AI ຈະທົດແທນໂປຣແກຣມເມີບໍ? ສຸດທ້າຍ, ປິດໂປຣແກຣມແກ້ໄຂລະຫັດ.

“ ສຸດທ້າຍ, ປິດຕົວແກ້ໄຂລະຫັດ. ” ປະໂຫຍກທີ່ເວົ້າຕະຫຼົກນີ້ໄດ້ແຜ່ລາມໄປທົ່ວເວທີສົນທະນາຂອງນັກພັດທະນາ, ເຊິ່ງສະທ້ອນໃຫ້ເຫັນເຖິງອາລົມຂັນທີ່ກັງວົນກ່ຽວກັບການເພີ່ມຂຶ້ນຂອງຜູ້ຊ່ວຍຂຽນລະຫັດ AI. ໃນຂະນະທີ່ຮູບແບບ AI ມີຄວາມສາມາດເພີ່ມຂຶ້ນໃນການຂຽນລະຫັດ, ໂປຣແກຣມເມີຫຼາຍຄົນກຳລັງຖາມວ່ານັກພັດທະນາມະນຸດກຳລັງມຸ່ງໜ້າໄປສູ່ຊະຕາກຳດຽວກັນກັບຜູ້ປະຕິບັດການລິຟ ຫຼື ຜູ້ປະຕິບັດການກະດານສະຫຼັບ - ວຽກທີ່ລ້າສະໄໝໂດຍລະບົບອັດຕະໂນມັດ. ໃນປີ 2024, ຫົວຂໍ້ຂ່າວທີ່ກ້າຫານໄດ້ປະກາດວ່າປັນຍາປະດິດອາດຈະຂຽນລະຫັດທັງໝົດຂອງພວກເຮົາໃນໄວໆນີ້, ເຮັດໃຫ້ນັກພັດທະນາມະນຸດບໍ່ມີຫຍັງເຮັດ. ແຕ່ຢູ່ເບື້ອງຫຼັງການໂຄສະນາ ແລະ ການສ້າງຄວາມຕື່ນເຕັ້ນ, ຄວາມເປັນຈິງແມ່ນມີລາຍລະອຽດຫຼາຍກວ່າ.

ແມ່ນແລ້ວ, AI ປະຈຸບັນສາມາດສ້າງລະຫັດໄດ້ໄວກວ່າມະນຸດຄົນໃດ, ແຕ່ວ່າ ລະຫັດນັ້ນດີປານໃດ, ແລະ AI ສາມາດຈັດການວົງຈອນຊີວິດການພັດທະນາຊອບແວທັງໝົດດ້ວຍຕົວມັນເອງໄດ້ບໍ? ຜູ້ຊ່ຽວຊານສ່ວນໃຫຍ່ເວົ້າວ່າ "ບໍ່ໄວປານໃດ." ຜູ້ນຳດ້ານວິສະວະກຳຊອບແວເຊັ່ນ Satya Nadella CEO ຂອງ Microsoft ເນັ້ນໜັກວ່າ "AI ຈະບໍ່ທົດແທນໂປຣແກຣມເມີ, ແຕ່ມັນຈະກາຍເປັນເຄື່ອງມືທີ່ສຳຄັນໃນຄັງອາວຸດຂອງພວກເຂົາ. ມັນກ່ຽວກັບການສ້າງຄວາມເຂັ້ມແຂງໃຫ້ມະນຸດເຮັດໄດ້ຫຼາຍຂຶ້ນ, ບໍ່ແມ່ນໜ້ອຍລົງ." ( AI ຈະທົດແທນໂປຣແກຣມເມີບໍ? ຄວາມຈິງທີ່ຢູ່ເບື້ອງຫຼັງການໂຄສະນາ | ໂດຍ The PyCoach | Artificial Corner | ມີນາ, 2025 | Medium ) ເຊັ່ນດຽວກັນ, ຫົວໜ້າ AI ຂອງ Google, Jeff Dean ສັງເກດເຫັນວ່າໃນຂະນະທີ່ AI ສາມາດຈັດການກັບວຽກງານການຂຽນໂປຣແກຣມປົກກະຕິ, "ມັນຍັງຂາດຄວາມຄິດສ້າງສັນ ແລະ ທັກສະການແກ້ໄຂບັນຫາ" - ຄຸນນະພາບທີ່ນັກພັດທະນາມະນຸດນຳມາສູ່ໂຕະ. ແມ່ນແຕ່ Sam Altman, CEO ຂອງ OpenAI, ຍອມຮັບວ່າ AI ໃນປະຈຸບັນແມ່ນ "ດີຫຼາຍໃນວຽກງານ" ແຕ່ "ໜ້າຢ້ານໃນວຽກງານເຕັມທີ່" ໂດຍບໍ່ມີການເບິ່ງແຍງຂອງມະນຸດ. ສະຫຼຸບແລ້ວ, AI ແມ່ນດີເລີດໃນການຊ່ວຍເຫຼືອວຽກງານ, ແຕ່ບໍ່ສາມາດເຂົ້າຄວບຄຸມວຽກຂອງໂປຣແກຣມເມີໄດ້ຢ່າງສົມບູນຕັ້ງແຕ່ຕົ້ນຈົນຈົບ.

ເອກະສານສີຂາວສະບັບນີ້ພິຈາລະນາຢ່າງຊື່ສັດ ແລະ ສົມດຸນກ່ຽວກັບຄຳຖາມທີ່ວ່າ "AI ຈະທົດແທນໂປຣແກຣມເມີບໍ?" ພວກເຮົາກວດສອບວ່າ AI ກຳລັງສົ່ງຜົນກະທົບຕໍ່ບົດບາດການພັດທະນາຊອບແວໃນປະຈຸບັນແນວໃດ ແລະ ການປ່ຽນແປງອັນໃດທີ່ຈະເກີດຂຶ້ນໃນອະນາຄົດ. ຜ່ານຕົວຢ່າງໃນໂລກຕົວຈິງ ແລະ ເຄື່ອງມືທີ່ຜ່ານມາ (ຈາກ GitHub Copilot ຫາ ChatGPT), ພວກເຮົາສຳຫຼວດວິທີທີ່ນັກພັດທະນາສາມາດປັບຕົວ, ປັບຕົວ ແລະ ຮັກສາຄວາມກ່ຽວຂ້ອງໃນຂະນະທີ່ AI ພັດທະນາ. ແທນທີ່ຈະເປັນຄຳຕອບແບບງ່າຍໆວ່າ ແມ່ນ ຫຼື ບໍ່, ພວກເຮົາຈະເຫັນວ່າອະນາຄົດແມ່ນການຮ່ວມມືລະຫວ່າງ AI ແລະ ນັກພັດທະນາທີ່ເປັນມະນຸດ. ເປົ້າໝາຍແມ່ນເພື່ອເນັ້ນໃຫ້ເຫັນ ຄວາມເຂົ້າໃຈທີ່ເປັນປະໂຫຍດ ກ່ຽວກັບສິ່ງທີ່ນັກພັດທະນາສາມາດເຮັດໄດ້ເພື່ອຈະເລີນເຕີບໂຕໃນຍຸກຂອງ AI - ຕັ້ງແຕ່ການຮັບເອົາເຄື່ອງມືໃໝ່ໄປຈົນເຖິງການຮຽນຮູ້ທັກສະໃໝ່ ແລະ ເພື່ອຄາດຄະເນວ່າອາຊີບການຂຽນໂປຣແກຣມອາດຈະພັດທະນາໄປໃນຊຸມປີຕໍ່ໜ້າແນວໃດ.

AI ໃນການພັດທະນາຊອບແວໃນປະຈຸບັນ

AI ໄດ້ຖັກທໍຕົວເອງຢ່າງໄວວາເຂົ້າໃນຂະບວນການພັດທະນາຊອບແວທີ່ທັນສະໄໝ. ເຄື່ອງມືທີ່ອີງໃສ່ AI ແຕກຕ່າງຈາກນິຍາຍວິທະຍາສາດ, ພວມ ຂຽນ ແລະ ກວດສອບລະຫັດ , ເຮັດໃຫ້ວຽກງານທີ່ໜ້າເບື່ອເປັນອັດຕະໂນມັດ, ແລະ ເສີມຂະຫຍາຍຜົນຜະລິດຂອງນັກພັດທະນາ. ນັກພັດທະນາໃນປະຈຸບັນໃຊ້ AI ເພື່ອສ້າງຕົວຢ່າງລະຫັດ, ເຕີມເຕັມໜ້າທີ່ອັດຕະໂນມັດ, ກວດຫາຂໍ້ຜິດພາດ, ແລະ ແມ່ນແຕ່ສ້າງກໍລະນີທົດສອບ ( ມີອະນາຄົດສຳລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ) ( ມີອະນາຄົດສຳລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ). ເວົ້າອີກຢ່າງໜຶ່ງ, AI ກຳລັງເຂົ້າຄວບຄຸມວຽກງານທີ່ຫຍຸ້ງຍາກ ແລະ ຂັ້ນຕອນການຜະລິດ, ຊ່ວຍໃຫ້ນັກຂຽນໂປຣແກຣມສາມາດສຸມໃສ່ລັກສະນະທີ່ສັບສົນຫຼາຍຂຶ້ນຂອງການສ້າງຊອບແວ. ລອງມາເບິ່ງຄວາມສາມາດ ແລະ ເຄື່ອງມື AI ທີ່ໂດດເດັ່ນບາງຢ່າງທີ່ກຳລັງປ່ຽນແປງການຂຽນໂປຣແກຣມໃນປະຈຸບັນ:

• ການສ້າງລະຫັດ ແລະ ການຕື່ມຂໍ້ມູນອັດຕະໂນມັດ: ຜູ້ຊ່ວຍຂຽນລະຫັດ AI ທີ່ທັນສະໄໝສາມາດຜະລິດລະຫັດໂດຍອີງໃສ່ການກະຕຸ້ນພາສາທຳມະຊາດ ຫຼື ບໍລິບົດລະຫັດບາງສ່ວນ. ຕົວຢ່າງ, GitHub Copilot (ສ້າງຂຶ້ນໃນຮູບແບບ Codex ຂອງ OpenAI) ປະສົມປະສານກັບບັນນາທິການເພື່ອແນະນຳແຖວຕໍ່ໄປ ຫຼື ບລັອກລະຫັດໃນຂະນະທີ່ທ່ານພິມ. ມັນໃຊ້ປະໂຫຍດຈາກຊຸດການຝຶກອົບຮົມລະຫັດແຫຼ່ງເປີດຂະໜາດໃຫຍ່ເພື່ອສະເໜີຄຳແນະນຳທີ່ຮັບຮູ້ບໍລິບົດ, ເຊິ່ງມັກຈະສາມາດເຮັດສຳເລັດໜ້າທີ່ທັງໝົດຈາກພຽງແຕ່ຄຳເຫັນ ຫຼື ຊື່ໜ້າທີ່. ເຊັ່ນດຽວກັນ, ChatGPT (GPT-4) ສາມາດສ້າງລະຫັດສຳລັບໜ້າວຽກທີ່ກຳນົດໃຫ້ເມື່ອທ່ານອະທິບາຍສິ່ງທີ່ທ່ານຕ້ອງການເປັນພາສາອັງກິດທຳມະດາ. ເຄື່ອງມືເຫຼົ່ານີ້ສາມາດຮ່າງລະຫັດແບບສຳເລັດຮູບໄດ້ພາຍໃນວິນາທີ, ຕັ້ງແຕ່ໜ້າທີ່ຊ່ວຍເຫຼືອງ່າຍໆຈົນເຖິງການດຳເນີນງານ CRUD ປົກກະຕິ.

• ການກວດຫາ ແລະ ການທົດສອບຂໍ້ຜິດພາດ: AI ຍັງຊ່ວຍກວດຈັບຂໍ້ຜິດພາດ ແລະ ປັບປຸງຄຸນນະພາບຂອງລະຫັດ. ເຄື່ອງມືວິເຄາະແບບຄົງທີ່ ແລະ ເຄື່ອງມືວິເຄາະຂໍ້ມູນຈາກ AI ສາມາດລະບຸຂໍ້ຜິດພາດທີ່ອາດເກີດຂຶ້ນ ຫຼື ຊ່ອງໂຫວ່ດ້ານຄວາມປອດໄພໂດຍການຮຽນຮູ້ຈາກຮູບແບບຂໍ້ຜິດພາດທີ່ຜ່ານມາ. ເຄື່ອງມື AI ບາງອັນສ້າງການທົດສອບໜ່ວຍໂດຍອັດຕະໂນມັດ ຫຼື ແນະນຳກໍລະນີທົດສອບໂດຍການວິເຄາະເສັ້ນທາງລະຫັດ. ນີ້ໝາຍຄວາມວ່ານັກພັດທະນາສາມາດໄດ້ຮັບຄຳຕິຊົມທັນທີກ່ຽວກັບກໍລະນີທີ່ເຂົາເຈົ້າອາດຈະພາດໄປ. ໂດຍການຊອກຫາຂໍ້ຜິດພາດແຕ່ຫົວທີ ແລະ ແນະນຳການແກ້ໄຂ, AI ເຮັດໜ້າທີ່ຄືກັບຜູ້ຊ່ວຍ QA ທີ່ບໍ່ຮູ້ຈັກອິດເມື່ອຍທີ່ເຮັດວຽກຮ່ວມກັບນັກພັດທະນາ.

• ການເພີ່ມປະສິດທິພາບ ແລະ ການປັບປຸງລະຫັດ: ການນຳໃຊ້ AI ອີກອັນໜຶ່ງແມ່ນການແນະນຳການປັບປຸງລະຫັດທີ່ມີຢູ່ແລ້ວ. ໂດຍໃຫ້ຕົວຢ່າງໜຶ່ງ, AI ສາມາດແນະນຳອັລກໍຣິທຶມທີ່ມີປະສິດທິພາບຫຼາຍຂຶ້ນ ຫຼື ການຈັດຕັ້ງປະຕິບັດທີ່ສະອາດກວ່າໂດຍການຮັບຮູ້ຮູບແບບໃນລະຫັດ. ຕົວຢ່າງ, ມັນອາດຈະແນະນຳການນຳໃຊ້ຫ້ອງສະໝຸດ ຫຼື ລະຫັດທີ່ຊໍ້າຊ້ອນທີ່ສາມາດປັບປຸງໄດ້. ສິ່ງນີ້ຊ່ວຍໃນການຫຼຸດຜ່ອນໜີ້ສິນດ້ານເຕັກນິກ ແລະ ປັບປຸງປະສິດທິພາບ. ເຄື່ອງມືການປັບປຸງລະຫັດທີ່ອີງໃສ່ AI ສາມາດປ່ຽນລະຫັດໃຫ້ສອດຄ່ອງກັບວິທີປະຕິບັດທີ່ດີທີ່ສຸດ ຫຼື ອັບເດດລະຫັດເປັນ API ເວີຊັນໃໝ່, ຊ່ວຍປະຢັດເວລາຂອງນັກພັດທະນາໃນການເຮັດຄວາມສະອາດດ້ວຍຕົນເອງ.

• DevOps ແລະ ລະບົບອັດຕະໂນມັດ: ນອກເໜືອໄປຈາກການຂຽນລະຫັດ, AI ຍັງປະກອບສ່ວນເຂົ້າໃນຂະບວນການສ້າງ ແລະ ການນຳໃຊ້. ເຄື່ອງມື CI/CD ທີ່ສະຫຼາດໃຊ້ການຮຽນຮູ້ຂອງເຄື່ອງຈັກເພື່ອຄາດຄະເນວ່າການທົດສອບໃດມີແນວໂນ້ມທີ່ຈະລົ້ມເຫຼວ ຫຼື ຈັດລຳດັບຄວາມສຳຄັນຂອງວຽກສ້າງບາງຢ່າງ, ເຮັດໃຫ້ທໍ່ສົ່ງການເຊື່ອມໂຍງຢ່າງຕໍ່ເນື່ອງໄວຂຶ້ນ ແລະ ມີປະສິດທິພາບຫຼາຍຂຶ້ນ. AI ສາມາດວິເຄາະບັນທຶກການຜະລິດ ແລະ ຕົວຊີ້ວັດປະສິດທິພາບເພື່ອຊີ້ບອກບັນຫາ ຫຼື ແນະນຳການເພີ່ມປະສິດທິພາບຂອງໂຄງສ້າງພື້ນຖານ. ໃນຜົນກະທົບ, AI ກຳລັງຊ່ວຍເຫຼືອບໍ່ພຽງແຕ່ໃນການຂຽນລະຫັດເທົ່ານັ້ນ, ແຕ່ຍັງຊ່ວຍຕະຫຼອດວົງຈອນການພັດທະນາຊອບແວ - ຕັ້ງແຕ່ການວາງແຜນຈົນເຖິງການບຳລຸງຮັກສາ.

• ອິນເຕີເຟດ ແລະ ເອກະສານພາສາທຳມະຊາດ: ພວກເຮົາຍັງເຫັນ AI ເຮັດໃຫ້ມີການໂຕ້ຕອບທີ່ເປັນທຳມະຊາດຫຼາຍຂຶ້ນກັບເຄື່ອງມືການພັດທະນາ. ນັກພັດທະນາສາມາດ ຂໍໃຫ້ AI ປະຕິບັດໜ້າວຽກຕ່າງໆ ("ສ້າງຟັງຊັນທີ່ເຮັດ X" ຫຼື "ອະທິບາຍລະຫັດນີ້") ແລະໄດ້ຮັບຜົນ. chatbot AI (ເຊັ່ນ ChatGPT ຫຼື ຜູ້ຊ່ວຍພັດທະນາພິເສດ) ສາມາດຕອບຄຳຖາມການຂຽນໂປຣແກຣມ, ຊ່ວຍເຫຼືອກ່ຽວກັບເອກະສານ, ແລະແມ້ກະທັ້ງຂຽນເອກະສານໂຄງການ ຫຼື ສົ່ງຂໍ້ຄວາມໂດຍອີງໃສ່ການປ່ຽນແປງລະຫັດ. ສິ່ງນີ້ເຊື່ອມຕໍ່ຊ່ອງຫວ່າງລະຫວ່າງຄວາມຕັ້ງໃຈຂອງມະນຸດ ແລະ ລະຫັດ, ເຮັດໃຫ້ການພັດທະນາສາມາດເຂົ້າເຖິງໄດ້ງ່າຍຂຶ້ນສຳລັບຜູ້ທີ່ສາມາດອະທິບາຍສິ່ງທີ່ເຂົາເຈົ້າຕ້ອງການ.

• 

ນັກພັດທະນາທີ່ນຳໃຊ້ເຄື່ອງມື AI: ການສຳຫຼວດໃນປີ 2023 ຊີ້ໃຫ້ເຫັນວ່ານັກພັດທະນາ 92% ໄດ້ໃຊ້ເຄື່ອງມືການຂຽນໂປຣແກຣມ AI ໃນບາງດ້ານ - ບໍ່ວ່າຈະຢູ່ບ່ອນເຮັດວຽກ, ໃນໂຄງການສ່ວນຕົວຂອງເຂົາເຈົ້າ, ຫຼືທັງສອງຢ່າງ. ມີພຽງແຕ່ 8% ເທົ່ານັ້ນທີ່ລາຍງານວ່າບໍ່ໄດ້ໃຊ້ການຊ່ວຍເຫຼືອຈາກ AI ໃນການຂຽນໂປຣແກຣມ. ຕາຕະລາງນີ້ສະແດງໃຫ້ເຫັນວ່າສອງສ່ວນສາມຂອງນັກພັດທະນາໃຊ້ເຄື່ອງມື AI ທັງ ໃນແລະນອກ ບ່ອນເຮັດວຽກ, ໃນຂະນະທີ່ໜຶ່ງສ່ວນສີ່ໃຊ້ພວກມັນສະເພາະຢູ່ບ່ອນເຮັດວຽກ ແລະ ຈຳນວນໜ້ອຍໃຊ້ພຽງແຕ່ນອກບ່ອນເຮັດວຽກເທົ່ານັ້ນ. ສິ່ງສຳຄັນແມ່ນຈະແຈ້ງ: ການຂຽນໂປຣແກຣມທີ່ມີການຊ່ວຍເຫຼືອຈາກ AI ໄດ້ກາຍເປັນທີ່ນິຍົມໃນບັນດານັກພັດທະນາຢ່າງໄວວາ ( ການສຳຫຼວດເປີດເຜີຍຜົນກະທົບຂອງ AI ຕໍ່ປະສົບການຂອງນັກພັດທະນາ - The GitHub Blog ).

