ນີ້ແມ່ນໜຶ່ງໃນຄຳຖາມທີ່ໜ້າລຳຄານ ແລະ ໜ້າວິຕົກກັງວົນເລັກນ້ອຍ ເຊິ່ງຄ່ອຍໆເຂົ້າມາໃນການສົນທະນາໃນ Slack ໃນຕອນກາງຄືນ ແລະ ການໂຕ້ວາທີກັນໃນໝູ່ນັກຂຽນໂປຣແກຣມ, ຜູ້ກໍ່ຕັ້ງ ແລະ ທຸກຄົນທີ່ເຄີຍພົບບັນຫາທີ່ລຶກລັບ. ໃນດ້ານໜຶ່ງ, ເຄື່ອງມື AI ຍັງສືບຕໍ່ໄວຂຶ້ນ, ຄົມຊັດຂຶ້ນ, ເກືອບຈະເປັນເລື່ອງແປກທີ່ພວກມັນສະແດງອອກມາ. ໃນອີກດ້ານໜຶ່ງ, ວິສະວະກຳຊອບແວບໍ່ເຄີຍເປັນພຽງແຕ່ການຕີຄວາມໝາຍຂອງໄວຍາກອນເທົ່ານັ້ນ. ໃຫ້ພວກເຮົາລອງເບິ່ງຄືນ - ໂດຍບໍ່ຕ້ອງເຂົ້າໄປໃນບົດປະພັນວິທະຍາສາດທີ່ຄ້າຍຄືກັບເລື່ອງ “ເຄື່ອງຈັກຈະເຂົ້າຄວບຄຸມ”.
ບົດຄວາມທີ່ທ່ານອາດຈະຢາກອ່ານຫຼັງຈາກບົດຄວາມນີ້:
🔗 ເຄື່ອງມື AI ອັນດັບຕົ້ນໆສຳລັບການທົດສອບຊອບແວ
ຄົ້ນພົບເຄື່ອງມືການທົດສອບທີ່ໃຊ້ AI ເຮັດໃຫ້ QA ສະຫຼາດຂຶ້ນ ແລະ ໄວຂຶ້ນ.
🔗 ວິທີການກາຍເປັນວິສະວະກອນ AI
ຄູ່ມືແນະນຳແບບເທື່ອລະຂັ້ນຕອນໃນການສ້າງອາຊີບທີ່ປະສົບຜົນສຳເລັດໃນດ້ານ AI.
🔗 ເຄື່ອງມື AI ທີ່ບໍ່ມີລະຫັດທີ່ດີທີ່ສຸດ
ສ້າງວິທີແກ້ໄຂ AI ໄດ້ຢ່າງງ່າຍດາຍໂດຍບໍ່ຕ້ອງຂຽນໂປຣແກຣມໂດຍໃຊ້ແພລດຟອມຊັ້ນນໍາ.
ວິສະວະກອນຊອບແວມີຄວາມສຳຄັນ🧠✨
ພາຍໃຕ້ແປ້ນພິມ ແລະ ການຕິດຕາມທັງໝົດ, ວິສະວະກຳແມ່ນ ການແກ້ໄຂບັນຫາ, ຄວາມຄິດສ້າງສັນ, ແລະ ການຕັດສິນລະດັບລະບົບ . ແນ່ນອນ, AI ສາມາດສ້າງ snippets ຫຼື ແມ່ນແຕ່ສ້າງ app ພາຍໃນວິນາທີ, ແຕ່ວິສະວະກອນຕົວຈິງນຳເອົາສິ່ງທີ່ເຄື່ອງຈັກບໍ່ໄດ້ແຕະຕ້ອງມານຳ:
-
ຄວາມສາມາດໃນການເຂົ້າໃຈ ສະພາບການ .
-
ການແລກປ່ຽນ (ຄວາມໄວທຽບກັບຄ່າໃຊ້ຈ່າຍທຽບກັບຄວາມປອດໄພ... ເປັນການກະທຳທີ່ສະຫຼັບກັນສະເໝີ).
-
ການເຮັດວຽກກັບ ຄົນ , ບໍ່ພຽງແຕ່ລະຫັດເທົ່ານັ້ນ.
-
ຈັບເອົາກ່ອງຂອບທີ່ແປກປະຫຼາດທີ່ບໍ່ເຂົ້າກັບຮູບແບບທີ່ສະອາດ.
