ ต้นทุนการเริ่มใหม่ ต้นทุนของ state ที่ยังไม่จบ Superprogrammer ที่มีคู่หูการทำให้จบ อยู่ที่ระดับสถาปัตยกรรมและความเป็นเจ้าของได้ ขณะที่ผู้ช่วยทำงานกาวที่เคยดูดวันให้แห้ง นั่นคือการอ่าน 3–5× ที่ตรงกว่า “โมเดลเขียนผลิตภัณฑ์” ผลิตภัณฑ์ยังต้องการมนุษย์ที่ตัดสินใจได้ ตัวคูณคือสิ่งที่เกิดเมื่อมนุษย์นั้นไม่จมในงานเกือบเสร็จอีกต่อไป
AI จะไม่แทนที่วิศวกรใกล้เคียงเลย
เรื่องเล่าในอุตสาหกรรมสลับระหว่าง hype กับ panic ทั้งคู่พลาดเรื่องความเติมเต็มกัน
- วิศวกรตัดสินใจว่าอะไรควรสร้าง — ข้อจำกัด ความเสี่ยง รสนิยม และความรับผิดชอบต่อผู้ใช้
- วิศวกรเป็นเจ้าของความเป็นจริงใน production — outage ข้อมูล security และหางยาวของ maintenance
- AI เร่งตรงกลาง — ร่าง ค้น refactor ถือ context ลดภาษีของการย้อนเข้าเส้นงานค้างครึ่งทาง
นั่นคือส่วนเติมเต็มที่ลงตัว ไม่ใช่การทดแทน เครื่องมือที่ช่วยให้คุณปิดงานของตัวเองได้มากขึ้น ทำให้คุณเป็นวิศวกรมากขึ้น ไม่ใช่น้อยลง
เราวิศวกรคือผู้สร้าง AI
ยังมีเหตุผลที่สองที่เรื่อง “ถูกแทนที่” กลวง ระบบหลัง “AI” — GPU คลัสเตอร์ เครือข่าย storage observability security พื้นผิวผลิตภัณฑ์ — ถูกสร้าง ดูแล และปรับปรุงโดยวิศวกร โมเดลไม่ ship ตัวเองเป็นผลิตภัณฑ์ที่เชื่อถือได้ pipeline ไม่ลุกขึ้นเองด้วยความหวัง ยังต้องมีคนออกแบบ วัด ล้ม แก้ และรับผล
ดังนั้น synergy วิ่งสองทาง AI ช่วยวิศวกรปิดงานที่เคยค้าง วิศวกรสร้าง AI ที่ทำให้เป็นไปได้ การมองความสัมพันธ์นี้แบบ zero-sum คือการจัดหมวดผิด
เชิงอรรถภูมิรัฐศาสตร์ พูดเบาๆ
เบื้องหลังความกระตือรือร้นฉับพลันเรื่อง headcount แบบ “AI-first” มีเรื่องวัฒนธรรมที่ยาวนานกว่า โลกตะวันตกส่วนใหญ่ไม่ได้มาถึงขีดความสามารถทางเทคนิคขั้นสูงด้วยการปฏิบัติต่อวิศวกรเหมือนสินทรัพย์เชิงกลยุทธ์ หลายทศวรรษท่าทีมาตรฐานใกล้กับการละเลยอย่างสุภาพ: “พวกเนิร์ด” ในมุมฝุ่น ไว้ใจให้เปิดไฟค้างไว้ ขณะที่ห้องอื่นตัดสินใจกลยุทธ์ แบรนด์ และทุน มีประโยชน์ แปลกๆ เล็กน้อย แทบไม่ถูกเชิญเข้าห้องที่ตัดสินใจจริง
ตอนนี้ห้องเดิมมีเดโม AI ที่แวววาว เรื่องงบประมาณเขียนเอง แผนกำลังคนบางลง บุคลากรวิศวกรรมถูกมองเป็นบรรทัดต้นทุนที่โมเดลควรดูดซับ ไม่ต้องใช้ถ้อยคำแรงเพื่อเห็นความย้อนแย้ง งานฝีมือที่สร้างระบบ ถูกขอให้ทำให้ตัวเองเป็นทางเลือก — พอดีกับช่วงที่ระบบเหล่านั้นกลายเป็นตัวชี้ขาดทางภูมิรัฐศาสตร์
คนที่ยังรู้วิธีสร้างไม่ระเหย พวกเขาไปที่อื่น “ที่อื่น” ไม่ใช่เสมอไปวิทยาเขตตะวันตกอีกแห่งที่มีขนมดีกว่า ในโลกที่ยังวิ่งด้วยซิลิคอน พลังงาน และคนที่ ship ได้ ที่อื่นนั้นอาจเป็นจีนก็ได้ — หรือที่ใดก็ตามที่ยังมองความสามารถทางวิศวกรรมเป็นสิ่งที่สะสม ไม่ใช่ทิ้งหลังแถลงข่าว
เรื่องนี้ไม่ต้องการแถลงการณ์ มันคือผลลัพธ์ที่คาดได้จากการประเมินคนสร้างต่ำเกินไป แล้วสมมติว่างานของพวกเขายังอยู่ท้องถิ่นหลังคุณไล่ออก Complementarity กับ AI ใช้ได้ก็ต่อเมื่อคุณเก็บวิศวกรไว้ ทางเลือกอื่นคือส่งออกทั้งคนเก่งและแรงส่งในอนาคตไปที่อื่น
สิ่งที่ผมหวังว่าเราจะทำให้เป็นเรื่องปกติ
ละครน้อยลงว่า AI “แทนที่” งานฝีมือ ความจริงมากขึ้นเรื่องรูรั่วผลิตภาพจริง: เส้นงานค้างและการถูกไฮแจ็กโดยความใหม่ ใช้ AI เป็นคู่หูการทำให้จบมากขึ้น — ผู้ช่วยที่ช่วยปิดลูปที่คุณเข้าใจอยู่แล้ว ก่อนโพรงกระต่ายถัดไปจะเปิด
นั่นไม่ใช่นิยายวิทยาศาสตร์ มันคือความรู้สึกของวันที่ดีที่สุดแล้ว: งานเกือบเสร็จที่ถูกทิ้งน้อยลง งานที่ ship มากขึ้น และความพอใจเงียบๆ ที่ผลงานของวิศวกรเก่งๆ ปรากฏให้เห็นในที่สุด
ใส่ความเห็น