ການຂະຫຍາຍຕົວຂອງເຄື່ອງມື AI ໃນການພັດທະນານີ້ໄດ້ນໍາໄປສູ່ການ ເພີ່ມປະສິດທິພາບທີ່ເພີ່ມຂຶ້ນ ແລະ ຫຼຸດຜ່ອນຄວາມຫນ້າເບື່ອຫນ່າຍ ໃນການຂຽນໂປຣແກຣມ. ຜະລິດຕະພັນກໍາລັງຖືກສ້າງຂຶ້ນໄວຂຶ້ນ ຍ້ອນວ່າ AI ຊ່ວຍສ້າງລະຫັດແບບແຜນ ແລະ ຈັດການກັບວຽກງານທີ່ຊໍ້າຊ້ອນ ( ມີອະນາຄົດສໍາລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ) ( AI ຈະທົດແທນນັກພັດທະນາໃນປີ 2025: ການເບິ່ງລ່ວງໜ້າໃນອະນາຄົດ ). ເຄື່ອງມືຕ່າງໆເຊັ່ນ Copilot ຍັງສາມາດແນະນໍາອັລກໍຣິທຶມ ຫຼື ວິທີແກ້ໄຂທັງໝົດທີ່ "ອາດຈະບໍ່ເຫັນໄດ້ຊັດເຈນໃນທັນທີສໍາລັບນັກພັດທະນາມະນຸດ", ຍ້ອນການຮຽນຮູ້ຈາກຊຸດຂໍ້ມູນລະຫັດຈໍານວນຫຼວງຫຼາຍ. ຕົວຢ່າງໃນໂລກຕົວຈິງມີຢູ່ຢ່າງຫຼວງຫຼາຍ: ວິສະວະກອນສາມາດຂໍໃຫ້ ChatGPT ປະຕິບັດໜ້າທີ່ການຈັດຮຽງ ຫຼື ຊອກຫາຂໍ້ຜິດພາດໃນລະຫັດຂອງເຂົາເຈົ້າ, ແລະ AI ຈະຜະລິດວິທີແກ້ໄຂຮ່າງພາຍໃນວິນາທີ. ບໍລິສັດຕ່າງໆເຊັ່ນ Amazon ແລະ Microsoft ໄດ້ນໍາໃຊ້ໂປຣແກຣມເມີຄູ່ AI (CodeWhisperer ຂອງ Amazon ແລະ Copilot ຂອງ Microsoft) ໃຫ້ກັບທີມນັກພັດທະນາຂອງເຂົາເຈົ້າ, ໂດຍລາຍງານວ່າວຽກງານສໍາເລັດໄວຂຶ້ນ ແລະ ໃຊ້ເວລາໜ້ອຍລົງໃນແບບແຜນ. ໃນຄວາມເປັນຈິງ, 70% ຂອງນັກພັດທະນາ ທີ່ໄດ້ສຳຫຼວດໃນການສຳຫຼວດ Stack Overflow ປີ 2023 ກ່າວວ່າພວກເຂົາໄດ້ໃຊ້ ຫຼື ວາງແຜນທີ່ຈະໃຊ້ເຄື່ອງມື AI ໃນຂະບວນການພັດທະນາຂອງພວກເຂົາແລ້ວ ( 70% ຂອງນັກພັດທະນາໃຊ້ເຄື່ອງມືການຂຽນໂປຣແກຣມ AI, 3% ໄວ້ວາງໃຈຄວາມຖືກຕ້ອງຂອງພວກເຂົາສູງ - ShiftMag ). ຜູ້ຊ່ວຍທີ່ນິຍົມທີ່ສຸດແມ່ນ ChatGPT (ໃຊ້ໂດຍ ~83% ຂອງຜູ້ຕອບແບບສອບຖາມ) ແລະ GitHub Copilot (~56%), ຊີ້ໃຫ້ເຫັນວ່າຜູ້ຊ່ວຍການສົນທະນາທົ່ວໄປ ແລະ IDE ທີ່ປະສົມປະສານແມ່ນຜູ້ຫຼິ້ນຫຼັກ. ນັກພັດທະນາສ່ວນໃຫຍ່ຫັນມາໃຊ້ເຄື່ອງມືເຫຼົ່ານີ້ເພື່ອເພີ່ມຜົນຜະລິດ (ອ້າງອີງໂດຍ ~33% ຂອງຜູ້ຕອບແບບສອບຖາມ) ແລະ ເລັ່ງການຮຽນຮູ້ (25%), ໃນຂະນະທີ່ປະມານ 25% ໃຊ້ພວກມັນເພື່ອໃຫ້ມີປະສິດທິພາບຫຼາຍຂຶ້ນໂດຍການອັດຕະໂນມັດວຽກງານທີ່ຊ້ຳໆ.

ສິ່ງສຳຄັນທີ່ຄວນສັງເກດຄື ບົດບາດຂອງ AI ໃນການຂຽນໂປຣແກຣມບໍ່ແມ່ນເລື່ອງໃໝ່ທັງໝົດ - ອົງປະກອບຂອງມັນມີມາເປັນເວລາຫຼາຍປີແລ້ວ (ພິຈາລະນາການຕື່ມຂໍ້ມູນລະຫັດອັດຕະໂນມັດໃນ IDE ຫຼື ກອບການທົດສອບອັດຕະໂນມັດ). ແຕ່ສອງປີທີ່ຜ່ານມານີ້ແມ່ນຈຸດປ່ຽນແປງ. ການເກີດຂຶ້ນຂອງຮູບແບບພາສາຂະໜາດໃຫຍ່ທີ່ມີປະສິດທິພາບ (ເຊັ່ນ: ຊຸດ GPT ຂອງ OpenAI ແລະ AlphaCode ຂອງ DeepMind) ໄດ້ຂະຫຍາຍສິ່ງທີ່ເປັນໄປໄດ້ຢ່າງຫຼວງຫຼາຍ. ຕົວຢ່າງ, AlphaCode ໄດ້ສ້າງຫົວຂໍ້ຂ່າວໂດຍການປະຕິບັດໃນ ລະດັບການແຂ່ງຂັນການຂຽນໂປຣແກຣມທີ່ມີການແຂ່ງຂັນ , ໂດຍບັນລຸ ການຈັດອັນດັບສູງສຸດປະມານ 54% ໃນສິ່ງທ້າທາຍການຂຽນໂປຣແກຣມ - ໂດຍພື້ນຖານແລ້ວແມ່ນກົງກັບທັກສະຂອງຄູ່ແຂ່ງຂອງມະນຸດໂດຍສະເລ່ຍ ( AlphaCode ຂອງ DeepMind ກົງກັບຄວາມສາມາດຂອງໂປຣແກຣມເມີໂດຍສະເລ່ຍ ). ນີ້ແມ່ນຄັ້ງທຳອິດທີ່ລະບົບ AI ປະຕິບັດ ການແຂ່ງຂັນ ໃນການແຂ່ງຂັນການຂຽນໂປຣແກຣມ. ຢ່າງໃດກໍຕາມ, ມັນບອກວ່າເຖິງແມ່ນວ່າ AlphaCode, ດ້ວຍຄວາມສາມາດທັງໝົດຂອງມັນ, ຍັງຢູ່ໄກຈາກການເອົາຊະນະນັກຂຽນໂປຣແກຣມມະນຸດທີ່ດີທີ່ສຸດ. ໃນການແຂ່ງຂັນເຫຼົ່ານັ້ນ, AlphaCode ສາມາດແກ້ໄຂບັນຫາໄດ້ປະມານ 30% ພາຍໃນຄວາມພະຍາຍາມທີ່ອະນຸຍາດ, ໃນຂະນະທີ່ໂປຣແກຣມເມີມະນຸດຊັ້ນນຳແກ້ໄຂບັນຫາຫຼາຍກວ່າ 90% ດ້ວຍຄວາມພະຍາຍາມດຽວ. ຊ່ອງຫວ່າງນີ້ເນັ້ນໃຫ້ເຫັນວ່າໃນຂະນະທີ່ AI ສາມາດຈັດການກັບໜ້າວຽກອັລກໍຣິທຶມທີ່ໄດ້ກຳນົດໄວ້ຢ່າງດີໄດ້ເຖິງຈຸດໜຶ່ງ, ບັນຫາທີ່ຍາກທີ່ສຸດທີ່ຕ້ອງການເຫດຜົນທີ່ເລິກເຊິ່ງ ແລະ ຄວາມສະຫຼາດຫຼັກແຫຼມຍັງຄົງເປັນທີ່ໝັ້ນຂອງມະນຸດ .

ສະຫຼຸບແລ້ວ, AI ໄດ້ຝັງຕົວມັນເອງຢ່າງໜັກແໜ້ນໃນຊຸດເຄື່ອງມືປະຈຳວັນຂອງນັກພັດທະນາ. ຕັ້ງແຕ່ການຊ່ວຍເຫຼືອໃນການຂຽນລະຫັດຈົນເຖິງການເພີ່ມປະສິດທິພາບການນຳໃຊ້, ມັນມີຜົນກະທົບຕໍ່ທຸກພາກສ່ວນຂອງຂະບວນການພັດທະນາ. ສາຍພົວພັນໃນປະຈຸບັນສ່ວນໃຫຍ່ແມ່ນການຮ່ວມມືກັນ: AI ເຮັດໜ້າທີ່ເປັນ ຜູ້ຊ່ວຍ (ຊື່ທີ່ເໝາະສົມ) ທີ່ຊ່ວຍໃຫ້ນັກພັດທະນາຂຽນລະຫັດໄດ້ໄວຂຶ້ນ ແລະ ມີຄວາມອຸກອັ່ງໜ້ອຍລົງ, ແທນທີ່ຈະເປັນຜູ້ຊ່ວຍອັດຕະໂນມັດທີ່ສາມາດບິນໄດ້ດ້ວຍຕົວເອງ. ໃນພາກຕໍ່ໄປ, ພວກເຮົາຈະເຂົ້າໄປເບິ່ງວິທີການທີ່ການລວມເອົາເຄື່ອງມື AI ນີ້ກຳລັງປ່ຽນແປງ ບົດບາດຂອງນັກພັດທະນາ ແລະ ລັກສະນະຂອງວຽກງານຂອງເຂົາເຈົ້າ, ບໍ່ວ່າຈະດີຂຶ້ນ ຫຼື ຮ້າຍແຮງກວ່າເກົ່າ.

ວິທີທີ່ AI ກຳລັງປ່ຽນແປງບົດບາດ ແລະ ຜົນຜະລິດຂອງນັກພັດທະນາ

ດ້ວຍ AI ທີ່ຈັດການກັບວຽກງານປົກກະຕິຫຼາຍຂຶ້ນ, ບົດບາດຂອງນັກພັດທະນາຊອບແວກໍ່ເລີ່ມພັດທະນາຂຶ້ນແທ້ໆ. ແທນທີ່ຈະໃຊ້ເວລາຫຼາຍຊົ່ວໂມງໃນການຂຽນລະຫັດແບບເລີ່ມຕົ້ນ ຫຼື ແກ້ໄຂຂໍ້ຜິດພາດທົ່ວໄປ, ນັກພັດທະນາສາມາດໂອນໜ້າວຽກເຫຼົ່ານັ້ນໃຫ້ກັບຜູ້ຊ່ວຍ AI ຂອງເຂົາເຈົ້າ. ສິ່ງນີ້ກຳລັງ ປ່ຽນຈຸດສຸມຂອງນັກພັດທະນາ ໄປສູ່ການແກ້ໄຂບັນຫາລະດັບສູງ, ສະຖາປັດຕະຍະກຳ, ແລະ ລັກສະນະສ້າງສັນຂອງວິສະວະກຳຊອບແວ. ໂດຍຫຍໍ້ແລ້ວ, AI ກຳລັງ ເສີມຂະຫຍາຍ ນັກພັດທະນາ, ຊ່ວຍໃຫ້ພວກເຂົາສາມາດມີປະສິດທິພາບຫຼາຍຂຶ້ນ ແລະ ມີທ່າແຮງທີ່ຈະມີນະວັດຕະກຳຫຼາຍຂຶ້ນ. ແຕ່ສິ່ງນີ້ແປວ່າວຽກງານການຂຽນໂປຣແກຣມໜ້ອຍລົງ, ຫຼື ພຽງແຕ່ວຽກປະເພດອື່ນ? ໃຫ້ພວກເຮົາສຳຫຼວດຜົນກະທົບຕໍ່ຜົນຜະລິດ ແລະ ບົດບາດຕ່າງໆ:

ການເພີ່ມຜົນຜະລິດ: ໂດຍບັນຊີສ່ວນໃຫຍ່ ແລະ ການສຶກສາໃນຕອນຕົ້ນ, ເຄື່ອງມືການຂຽນໂປຣແກຣມ AI ກຳລັງເພີ່ມຜົນຜະລິດຂອງນັກພັດທະນາຢ່າງຫຼວງຫຼາຍ. ການຄົ້ນຄວ້າຂອງ GitHub ພົບວ່ານັກພັດທະນາທີ່ໃຊ້ Copilot ສາມາດເຮັດສຳເລັດໜ້າວຽກໄດ້ໄວກວ່າຜູ້ທີ່ບໍ່ມີການຊ່ວຍເຫຼືອຈາກ AI. ໃນການທົດລອງໜຶ່ງ, ນັກພັດທະນາໄດ້ແກ້ໄຂໜ້າວຽກການຂຽນໂປຣແກຣມໄດ້ໄວຂຶ້ນ 55% ໂດຍສະເລ່ຍດ້ວຍການຊ່ວຍເຫຼືອຂອງ Copilot - ໃຊ້ເວລາປະມານ 1 ຊົ່ວໂມງ 11 ນາທີ ແທນທີ່ຈະເປັນ 2 ຊົ່ວໂມງ 41 ນາທີໂດຍບໍ່ມີມັນ ( ການຄົ້ນຄວ້າ: ການວັດແທກຜົນກະທົບຂອງ GitHub Copilot ຕໍ່ຜົນຜະລິດ ແລະ ຄວາມສຸກຂອງນັກພັດທະນາ - The GitHub Blog ). ນັ້ນແມ່ນການເພີ່ມຄວາມໄວທີ່ໂດດເດັ່ນ. ມັນບໍ່ພຽງແຕ່ຄວາມໄວເທົ່ານັ້ນ; ນັກພັດທະນາລາຍງານວ່າການຊ່ວຍເຫຼືອຈາກ AI ຊ່ວຍຫຼຸດຜ່ອນຄວາມອຸກອັ່ງ ແລະ "ການຂັດຂວາງການໄຫຼ". ໃນການສຳຫຼວດ, 88% ຂອງນັກພັດທະນາ ທີ່ໃຊ້ Copilot ກ່າວວ່າມັນເຮັດໃຫ້ພວກເຂົາມີປະສິດທິພາບຫຼາຍຂຶ້ນ ແລະ ຊ່ວຍໃຫ້ພວກເຂົາສາມາດສຸມໃສ່ວຽກທີ່ໜ້າພໍໃຈຫຼາຍຂຶ້ນ ( ອັດຕາສ່ວນຂອງນັກພັດທະນາໄດ້ກ່າວວ່າ github copilot ເຮັດໃຫ້ ... ). ເຄື່ອງມືເຫຼົ່ານີ້ຊ່ວຍໃຫ້ນັກຂຽນໂປຣແກຣມຢູ່ "ໃນເຂດ" ໂດຍການຈັດການຊິ້ນສ່ວນທີ່ໜ້າເບື່ອ, ເຊິ່ງຊ່ວຍຮັກສາພະລັງງານທາງຈິດໃຈສຳລັບບັນຫາທີ່ຫຍຸ້ງຍາກກວ່າ. ດັ່ງນັ້ນ, ນັກພັດທະນາຫຼາຍຄົນຮູ້ສຶກວ່າການຂຽນໂປຣແກຣມໄດ້ກາຍເປັນເລື່ອງທີ່ມ່ວນຊື່ນຫຼາຍຂຶ້ນ - ວຽກງານທີ່ຫຍຸ້ງຍາກໜ້ອຍລົງ ແລະ ມີຄວາມຄິດສ້າງສັນຫຼາຍຂຶ້ນ.

ການປ່ຽນແປງວຽກງານປະຈຳວັນ: ຂະບວນການເຮັດວຽກປະຈຳວັນຂອງໂປຣແກຣມເມີກຳລັງປ່ຽນແປງໄປຄຽງຄູ່ກັບຜົນຜະລິດທີ່ເພີ່ມຂຶ້ນເຫຼົ່ານີ້. “ວຽກງານທີ່ຫຍຸ້ງຫຼາຍ” - ການຂຽນແບບແຜນເບື້ອງຕົ້ນ, ການເຮັດຊ້ຳຮູບແບບທົ່ວໄປ, ການຄົ້ນຫາ syntax - ສາມາດໂອນໄປໃຫ້ AI ໄດ້. ຕົວຢ່າງ, ແທນທີ່ຈະຂຽນຄລາສຂໍ້ມູນດ້ວຍ getters ແລະ setters ດ້ວຍຕົນເອງ, ນັກພັດທະນາສາມາດກະຕຸ້ນ AI ໃຫ້ສ້າງມັນຂຶ້ນມາໄດ້ງ່າຍໆ. ແທນທີ່ຈະຄົ້ນຫາເອກະສານເພື່ອຊອກຫາການເອີ້ນ API ທີ່ຖືກຕ້ອງ, ນັກພັດທະນາສາມາດຖາມ AI ໃນພາສາທຳມະຊາດ. ນີ້ໝາຍຄວາມວ່າ ນັກພັດທະນາໃຊ້ເວລາໜ້ອຍລົງໃນການຖອດລະຫັດ ແລະ ໃຊ້ເວລາຫຼາຍຂຶ້ນໃນວຽກງານທີ່ຕ້ອງການການຕັດສິນຂອງມະນຸດ . ໃນຂະນະທີ່ AI ເຂົ້າຮັບໜ້າທີ່ຂຽນລະຫັດ 80% ທີ່ງ່າຍ, ວຽກງານຂອງນັກພັດທະນາຈະປ່ຽນໄປສູ່ການຊີ້ນຳຜົນຜະລິດຂອງ AI (ການທົບທວນຄຳແນະນຳຂອງລະຫັດ, ການທົດສອບພວກມັນ) ແລະ ແກ້ໄຂບັນຫາ 20% ທີ່ຫຍຸ້ງຍາກທີ່ AI ບໍ່ສາມາດຄິດອອກໄດ້. ໃນທາງປະຕິບັດ, ນັກພັດທະນາອາດຈະເລີ່ມຕົ້ນມື້ຂອງເຂົາເຈົ້າໂດຍການກວດສອບການຮ້ອງຂໍດຶງທີ່ສ້າງຂຶ້ນໂດຍ AI ຫຼື ການທົບທວນການແກ້ໄຂທີ່ແນະນຳໂດຍ AI, ແທນທີ່ຈະຂຽນການປ່ຽນແປງທັງໝົດເຫຼົ່ານັ້ນຕັ້ງແຕ່ເລີ່ມຕົ້ນ.