ລອງຄິດເບິ່ງວ່າ AI ເປັນຄືກັບນັກຝຶກງານທີ່ເຮັດວຽກໄດ້ໄວ ແລະ ບໍ່ອິດເມື່ອຍ. ເປັນປະໂຫຍດບໍ? ແມ່ນແລ້ວ. ຄວບຄຸມສະຖາປັດຕະຍະກຳບໍ? ບໍ່.
ລອງນຶກພາບເບິ່ງ: ທີມງານເຕີບໂຕຕ້ອງການຄຸນສົມບັດທີ່ເຊື່ອມໂຍງກັບກົດລະບຽບການກຳນົດລາຄາ, ເຫດຜົນການຮຽກເກັບເງິນເກົ່າ, ແລະ ຂໍ້ຈຳກັດອັດຕາ. AI ສາມາດຮ່າງສ່ວນຕ່າງໆຂອງມັນໄດ້, ແຕ່ການຕັດສິນໃຈວ່າ ຈະວາງເຫດຜົນໄວ້ບ່ອນໃດ , ຈະຍົກເລີກຫຍັງ , ແລະ ວິທີທີ່ຈະບໍ່ທຳລາຍໃບແຈ້ງໜີ້ໃນລະຫວ່າງການຍ້າຍຂໍ້ມູນ - ການຕັດສິນນັ້ນແມ່ນຂອງມະນຸດ. ນັ້ນແມ່ນຄວາມແຕກຕ່າງ.
ສິ່ງທີ່ຂໍ້ມູນສະແດງໃຫ້ເຫັນແທ້ໆ 📊
ຕົວເລກແມ່ນໜ້າປະທັບໃຈຫຼາຍ. ໃນການສຶກສາທີ່ມີໂຄງສ້າງ, ນັກພັດທະນາທີ່ໃຊ້ GitHub Copilot ສຳເລັດໜ້າວຽກໄດ້ ໄວກວ່າຜູ້ທີ່ຂຽນໂປຣແກຣມດ້ວຍຕົນເອງ ~55% [1]. ລາຍງານພາກສະໜາມທີ່ກວ້າງຂວາງກວ່າບໍ? ບາງຄັ້ງ ໄວຂຶ້ນເຖິງ 2 ເທົ່າ ດ້ວຍ gen-AI ທີ່ລວມເຂົ້າໃນຂະບວນການເຮັດວຽກ [2]. ການຮັບຮອງເອົາກໍ່ມີຈຳນວນຫຼວງຫຼາຍເຊັ່ນກັນ: 84% ຂອງນັກພັດທະນາ ໃຊ້ ຫຼື ວາງແຜນທີ່ຈະໃຊ້ເຄື່ອງມື AI, ແລະ ຫຼາຍກວ່າເຄິ່ງໜຶ່ງຂອງຜູ້ຊ່ຽວຊານໃຊ້ພວກມັນທຸກໆມື້ [3].
ແຕ່ມັນຍັງມີບັນຫາຢູ່. ວຽກງານທີ່ໄດ້ຮັບການທົບທວນຄືນຈາກຜູ້ຊ່ຽວຊານຊີ້ໃຫ້ເຫັນວ່ານັກຂຽນໂປຣແກຣມທີ່ມີ AI ຊ່ວຍເຫຼືອມີ ແນວໂນ້ມ ທີ່ຈະຂຽນລະຫັດທີ່ບໍ່ປອດໄພ - ແລະມັກຈະຍ່າງໜີໄປ ດ້ວຍຄວາມໝັ້ນໃຈເກີນໄປ ກ່ຽວກັບມັນ [5]. ນັ້ນແມ່ນເຫດຜົນທີ່ວ່າຂອບການເຮັດວຽກເນັ້ນໜັກເຖິງການປ້ອງກັນ: ການກຳກັບເບິ່ງແຍງ, ການກວດສອບ, ການທົບທວນຂອງມະນຸດ, ໂດຍສະເພາະໃນຂົງເຂດທີ່ລະອຽດອ່ອນ [4].