ການຮ່ວມມື ແລະ ການເຄື່ອນໄຫວຂອງທີມ: ສິ່ງທີ່ໜ້າສົນໃຈແມ່ນ AI ຍັງມີອິດທິພົນຕໍ່ການເຄື່ອນໄຫວຂອງທີມ. ດ້ວຍວຽກງານປົກກະຕິທີ່ເປັນອັດຕະໂນມັດ, ທີມງານສາມາດເຮັດສຳເລັດໄດ້ຫຼາຍຂຶ້ນດ້ວຍນັກພັດທະນາລະດັບນ້ອຍກວ່າທີ່ຖືກມອບໝາຍໃຫ້ເຮັດວຽກໜັກ. ບາງບໍລິສັດລາຍງານວ່າວິສະວະກອນອາວຸໂສຂອງເຂົາເຈົ້າສາມາດເພິ່ງຕົນເອງໄດ້ຫຼາຍຂຶ້ນ - ເຂົາເຈົ້າສາມາດສ້າງແບບຈຳລອງຄຸນສົມບັດຕ່າງໆໄດ້ໄວດ້ວຍການຊ່ວຍເຫຼືອຈາກ AI, ໂດຍບໍ່ຕ້ອງມີນັກພັດທະນາລະດັບນ້ອຍກວ່າເຮັດຮ່າງເບື້ອງຕົ້ນ. ຢ່າງໃດກໍຕາມ, ສິ່ງນີ້ເຮັດໃຫ້ເກີດສິ່ງທ້າທາຍໃໝ່: ການໃຫ້ຄຳແນະນຳ ແລະ ການແບ່ງປັນຄວາມຮູ້. ແທນທີ່ຈະໃຫ້ນັກສຶກສາລະດັບນ້ອຍຮຽນຮູ້ໂດຍການເຮັດວຽກງ່າຍໆ, ເຂົາເຈົ້າອາດຈະຕ້ອງຮຽນຮູ້ວິທີ ການຄຸ້ມຄອງ ຜົນຜະລິດຂອງ AI ຢ່າງມີປະສິດທິພາບ. ການຮ່ວມມືຂອງທີມອາດຈະປ່ຽນໄປສູ່ກິດຈະກຳຕ່າງໆເຊັ່ນ: ການປັບປຸງການກະຕຸ້ນຂອງ AI ຮ່ວມກັນ ຫຼື ການທົບທວນລະຫັດທີ່ສ້າງຂຶ້ນໂດຍ AI ສຳລັບຂໍ້ຜິດພາດ. ໃນດ້ານດີ, ເມື່ອທຸກຄົນໃນທີມມີຜູ້ຊ່ວຍ AI, ມັນສາມາດເຮັດໃຫ້ສະໜາມຫຼິ້ນມີຄວາມສະເໝີພາບ ແລະ ໃຫ້ເວລາຫຼາຍຂຶ້ນສຳລັບການສົນທະນາກ່ຽວກັບການອອກແບບ, ການລະດົມສະໝອງທີ່ສ້າງສັນ, ແລະ ການແກ້ໄຂຄວາມຕ້ອງການຂອງຜູ້ໃຊ້ທີ່ສັບສົນທີ່ບໍ່ມີ AI ເຂົ້າໃຈໃນປະຈຸບັນ. ໃນຄວາມເປັນຈິງ, ຫຼາຍກວ່າສີ່ໃນຫ້ານັກພັດທະນາເຊື່ອວ່າເຄື່ອງມືການຂຽນໂປຣແກຣມ AI ຈະ ເສີມຂະຫຍາຍການຮ່ວມມືຂອງທີມ ຫຼື ຢ່າງໜ້ອຍກໍ່ໃຫ້ພວກເຂົາມີອິດສະຫຼະໃນການຮ່ວມມືກັນຫຼາຍຂຶ້ນໃນການອອກແບບ ແລະ ການແກ້ໄຂບັນຫາ, ອີງຕາມຜົນການສຳຫຼວດປີ 2023 ຂອງ GitHub ( ການສຳຫຼວດເປີດເຜີຍຜົນກະທົບຂອງ AI ຕໍ່ປະສົບການຂອງນັກພັດທະນາ - The GitHub Blog ).

ຜົນກະທົບຕໍ່ບົດບາດວຽກງານ: ຄຳຖາມຫຼັກແມ່ນວ່າ AI ຈະຫຼຸດຜ່ອນຄວາມຕ້ອງການສຳລັບນັກຂຽນໂປຣແກຣມ (ເນື່ອງຈາກນັກຂຽນໂປຣແກຣມແຕ່ລະຄົນໃນປັດຈຸບັນມີຜົນຜະລິດຫຼາຍຂຶ້ນ), ຫຼືວ່າມັນຈະປ່ຽນແປງທັກສະທີ່ຕ້ອງການ. ຕົວຢ່າງປະຫວັດສາດກັບລະບົບອັດຕະໂນມັດອື່ນໆ (ເຊັ່ນ: ການເພີ່ມຂຶ້ນຂອງເຄື່ອງມື devops, ຫຼືພາສາການຂຽນໂປຣແກຣມລະດັບສູງ) ຊີ້ໃຫ້ເຫັນວ່າວຽກງານຂອງນັກພັດທະນາບໍ່ໄດ້ຖືກລົບລ້າງຫຼາຍເທົ່າທີ່ພວກມັນຖືກ ຍົກລະດັບ . ແທ້ຈິງແລ້ວ, ນັກວິເຄາະອຸດສາຫະກຳຄາດຄະເນວ່າ ບົດບາດວິສະວະກຳຊອບແວຈະສືບຕໍ່ເຕີບໂຕ , ແຕ່ລັກສະນະຂອງບົດບາດເຫຼົ່ານັ້ນຈະປ່ຽນແປງ. ບົດລາຍງານ Gartner ທີ່ຜ່ານມາຄາດຄະເນວ່າໃນປີ 2027, 50% ຂອງອົງກອນວິສະວະກຳຊອບແວຈະຮັບຮອງເອົາເວທີ "ສະຕິປັນຍາວິສະວະກຳຊອບແວ" ທີ່ເພີ່ມ AI ເພື່ອເພີ່ມຜົນຜະລິດ , ເພີ່ມຂຶ້ນຈາກພຽງແຕ່ 5% ໃນປີ 2024 ( ມີອະນາຄົດສຳລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ). ນີ້ຊີ້ບອກວ່າບໍລິສັດຕ່າງໆຈະເຊື່ອມໂຍງ AI ຢ່າງກວ້າງຂວາງ, ແຕ່ມັນໝາຍຄວາມວ່ານັກພັດທະນາຈະເຮັດວຽກ ກັບ ເວທີອັດສະລິຍະເຫຼົ່ານັ້ນ. ເຊັ່ນດຽວກັນ, ບໍລິສັດທີ່ປຶກສາ McKinsey ຄາດຄະເນວ່າ ໃນຂະນະທີ່ AI ອາດຈະເຮັດໃຫ້ວຽກງານຫຼາຍຢ່າງເປັນອັດຕະໂນມັດ, ປະມານ 80% ຂອງວຽກງານການຂຽນໂປຣແກຣມຍັງຕ້ອງການມະນຸດຢູ່ໃນວົງຈອນ ແລະຍັງຄົງ "ເປັນສູນກາງຂອງມະນຸດ" . ເວົ້າອີກຢ່າງໜຶ່ງ, ພວກເຮົາຍັງຕ້ອງການຄົນສຳລັບຕຳແໜ່ງນັກພັດທະນາສ່ວນໃຫຍ່, ແຕ່ລາຍລະອຽດວຽກອາດຈະມີການປ່ຽນແປງ.

ການປ່ຽນແປງທີ່ເປັນໄປໄດ້ອັນໜຶ່ງແມ່ນການເກີດຂຶ້ນຂອງບົດບາດຕ່າງໆເຊັ່ນ "ວິສະວະກອນຊອບແວ AI" ຫຼື "ວິສະວະກອນທີ່ວ່ອງໄວ" - ນັກພັດທະນາທີ່ມີຄວາມຊ່ຽວຊານໃນການສ້າງ ຫຼື ການຈັດການອົງປະກອບ AI. ພວກເຮົາເຫັນຄວາມຕ້ອງການນັກພັດທະນາທີ່ມີຄວາມຊ່ຽວຊານດ້ານ AI/ML ທີ່ເພີ່ມຂຶ້ນຢ່າງໄວວາ. ອີງຕາມການວິເຄາະໂດຍ Indeed, ສາມວຽກທີ່ກ່ຽວຂ້ອງກັບ AI ທີ່ມີຄວາມຕ້ອງການຫຼາຍທີ່ສຸດແມ່ນ ນັກວິທະຍາສາດຂໍ້ມູນ, ວິສະວະກອນຊອບແວ, ແລະວິສະວະກອນການຮຽນຮູ້ຂອງເຄື່ອງຈັກ , ແລະຄວາມຕ້ອງການສຳລັບບົດບາດເຫຼົ່ານີ້ ເພີ່ມຂຶ້ນຫຼາຍກວ່າສອງເທົ່າໃນໄລຍະສາມປີທີ່ຜ່ານມາ ( ມີອະນາຄົດສຳລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ). ວິສະວະກອນຊອບແວແບບດັ້ງເດີມຄາດວ່າຈະເຂົ້າໃຈພື້ນຖານການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ຫຼື ປະສົມປະສານການບໍລິການ AI ເຂົ້າໃນແອັບພລິເຄຊັນ. ແທນທີ່ຈະເຮັດໃຫ້ນັກພັດທະນາຊ້ຳຊ້ອນ, "AI ສາມາດຍົກລະດັບອາຊີບ, ເຮັດໃຫ້ນັກພັດທະນາສາມາດສຸມໃສ່ວຽກງານລະດັບສູງ ແລະ ນະວັດຕະກຳ." ( AI ຈະທົດແທນນັກພັດທະນາໃນປີ 2025 ບໍ: ການເບິ່ງລ່ວງໜ້າໃນອະນາຄົດ ) ວຽກງານການຂຽນໂປຣແກຣມປົກກະຕິຫຼາຍຢ່າງອາດຈະຖືກຈັດການໂດຍ AI, ແຕ່ນັກພັດທະນາຈະຫຍຸ້ງກັບການອອກແບບລະບົບ, ການລວມໂມດູນ, ການຮັບປະກັນຄຸນນະພາບ, ແລະ ການແກ້ໄຂບັນຫາໃໝ່ໆ. ວິສະວະກອນອາວຸໂສຈາກບໍລິສັດ AI-forward ໜຶ່ງໄດ້ສະຫຼຸບໄດ້ດີວ່າ: AI ບໍ່ໄດ້ທົດແທນນັກພັດທະນາຂອງພວກເຮົາ; ມັນ ຂະຫຍາຍ ພວກມັນ. ນັກພັດທະນາຄົນດຽວທີ່ມີເຄື່ອງມື AI ທີ່ມີປະສິດທິພາບສາມາດເຮັດວຽກຂອງຫຼາຍຄົນໄດ້, ແຕ່ນັກພັດທະນາຄົນນັ້ນກຳລັງຮັບວຽກທີ່ສັບສົນ ແລະ ມີຜົນກະທົບຫຼາຍກວ່າ.

ຕົວຢ່າງໃນໂລກຕົວຈິງ: ພິຈາລະນາສະຖານະການຈາກບໍລິສັດຊອບແວທີ່ລວມ GitHub Copilot ສຳລັບນັກພັດທະນາທັງໝົດ. ຜົນກະທົບທັນທີແມ່ນການຫຼຸດຜ່ອນເວລາທີ່ໃຊ້ໃນການຂຽນການທົດສອບໜ່ວຍ ແລະ ລະຫັດແບບແຜນ. ນັກພັດທະນາລະດັບນ້ອຍຄົນໜຶ່ງພົບວ່າການໃຊ້ Copilot ນາງສາມາດສ້າງລະຫັດຂອງຄຸນສົມບັດໃໝ່ໄດ້ 80% ຢ່າງໄວວາ, ຫຼັງຈາກນັ້ນໃຊ້ເວລາປັບແຕ່ງສ່ວນທີ່ເຫຼືອ 20% ແລະ ຂຽນການທົດສອບການເຊື່ອມໂຍງ. ຜົນຜະລິດຂອງນາງໃນແງ່ຂອງຜົນຜະລິດລະຫັດເກືອບສອງເທົ່າ, ແຕ່ສິ່ງທີ່ໜ້າສົນໃຈກວ່ານັ້ນ, ລັກສະນະຂອງການປະກອບສ່ວນຂອງນາງໄດ້ປ່ຽນໄປ - ນາງໄດ້ກາຍເປັນ ຜູ້ທົບທວນລະຫັດ ແລະ ຜູ້ອອກແບບການທົດສອບ ສຳລັບລະຫັດທີ່ຂຽນໂດຍ AI. ທີມງານຍັງສັງເກດເຫັນວ່າການທົບທວນລະຫັດເລີ່ມຈັບ ຄວາມຜິດພາດຂອງ AI ແທນທີ່ຈະເປັນການພິມຜິດຂອງມະນຸດ. ຕົວຢ່າງ, Copilot ບາງຄັ້ງກໍ່ແນະນຳໃຫ້ໃຊ້ການເຂົ້າລະຫັດທີ່ບໍ່ປອດໄພ; ນັກພັດທະນາທີ່ເປັນມະນຸດຕ້ອງຊອກຫາ ແລະ ແກ້ໄຂສິ່ງເຫຼົ່ານັ້ນ. ຕົວຢ່າງແບບນີ້ສະແດງໃຫ້ເຫັນວ່າໃນຂະນະທີ່ຜົນຜະລິດເພີ່ມຂຶ້ນ, ການກວດສອບ ແລະ ຄວາມຊ່ຽວຊານຂອງມະນຸດກໍ່ຍິ່ງມີຄວາມສຳຄັນຫຼາຍຂຶ້ນ ໃນຂະບວນການເຮັດວຽກ.

ສະຫຼຸບແລ້ວ, AI ກຳລັງປ່ຽນແປງວິທີການເຮັດວຽກຂອງນັກພັດທະນາຢ່າງບໍ່ຕ້ອງສົງໃສ: ເຮັດໃຫ້ພວກເຂົາໄວຂຶ້ນ ແລະ ຊ່ວຍໃຫ້ພວກເຂົາສາມາດແກ້ໄຂບັນຫາທີ່ມີຄວາມທະເຍີທະຍານຫຼາຍຂຶ້ນ, ແຕ່ຍັງຮຽກຮ້ອງໃຫ້ພວກເຂົາ ຍົກລະດັບທັກສະ (ທັງໃນການນຳໃຊ້ AI ແລະ ການຄິດໃນລະດັບສູງ). ມັນບໍ່ແມ່ນເລື່ອງຂອງ "AI ເອົາວຽກ" ແຕ່ເປັນເລື່ອງຂອງ "AI ປ່ຽນວຽກ". ນັກພັດທະນາທີ່ຮຽນຮູ້ທີ່ຈະໃຊ້ເຄື່ອງມືເຫຼົ່ານີ້ຢ່າງມີປະສິດທິພາບສາມາດເພີ່ມຜົນກະທົບຂອງພວກເຂົາໄດ້ຫຼາຍເທົ່າ - ຄຳເວົ້າທີ່ພວກເຮົາມັກໄດ້ຍິນຄື, "AI ຈະບໍ່ທົດແທນນັກພັດທະນາ, ແຕ່ນັກພັດທະນາທີ່ໃຊ້ AI ອາດຈະທົດແທນຜູ້ທີ່ບໍ່ໃຊ້." ພາກຕໍ່ໄປຈະສຳຫຼວດວ່າເປັນຫຍັງນັກພັດທະນາທີ່ເປັນມະນຸດຍັງຄົງມີຄວາມສຳຄັນ (ສິ່ງທີ່ AI ບໍ່ສາມາດ ເຮັດໄດ້ດີ), ແລະ ວິທີທີ່ນັກພັດທະນາສາມາດປັບທັກສະຂອງພວກເຂົາໃຫ້ຈະເລີນເຕີບໂຕຄຽງຄູ່ກັບ AI.

ຂໍ້ຈຳກັດຂອງ AI (ເປັນຫຍັງມະນຸດຈຶ່ງຍັງຄົງມີຄວາມສຳຄັນ)

ເຖິງວ່າມັນຈະມີຄວາມສາມາດທີ່ໜ້າປະທັບໃຈ, ແຕ່ AI ໃນປະຈຸບັນມີ ຂໍ້ຈຳກັດ ທີ່ຊັດເຈນທີ່ປ້ອງກັນບໍ່ໃຫ້ມັນເຮັດໃຫ້ໂປຣແກຣມເມີຂອງມະນຸດລ້າສະໄໝ. ການເຂົ້າໃຈຂໍ້ຈຳກັດເຫຼົ່ານີ້ແມ່ນກຸນແຈສຳຄັນໃນການເບິ່ງວ່າເປັນຫຍັງໂປຣແກຣມເມີຍັງຄົງເປັນສິ່ງຈຳເປັນຫຼາຍໃນຂະບວນການພັດທະນາ. AI ເປັນເຄື່ອງມືທີ່ມີປະສິດທິພາບ, ແຕ່ມັນບໍ່ແມ່ນສິ່ງມະຫັດສະຈັນທີ່ສາມາດທົດແທນຄວາມຄິດສ້າງສັນ, ການຄິດຢ່າງມີວິຈານ ແລະ ຄວາມເຂົ້າໃຈໃນສະພາບການຂອງນັກພັດທະນາມະນຸດໄດ້. ນີ້ແມ່ນບາງຂໍ້ບົກຜ່ອງພື້ນຖານຂອງ AI ໃນການຂຽນໂປຣແກຣມ ແລະ ຈຸດແຂງທີ່ສອດຄ້ອງກັນຂອງນັກພັດທະນາມະນຸດ:

• ການຂາດຄວາມເຂົ້າໃຈ ແລະ ຄວາມຄິດສ້າງສັນທີ່ແທ້ຈິງ: ຮູບແບບ AI ໃນປະຈຸບັນບໍ່ ເຂົ້າໃຈ ລະຫັດ ຫຼື ບັນຫາຢ່າງແທ້ຈິງໃນແບບທີ່ມະນຸດເຮັດ; ພວກມັນຮັບຮູ້ຮູບແບບ ແລະ ສົ່ງຜົນອອກມາໂດຍອີງໃສ່ຂໍ້ມູນການຝຶກອົບຮົມ. ນີ້ໝາຍຄວາມວ່າ AI ສາມາດຕໍ່ສູ້ກັບວຽກງານທີ່ຕ້ອງການວິທີແກ້ໄຂແບບສ້າງສັນ ຫຼື ຄວາມເຂົ້າໃຈຢ່າງເລິກເຊິ່ງກ່ຽວກັບໂດເມນບັນຫາໃໝ່ໆ. AI ອາດຈະສາມາດສ້າງລະຫັດເພື່ອຕອບສະໜອງຄວາມຕ້ອງການທີ່ມັນເຄີຍເຫັນມາກ່ອນ, ແຕ່ຂໍໃຫ້ມັນອອກແບບອັລກໍຣິທຶມໃໝ່ສຳລັບບັນຫາທີ່ບໍ່ເຄີຍມີມາກ່ອນ ຫຼື ຕີຄວາມໝາຍຄວາມຕ້ອງການທີ່ບໍ່ຊັດເຈນ, ແລະ ມັນອາດຈະລົ້ມເຫຼວ. ດັ່ງທີ່ຜູ້ສັງເກດການຄົນໜຶ່ງໄດ້ກ່າວໄວ້, AI ໃນປະຈຸບັນ “ຂາດຄວາມສາມາດໃນການຄິດສ້າງສັນ ແລະ ການຄິດຢ່າງມີວິຈານທີ່ນັກພັດທະນາມະນຸດນຳມາສູ່ໂຕະ.” ( AI ຈະທົດແທນນັກພັດທະນາໃນປີ 2025 ບໍ: ການເບິ່ງລ່ວງໜ້າໃນອະນາຄົດ ) ມະນຸດເກັ່ງໃນການຄິດນອກກອບ - ການລວມເອົາຄວາມຮູ້ດ້ານໂດເມນ, ສະຕິປັນຍາ ແລະ ຄວາມຄິດສ້າງສັນເພື່ອອອກແບບສະຖາປັດຕະຍະກຳຊອບແວ ຫຼື ແກ້ໄຂບັນຫາທີ່ສັບສົນ. ໃນທາງກົງກັນຂ້າມ, AI ຖືກຈຳກັດຕໍ່ຮູບແບບທີ່ມັນໄດ້ຮຽນຮູ້; ຖ້າບັນຫາບໍ່ກົງກັບຮູບແບບເຫຼົ່ານັ້ນໄດ້ດີ, AI ອາດຈະຜະລິດລະຫັດທີ່ບໍ່ຖືກຕ້ອງ ຫຼື ບໍ່ມີຄວາມໝາຍ (ມັກຈະໝັ້ນໃຈ!). ນະວັດຕະກໍາ ໃນຊອບແວ - ການສ້າງຄຸນສົມບັດໃໝ່, ປະສົບການຂອງຜູ້ໃຊ້ໃໝ່, ຫຼື ວິທີການທາງດ້ານເຕັກນິກແບບໃໝ່ໆ - ຍັງຄົງເປັນກິດຈະກໍາທີ່ຂັບເຄື່ອນໂດຍມະນຸດ.

• ຄວາມເຂົ້າໃຈກ່ຽວກັບສະພາບການ ແລະ ພາບລວມ: ການສ້າງຊອບແວບໍ່ພຽງແຕ່ຂຽນລະຫັດເທົ່ານັ້ນ. ມັນກ່ຽວຂ້ອງກັບການເຂົ້າໃຈ ເຫດຜົນທີ່ ຢູ່ເບື້ອງຫຼັງລະຫັດ - ຄວາມຕ້ອງການທາງທຸລະກິດ, ຄວາມຕ້ອງການຂອງຜູ້ໃຊ້, ແລະ ສະພາບການທີ່ຊອບແວເຮັດວຽກ. AI ມີຂອບເຂດຂອງສະພາບການທີ່ແຄບຫຼາຍ (ໂດຍປົກກະຕິແລ້ວຈຳກັດພຽງແຕ່ການປ້ອນຂໍ້ມູນທີ່ມັນໃຫ້ໃນແຕ່ລະຄັ້ງ). ມັນບໍ່ເຂົ້າໃຈຈຸດປະສົງໂດຍລວມຂອງລະບົບ ຫຼື ວິທີທີ່ໂມດູນໜຶ່ງພົວພັນກັບອີກໂມດູນໜຶ່ງນອກເໜືອຈາກສິ່ງທີ່ຢູ່ໃນລະຫັດຢ່າງຊັດເຈນ. ດັ່ງນັ້ນ, AI ອາດຈະສ້າງລະຫັດທີ່ເຮັດວຽກໄດ້ທາງເທັກນິກສຳລັບວຽກງານຂະໜາດນ້ອຍ ແຕ່ບໍ່ເໝາະສົມກັບສະຖາປັດຕະຍະກຳລະບົບທີ່ໃຫຍ່ກວ່າ ຫຼື ລະເມີດຄວາມຕ້ອງການບາງຢ່າງ. ນັກພັດທະນາມະນຸດແມ່ນມີຄວາມຈຳເປັນເພື່ອຮັບປະກັນວ່າຊອບແວສອດຄ່ອງກັບເປົ້າໝາຍທາງທຸລະກິດ ແລະ ຄວາມຄາດຫວັງຂອງຜູ້ໃຊ້. ການອອກແບບລະບົບທີ່ສັບສົນ - ການເຂົ້າໃຈວ່າການປ່ຽນແປງໃນສ່ວນໜຶ່ງອາດຈະສົ່ງຜົນກະທົບຕໍ່ສ່ວນອື່ນໆແນວໃດ, ວິທີການດຸ່ນດ່ຽງການແລກປ່ຽນ (ເຊັ່ນ: ປະສິດທິພາບທຽບກັບຄວາມສາມາດໃນການອ່ານ), ແລະວິທີການວາງແຜນການວິວັດທະນາການໄລຍະຍາວຂອງຖານຂໍ້ມູນລະຫັດ - ແມ່ນສິ່ງທີ່ AI ບໍ່ສາມາດເຮັດໄດ້ໃນທຸກມື້ນີ້. ໃນໂຄງການຂະໜາດໃຫຍ່ທີ່ມີອົງປະກອບຫຼາຍພັນອົງປະກອບ, AI "ເຫັນຕົ້ນໄມ້ແຕ່ບໍ່ເຫັນປ່າໄມ້." ດັ່ງທີ່ໄດ້ກ່າວໄວ້ໃນການວິເຄາະໜຶ່ງ, “AI ມີບັນຫາໃນການເຂົ້າໃຈສະພາບການ ແລະ ຄວາມຊັບຊ້ອນທັງໝົດຂອງໂຄງການຊອບແວຂະໜາດໃຫຍ່,” ລວມທັງຄວາມຕ້ອງການທາງທຸລະກິດ ແລະ ການພິຈາລະນາປະສົບການຂອງຜູ້ໃຊ້ ( AI ຈະທົດແທນນັກພັດທະນາໃນປີ 2025: ການເບິ່ງລ່ວງໜ້າໃນອະນາຄົດ ). ມະນຸດຮັກສາວິໄສທັດພາບໃຫຍ່.

• ການແກ້ໄຂຄວາມບໍ່ແນ່ນອນ ແລະ ຄວາມບໍ່ແນ່ນອນ: ຄວາມຕ້ອງການໃນໂຄງການຕົວຈິງມັກຈະບໍ່ຊັດເຈນ ຫຼື ມີການປ່ຽນແປງ. ນັກພັດທະນາທີ່ເປັນມະນຸດສາມາດຊອກຫາຄວາມຊັດເຈນ, ສົມມຸດຕິຖານທີ່ສົມເຫດສົມຜົນ, ຫຼື ປະຕິເສດຄຳຮ້ອງຂໍທີ່ບໍ່ເປັນຈິງ. AI ບໍ່ມີເຫດຜົນທີ່ມີເຫດຜົນທົ່ວໄປ ຫຼື ຄວາມສາມາດໃນການຖາມຄຳຖາມທີ່ຈະແຈ້ງ (ເວັ້ນເສຍແຕ່ວ່າມີການວົນຊ້ຳໆຢ່າງຊັດເຈນໃນການກະຕຸ້ນເຕືອນ, ແລະ ເຖິງແມ່ນວ່າມັນບໍ່ມີການຮັບປະກັນວ່າຈະເຮັດໃຫ້ຖືກຕ້ອງ). ນີ້ແມ່ນເຫດຜົນທີ່ລະຫັດທີ່ສ້າງຂຶ້ນໂດຍ AI ບາງຄັ້ງສາມາດຖືກຕ້ອງທາງດ້ານເຕັກນິກ ແຕ່ບໍ່ສອດຄ່ອງກັບໜ້າທີ່ - ມັນຂາດ ການຕັດສິນໃຈ ທີ່ຈະຮູ້ວ່າຜູ້ໃຊ້ມີຈຸດປະສົງຫຍັງແທ້ໆ ຖ້າຄຳແນະນຳບໍ່ຊັດເຈນ. ໃນທາງກົງກັນຂ້າມ, ໂປຣແກຣມເມີທີ່ເປັນມະນຸດສາມາດຕີຄວາມຄຳຮ້ອງຂໍລະດັບສູງ ("ເຮັດໃຫ້ UI ນີ້ເຂົ້າໃຈງ່າຍກວ່າ" ຫຼື "ແອັບຄວນຈັດການກັບການປ້ອນຂໍ້ມູນທີ່ບໍ່ສະໝໍ່າສະເໝີຢ່າງສະຫງ່າງາມ") ແລະ ຄິດໄລ່ສິ່ງທີ່ຕ້ອງເຮັດໃນລະຫັດ. AI ຈະຕ້ອງການລາຍລະອຽດທີ່ລະອຽດ ແລະ ບໍ່ຊັດເຈນເພື່ອທົດແທນນັກພັດທະນາຢ່າງແທ້ຈິງ, ແລະ ແມ່ນແຕ່ການຂຽນຂໍ້ມູນດັ່ງກ່າວຢ່າງມີປະສິດທິພາບກໍ່ຍາກຄືກັບການຂຽນລະຫັດເອງ. ດັ່ງທີ່ບົດຄວາມຂອງ Forbes Tech Council ໄດ້ລະບຸໄວ້ຢ່າງເໝາະສົມ, ສຳລັບ AI ເພື່ອທົດແທນນັກພັດທະນາຕົວຈິງ, ມັນຈະຕ້ອງເຂົ້າໃຈຄຳແນະນຳທີ່ບໍ່ຊັດເຈນ ແລະ ປັບຕົວຄືກັບມະນຸດ - ລະດັບຂອງເຫດຜົນທີ່ AI ໃນປະຈຸບັນບໍ່ມີ ( ໂພສຂອງ Sergii Kuzin - LinkedIn ).

• ຄວາມໜ້າເຊື່ອຖື ແລະ “ພາບຫຼອນ”: ຮູບແບບ AI ທີ່ສ້າງສັນໃນປະຈຸບັນມີຂໍ້ບົກຜ່ອງທີ່ຮູ້ຈັກກັນດີ: ພວກມັນສາມາດຜະລິດຜົນຜະລິດທີ່ບໍ່ຖືກຕ້ອງ ຫຼື ຜະລິດອອກມາທັງໝົດ, ເຊິ່ງເປັນປະກົດການທີ່ມັກເອີ້ນວ່າ ພາບຫຼອນ . ໃນການຂຽນລະຫັດ, ນີ້ອາດໝາຍຄວາມວ່າ AI ຂຽນລະຫັດທີ່ເບິ່ງຄືວ່າເປັນໄປໄດ້ ແຕ່ມັນຜິດຕາມເຫດຜົນ ຫຼື ບໍ່ປອດໄພ. ນັກພັດທະນາບໍ່ສາມາດໄວ້ວາງໃຈຄຳແນະນຳຂອງ AI ໄດ້ຢ່າງຕາບອດ. ໃນທາງປະຕິບັດ, ທຸກໆລະຫັດທີ່ຂຽນໂດຍ AI ຕ້ອງການການທົບທວນ ແລະ ການທົດສອບຢ່າງລະມັດລະວັງໂດຍມະນຸດ . ຂໍ້ມູນການສຳຫຼວດ Stack Overflow ສະທ້ອນໃຫ້ເຫັນເຖິງສິ່ງນີ້ - ໃນຜູ້ທີ່ໃຊ້ເຄື່ອງມື AI, ມີພຽງແຕ່ 3% ເທົ່ານັ້ນທີ່ໄວ້ວາງໃຈຄວາມຖືກຕ້ອງ ຂອງຜົນຜະລິດຂອງ AI, ແລະ ແທ້ຈິງແລ້ວມີເປີເຊັນໜ້ອຍ ທີ່ບໍ່ໄວ້ວາງໃຈ ມັນຢ່າງຈິງຈັງ ( 70% ຂອງນັກພັດທະນາໃຊ້ເຄື່ອງມືການຂຽນລະຫັດ AI, 3% ໄວ້ວາງໃຈຄວາມຖືກຕ້ອງຂອງເຂົາເຈົ້າສູງ - ShiftMag ). ນັກພັດທະນາສ່ວນໃຫຍ່ປະຕິບັດຕໍ່ຄຳແນະນຳຂອງ AI ເປັນຄຳແນະນຳທີ່ເປັນປະໂຫຍດ, ບໍ່ແມ່ນຂ່າວປະເສີດ. ຄວາມໄວ້ວາງໃຈຕໍ່ານີ້ແມ່ນຮັບປະກັນເພາະວ່າ AI ສາມາດເຮັດຄວາມຜິດພາດທີ່ແປກປະຫຼາດທີ່ບໍ່ມີມະນຸດທີ່ມີຄວາມສາມາດຈະເຮັດໄດ້ (ເຊັ່ນ: ຄວາມຜິດພາດແບບໜຶ່ງຕໍ່ໜຶ່ງ, ການໃຊ້ໜ້າທີ່ທີ່ບໍ່ເໝາະສົມ, ຫຼື ການຜະລິດວິທີແກ້ໄຂທີ່ບໍ່ມີປະສິດທິພາບ) ເພາະວ່າມັນບໍ່ໄດ້ໃຫ້ເຫດຜົນຢ່າງແທ້ຈິງກ່ຽວກັບບັນຫາ. ດັ່ງທີ່ຄຳເຫັນໃນເວທີສົນທະນາໜຶ່ງໄດ້ກ່າວໄວ້ຢ່າງຫຍາບຄາຍວ່າ, “ພວກມັນ (AIs) ມີສະຕິປັນຍາຫຼອນຫຼາຍ ແລະ ເລືອກການອອກແບບທີ່ແປກປະຫຼາດທີ່ມະນຸດບໍ່ເຄີຍເຮັດ” ( ໂປຣແກຣມເມີຈະລ້າສະໄໝຍ້ອນ AI ບໍ? - ຄຳແນະນຳດ້ານອາຊີບ ). ການກວດສອບຂອງມະນຸດແມ່ນມີຄວາມສຳຄັນຫຼາຍໃນການກວດຈັບຂໍ້ຜິດພາດເຫຼົ່ານີ້. AI ອາດຈະເຮັດໃຫ້ເຈົ້າໄດ້ຮັບ 90% ຂອງຄຸນສົມບັດຢ່າງວ່ອງໄວ, ແຕ່ຖ້າ 10% ທີ່ເຫຼືອມີຂໍ້ບົກພ່ອງເລັກນ້ອຍ, ມັນຍັງຕົກເປັນຂອງນັກພັດທະນາມະນຸດໃນການວິນິດໄສ ແລະ ແກ້ໄຂມັນ. ແລະ ເມື່ອມີບາງຢ່າງຜິດພາດໃນການຜະລິດ, ມັນແມ່ນວິສະວະກອນມະນຸດທີ່ຕ້ອງແກ້ໄຂຂໍ້ຜິດພາດ - AI ຍັງບໍ່ສາມາດຮັບຜິດຊອບຕໍ່ຄວາມຜິດພາດຂອງມັນໄດ້.

• ການຮັກສາ ແລະ ພັດທະນາພື້ນຖານລະຫັດ: ໂຄງການຊອບແວມີຊີວິດ ແລະ ເຕີບໃຫຍ່ຂະຫຍາຍຕົວໄປຕາມການເວລາຫຼາຍປີ. ພວກມັນຕ້ອງການຮູບແບບທີ່ສອດຄ່ອງ, ຄວາມຊັດເຈນສຳລັບຜູ້ຮັກສາໃນອະນາຄົດ, ແລະ ການອັບເດດເມື່ອຄວາມຕ້ອງການມີການປ່ຽນແປງ. AI ໃນປະຈຸບັນບໍ່ມີຄວາມຊົງຈຳກ່ຽວກັບການຕັດສິນໃຈໃນອະດີດ (ນອກເໜືອຈາກການກະຕຸ້ນທີ່ຈຳກັດ), ສະນັ້ນມັນອາດຈະບໍ່ຮັກສາລະຫັດໃຫ້ສອດຄ່ອງກັນໃນທົ່ວໂຄງການຂະໜາດໃຫຍ່ເວັ້ນເສຍແຕ່ວ່າໄດ້ຮັບການຊີ້ນຳ. ນັກພັດທະນາມະນຸດຮັບປະກັນຄວາມສາມາດໃນການຮັກສາລະຫັດ - ການຂຽນເອກະສານທີ່ຊັດເຈນ, ການເລືອກວິທີແກ້ໄຂທີ່ອ່ານໄດ້ຫຼາຍກວ່າວິທີແກ້ໄຂທີ່ສະຫຼາດແຕ່ບໍ່ຊັດເຈນ, ແລະ ການປັບປຸງລະຫັດຕາມຄວາມຕ້ອງການເມື່ອສະຖາປັດຕະຍະກຳພັດທະນາ. AI ສາມາດຊ່ວຍໃນວຽກງານເຫຼົ່ານີ້ (ເຊັ່ນ: ການແນະນຳການປັບປຸງໂຄງສ້າງ), ແຕ່ການຕັດສິນໃຈວ່າ ຫຍັງ ຫຼື ໃດ ຂອງລະບົບຕ້ອງການອອກແບບໃໝ່ແມ່ນການຕັດສິນຂອງມະນຸດ. ຍິ່ງໄປກວ່ານັ້ນ, ເມື່ອລວມເອົາອົງປະກອບຕ່າງໆ, ການເຂົ້າໃຈຜົນກະທົບຂອງຄຸນສົມບັດໃໝ່ຕໍ່ໂມດູນທີ່ມີຢູ່ແລ້ວ (ຮັບປະກັນຄວາມເຂົ້າກັນໄດ້ກັບລຸ້ນກ່ອນ, ແລະອື່ນໆ) ແມ່ນສິ່ງທີ່ມະນຸດຈັດການ. ລະຫັດທີ່ສ້າງຂຶ້ນໂດຍ AI ຕ້ອງໄດ້ຮັບການປະສົມປະສານ ແລະ ປະສານສົມທົບໂດຍມະນຸດ. ໃນຖານະເປັນການທົດລອງ, ນັກພັດທະນາບາງຄົນໄດ້ພະຍາຍາມໃຫ້ ChatGPT ສ້າງແອັບຂະໜາດນ້ອຍທັງໝົດ; ຜົນໄດ້ຮັບມັກຈະເຮັດວຽກໃນເບື້ອງຕົ້ນ ແຕ່ກາຍເປັນເລື່ອງຍາກຫຼາຍທີ່ຈະຮັກສາ ຫຼື ຂະຫຍາຍເພາະວ່າ AI ບໍ່ໄດ້ນຳໃຊ້ສະຖາປັດຕະຍະກຳທີ່ຄິດຢ່າງສະໝໍ່າສະເໝີ - ມັນເປັນການຕັດສິນໃຈໃນທ້ອງຖິ່ນທີ່ສະຖາປະນິກມະນຸດຈະຫຼີກລ່ຽງ.

• ການພິຈາລະນາດ້ານຈັນຍາບັນ ແລະ ຄວາມປອດໄພ: ໃນຂະນະທີ່ AI ຂຽນລະຫັດຫຼາຍຂຶ້ນ, ມັນຍັງເຮັດໃຫ້ເກີດຄຳຖາມກ່ຽວກັບອະຄະຕິ, ຄວາມປອດໄພ ແລະ ຈັນຍາບັນ. AI ອາດຈະນຳສະເໜີຊ່ອງໂຫວ່ດ້ານຄວາມປອດໄພໂດຍບໍ່ໄດ້ຕັ້ງໃຈ (ຕົວຢ່າງ, ບໍ່ໄດ້ເຮັດຄວາມສະອາດຂໍ້ມູນປ້ອນຂໍ້ມູນຢ່າງຖືກຕ້ອງ, ຫຼື ການໃຊ້ການປະຕິບັດການເຂົ້າລະຫັດທີ່ບໍ່ປອດໄພ) ທີ່ນັກພັດທະນາມະນຸດທີ່ມີປະສົບການຈະຈັບໄດ້. ນອກຈາກນີ້, AI ບໍ່ມີຄວາມຮູ້ສຶກກ່ຽວກັບຈັນຍາບັນ ຫຼື ຄວາມກັງວົນກ່ຽວກັບຄວາມຍຸຕິທຳໂດຍທຳມະຊາດ - ຕົວຢ່າງ, ມັນອາດຈະຝຶກອົບຮົມຂໍ້ມູນທີ່ມີອະຄະຕິ ແລະ ແນະນຳອັລກໍຣິທຶມທີ່ຈຳແນກໂດຍບໍ່ຕັ້ງໃຈ (ໃນຄຸນສົມບັດທີ່ຂັບເຄື່ອນດ້ວຍ AI ເຊັ່ນ: ລະຫັດການອະນຸມັດເງິນກູ້ ຫຼື ອັລກໍຣິທຶມການຈ້າງງານ). ນັກພັດທະນາມະນຸດແມ່ນມີຄວາມຈຳເປັນເພື່ອກວດສອບຜົນຜະລິດຂອງ AI ສຳລັບບັນຫາເຫຼົ່ານີ້, ຮັບປະກັນການປະຕິບັດຕາມລະບຽບການ, ແລະ ເອົາໃຈໃສ່ຊອບແວດ້ວຍການພິຈາລະນາດ້ານຈັນຍາບັນ. ລັກສະນະທາງສັງຄົມ ຂອງຊອບແວ - ການເຂົ້າໃຈຄວາມໄວ້ວາງໃຈຂອງຜູ້ໃຊ້, ຄວາມກັງວົນກ່ຽວກັບຄວາມເປັນສ່ວນຕົວ, ແລະ ການເລືອກການອອກແບບທີ່ສອດຄ່ອງກັບຄຸນຄ່າຂອງມະນຸດ - "ບໍ່ສາມາດມອງຂ້າມໄດ້. ລັກສະນະການພັດທະນາທີ່ເນັ້ນໃສ່ມະນຸດເປັນສູນກາງເຫຼົ່ານີ້ແມ່ນຢູ່ນອກເໜືອການເຂົ້າເຖິງຂອງ AI, ຢ່າງໜ້ອຍໃນອະນາຄົດອັນໃກ້ນີ້." ( AI ຈະທົດແທນນັກພັດທະນາໃນປີ 2025 ບໍ: ການເບິ່ງລ່ວງໜ້າໃນອະນາຄົດ ) ນັກພັດທະນາຕ້ອງເປັນສະຕິຮູ້ສຶກຜິດຊອບ ແລະ ປະຕູຄຸນນະພາບສຳລັບການປະກອບສ່ວນຂອງ AI.