ປຽບທຽບຢ່າງໄວ: AI ທຽບກັບວິສະວະກອນ
| ປັດໄຈ | ເຄື່ອງມື AI 🛠️ | ວິສະວະກອນຊອບແວ 👩💻👨💻 | ເປັນຫຍັງມັນຈຶ່ງສຳຄັນ |
|---|---|---|---|
| ຄວາມໄວ | ຮອຍຟ້າຜ່າໃນເວລາໝຸນ [1][2] | ຊ້າລົງ, ລະມັດລະວັງຫຼາຍຂຶ້ນ | ຄວາມໄວດິບບໍ່ແມ່ນລາງວັນ |
| ຄວາມຄິດສ້າງສັນ | ຜູກມັດດ້ວຍຂໍ້ມູນການຝຶກອົບຮົມຂອງມັນ | ສາມາດປະດິດໄດ້ແທ້ | ນະວັດຕະກໍາບໍ່ແມ່ນການຄັດລອກແບບຢ່າງ |
| ການດີບັກ | ແນະນຳການແກ້ໄຂພື້ນຜິວ | ເຂົ້າໃຈວ່າ ເປັນຫຍັງ ມັນຈຶ່ງແຕກ | ສາເຫດຕົ້ນຕໍ |
| ການຮ່ວມມື | ຜູ້ປະຕິບັດການດ່ຽວ | ສອນ, ເຈລະຈາ, ສື່ສານ | ຊອບແວ = ການເຮັດວຽກເປັນທີມ |
| ລາຄາ 💰 | ລາຄາຖືກຕໍ່ໜ້າວຽກ | ແພງ (ເງິນເດືອນ + ສະຫວັດດີການ) | ຄ່າໃຊ້ຈ່າຍຕໍ່າ ≠ ຜົນໄດ້ຮັບດີກວ່າ |
| ຄວາມໜ້າເຊື່ອຖື | ອາການປະສາດຫຼອນ, ຄວາມປອດໄພທີ່ມີຄວາມສ່ຽງ [5] | ຄວາມໄວ້ວາງໃຈເຕີບໃຫຍ່ຂຶ້ນດ້ວຍປະສົບການ | ຄວາມປອດໄພ ແລະ ຄວາມໄວ້ວາງໃຈນັບ |
| ການປະຕິບັດຕາມ | ຕ້ອງການການກວດສອບ ແລະ ການຊີ້ນຳ [4] | ການອອກແບບສຳລັບກົດລະບຽບ ແລະ ການກວດສອບ | ບໍ່ສາມາດເຈລະຈາໄດ້ໃນຫຼາຍໆຂົງເຂດ |
ການເພີ່ມຂຶ້ນຂອງຜູ້ຊ່ວຍຂຽນໂປຣແກຣມ AI 🚀
ເຄື່ອງມືຕ່າງໆເຊັ່ນ Copilot ແລະ IDE ທີ່ໃຊ້ LLM ກຳລັງປັບປຸງຂະບວນການເຮັດວຽກ. ພວກມັນ:
-
ຮ່າງແບບຟອມສຳເລັດຮູບທັນທີ.
-
ໃຫ້ຄໍາແນະນໍາໃນການປັບປຸງໂຄງສ້າງ.
-
ອະທິບາຍ API ທີ່ທ່ານບໍ່ເຄີຍແຕະຕ້ອງ.
-
ແມ່ນແຕ່ຖົ່ມນໍ້າລາຍການທົດສອບອອກ (ບາງຄັ້ງກໍ່ເປັນຂຸຍ, ບາງຄັ້ງກໍ່ແຂງ).
ຄວາມແຕກຕ່າງ? ໜ້າວຽກລະດັບນ້ອຍໃນປັດຈຸບັນຖືກເຮັດໃຫ້ເປັນເລື່ອງບໍ່ສຳຄັນ. ນັ້ນປ່ຽນວິທີການຮຽນຮູ້ຂອງຜູ້ເລີ່ມຕົ້ນ. ການຝຶກຝົນຜ່ານ loops ທີ່ບໍ່ມີທີ່ສິ້ນສຸດແມ່ນມີຄວາມກ່ຽວຂ້ອງໜ້ອຍລົງ. ເສັ້ນທາງທີ່ສະຫຼາດກວ່າ: ໃຫ້ AI ຮ່າງ, ຈາກນັ້ນ ກວດສອບ : ຂຽນການຢືນຢັນ, ແລ່ນ linters, ທົດສອບຢ່າງຮຸກຮານ, ແລະ ກວດສອບຂໍ້ບົກຜ່ອງດ້ານຄວາມປອດໄພທີ່ລັບໆກ່ອນທີ່ຈະລວມເຂົ້າກັນ [5].
ເປັນຫຍັງ AI ຈຶ່ງຍັງບໍ່ແມ່ນການທົດແທນທີ່ສົມບູນ
ເວົ້າກົງໄປກົງມາ: AI ມີພະລັງແຕ່ກໍ່... ໂງ່ຈ້າ. ມັນບໍ່ມີ:
-
ສະຕິປັນຍາ - ການຈັບຄວາມຕ້ອງການທີ່ບໍ່ມີສາລະ.