ໃນແງ່ຂອງຂໍ້ຈຳກັດເຫຼົ່ານີ້, ຄວາມເຫັນດີເປັນເອກະພາບໃນປະຈຸບັນແມ່ນວ່າ AI ເປັນເຄື່ອງມື, ບໍ່ແມ່ນການທົດແທນ . ດັ່ງທີ່ Satya Nadella ໄດ້ກ່າວໄວ້, ມັນກ່ຽວກັບ ການສ້າງຄວາມເຂັ້ມແຂງໃຫ້ ນັກພັດທະນາ, ບໍ່ແມ່ນການທົດແທນພວກເຂົາ ( AI ຈະທົດແທນນັກຂຽນໂປຣແກຣມບໍ? ຄວາມຈິງທີ່ຢູ່ເບື້ອງຫຼັງການໂຄສະນາ | ໂດຍ The PyCoach | ມຸມທຽມ | ມີນາ, 2025 | Medium ). AI ສາມາດຄິດວ່າເປັນຜູ້ຊ່ວຍລະດັບນ້ອຍ: ມັນໄວ, ບໍ່ອິດເມື່ອຍ, ແລະສາມາດຜ່ານຜ່າວຽກງານຫຼາຍຢ່າງໄດ້, ແຕ່ມັນຕ້ອງການການຊີ້ນຳ ແລະ ຄວາມຊ່ຽວຊານຂອງນັກພັດທະນາອາວຸໂສເພື່ອຜະລິດຜະລິດຕະພັນສຸດທ້າຍທີ່ດີຂຶ້ນ. ມັນບອກວ່າເຖິງແມ່ນວ່າລະບົບການຂຽນໂປຣແກຣມ AI ທີ່ກ້າວໜ້າທີ່ສຸດກໍ່ຖືກນຳໃຊ້ເປັນ ຜູ້ຊ່ວຍ ໃນການນຳໃຊ້ໃນໂລກຕົວຈິງ (Copilot, CodeWhisperer, ແລະອື່ນໆ) ແລະບໍ່ແມ່ນນັກຂຽນໂປຣແກຣມທີ່ເປັນເອກະລາດ. ບໍລິສັດຕ່າງໆບໍ່ໄດ້ໄລ່ທີມງານຂຽນໂປຣແກຣມຂອງພວກເຂົາອອກ ແລະ ປ່ອຍໃຫ້ AI ເຮັດວຽກຢ່າງບໍ່ຢຸດຢັ້ງ; ແທນທີ່ຈະ, ພວກເຂົາກຳລັງຝັງ AI ເຂົ້າໃນຂະບວນການເຮັດວຽກຂອງນັກພັດທະນາເພື່ອຊ່ວຍພວກເຂົາ.

ຄຳເວົ້າຕົວຢ່າງໜຶ່ງແມ່ນມາຈາກ Sam Altman ຂອງ OpenAI, ຜູ້ທີ່ສັງເກດເຫັນວ່າເຖິງແມ່ນວ່າຕົວແທນ AI ຈະມີການປັບປຸງ, "ຕົວແທນ AI ເຫຼົ່ານີ້ຈະບໍ່ທົດແທນມະນຸດໄດ້ຢ່າງສົມບູນ" ໃນການພັດທະນາຊອບແວ ( Sam Altman ກ່າວວ່າຕົວແທນ AI ຈະປະຕິບັດໜ້າວຽກທີ່ວິສະວະກອນຊອບແວເຮັດໃນໄວໆນີ້: ເລື່ອງເຕັມໃນ 5 ຈຸດ - India Today ). ພວກເຂົາຈະເຮັດໜ້າທີ່ເປັນ "ເພື່ອນຮ່ວມງານເສມືນ" ທີ່ຈັດການໜ້າວຽກທີ່ໄດ້ກຳນົດໄວ້ຢ່າງດີສຳລັບວິສະວະກອນມະນຸດ, ໂດຍສະເພາະໜ້າວຽກເຫຼົ່ານັ້ນທີ່ປົກກະຕິຂອງວິສະວະກອນຊອບແວລະດັບຕ່ຳທີ່ມີປະສົບການສອງສາມປີ. ເວົ້າອີກຢ່າງໜຶ່ງ, AI ອາດຈະເຮັດວຽກຂອງນັກພັດທະນາລະດັບນ້ອຍໃນບາງຂົງເຂດ, ແຕ່ນັກພັດທະນາລະດັບນ້ອຍນັ້ນບໍ່ໄດ້ຫວ່າງງານ - ພວກເຂົາພັດທະນາໄປສູ່ບົດບາດໃນການຊີ້ນຳ AI ແລະແກ້ໄຂໜ້າວຽກລະດັບສູງທີ່ AI ບໍ່ສາມາດເຮັດໄດ້. ເຖິງແມ່ນວ່າຈະເບິ່ງໄປຂ້າງໜ້າ, ບ່ອນທີ່ນັກຄົ້ນຄວ້າບາງຄົນຄາດຄະເນວ່າໃນປີ 2040 AI ສາມາດຂຽນລະຫັດສ່ວນໃຫຍ່ຂອງຕົວເອງໄດ້ ( ມີອະນາຄົດສຳລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ), ໂດຍທົ່ວໄປແລ້ວເຫັນດີວ່າ ນັກຂຽນໂປຣແກຣມຂອງມະນຸດຍັງຈະຕ້ອງການເພື່ອຊີ້ນຳ, ນຳພາ, ແລະສະໜອງແຮງບັນດານໃຈໃນການສ້າງສັນ ແລະ ການຄິດຢ່າງມີວິຈານທີ່ເຄື່ອງຈັກຂາດ .

ມັນຍັງຄວນສັງເກດວ່າ ການພັດທະນາຊອບແວບໍ່ພຽງແຕ່ເປັນການຂຽນໂປຣແກຣມເທົ່ານັ້ນ . ມັນກ່ຽວຂ້ອງກັບການສື່ສານກັບຜູ້ມີສ່ວນຮ່ວມ, ການເຂົ້າໃຈເລື່ອງລາວຂອງຜູ້ໃຊ້, ການຮ່ວມມືກັນໃນທີມ, ແລະການອອກແບບແບບຊ້ຳໆ - ທັງໝົດແມ່ນຂົງເຂດທີ່ທັກສະຂອງມະນຸດແມ່ນຂາດບໍ່ໄດ້. AI ບໍ່ສາມາດນັ່ງຢູ່ໃນກອງປະຊຸມກັບລູກຄ້າເພື່ອປຶກສາຫາລືສິ່ງທີ່ເຂົາເຈົ້າຕ້ອງການແທ້ໆ, ແລະມັນບໍ່ສາມາດເຈລະຈາຄວາມສຳຄັນ ຫຼື ດົນໃຈທີມງານທີ່ມີວິໄສທັດສຳລັບຜະລິດຕະພັນໄດ້. ອົງ ປະກອບຂອງມະນຸດ ຍັງຄົງເປັນຈຸດໃຈກາງ.

ສະຫຼຸບແລ້ວ, AI ມີຈຸດອ່ອນທີ່ສຳຄັນຄື: ບໍ່ມີຄວາມຄິດສ້າງສັນທີ່ແທ້ຈິງ, ຄວາມເຂົ້າໃຈທີ່ຈຳກັດກ່ຽວກັບສະພາບການ, ແນວໂນ້ມທີ່ຈະຜິດພາດ, ບໍ່ມີຄວາມຮັບຜິດຊອບ, ແລະ ບໍ່ເຂົ້າໃຈເຖິງຜົນສະທ້ອນທີ່ກວ້າງຂວາງຂອງການຕັດສິນໃຈກ່ຽວກັບຊອບແວ. ຊ່ອງຫວ່າງເຫຼົ່ານີ້ແມ່ນບ່ອນທີ່ນັກພັດທະນາມະນຸດສ່ອງແສງ. ແທນທີ່ຈະເບິ່ງ AI ເປັນໄພຂົ່ມຂູ່, ມັນອາດຈະຖືກຕ້ອງກວ່າທີ່ຈະເບິ່ງມັນເປັນ ຕົວຂະຫຍາຍທີ່ມີປະສິດທິພາບສຳລັບນັກພັດທະນາມະນຸດ - ການຈັດການເລື່ອງທຳມະດາເພື່ອໃຫ້ມະນຸດສາມາດສຸມໃສ່ສິ່ງທີ່ເລິກເຊິ່ງ. ພາກຕໍ່ໄປຈະສົນທະນາກ່ຽວກັບວິທີທີ່ນັກພັດທະນາສາມາດນຳໃຊ້ການຂະຫຍາຍນີ້ໂດຍ ການປັບຕົວທັກສະ ແລະ ບົດບາດຂອງເຂົາເຈົ້າ ເພື່ອໃຫ້ມີຄວາມກ່ຽວຂ້ອງ ແລະ ມີຄຸນຄ່າໃນໂລກການພັດທະນາທີ່ເສີມດ້ວຍ AI.

ການປັບຕົວ ແລະ ການຈະເລີນຮຸ່ງເຮືອງໃນຍຸກ AI

ສຳລັບນັກຂຽນໂປຣແກຣມ ແລະ ນັກພັດທະນາ, ການເພີ່ມຂຶ້ນຂອງ AI ໃນການຂຽນໂປຣແກຣມບໍ່ຈຳເປັນຕ້ອງເປັນໄພຂົ່ມຂູ່ທີ່ຮ້າຍແຮງ - ມັນສາມາດເປັນໂອກາດໄດ້. ສິ່ງສຳຄັນແມ່ນການ ປັບຕົວ ແລະ ພັດທະນາ ໄປພ້ອມກັບເທັກໂນໂລຢີ. ຜູ້ທີ່ຮຽນຮູ້ທີ່ຈະນຳໃຊ້ AI ອາດຈະພົບວ່າຕົນເອງ ຫຼາຍຂຶ້ນ , ໃນຂະນະທີ່ຜູ້ທີ່ບໍ່ສົນໃຈມັນອາດຈະພົບວ່າຕົນເອງຕົກຢູ່ເບື້ອງຫຼັງ. ໃນພາກນີ້, ພວກເຮົາສຸມໃສ່ຂັ້ນຕອນ ແລະ ຍຸດທະສາດທີ່ເປັນປະໂຫຍດສຳລັບນັກພັດທະນາເພື່ອໃຫ້ຍັງຄົງມີຄວາມກ່ຽວຂ້ອງ ແລະ ຈະເລີນຮຸ່ງເຮືອງ ຍ້ອນວ່າເຄື່ອງມື AI ກາຍເປັນສ່ວນໜຶ່ງຂອງການພັດທະນາປະຈຳວັນ. ແນວຄິດທີ່ຕ້ອງຮັບຮອງເອົາແມ່ນການຮຽນຮູ້ຢ່າງຕໍ່ເນື່ອງ ແລະ ການຮ່ວມມືກັບ AI, ແທນທີ່ຈະເປັນການແຂ່ງຂັນ. ນີ້ແມ່ນວິທີທີ່ນັກພັດທະນາສາມາດປັບຕົວ ແລະ ທັກສະ ແລະ ບົດບາດໃໝ່ທີ່ພວກເຂົາຄວນພິຈາລະນາ:

1. ຮັບເອົາ AI ເປັນເຄື່ອງມື (ຮຽນຮູ້ການໃຊ້ຜູ້ຊ່ວຍຂຽນລະຫັດ AI ຢ່າງມີປະສິດທິພາບ): ກ່ອນອື່ນໝົດ, ນັກພັດທະນາຄວນຄຸ້ນເຄີຍກັບເຄື່ອງມື AI ທີ່ມີຢູ່. ປະຕິບັດຕໍ່ Copilot, ChatGPT, ຫຼື AI ຂຽນລະຫັດອື່ນໆເປັນຄູ່ຮ່ວມໂປຣແກຣມຄູ່ໃໝ່ຂອງທ່ານ. ນີ້ໝາຍເຖິງ ການຮຽນຮູ້ວິທີການຂຽນການກະຕຸ້ນເຕືອນ ຫຼື ຄຳເຫັນທີ່ດີ ເພື່ອໃຫ້ໄດ້ຄຳແນະນຳກ່ຽວກັບລະຫັດທີ່ເປັນປະໂຫຍດ, ແລະຮູ້ວິທີການກວດສອບຄວາມຖືກຕ້ອງ ຫຼື ແກ້ໄຂຂໍ້ຜິດພາດຂອງລະຫັດທີ່ສ້າງຂຶ້ນໂດຍ AI ຢ່າງວ່ອງໄວ. ເຊັ່ນດຽວກັບນັກພັດທະນາທີ່ຕ້ອງຮຽນຮູ້ IDE ຫຼື ການຄວບຄຸມເວີຊັນຂອງເຂົາເຈົ້າ, ການຮຽນຮູ້ຄວາມແປກປະຫຼາດຂອງຜູ້ຊ່ວຍ AI ກຳລັງກາຍເປັນສ່ວນໜຶ່ງຂອງຊຸດທັກສະ. ຕົວຢ່າງ, ນັກພັດທະນາສາມາດຝຶກຝົນໂດຍການເອົາລະຫັດທີ່ເຂົາເຈົ້າຂຽນ ແລະ ຂໍໃຫ້ AI ປັບປຸງມັນ, ຈາກນັ້ນວິເຄາະການປ່ຽນແປງ. ຫຼື, ເມື່ອເລີ່ມຕົ້ນໜ້າວຽກ, ໃຫ້ລະບຸມັນໃນຄຳເຫັນ ແລະ ເບິ່ງສິ່ງທີ່ AI ໃຫ້, ຈາກນັ້ນປັບປຸງຈາກບ່ອນນັ້ນ. ເມື່ອເວລາຜ່ານໄປ, ທ່ານຈະພັດທະນາສະຕິປັນຍາສຳລັບສິ່ງທີ່ AI ເກັ່ງ ແລະ ວິທີການຮ່ວມສ້າງກັບມັນ. ຄິດວ່າມັນເປັນ "ການພັດທະນາທີ່ຊ່ວຍເຫຼືອໂດຍ AI" - ທັກສະໃໝ່ທີ່ຈະເພີ່ມເຂົ້າໃນກ່ອງເຄື່ອງມືຂອງທ່ານ. ແທ້ຈິງແລ້ວ, ນັກພັດທະນາໃນປັດຈຸບັນເວົ້າເຖິງ "ວິສະວະກຳທີ່ວ່ອງໄວ" ເປັນທັກສະ - ຮູ້ວິທີການຖາມຄຳຖາມທີ່ຖືກຕ້ອງຂອງ AI. ຜູ້ທີ່ເປັນແມ່ບົດໃນມັນສາມາດບັນລຸຜົນໄດ້ຮັບທີ່ດີກວ່າຢ່າງຫຼວງຫຼາຍຈາກເຄື່ອງມືດຽວກັນ. ຈົ່ງຈື່ໄວ້ວ່າ “ນັກພັດທະນາທີ່ໃຊ້ AI ອາດຈະທົດແທນຜູ້ທີ່ບໍ່ໃຊ້” - ສະນັ້ນ ຈົ່ງຮັບເອົາເທັກໂນໂລຢີ ແລະ ເຮັດໃຫ້ມັນເປັນພັນທະມິດຂອງເຈົ້າ.

2. ສຸມໃສ່ທັກສະລະດັບສູງ (ການແກ້ໄຂບັນຫາ, ການອອກແບບລະບົບ, ສະຖາປັດຕະຍະກຳ): ເນື່ອງຈາກ AI ສາມາດຈັດການກັບການຂຽນລະຫັດລະດັບຕ່ຳໄດ້ຫຼາຍຂຶ້ນ, ນັກພັດທະນາຄວນ ຍົກລະດັບຄວາມສາມາດໃຫ້ສູງຂຶ້ນ . ນີ້ໝາຍເຖິງການເນັ້ນໜັກໃສ່ການເຂົ້າໃຈການອອກແບບລະບົບ ແລະ ສະຖາປັດຕະຍະກຳ. ຝຶກຝົນທັກສະໃນການແຍກບັນຫາທີ່ສັບສົນ, ການອອກແບບລະບົບທີ່ສາມາດຂະຫຍາຍໄດ້, ແລະ ການຕັດສິນໃຈດ້ານສະຖາປັດຕະຍະກຳ - ຂົງເຂດທີ່ຄວາມເຂົ້າໃຈຂອງມະນຸດມີຄວາມສຳຄັນຫຼາຍ. ສຸມໃສ່ເຫດຜົນ ແລະ ວິທີການຂອງວິທີແກ້ໄຂ, ບໍ່ພຽງແຕ່ສິ່ງທີ່ເປັນ. ຕົວຢ່າງ, ແທນທີ່ຈະໃຊ້ເວລາທັງໝົດຂອງທ່ານໃນການປັບປຸງໜ້າທີ່ການຈັດຮຽງ (ເມື່ອ AI ສາມາດຂຽນໃຫ້ທ່ານໄດ້), ໃຊ້ເວລາເຂົ້າໃຈວ່າວິທີການຈັດຮຽງໃດທີ່ເໝາະສົມກັບສະພາບການຂອງແອັບພລິເຄຊັນຂອງທ່ານ ແລະ ວິທີທີ່ມັນເຂົ້າກັບກະແສຂໍ້ມູນຂອງລະບົບຂອງທ່ານ. ການຄິດແບບອອກແບບ - ໂດຍພິຈາລະນາຄວາມຕ້ອງການຂອງຜູ້ໃຊ້, ກະແສຂໍ້ມູນ, ແລະ ການພົວພັນລະຫວ່າງອົງປະກອບ - ຈະມີຄຸນຄ່າສູງ. AI ສາມາດສ້າງລະຫັດໄດ້, ແຕ່ນັກພັດທະນາເປັນຜູ້ຕັດສິນໃຈໂຄງສ້າງໂດຍລວມຂອງຊອບແວ ແລະ ຮັບປະກັນວ່າທຸກພາກສ່ວນເຮັດວຽກຮ່ວມກັນຢ່າງກົມກຽວ. ໂດຍການເຮັດໃຫ້ການຄິດແບບພາບລວມຂອງທ່ານຄົມຊັດຂຶ້ນ, ທ່ານເຮັດໃຫ້ຕົວທ່ານເອງເປັນສິ່ງທີ່ຂາດບໍ່ໄດ້ໃນຖານະຜູ້ທີ່ນຳພາ AI (ແລະ ສ່ວນທີ່ເຫຼືອຂອງທີມງານ) ໃນການສ້າງສິ່ງທີ່ຖືກຕ້ອງ. ດັ່ງທີ່ບົດລາຍງານທີ່ຄາດຄະເນໄວ້ໃນອະນາຄົດໄດ້ລະບຸໄວ້, ນັກພັດທະນາຄວນ "ສຸມໃສ່ຂົງເຂດທີ່ຄວາມເຂົ້າໃຈຂອງມະນຸດບໍ່ສາມາດທົດແທນໄດ້, ເຊັ່ນ: ການແກ້ໄຂບັນຫາ, ການຄິດອອກແບບ, ແລະ ການເຂົ້າໃຈຄວາມຕ້ອງການຂອງຜູ້ໃຊ້." ( AI ຈະທົດແທນນັກພັດທະນາໃນປີ 2025 ບໍ: ການເບິ່ງລ່ວງໜ້າໃນອະນາຄົດ )

3. ເສີມຂະຫຍາຍຄວາມຮູ້ກ່ຽວກັບ AI ແລະ ML ຂອງທ່ານ: ເພື່ອເຮັດວຽກຮ່ວມກັບ AI, ມັນຈະຊ່ວຍໃຫ້ ເຂົ້າໃຈ AI . ນັກພັດທະນາບໍ່ຈຳເປັນຕ້ອງກາຍເປັນນັກຄົ້ນຄວ້າການຮຽນຮູ້ຂອງເຄື່ອງຈັກທັງໝົດ, ແຕ່ການມີຄວາມເຂົ້າໃຈຢ່າງໜັກແໜ້ນກ່ຽວກັບວິທີການເຮັດວຽກຂອງຮູບແບບເຫຼົ່ານີ້ຈະເປັນປະໂຫຍດ. ຮຽນຮູ້ພື້ນຖານຂອງການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ແລະ ການຮຽນຮູ້ຢ່າງເລິກເຊິ່ງ - ສິ່ງນີ້ບໍ່ພຽງແຕ່ສາມາດເປີດເສັ້ນທາງອາຊີບໃໝ່ໄດ້ (ເນື່ອງຈາກວຽກທີ່ກ່ຽວຂ້ອງກັບ AI ກຳລັງເຕີບໂຕຢ່າງໄວວາ ( ມີອະນາຄົດສຳລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] )), ແຕ່ມັນຍັງຈະຊ່ວຍໃຫ້ທ່ານໃຊ້ເຄື່ອງມື AI ໄດ້ຢ່າງມີປະສິດທິພາບຫຼາຍຂຶ້ນ. ຖ້າທ່ານຮູ້, ຕົວຢ່າງ, ຂໍ້ຈຳກັດຂອງຮູບແບບພາສາຂະໜາດໃຫຍ່ ແລະ ວິທີການທີ່ມັນໄດ້ຮັບການຝຶກອົບຮົມ, ທ່ານສາມາດຄາດຄະເນເວລາທີ່ມັນອາດຈະລົ້ມເຫຼວ ແລະ ອອກແບບການກະຕຸ້ນເຕືອນ ຫຼື ການທົດສອບຂອງທ່ານຕາມຄວາມເໝາະສົມ. ນອກຈາກນັ້ນ, ຜະລິດຕະພັນຊອບແວຫຼາຍຢ່າງໃນປັດຈຸບັນກຳລັງລວມເອົາຄຸນສົມບັດ AI (ຕົວຢ່າງ, ແອັບທີ່ມີເຄື່ອງຈັກແນະນຳ ຫຼື chatbot). ນັກພັດທະນາຊອບແວທີ່ມີຄວາມຮູ້ກ່ຽວກັບ ML ບາງຢ່າງສາມາດປະກອບສ່ວນເຂົ້າໃນຄຸນສົມບັດເຫຼົ່ານັ້ນ ຫຼື ຢ່າງໜ້ອຍກໍ່ຮ່ວມມືກັບນັກວິທະຍາສາດຂໍ້ມູນຢ່າງສະຫຼາດ. ຂົງເຂດສຳຄັນທີ່ຄວນພິຈາລະນາການຮຽນຮູ້ລວມມີ: ພື້ນຖານວິທະຍາສາດຂໍ້ມູນ , ວິທີການປະມວນຜົນຂໍ້ມູນລ່ວງໜ້າ, ການຝຶກອົບຮົມ ທຽບກັບ ການອະນຸມານ, ແລະ ຈັນຍາບັນຂອງ AI. ຄຸ້ນເຄີຍກັບຂອບການເຮັດວຽກ AI (TensorFlow, PyTorch) ແລະ ການບໍລິການ AI ໃນຄລາວ; ເຖິງແມ່ນວ່າທ່ານຈະບໍ່ໄດ້ສ້າງແບບຈຳລອງຕັ້ງແຕ່ເລີ່ມຕົ້ນ, ການຮູ້ວິທີການລວມ AI API ເຂົ້າໃນແອັບກໍ່ເປັນທັກສະທີ່ມີຄຸນຄ່າ. ສະຫຼຸບແລ້ວ, ການກາຍເປັນ "ຜູ້ມີຄວາມຮູ້ດ້ານ AI" ກຳລັງກາຍເປັນສິ່ງສຳຄັນຢ່າງໄວວາຄືກັບການມີຄວາມຮູ້ດ້ານເຕັກໂນໂລຊີເວັບ ຫຼື ຖານຂໍ້ມູນ. ນັກພັດທະນາທີ່ສາມາດຄອບຄຸມໂລກຂອງວິສະວະກຳຊອບແວແບບດັ້ງເດີມ ແລະ AI ຈະຢູ່ໃນຖານະທີ່ດີທີ່ສຸດທີ່ຈະນຳພາໂຄງການໃນອະນາຄົດ.

4. ພັດທະນາທັກສະອ່ອນ ແລະ ຄວາມຮູ້ດ້ານໂດເມນທີ່ເຂັ້ມແຂງຂຶ້ນ: ໃນຂະນະທີ່ AI ເຂົ້າຮັບໜ້າທີ່ດ້ານກົນຈັກ, ທັກສະຂອງມະນຸດທີ່ເປັນເອກະລັກກໍ່ຍິ່ງມີຄວາມສຳຄັນຫຼາຍຂຶ້ນ. ການສື່ສານ, ການເຮັດວຽກເປັນທີມ, ແລະ ຄວາມຊ່ຽວຊານດ້ານໂດເມນ ແມ່ນຂົງເຂດທີ່ຄວນເພີ່ມເຂົ້າໃນ. ການພັດທະນາຊອບແວມັກຈະກ່ຽວກັບການເຂົ້າໃຈບັນຫາໃນຂົງເຂດ - ບໍ່ວ່າຈະເປັນການເງິນ, ການດູແລສຸຂະພາບ, ການສຶກສາ, ຫຼື ຂົງເຂດອື່ນໆ - ແລະ ການແປສິ່ງນັ້ນໃຫ້ເປັນວິທີແກ້ໄຂ. AI ຈະບໍ່ມີສະພາບການນັ້ນ ຫຼື ຄວາມສາມາດໃນການຕິດຕໍ່ສື່ສານກັບຜູ້ມີສ່ວນຮ່ວມ, ແຕ່ທ່ານມີ. ການມີຄວາມຮູ້ຫຼາຍຂຶ້ນໃນຂົງເຂດທີ່ທ່ານເຮັດວຽກເຮັດໃຫ້ທ່ານເປັນບຸກຄົນທີ່ເໝາະສົມໃນການຮັບປະກັນວ່າຊອບແວຕອບສະໜອງຄວາມຕ້ອງການໃນໂລກຕົວຈິງ. ໃນທຳນອງດຽວກັນ, ໃຫ້ສຸມໃສ່ທັກສະການຮ່ວມມືຂອງທ່ານ: ການໃຫ້ຄຳແນະນຳ, ຄວາມເປັນຜູ້ນຳ, ແລະ ການປະສານງານ. ທີມງານຍັງຈະຕ້ອງການນັກພັດທະນາອາວຸໂສເພື່ອທົບທວນລະຫັດ (ລວມທັງລະຫັດທີ່ຂຽນໂດຍ AI), ເພື່ອໃຫ້ຄຳແນະນຳລຸ້ນໜຸ່ມກ່ຽວກັບການປະຕິບັດທີ່ດີທີ່ສຸດ, ແລະ ເພື່ອປະສານງານໂຄງການທີ່ສັບສົນ. AI ບໍ່ໄດ້ລົບລ້າງຄວາມຕ້ອງການສຳລັບການພົວພັນຂອງມະນຸດໃນໂຄງການ. ໃນຄວາມເປັນຈິງ, ດ້ວຍລະຫັດທີ່ສ້າງໂດຍ AI, ການໃຫ້ຄຳແນະນຳຂອງນັກພັດທະນາອາວຸໂສອາດຈະປ່ຽນໄປສູ່ການສອນລຸ້ນໜຸ່ມ ກ່ຽວກັບວິທີການເຮັດວຽກກັບ AI ແລະ ກວດສອບຜົນຜະລິດຂອງມັນ , ແທນທີ່ຈະຂຽນ for-loop. ການສາມາດນຳພາຄົນອື່ນໃນຮູບແບບໃໝ່ນີ້ແມ່ນທັກສະທີ່ມີຄຸນຄ່າ. ພ້ອມກັນນັ້ນ, ໃຫ້ຝຶກຝົນ ການຄິດຢ່າງມີວິຈາລະນະຍານ - ຖາມຄຳຖາມ ແລະ ທົດສອບຜົນຜະລິດຂອງ AI, ແລະ ຊຸກຍູ້ໃຫ້ຄົນອື່ນເຮັດເຊັ່ນດຽວກັນ. ການປູກຝັງຄວາມສົງໄສ ແລະ ແນວຄິດການກວດສອບທີ່ດີຕໍ່ສຸຂະພາບຈະຊ່ວຍປ້ອງກັນການເພິ່ງພາອາໄສ AI ແບບຕາບອດ ແລະ ຫຼຸດຜ່ອນຄວາມຜິດພາດ. ໂດຍພື້ນຖານແລ້ວ, ປັບປຸງທັກສະທີ່ AI ຂາດ: ການເຂົ້າໃຈຄົນ ແລະ ສະພາບການ, ການວິເຄາະຢ່າງມີວິຈາລະນະຍານ, ແລະ ການຄິດແບບສหວິທະຍາ.

5. ການຮຽນຮູ້ຕະຫຼອດຊີວິດ ແລະ ການປັບຕົວ: ຈັງຫວະການປ່ຽນແປງໃນ AI ແມ່ນໄວຫຼາຍ. ສິ່ງທີ່ຮູ້ສຶກວ່າທັນສະໄໝໃນປະຈຸບັນອາດຈະລ້າສະໄໝໃນອີກສອງສາມປີຂ້າງໜ້າ. ນັກພັດທະນາຕ້ອງຮັບເອົາ ການຮຽນຮູ້ຕະຫຼອດຊີວິດ ຫຼາຍກວ່າທີ່ເຄີຍ. ນີ້ອາດໝາຍເຖິງການທົດລອງໃຊ້ຜູ້ຊ່ວຍຂຽນໂປຣແກຣມ AI ໃໝ່ເປັນປະຈຳ, ການຮຽນຫຼັກສູດອອນໄລນ໌ ຫຼື ການຮັບຮອງໃນ AI/ML, ການອ່ານບລັອກການຄົ້ນຄວ້າເພື່ອຕິດຕາມສິ່ງທີ່ຈະມາເຖິງ, ຫຼື ການເຂົ້າຮ່ວມໃນຊຸມຊົນນັກພັດທະນາທີ່ສຸມໃສ່ AI. ການປັບຕົວແມ່ນກຸນແຈສຳຄັນ - ຈົ່ງກຽມພ້ອມທີ່ຈະປ່ຽນໄປໃຊ້ເຄື່ອງມື ແລະ ຂະບວນການເຮັດວຽກໃໝ່ໆເມື່ອພວກມັນເກີດຂຶ້ນ. ຕົວຢ່າງ, ຖ້າເຄື່ອງມື AI ໃໝ່ມາເຊິ່ງສາມາດອອກແບບ UI ໂດຍອັດຕະໂນມັດຈາກຮ່າງ, ນັກພັດທະນາດ້ານໜ້າຄວນພ້ອມທີ່ຈະຮຽນຮູ້ ແລະ ລວມເອົາສິ່ງນັ້ນ, ປ່ຽນຈຸດສຸມຂອງເຂົາເຈົ້າໄປປັບປຸງ UI ທີ່ສ້າງຂຶ້ນ ຫຼື ປັບປຸງລາຍລະອຽດປະສົບການຂອງຜູ້ໃຊ້ທີ່ລະບົບອັດຕະໂນມັດພາດໄປ. ຜູ້ທີ່ປະຕິບັດຕໍ່ການຮຽນຮູ້ເປັນສ່ວນໜຶ່ງຂອງອາຊີບຂອງເຂົາເຈົ້າ (ເຊິ່ງນັກພັດທະນາຫຼາຍຄົນເຮັດແລ້ວ) ຈະພົບວ່າມັນງ່າຍຕໍ່ການລວມເອົາການພັດທະນາ AI. ຍຸດທະສາດໜຶ່ງແມ່ນການອຸທິດສ່ວນນ້ອຍໆຂອງອາທິດຂອງທ່ານໃນການຮຽນຮູ້ ແລະ ການທົດລອງ - ປະຕິບັດຕໍ່ມັນເປັນການລົງທຶນໃນອະນາຄົດຂອງທ່ານເອງ. ບໍລິສັດຕ່າງໆຍັງເລີ່ມໃຫ້ການຝຶກອົບຮົມແກ່ນັກພັດທະນາຂອງເຂົາເຈົ້າກ່ຽວກັບການໃຊ້ເຄື່ອງມື AI ຢ່າງມີປະສິດທິພາບ; ການໃຊ້ປະໂຫຍດຈາກໂອກາດດັ່ງກ່າວຈະເຮັດໃຫ້ທ່ານກ້າວໄປຂ້າງໜ້າ. ນັກພັດທະນາທີ່ຈະເລີນຮຸ່ງເຮືອງຄືຜູ້ທີ່ເຫັນ AI ເປັນຄູ່ຮ່ວມງານທີ່ພັດທະນາ ແລະ ປັບປຸງວິທີການເຮັດວຽກຮ່ວມກັບຄູ່ຮ່ວມງານນັ້ນຢ່າງຕໍ່ເນື່ອງ.

6. ສຳຫຼວດບົດບາດ ແລະ ເສັ້ນທາງອາຊີບທີ່ເກີດຂຶ້ນໃໝ່: ໃນຂະນະທີ່ AI ກຳລັງຖືກຖັກທໍເຂົ້າໃນການພັດທະນາ, ໂອກາດອາຊີບໃໝ່ໆກໍ່ເກີດຂຶ້ນ. ຕົວຢ່າງ, Prompt Engineer ຫຼື ຜູ້ຊ່ຽວຊານດ້ານການເຊື່ອມໂຍງ AI ແມ່ນບົດບາດທີ່ສຸມໃສ່ການສ້າງ prompts, workflows, ແລະ ພື້ນຖານໂຄງລ່າງທີ່ຖືກຕ້ອງເພື່ອໃຊ້ AI ໃນຜະລິດຕະພັນ. ຕົວຢ່າງອີກອັນໜຶ່ງແມ່ນ ວິສະວະກອນຈັນຍາບັນ AI ຫຼື ຜູ້ກວດສອບ AI - ບົດບາດທີ່ສຸມໃສ່ການທົບທວນຜົນຜະລິດຂອງ AI ສຳລັບຄວາມລຳອຽງ, ການປະຕິບັດຕາມ, ແລະ ຄວາມຖືກຕ້ອງ. ຖ້າທ່ານມີຄວາມສົນໃຈໃນຂົງເຂດເຫຼົ່ານັ້ນ, ການວາງຕຳແໜ່ງຕົວທ່ານເອງດ້ວຍຄວາມຮູ້ທີ່ຖືກຕ້ອງສາມາດເປີດເສັ້ນທາງໃໝ່ເຫຼົ່ານີ້. ເຖິງແມ່ນວ່າພາຍໃນບົດບາດຄລາສສິກ, ທ່ານອາດຈະພົບເຫັນ niches ເຊັ່ນ "ນັກພັດທະນາ frontend ທີ່ຊ່ວຍເຫຼືອ AI" ທຽບກັບ "ນັກພັດທະນາ backend ທີ່ຊ່ວຍເຫຼືອ AI" ບ່ອນທີ່ແຕ່ລະຄົນໃຊ້ເຄື່ອງມືພິເສດ. ຕິດຕາມວິທີທີ່ອົງກອນຕ່າງໆກຳລັງຈັດໂຄງສ້າງທີມງານກ່ຽວກັບ AI. ບາງບໍລິສັດມີ "ກຸ່ມ AI" ຫຼື ສູນຄວາມເປັນເລີດເພື່ອນຳພາການຮັບຮອງເອົາ AI ໃນໂຄງການ - ການມີການເຄື່ອນໄຫວໃນກຸ່ມດັ່ງກ່າວສາມາດເຮັດໃຫ້ທ່ານຢູ່ແຖວໜ້າ. ຍິ່ງໄປກວ່ານັ້ນ, ພິຈາລະນາການປະກອບສ່ວນເຂົ້າໃນການພັດທະນາເຄື່ອງມື AI ເອງ: ຕົວຢ່າງ, ການເຮັດວຽກໃນໂຄງການ open-source ທີ່ປັບປຸງເຄື່ອງມືຂອງນັກພັດທະນາ (ບາງທີອາດຈະເສີມຂະຫຍາຍຄວາມສາມາດຂອງ AI ໃນການອະທິບາຍລະຫັດ, ແລະອື່ນໆ). ສິ່ງນີ້ບໍ່ພຽງແຕ່ເຮັດໃຫ້ຄວາມເຂົ້າໃຈຂອງທ່ານກ່ຽວກັບເທັກໂນໂລຢີເລິກເຊິ່ງເທົ່ານັ້ນ ແຕ່ຍັງເຮັດໃຫ້ທ່ານຢູ່ໃນຊຸມຊົນທີ່ນຳພາການປ່ຽນແປງ. ສິ່ງສຳຄັນແມ່ນການມີຄວາມກະຕືລືລົ້ນກ່ຽວກັບ ຄວາມວ່ອງໄວໃນອາຊີບ . ຖ້າບາງສ່ວນຂອງວຽກປັດຈຸບັນຂອງທ່ານກາຍເປັນອັດຕະໂນມັດ, ຈົ່ງກຽມພ້ອມທີ່ຈະປ່ຽນໄປສູ່ບົດບາດທີ່ອອກແບບ, ເບິ່ງແຍງ, ຫຼື ເສີມຂະຫຍາຍຊິ້ນສ່ວນອັດຕະໂນມັດເຫຼົ່ານັ້ນ.

7. ຮັກສາ ແລະ ສະແດງຄຸນນະພາບຂອງມະນຸດ: ໃນໂລກທີ່ AI ສາມາດສ້າງລະຫັດໂດຍສະເລ່ຍສຳລັບບັນຫາໂດຍສະເລ່ຍ, ນັກພັດທະນາມະນຸດຄວນພະຍາຍາມຜະລິດ ໂດດເດັ່ນ ແລະ ອົກເຫັນໃຈ ທີ່ AI ບໍ່ສາມາດເຮັດໄດ້. ນີ້ອາດໝາຍເຖິງການສຸມໃສ່ປະສົບການຂອງຜູ້ໃຊ້, ການເພີ່ມປະສິດທິພາບສຳລັບສະຖານະການທີ່ຜິດປົກກະຕິ, ຫຼືພຽງແຕ່ການຂຽນລະຫັດທີ່ສະອາດ ແລະ ມີເອກະສານທີ່ດີ (AI ບໍ່ເກັ່ງໃນການຂຽນເອກະສານທີ່ມີຄວາມໝາຍ ຫຼື ຄຳເຫັນກ່ຽວກັບລະຫັດທີ່ເຂົ້າໃຈໄດ້ - ທ່ານສາມາດເພີ່ມມູນຄ່າຢູ່ທີ່ນັ້ນໄດ້!). ເຮັດໃຫ້ມັນເປັນຈຸດໃຈກາງທີ່ຈະລວມເອົາຄວາມເຂົ້າໃຈຂອງມະນຸດເຂົ້າໃນວຽກງານ: ຕົວຢ່າງ, ຖ້າ AI ສ້າງລະຫັດ, ທ່ານເພີ່ມຄຳເຫັນທີ່ອະທິບາຍເຫດຜົນໃນແບບທີ່ມະນຸດຄົນອື່ນສາມາດເຂົ້າໃຈໄດ້ໃນພາຍຫຼັງ, ຫຼື ທ່ານປັບມັນໃຫ້ອ່ານງ່າຍກວ່າ. ໂດຍການເຮັດເຊັ່ນນັ້ນ, ທ່ານກຳລັງເພີ່ມຊັ້ນຄວາມເປັນມືອາຊີບ ແລະ ຄຸນນະພາບທີ່ວຽກງານທີ່ຜະລິດໂດຍເຄື່ອງຈັກຂາດ. ເມື່ອເວລາຜ່ານໄປ, ການສ້າງຊື່ສຽງສຳລັບຊອບແວທີ່ມີຄຸນນະພາບສູງທີ່ "ໃຊ້ໄດ້ຜົນ" ໃນໂລກແຫ່ງຄວາມເປັນຈິງຈະເຮັດໃຫ້ທ່ານແຕກຕ່າງ. ລູກຄ້າ ແລະ ນາຍຈ້າງຈະໃຫ້ຄຸນຄ່າກັບນັກພັດທະນາທີ່ສາມາດ ສົມທົບປະສິດທິພາບຂອງ AI ກັບຝີມືຂອງມະນຸດ .