-
ຈັນຍາບັນ - ຊັ່ງນໍ້າໜັກຄວາມຍຸຕິທໍາ, ອະຄະຕິ, ຄວາມສ່ຽງ.
-
ສະພາບການ - ການຮູ້ ວ່າເປັນຫຍັງ ຄຸນສົມບັດຄວນມີ ຫຼື ບໍ່ຄວນມີ.
ສຳລັບຊອບແວທີ່ສຳຄັນຕໍ່ພາລະກິດ - ການເງິນ, ສຸຂະພາບ, ການບິນອະວະກາດ - ທ່ານບໍ່ໄດ້ຫຼິ້ນການພະນັນໃນລະບົບກ່ອງດຳ. ຂອບການເຮັດວຽກເຮັດໃຫ້ມັນຊັດເຈນ: ມະນຸດຍັງຄົງຮັບຜິດຊອບ, ຕັ້ງແຕ່ການທົດສອບຈົນເຖິງການຕິດຕາມກວດກາ [4].
ຜົນກະທົບ "ກາງອອກ" ຕໍ່ວຽກເຮັດງານທຳ 📉📈
AI ມີຜົນກະທົບຫຼາຍທີ່ສຸດໃນຂັ້ນກາງຂອງຂັ້ນໄດທັກສະ:
-
ນັກພັດທະນາລະດັບເລີ່ມຕົ້ນ : ມີຄວາມສ່ຽງ - ການຂຽນໂປຣແກຣມພື້ນຖານຈະຖືກອັດຕະໂນມັດ. ເສັ້ນທາງການເຕີບໂຕ? ການທົດສອບ, ເຄື່ອງມື, ການກວດສອບຂໍ້ມູນ, ການທົບທວນຄວາມປອດໄພ.
-
ວິສະວະກອນ/ສະຖາປະນິກອາວຸໂສ : ປອດໄພກວ່າ - ເປັນເຈົ້າຂອງການອອກແບບ, ຄວາມເປັນຜູ້ນຳ, ຄວາມຊັບຊ້ອນ ແລະ ການປະສານງານ AI.
-
ຜູ້ຊ່ຽວຊານດ້ານ Niche : ປອດໄພກວ່າ - ຄວາມປອດໄພ, ລະບົບຝັງຕົວ, ພື້ນຖານ ML, ສິ່ງທີ່ຄວາມແປກປະຫຼາດຂອງໂດເມນມີຄວາມສຳຄັນ.
ລອງຄິດເຖິງເຄື່ອງຄິດໄລ່: ພວກເຂົາບໍ່ໄດ້ລຶບລ້າງຄະນິດສາດ. ພວກເຂົາໄດ້ປ່ຽນທັກສະທີ່ກາຍເປັນສິ່ງທີ່ຂາດບໍ່ໄດ້.
ລັກສະນະຂອງມະນຸດ AI ລົ້ມເຫຼວ
ມະຫາອຳນາດດ້ານວິສະວະກອນບາງອັນທີ່ AI ຍັງຂາດຫາຍໄປ:
-
ການຕໍ່ສູ້ກັບລະຫັດມໍລະດົກທີ່ໜ້າຢ້ານກົວ ແລະ ແປກປະຫຼາດ.
-
ການອ່ານຄວາມອຸກອັ່ງຂອງຜູ້ໃຊ້ ແລະ ການຄຳນຶງເຖິງຄວາມເຫັນອົກເຫັນໃຈເຂົ້າໃນການອອກແບບ.
-
ການນຳທາງການເມືອງໃນຫ້ອງການ ແລະ ການເຈລະຈາກັບລູກຄ້າ.
-
ການປັບຕົວເຂົ້າກັບຮູບແບບທີ່ຍັງບໍ່ທັນໄດ້ຖືກປະດິດຂຶ້ນເທື່ອ.
ເປັນເລື່ອງແປກທີ່ ສິ່ງຂອງຂອງມະນຸດ ກຳລັງກາຍເປັນປະໂຫຍດທີ່ຄົມຊັດທີ່ສຸດ.
ວິທີການຮັກສາອາຊີບຂອງທ່ານໃຫ້ໝັ້ນຄົງໃນອະນາຄົດ 🔧
-
ປະສານງານ, ຢ່າແຂ່ງຂັນ : ປະຕິບັດຕໍ່ AI ຄືກັບເພື່ອນຮ່ວມງານ.
-
ເພີ່ມການທົບທວນສອງເທົ່າ : ການສ້າງແບບຈຳລອງໄພຂົ່ມຂູ່, ລາຍລະອຽດຕາມການທົດສອບ, ການສັງເກດການ.