ໃຫ້ພວກເຮົາພິຈາລະນາວ່າເສັ້ນທາງການສຶກສາອາດຈະປັບຕົວໄດ້ແນວໃດ. ນັກພັດທະນາໃໝ່ທີ່ເຂົ້າສູ່ຂະແໜງການນີ້ບໍ່ຄວນຫຼີກລ່ຽງເຄື່ອງມື AI ໃນຂະບວນການຮຽນຮູ້ຂອງເຂົາເຈົ້າ. ໃນທາງກົງກັນຂ້າມ, ການຮຽນຮູ້ ດ້ວຍ AI (ເຊັ່ນ: ການໃຊ້ AI ເພື່ອຊ່ວຍໃນການເຮັດວຽກບ້ານ ຫຼື ໂຄງການ, ຈາກນັ້ນວິເຄາະຜົນໄດ້ຮັບ) ສາມາດເລັ່ງຄວາມເຂົ້າໃຈຂອງເຂົາເຈົ້າໄດ້. ຢ່າງໃດກໍຕາມ, ມັນເປັນສິ່ງສຳຄັນທີ່ຈະຕ້ອງ ຮຽນຮູ້ພື້ນຖານຢ່າງເລິກເຊິ່ງ - ອັລກໍຣິທຶມ, ໂຄງສ້າງຂໍ້ມູນ, ແລະ ແນວຄວາມຄິດການຂຽນໂປຣແກຣມຫຼັກ - ດັ່ງນັ້ນທ່ານຈຶ່ງມີພື້ນຖານທີ່ແຂງແກ່ນ ແລະ ສາມາດບອກໄດ້ວ່າເວລາໃດທີ່ AI ກຳລັງຫຼົງທາງ. ຍ້ອນວ່າ AI ຈັດການກັບບົດຝຶກຫັດການຂຽນໂປຣແກຣມແບບງ່າຍໆ, ຫຼັກສູດອາດຈະໃຫ້ນ້ຳໜັກຫຼາຍຂຶ້ນຕໍ່ໂຄງການທີ່ຕ້ອງການການອອກແບບ ແລະ ການເຊື່ອມໂຍງ. ຖ້າທ່ານເປັນຜູ້ມາໃໝ່, ໃຫ້ສຸມໃສ່ການສ້າງຜົນງານທີ່ສະແດງໃຫ້ເຫັນຄວາມສາມາດຂອງທ່ານໃນການແກ້ໄຂບັນຫາທີ່ສັບສົນ ແລະ ການໃຊ້ AI ເປັນໜຶ່ງໃນເຄື່ອງມືຫຼາຍຢ່າງ.

ເພື່ອສະຫຼຸບຍຸດທະສາດການປັບຕົວ: ຈົ່ງເປັນຜູ້ທົດລອງ, ບໍ່ແມ່ນຜູ້ໂດຍສານ. ໃຊ້ເຄື່ອງມື AI, ແຕ່ຢ່າເພິ່ງພາອາໄສພວກມັນຫຼາຍເກີນໄປ ຫຼື ພໍໃຈກັບພວກມັນ. ສືບຕໍ່ປັບປຸງລັກສະນະທີ່ເປັນເອກະລັກຂອງມະນຸດໃນການພັດທະນາ. Grady Booch, ຜູ້ບຸກເບີກດ້ານວິສະວະກຳຊອບແວທີ່ມີຊື່ສຽງ, ໄດ້ກ່າວໄວ້ຢ່າງດີວ່າ: “AI ຈະປ່ຽນແປງຄວາມໝາຍຂອງການເປັນໂປຣແກຣມເມີຢ່າງຮາກຖານ. ມັນຈະບໍ່ລົບລ້າງໂປຣແກຣມເມີ, ແຕ່ມັນຈະຮຽກຮ້ອງໃຫ້ພວກເຂົາພັດທະນາທັກສະໃໝ່ ແລະ ເຮັດວຽກໃນວິທີການໃໝ່.” ( ມີອະນາຄົດສຳລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ). ໂດຍການພັດທະນາທັກສະ ແລະ ວິທີການເຮັດວຽກໃໝ່ເຫຼົ່ານັ້ນຢ່າງຫ້າວຫັນ, ນັກພັດທະນາສາມາດຮັບປະກັນວ່າພວກເຂົາຍັງຄົງຢູ່ໃນບ່ອນນັ່ງຂັບເຄື່ອນຂອງອາຊີບຂອງພວກເຂົາ.

ເພື່ອສະຫຼຸບພາກນີ້, ນີ້ແມ່ນບັນຊີກວດສອບເອກະສານອ້າງອີງສັ້ນໆສຳລັບນັກພັດທະນາທີ່ຕ້ອງການສ້າງອາຊີບຂອງເຂົາເຈົ້າໃຫ້ໝັ້ນຄົງໃນອະນາຄົດໃນຍຸກຂອງ AI:

ໂດຍການປະຕິບັດຕາມຍຸດທະສາດເຫຼົ່ານີ້, ນັກພັດທະນາສາມາດປ່ຽນການປະຕິວັດ AI ໃຫ້ເປັນປະໂຫຍດ. ຜູ້ທີ່ປັບຕົວຈະພົບວ່າ AI ເສີມຂະຫຍາຍ ຄວາມສາມາດຂອງເຂົາເຈົ້າ ແລະ ຊ່ວຍໃຫ້ເຂົາເຈົ້າສາມາດຜະລິດຊອບແວທີ່ດີຂຶ້ນກວ່າແຕ່ກ່ອນ, ແທນທີ່ຈະເຮັດໃຫ້ມັນລ້າສະໄໝ.

ທັດສະນະໃນອະນາຄົດ: ການຮ່ວມມືລະຫວ່າງ AI ແລະນັກພັດທະນາ

ອະນາຄົດຈະເປັນແນວໃດສຳລັບການຂຽນໂປຣແກຣມໃນໂລກທີ່ຂັບເຄື່ອນດ້ວຍ AI? ອີງຕາມແນວໂນ້ມໃນປະຈຸບັນ, ພວກເຮົາສາມາດຄາດຫວັງອະນາຄົດທີ່ AI ແລະນັກພັດທະນາມະນຸດເຮັດວຽກຮ່ວມກັນຢ່າງໃກ້ຊິດຍິ່ງຂຶ້ນ . ບົດບາດຂອງນັກຂຽນໂປຣແກຣມອາດຈະສືບຕໍ່ປ່ຽນໄປສູ່ຕຳແໜ່ງການຊີ້ນຳ ແລະ ຄວາມຄິດສ້າງສັນ, ໂດຍ AI ຈະຈັດການກັບ "ການຍົກໜັກ" ຫຼາຍຂຶ້ນພາຍໃຕ້ການຊີ້ນຳຂອງມະນຸດ. ໃນພາກສະຫຼຸບນີ້, ພວກເຮົາຄາດຄະເນສະຖານະການໃນອະນາຄົດບາງຢ່າງ ແລະ ຮັບປະກັນວ່າທັດສະນະຂອງນັກພັດທະນາສາມາດຍັງຄົງເປັນໄປໃນທາງບວກ - ໂດຍມີເງື່ອນໄຂວ່າພວກເຮົາຍັງສືບຕໍ່ປັບຕົວ.

ໃນອະນາຄົດອັນໃກ້ນີ້ (5-10 ປີຂ້າງໜ້າ), ມັນມີຄວາມເປັນໄປໄດ້ສູງທີ່ AI ຈະກາຍເປັນສິ່ງທີ່ຢູ່ທົ່ວໄປໃນຂະບວນການພັດທະນາຄືກັບຄອມພິວເຕີເອງ. ເຊັ່ນດຽວກັບທີ່ບໍ່ມີນັກພັດທະນາຄົນໃດໃນປະຈຸບັນຂຽນລະຫັດໂດຍບໍ່ມີຕົວແກ້ໄຂ ຫຼື ບໍ່ມີ Google/StackOverflow ຢູ່ປາຍນິ້ວມືຂອງເຂົາເຈົ້າ, ໃນໄວໆນີ້ບໍ່ມີນັກພັດທະນາຄົນໃດຈະຂຽນລະຫັດໂດຍບໍ່ມີການຊ່ວຍເຫຼືອຈາກ AI ເຮັດວຽກຢູ່ໃນພື້ນຫຼັງ. ສະພາບແວດລ້ອມການພັດທະນາແບບປະສົມປະສານ (IDEs) ກຳລັງພັດທະນາຢູ່ແລ້ວເພື່ອລວມເອົາຄຸນສົມບັດທີ່ໃຊ້ AI ຢູ່ໃນຫຼັກຂອງເຂົາເຈົ້າ (ຕົວຢ່າງ, ຕົວແກ້ໄຂລະຫັດທີ່ສາມາດອະທິບາຍລະຫັດໃຫ້ທ່ານ ຫຼື ແນະນຳການປ່ຽນແປງລະຫັດທັງໝົດໃນທົ່ວໂຄງການ). ພວກເຮົາອາດຈະຮອດຈຸດທີ່ວຽກຫຼັກຂອງນັກພັດທະນາແມ່ນ ການສ້າງບັນຫາ ແລະ ຂໍ້ຈຳກັດໃນແບບທີ່ AI ສາມາດເຂົ້າໃຈໄດ້, ຈາກນັ້ນຄັດເລືອກ ແລະ ປັບປຸງວິທີແກ້ໄຂທີ່ AI ໃຫ້ . ນີ້ຄ້າຍຄືກັບຮູບແບບການຂຽນໂປຣແກຣມລະດັບສູງ, ບາງຄັ້ງກໍ່ຖືກເອີ້ນວ່າ "ການຂຽນໂປຣແກຣມແບບກະຕຸ້ນ" ຫຼື "ການປະສານງານ AI."

ເຖິງຢ່າງໃດກໍ່ຕາມ, ສາລະສຳຄັນຂອງສິ່ງທີ່ຕ້ອງເຮັດ - ການແກ້ໄຂບັນຫາໃຫ້ຄົນ - ຍັງຄົງບໍ່ປ່ຽນແປງ. AI ໃນອະນາຄົດອາດຈະສາມາດສ້າງແອັບທັງໝົດຈາກຄຳອະທິບາຍ ("ສ້າງແອັບມືຖືໃຫ້ຂ້ອຍເພື່ອນັດໝາຍກັບທ່ານໝໍ"), ແຕ່ວຽກງານໃນການຊີ້ແຈງຄຳອະທິບາຍນັ້ນ, ການຮັບປະກັນວ່າມັນຖືກຕ້ອງ, ແລະ ການປັບແຕ່ງຜົນໄດ້ຮັບໃຫ້ຜູ້ໃຊ້ພໍໃຈຈະກ່ຽວຂ້ອງກັບນັກພັດທະນາ (ພ້ອມກັບນັກອອກແບບ, ຜູ້ຈັດການຜະລິດຕະພັນ, ແລະອື່ນໆ). ໃນຄວາມເປັນຈິງ, ຖ້າການສ້າງແອັບພື້ນຖານກາຍເປັນເລື່ອງງ່າຍ, ຄວາມຄິດສ້າງສັນ ແລະ ນະວັດຕະກຳຂອງມະນຸດໃນຊອບແວຈະກາຍເປັນສິ່ງສຳຄັນຍິ່ງຂຶ້ນ ເພື່ອແຍກຄວາມແຕກຕ່າງຂອງຜະລິດຕະພັນ. ພວກເຮົາອາດຈະເຫັນການຈະເລີນເຕີບໂຕຂອງຊອບແວ, ບ່ອນທີ່ແອັບພລິເຄຊັນປົກກະຕິຫຼາຍຢ່າງຖືກສ້າງຂຶ້ນໂດຍ AI, ໃນຂະນະທີ່ນັກພັດທະນາມະນຸດສຸມໃສ່ໂຄງການທີ່ທັນສະໄໝ, ສັບສົນ, ຫຼື ສ້າງສັນທີ່ຊຸກຍູ້ຂອບເຂດ.

ນອກນັ້ນຍັງມີຄວາມເປັນໄປໄດ້ທີ່ ອຸປະສັກໃນການເຂົ້າຮ່ວມການຂຽນໂປຣແກຣມຈະຫຼຸດລົງ - ຊຶ່ງໝາຍຄວາມວ່າຜູ້ຄົນທີ່ບໍ່ແມ່ນວິສະວະກອນຊອບແວແບບດັ້ງເດີມ (ເຊັ່ນ ນັກວິເຄາະທຸລະກິດ ຫຼື ນັກວິທະຍາສາດ ຫຼື ນັກກາລະຕະຫຼາດ) ສາມາດສ້າງຊອບແວໂດຍໃຊ້ເຄື່ອງມື AI (ການສືບຕໍ່ການເຄື່ອນໄຫວ "no-code/low-code" ທີ່ຖືກ AI ຄວບຄຸມ). ສິ່ງນີ້ບໍ່ໄດ້ລົບລ້າງຄວາມຕ້ອງການສຳລັບນັກພັດທະນາມືອາຊີບ; ແທນທີ່ຈະປ່ຽນແປງມັນ. ນັກພັດທະນາອາດຈະມີບົດບາດໃນການໃຫ້ຄຳປຶກສາ ຫຼື ການຊີ້ນຳຫຼາຍຂຶ້ນໃນກໍລະນີດັ່ງກ່າວ, ຮັບປະກັນວ່າແອັບທີ່ພັດທະນາໂດຍພົນລະເມືອງເຫຼົ່ານີ້ມີຄວາມປອດໄພ, ມີປະສິດທິພາບ ແລະ ສາມາດບຳລຸງຮັກສາໄດ້. ນັກຂຽນໂປຣແກຣມມືອາຊີບອາດຈະສຸມໃສ່ການສ້າງແພລດຟອມ ແລະ API ທີ່ "ຜູ້ທີ່ບໍ່ແມ່ນນັກຂຽນໂປຣແກຣມ" ທີ່ໄດ້ຮັບການຊ່ວຍເຫຼືອຈາກ AI ໃຊ້.

ຈາກທັດສະນະຂອງວຽກງານ, ບົດບາດການຂຽນໂປຣແກຣມບາງຢ່າງອາດຈະຫຼຸດລົງ ໃນຂະນະທີ່ວຽກງານອື່ນໆເພີ່ມຂຶ້ນ. ຕົວຢ່າງ, ຕຳແໜ່ງການຂຽນໂປຣແກຣມລະດັບເລີ່ມຕົ້ນ ຕຳແໜ່ງອາດຈະມີຈຳນວນໜ້ອຍລົງ ຖ້າບໍລິສັດຕ່າງໆອາໄສ AI ສຳລັບວຽກງານງ່າຍໆ. ຄົນເຮົາສາມາດຈິນຕະນາການເຖິງບໍລິສັດເລີ່ມຕົ້ນຂະໜາດນ້ອຍໃນອະນາຄົດທີ່ຕ້ອງການນັກພັດທະນາລະດັບນ້ອຍປະມານເຄິ່ງໜຶ່ງ ເພາະວ່ານັກພັດທະນາອາວຸໂສຂອງພວກເຂົາ, ພ້ອມດ້ວຍ AI, ສາມາດເຮັດວຽກພື້ນຖານໄດ້ຫຼາຍຢ່າງ. ແຕ່ໃນເວລາດຽວກັນ, ວຽກໃໝ່ທັງໝົດ (ດັ່ງທີ່ພວກເຮົາໄດ້ສົນທະນາໃນພາກການປັບຕົວ) ຈະປາກົດຂຶ້ນ. ຍິ່ງໄປກວ່ານັ້ນ, ຍ້ອນວ່າຊອບແວແຜ່ລາມໄປທົ່ວເສດຖະກິດຫຼາຍຂຶ້ນ (ດ້ວຍຊອບແວທີ່ສ້າງ AI ສຳລັບຄວາມຕ້ອງການພິເສດ), ຄວາມຕ້ອງການໂດຍລວມສຳລັບວຽກງານທີ່ກ່ຽວຂ້ອງກັບຊອບແວສາມາດສືບຕໍ່ເພີ່ມຂຶ້ນ. ປະຫວັດສາດສະແດງໃຫ້ເຫັນວ່າ ການອັດຕະໂນມັດມັກຈະນຳໄປສູ່ ຫຼາຍຂຶ້ນ ໃນໄລຍະຍາວ , ເຖິງແມ່ນວ່າພວກມັນເປັນວຽກທີ່ແຕກຕ່າງກັນ - ຕົວຢ່າງ, ການອັດຕະໂນມັດຂອງວຽກງານການຜະລິດບາງຢ່າງນຳໄປສູ່ການເຕີບໂຕຂອງວຽກສຳລັບການອອກແບບ, ການຮັກສາ ແລະ ການປັບປຸງລະບົບອັດຕະໂນມັດ. ໃນສະພາບການຂອງ AI ແລະ ການຂຽນໂປຣແກຣມ, ໃນຂະນະທີ່ບາງໜ້າວຽກທີ່ນັກພັດທະນາລະດັບນ້ອຍເຄີຍເຮັດແມ່ນອັດຕະໂນມັດ, ຂອບເຂດໂດຍລວມຂອງຊອບແວທີ່ພວກເຮົາຕ້ອງການສ້າງໄດ້ຂະຫຍາຍອອກໄປ (ເພາະວ່າດຽວນີ້ມັນມີລາຄາຖືກກວ່າ/ໄວກວ່າໃນການສ້າງມັນ), ເຊິ່ງສາມາດນຳໄປສູ່ ຫຼາຍຂຶ້ນ ແລະ ດັ່ງນັ້ນຈຶ່ງຕ້ອງການການກວດສອບຂອງມະນຸດຫຼາຍຂຶ້ນ, ການຄຸ້ມຄອງໂຄງການ, ສະຖາປັດຕະຍະກຳ, ແລະອື່ນໆ. ບົດລາຍງານຂອງເວທີປຶກສາຫາລືເສດຖະກິດໂລກກ່ຽວກັບວຽກເຮັດງານທຳໃນອະນາຄົດຊີ້ໃຫ້ເຫັນວ່າບົດບາດໃນການພັດທະນາຊອບແວ ແລະ AI ແມ່ນໜຶ່ງໃນບັນດາບົດບາດ ເພີ່ມຂຶ້ນ , ບໍ່ແມ່ນຫຼຸດລົງ, ເນື່ອງຈາກການຫັນເປັນດິຈິຕອນ.

ພວກເຮົາຄວນພິຈາລະນາ ການຄາດຄະເນປີ 2040 ທີ່ໄດ້ກ່າວມາກ່ອນໜ້ານີ້: ນັກຄົ້ນຄວ້າທີ່ຫ້ອງທົດລອງແຫ່ງຊາດ Oak Ridge ໄດ້ແນະນຳວ່າ ຮອດປີ 2040, “ເຄື່ອງຈັກ… ຈະຂຽນລະຫັດສ່ວນໃຫຍ່ຂອງຕົນເອງ” ( ມີອະນາຄົດສຳລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ). ຖ້າສິ່ງນັ້ນພິສູດໄດ້ວ່າຖືກຕ້ອງ, ຈະເຫຼືອຫຍັງສຳລັບນັກຂຽນໂປຣແກຣມຂອງມະນຸດ? ອາດຈະເປັນໄປໄດ້ວ່າຈຸດສຸມຈະຢູ່ທີ່ການຊີ້ນຳໃນລະດັບສູງຫຼາຍ (ບອກເຄື່ອງຈັກວ່າ ພວກເຮົາ ຕ້ອງການໃຫ້ພວກເຂົາສຳເລັດໃນລັກສະນະກວ້າງໆ) ແລະ ໃນຂົງເຂດທີ່ກ່ຽວຂ້ອງກັບການເຊື່ອມໂຍງລະບົບທີ່ສັບສົນ, ຄວາມເຂົ້າໃຈກ່ຽວກັບຈິດຕະວິທະຍາຂອງມະນຸດ, ຫຼື ໂດເມນບັນຫາໃໝ່ໆ. ເຖິງແມ່ນວ່າໃນສະຖານະການດັ່ງກ່າວ, ມະນຸດຈະມີບົດບາດຄ້າຍຄືກັບ ຜູ້ອອກແບບຜະລິດຕະພັນ, ວິສະວະກອນຄວາມຕ້ອງການ, ແລະ ຜູ້ຝຶກອົບຮົມ/ຜູ້ກວດສອບ AI . ລະຫັດອາດຈະຂຽນຕົວມັນເອງສ່ວນໃຫຍ່, ແຕ່ບາງຄົນຕ້ອງຕັດສິນໃຈວ່າ ລະຫັດໃດຄວນຂຽນ ແລະ ເປັນຫຍັງ , ແລະຫຼັງຈາກນັ້ນຢືນຢັນວ່າຜົນໄດ້ຮັບສຸດທ້າຍແມ່ນຖືກຕ້ອງ ແລະ ສອດຄ່ອງກັບເປົ້າໝາຍ. ມັນຄ້າຍຄືກັນກັບວິທີທີ່ລົດທີ່ຂັບເຄື່ອນດ້ວຍຕົນເອງອາດຈະຂັບລົດດ້ວຍຕົນເອງໃນມື້ໜຶ່ງ, ແຕ່ທ່ານຍັງບອກລົດວ່າຈະໄປໃສ ແລະ ແຊກແຊງໃນສະຖານະການທີ່ສັບສົນ - ບວກກັບມະນຸດອອກແບບຖະໜົນຫົນທາງ, ກົດໝາຍຈະລາຈອນ, ແລະ ພື້ນຖານໂຄງລ່າງທັງໝົດທີ່ຢູ່ອ້ອມຮອບມັນ.

ດັ່ງນັ້ນຜູ້ຊ່ຽວຊານສ່ວນໃຫຍ່ຈຶ່ງວາດພາບເຖິງອະນາຄົດຂອງ ການຮ່ວມມື, ບໍ່ແມ່ນການທົດແທນ . ດັ່ງທີ່ບໍລິສັດທີ່ປຶກສາດ້ານເຕັກໂນໂລຢີແຫ່ງໜຶ່ງໄດ້ກ່າວໄວ້ວ່າ, “ອະນາຄົດຂອງການພັດທະນາບໍ່ແມ່ນທາງເລືອກລະຫວ່າງມະນຸດ ຫຼື AI ແຕ່ເປັນການຮ່ວມມືທີ່ໃຊ້ປະໂຫຍດຈາກສິ່ງທີ່ດີທີ່ສຸດຂອງທັງສອງຢ່າງ.” ( AI ຈະທົດແທນນັກພັດທະນາໃນປີ 2025 ບໍ: ການເບິ່ງລ່ວງໜ້າໃນອະນາຄົດ ) AI ຈະປ່ຽນແປງການພັດທະນາຊອບແວຢ່າງແນ່ນອນ, ແຕ່ມັນເປັນວິວັດທະນາການຂອງບົດບາດຂອງນັກພັດທະນາຫຼາຍກວ່າການສູນພັນ. ນັກພັດທະນາທີ່ “ຍອມຮັບການປ່ຽນແປງ, ປັບຕົວທັກສະຂອງເຂົາເຈົ້າ, ແລະສຸມໃສ່ລັກສະນະທີ່ເປັນເອກະລັກຂອງມະນຸດໃນວຽກງານຂອງເຂົາເຈົ້າ” ຈະພົບວ່າ AI ເສີມຂະຫຍາຍ ຄວາມສາມາດຂອງເຂົາເຈົ້າແທນທີ່ຈະຫຼຸດຜ່ອນມູນຄ່າຂອງເຂົາເຈົ້າ.

ພວກເຮົາສາມາດແຕ້ມຂະໜານກັບຂົງເຂດອື່ນໄດ້: ພິຈາລະນາເຖິງການເພີ່ມຂຶ້ນຂອງການອອກແບບດ້ວຍຄອມພິວເຕີ (CAD) ໃນວິສະວະກຳ ແລະ ສະຖາປັດຕະຍະກຳ. ເຄື່ອງມືເຫຼົ່ານັ້ນໄດ້ທົດແທນວິສະວະກອນ ແລະ ສະຖາປະນິກບໍ? ບໍ່ - ພວກມັນເຮັດໃຫ້ພວກມັນມີປະສິດທິພາບຫຼາຍຂຶ້ນ ແລະ ຊ່ວຍໃຫ້ພວກເຂົາສາມາດສ້າງການອອກແບບທີ່ສັບສົນຫຼາຍຂຶ້ນ. ແຕ່ຄວາມຄິດສ້າງສັນ ແລະ ການຕັດສິນໃຈຂອງມະນຸດຍັງຄົງເປັນຈຸດໃຈກາງ. ໃນທຳນອງດຽວກັນ, AI ສາມາດເຫັນໄດ້ວ່າເປັນການຂຽນໂປຣແກຣມດ້ວຍຄອມພິວເຕີ - ມັນຈະຊ່ວຍຈັດການກັບຄວາມສັບສົນ ແລະ ວຽກງານທີ່ຫຍຸ້ງຍາກ, ແຕ່ນັກພັດທະນາຍັງຄົງເປັນຜູ້ອອກແບບ ແລະ ຜູ້ຕັດສິນໃຈ.

ໃນໄລຍະຍາວ, ຖ້າພວກເຮົາຈິນຕະນາການເຖິງ AI ທີ່ກ້າວໜ້າຢ່າງແທ້ຈິງ (ເຊັ່ນ: AI ທົ່ວໄປບາງຮູບແບບທີ່ ສາມາດ ເຮັດສິ່ງທີ່ມະນຸດສາມາດເຮັດໄດ້ເກືອບທັງໝົດ), ການປ່ຽນແປງທາງສັງຄົມ ແລະ ເສດຖະກິດຈະກວ້າງຂວາງກວ່າພຽງແຕ່ໃນການຂຽນໂປຣແກຣມ. ພວກເຮົາຍັງບໍ່ທັນຮອດຈຸດນັ້ນເທື່ອ, ແລະ ພວກເຮົາມີການຄວບຄຸມທີ່ສຳຄັນຕໍ່ວິທີທີ່ພວກເຮົາລວມ AI ເຂົ້າໃນວຽກງານຂອງພວກເຮົາ. ເສັ້ນທາງທີ່ສະຫຼາດແມ່ນການສືບຕໍ່ລວມ AI ໃນວິທີທີ່ ເພີ່ມທ່າແຮງຂອງມະນຸດ . ນັ້ນໝາຍເຖິງການລົງທຶນໃນເຄື່ອງມື ແລະ ການປະຕິບັດ (ແລະ ນະໂຍບາຍ) ທີ່ເຮັດໃຫ້ມະນຸດຢູ່ໃນວົງຈອນ. ແລ້ວ, ພວກເຮົາເຫັນບໍລິສັດຕ່າງໆສ້າງຕັ້ງ ການຄຸ້ມຄອງ AI - ຄຳແນະນຳສຳລັບວິທີທີ່ AI ຄວນຖືກນໍາໃຊ້ໃນການພັດທະນາເພື່ອຮັບປະກັນຜົນໄດ້ຮັບດ້ານຈັນຍາບັນ ແລະ ມີປະສິດທິພາບ ( ການສຳຫຼວດເປີດເຜີຍຜົນກະທົບຂອງ AI ຕໍ່ປະສົບການຂອງນັກພັດທະນາ - The GitHub Blog ). ແນວໂນ້ມນີ້ອາດຈະເພີ່ມຂຶ້ນ, ຮັບປະກັນວ່າການເບິ່ງແຍງຂອງມະນຸດແມ່ນສ່ວນໜຶ່ງຢ່າງເປັນທາງການຂອງທໍ່ສົ່ງການພັດທະນາ AI.

ສະຫຼຸບແລ້ວ, ຄຳຖາມທີ່ວ່າ "AI ຈະທົດແທນໂປຣແກຣມເມີບໍ?" ສາມາດຕອບໄດ້ວ່າ: ບໍ່ - ແຕ່ມັນຈະປ່ຽນແປງສິ່ງທີ່ໂປຣແກຣມເມີເຮັດ ຢ່າງຫຼວງຫຼາຍ. ສ່ວນທີ່ທຳມະດາຂອງການຂຽນໂປຣແກຣມສ່ວນໃຫຍ່ແມ່ນຢູ່ໃນເສັ້ນທາງທີ່ຈະເປັນອັດຕະໂນມັດ. ສ່ວນທີ່ສ້າງສັນ, ທ້າທາຍ, ແລະ ເປັນສູນກາງຂອງມະນຸດຈະຢູ່ທີ່ນີ້, ແລະ ແທ້ຈິງແລ້ວຈະມີຄວາມໂດດເດັ່ນຫຼາຍຂຶ້ນ. ອະນາຄົດອາດຈະເຫັນໂປຣແກຣມເມີເຮັດວຽກຄຽງຄູ່ກັບຜູ້ຊ່ວຍ AI ທີ່ສະຫຼາດກວ່າເກົ່າ, ຄືກັນກັບສະມາຊິກທີມ. ລອງນຶກພາບເບິ່ງວ່າມີເພື່ອນຮ່ວມງານ AI ທີ່ສາມາດສ້າງລະຫັດໄດ້ 24/7 - ມັນເປັນການເພີ່ມຜົນຜະລິດທີ່ດີ, ແຕ່ມັນຍັງຕ້ອງການໃຫ້ຜູ້ໃດຜູ້ໜຶ່ງບອກມັນວ່າຕ້ອງເຮັດວຽກຫຍັງ ແລະ ກວດສອບວຽກງານຂອງມັນ.

ຜົນໄດ້ຮັບທີ່ດີທີ່ສຸດ ຈະ ບັນລຸໄດ້ໂດຍຜູ້ທີ່ປະຕິບັດຕໍ່ AI ຄືກັບຜູ້ຮ່ວມມື. ດັ່ງທີ່ CEO ຄົນໜຶ່ງໄດ້ກ່າວໄວ້ວ່າ, "AI ຈະບໍ່ທົດແທນນັກຂຽນໂປຣແກຣມ, ແຕ່ນັກຂຽນໂປຣແກຣມທີ່ໃຊ້ AI ຈະທົດແທນຜູ້ທີ່ບໍ່ໃຊ້." ໃນທາງປະຕິບັດ, ນີ້ໝາຍຄວາມວ່າຄວາມຮັບຜິດຊອບແມ່ນຢູ່ທີ່ນັກພັດທະນາທີ່ຈະພັດທະນາໄປພ້ອມກັບເຕັກໂນໂລຢີ. ອາຊີບການຂຽນໂປຣແກຣມບໍ່ໄດ້ຕາຍ - ມັນແມ່ນ ການປັບຕົວ . ຈະມີຊອບແວຫຼາຍຢ່າງທີ່ຕ້ອງສ້າງ ແລະ ບັນຫາທີ່ຕ້ອງແກ້ໄຂໃນອະນາຄົດອັນໃກ້ນີ້, ອາດຈະຫຼາຍກວ່າມື້ນີ້. ໂດຍການຮັກສາການສຶກສາ, ຮັກສາຄວາມຍືດຫຍຸ່ນ, ແລະ ສຸມໃສ່ສິ່ງທີ່ມະນຸດເຮັດໄດ້ດີທີ່ສຸດ, ນັກພັດທະນາສາມາດຮັບປະກັນອາຊີບທີ່ປະສົບຜົນສຳເລັດ ແລະ ມີຄວາມພໍໃຈ ໃນການຮ່ວມມືກັບ AI .

ສຸດທ້າຍ, ມັນຄຸ້ມຄ່າທີ່ຈະສະເຫຼີມສະຫຼອງຄວາມຈິງທີ່ວ່າພວກເຮົາກຳລັງເຂົ້າສູ່ຍຸກສະໄໝທີ່ນັກພັດທະນາມີພະລັງພິເສດຢູ່ໃນມືຂອງເຂົາເຈົ້າ. ໂປຣແກຣມເມີລຸ້ນຕໍ່ໄປຈະບັນລຸຜົນສຳເລັດພາຍໃນເວລາບໍ່ເທົ່າໃດຊົ່ວໂມງໃນສິ່ງທີ່ເຄີຍໃຊ້ເວລາຫຼາຍມື້, ແລະແກ້ໄຂບັນຫາທີ່ເຄີຍບໍ່ສາມາດບັນລຸໄດ້, ໂດຍການນຳໃຊ້ປະໂຫຍດຈາກ AI. ແທນທີ່ຈະເປັນຄວາມຢ້ານກົວ, ຄວາມຮູ້ສຶກທີ່ກ້າວໄປຂ້າງໜ້າສາມາດເປັນ ຄວາມຄິດໃນແງ່ດີ ແລະ ຄວາມຢາກຮູ້ຢາກເຫັນ . ຕາບໃດທີ່ພວກເຮົາເຂົ້າຫາ AI ດ້ວຍຕາຂອງພວກເຮົາເປີດ - ຮູ້ເຖິງຂໍ້ຈຳກັດຂອງມັນ ແລະ ຮັບຮູ້ເຖິງຄວາມຮັບຜິດຊອບຂອງພວກເຮົາ - ພວກເຮົາສາມາດສ້າງອະນາຄົດທີ່ AI ແລະໂປຣແກຣມເມີຮ່ວມກັນສ້າງລະບົບຊອບແວທີ່ໜ້າອັດສະຈັນ, ເກີນກວ່າສິ່ງທີ່ທັງສອງສາມາດເຮັດໄດ້ດ້ວຍຕົວຄົນດຽວ. ຄວາມຄິດສ້າງສັນຂອງມະນຸດລວມກັບປະສິດທິພາບຂອງເຄື່ອງຈັກ ແມ່ນການປະສົມປະສານທີ່ມີປະສິດທິພາບ. ໃນທີ່ສຸດ, ມັນບໍ່ແມ່ນກ່ຽວກັບ ການທົດແທນ , ແຕ່ກ່ຽວກັບການຮ່ວມມືກັນ. ເລື່ອງລາວຂອງ AI ແລະໂປຣແກຣມເມີຍັງຖືກຂຽນຢູ່ - ແລະມັນຈະຖືກຂຽນໂດຍ ທັງ ມະນຸດ ແລະ ເຄື່ອງຈັກຮ່ວມກັນ.

ແຫຼ່ງຂໍ້ມູນ:

1. Brainhub, “ມີອະນາຄົດສຳລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024]” ( ມີອະນາຄົດສຳລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ).

2. Brainhub, ຄຳເວົ້າຂອງຜູ້ຊ່ຽວຊານໂດຍ Satya Nadella ແລະ Jeff Dean ກ່ຽວກັບ AI ວ່າເປັນເຄື່ອງມື, ບໍ່ແມ່ນການທົດແທນ ( ມີອະນາຄົດສຳລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ) ( ມີອະນາຄົດສຳລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ).

3. Medium (PyCoach), “AI ຈະທົດແທນໂປຣແກຣມເມີບໍ? ຄວາມຈິງທີ່ຢູ່ເບື້ອງຫຼັງການໂຄສະນາ” , ໂດຍສັງເກດເຫັນຄວາມເປັນຈິງທີ່ລະອຽດອ່ອນທຽບກັບການໂຄສະນາ ( AI ຈະທົດແທນໂປຣແກຣມເມີບໍ? ຄວາມຈິງທີ່ຢູ່ເບື້ອງຫຼັງການໂຄສະນາ | ໂດຍ The PyCoach | Artificial Corner | ມີນາ, 2025 | Medium ) ແລະ ຄຳເວົ້າຂອງ Sam Altman ກ່ຽວກັບ AI ທີ່ເກັ່ງໃນໜ້າວຽກແຕ່ບໍ່ແມ່ນວຽກເຕັມຮູບແບບ.

4. DesignGurus, “Is AI Going to Replace Developers… (2025)” , ໂດຍເນັ້ນໜັກວ່າ AI ຈະ ເສີມຂະຫຍາຍ ແລະ ຍົກລະດັບນັກພັດທະນາແທນທີ່ຈະເຮັດໃຫ້ພວກເຂົາຊ້ຳຊ້ອນ ( Is AI Going to Replace Developers in 2025: A Sneak Peek into the Future ) ແລະ ລາຍຊື່ພື້ນທີ່ທີ່ AI ຍັງຄ້າງຄາ (ຄວາມຄິດສ້າງສັນ, ສະພາບການ, ຈັນຍາບັນ).

5. ການສຳຫຼວດນັກພັດທະນາ Stack Overflow ປີ 2023, ການນຳໃຊ້ເຄື່ອງມື AI ໂດຍ 70% ຂອງນັກພັດທະນາ, ຄວາມໄວ້ວາງໃຈໃນຄວາມຖືກຕ້ອງຕໍ່າ (3% ໄວ້ວາງໃຈສູງ) ( 70% ຂອງນັກພັດທະນາໃຊ້ເຄື່ອງມືການຂຽນໂປຣແກຣມ AI, 3% ໄວ້ວາງໃຈຄວາມຖືກຕ້ອງສູງ - ShiftMag ).

6. ການສຳຫຼວດ GitHub ປີ 2023, ສະແດງໃຫ້ເຫັນວ່ານັກພັດທະນາ 92% ໄດ້ລອງໃຊ້ເຄື່ອງມືການຂຽນໂປຣແກຣມ AI ແລະ 70% ເຫັນຜົນປະໂຫຍດ ( ການສຳຫຼວດເປີດເຜີຍຜົນກະທົບຂອງ AI ຕໍ່ປະສົບການຂອງນັກພັດທະນາ - The GitHub Blog ).

7. ການຄົ້ນຄວ້າ GitHub Copilot, ພົບວ່າວຽກງານສຳເລັດໄວຂຶ້ນ 55% ດ້ວຍການຊ່ວຍເຫຼືອຈາກ AI ( ການຄົ້ນຄວ້າ: ການວັດແທກຜົນກະທົບຂອງ GitHub Copilot ຕໍ່ຜົນຜະລິດ ແລະ ຄວາມສຸກຂອງນັກພັດທະນາ - The GitHub Blog ).

8. GeekWire, ໃນ AlphaCode ຂອງ DeepMind ມີປະສິດທິພາບໃນລະດັບຜູ້ຂຽນໂປຣແກຣມໂດຍສະເລ່ຍ (54%) ແຕ່ຍັງຢູ່ໃນລະດັບທີ່ຕໍ່າກວ່າລະດັບຜູ້ມີປະສິດທິພາບສູງສຸດ ( AlphaCode ຂອງ DeepMind ທຽບເທົ່າກັບຄວາມສາມາດຂອງໂປຣແກຣມເມີໂດຍສະເລ່ຍ ).

9. IndiaToday (ກຸມພາ 2025), ສະຫຼຸບວິໄສທັດຂອງ Sam Altman ກ່ຽວກັບ “ເພື່ອນຮ່ວມງານ” AI ທີ່ເຮັດວຽກງານຂອງວິສະວະກອນລະດັບນ້ອຍ ແຕ່ “ຈະບໍ່ທົດແທນມະນຸດໄດ້ຢ່າງສິ້ນເຊີງ” ( Sam Altman ກ່າວວ່າຕົວແທນ AI ຈະປະຕິບັດໜ້າວຽກທີ່ວິສະວະກອນຊອບແວເຮັດໃນໄວໆນີ້: ເລື່ອງເຕັມໃນ 5 ຈຸດ - India Today ).

10. McKinsey & Company, ຄາດຄະເນວ່າປະມານ 80% ຂອງວຽກງານການຂຽນໂປຣແກຣມຈະຍັງຄົງເປັນສູນກາງຂອງມະນຸດເຖິງວ່າຈະມີລະບົບອັດຕະໂນມັດ ( ມີອະນາຄົດສຳລັບວິສະວະກອນຊອບແວບໍ? ຜົນກະທົບຂອງ AI [2024] ).

ບົດຄວາມທີ່ທ່ານອາດຈະຢາກອ່ານຫຼັງຈາກບົດຄວາມນີ້:

🔗 ເຄື່ອງມືການຂຽນໂປຣແກຣມຄູ່ AI ຊັ້ນນໍາ
ສຳຫຼວດເຄື່ອງມື AI ຊັ້ນນໍາທີ່ສາມາດຮ່ວມມືກັບທ່ານຄືກັບຄູ່ຮ່ວມງານການຂຽນໂປຣແກຣມເພື່ອເສີມຂະຫຍາຍຂະບວນການພັດທະນາຂອງທ່ານ.

🔗 AI ອັນໃດດີທີ່ສຸດສຳລັບການຂຽນໂປຣແກຣມ - ຜູ້ຊ່ວຍຂຽນໂປຣແກຣມ AI ຊັ້ນນຳ
ຄູ່ມືກ່ຽວກັບເຄື່ອງມື AI ທີ່ມີປະສິດທິພາບທີ່ສຸດສຳລັບການສ້າງລະຫັດ, ການແກ້ໄຂຂໍ້ຜິດພາດ ແລະ ການເລັ່ງໂຄງການຊອບແວ.

🔗 ການພັດທະນາຊອບແວປັນຍາປະດິດ – ການປ່ຽນແປງອະນາຄົດຂອງເຕັກໂນໂລຊີ
ເຂົ້າໃຈວ່າ AI ກຳລັງປະຕິວັດວິທີການສ້າງ, ທົດສອບ ແລະ ນຳໃຊ້ຊອບແວແນວໃດ.