-
ຮຽນຮູ້ຄວາມເລິກຂອງໂດເມນ : ການຈ່າຍເງິນ, ສຸຂະພາບ, ການບິນອະວະກາດ, ສະພາບອາກາດ - ສະພາບການແມ່ນທຸກສິ່ງທຸກຢ່າງ.
-
ສ້າງຊຸດເຄື່ອງມືສ່ວນຕົວ : Linters, fuzzers, APIs ທີ່ພິມອອກ, ການສ້າງທີ່ສຳເນົາໄດ້.
-
ເອກະສານການຕັດສິນໃຈ : ADRs ແລະ checklists ເຮັດໃຫ້ການປ່ຽນແປງຂອງ AI ສາມາດຕິດຕາມໄດ້ [4].
ອະນາຄົດທີ່ອາດຈະເກີດຂຶ້ນ: ການຮ່ວມມື, ບໍ່ແມ່ນການທົດແທນ 👫🤖
ຮູບພາບທີ່ແທ້ຈິງບໍ່ແມ່ນ “AI ທຽບກັບວິສະວະກອນ.” ມັນແມ່ນ AI ກັບວິສະວະກອນ . ຜູ້ທີ່ເອື້ອມເຂົ້າມາຈະເຄື່ອນໄຫວໄດ້ໄວຂຶ້ນ, ຄິດໃຫຍ່ກວ່າ, ແລະ ປ່ອຍວຽກທີ່ໜັກໜ່ວງ. ຜູ້ທີ່ຕ້ານທານມີຄວາມສ່ຽງທີ່ຈະຕົກຢູ່ທາງຫຼັງ.
ການກວດສອບຄວາມເປັນຈິງ:
-
ລະຫັດປົກກະຕິ → AI.
-
ຍຸດທະສາດ + ການຮຽກຮ້ອງທີ່ສຳຄັນ → ມະນຸດ.
-
ຜົນໄດ້ຮັບທີ່ດີທີ່ສຸດ → ວິສະວະກອນທີ່ເພີ່ມ AI [1][2][3].
ສະຫຼຸບມັນແລ້ວ 📝
ດັ່ງນັ້ນ, ວິສະວະກອນຈະຖືກທົດແທນບໍ? ບໍ່. ວຽກຂອງເຂົາເຈົ້າຈະກາຍພັນ. ມັນມີ “ຈຸດຈົບຂອງການຂຽນໂປຣແກຣມ” ໜ້ອຍລົງ ແລະ ມີ “ການຂຽນໂປຣແກຣມກຳລັງພັດທະນາ” ຫຼາຍຂຶ້ນ. ຜູ້ຊະນະຈະເປັນຜູ້ທີ່ຮຽນຮູ້ທີ່ຈະ ໃຊ້ AI, ບໍ່ແມ່ນຕໍ່ສູ້ກັບມັນ.
ມັນເປັນມະຫາອຳນາດໃໝ່, ບໍ່ແມ່ນການເລື່ອນສີບົວ.
ເອກະສານອ້າງອີງ
[1] GitHub. “ການຄົ້ນຄວ້າ: ການວັດແທກຜົນກະທົບຂອງ GitHub Copilot ຕໍ່ຜົນຜະລິດ ແລະ ຄວາມສຸກຂອງນັກພັດທະນາ.” (2022). https://github.blog/news-insights/research/research-quantifying-github-copilots-impact-on-developer-productivity-and-happiness/
[2] McKinsey & Company. “ປົດປ່ອຍຜົນຜະລິດຂອງນັກພັດທະນາດ້ວຍ AI ທີ່ສ້າງສັນ.” (27 ມິຖຸນາ 2023). https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/unleashing-developer-productivity-with-generative-ai
[3] Stack Overflow. “ການສຳຫຼວດນັກພັດທະນາປີ 2025 — AI.” (2025). https://survey.stackoverflow.co/2025/ai
[4] NIST. “ຂອບການຄຸ້ມຄອງຄວາມສ່ຽງດ້ານ AI (AI RMF).” (2023–). https://www.nist.gov/itl/ai-risk-management-framework
[5] Perry, N., Srivastava, M., Kumar, D., & Boneh, D. “ຜູ້ໃຊ້ຂຽນລະຫັດທີ່ບໍ່ປອດໄພຫຼາຍຂຶ້ນດ້ວຍຜູ້ຊ່ວຍ AI ບໍ?” ACM CCS (2023). https://dl.acm.org/doi/10.1145/3576915.3623157