“ผมไม่รู้จะทำยังไงต่อ” วิศวกรซอฟต์แวร์ระบายหลังถูก AI กัดกินอาชีพตัวเอง

“ผมใช้เวลา 10 ปีสร้างความเชี่ยวชาญ… แต่ตอนนี้ AI ทำให้มันมีค่าน้อยลงเรื่อย ๆ”

นี่คือความรู้สึกของวิศวกรซอฟต์แวร์รายหนึ่ง ที่ออกมาเล่าประสบการณ์ตรงเกี่ยวกับผลกระทบจาก LLM หรือ AI ด้านภาษาและการเขียนโค้ด ที่กำลังเปลี่ยนวงการซอฟต์แวร์อย่างรวดเร็ว

เจ้าของโพสต์นี้ระบุว่า ตัวเริ่มต้นอาชีพในสาย Frontend ก่อนจะย้ายเข้าสู่สาย Backend และทำงานเกี่ยวข้องกับระบบการเงิน การชำระเงิน และระบบบัญชีมาตลอดหลายปี

เขาสั่งสมความเชี่ยวชาญเฉพาะทาง ทั้งเรื่อง PCI Compliance, ระบบบัญชีแบบ Double-entry, Escrow, การ Reconciliation รวมถึงการออกแบบระบบป้องกันการชำระเงินซ้ำ และการจัดการระบบ Distributed System ที่ซับซ้อน

ในอดีต ความรู้เหล่านี้ถือเป็น “แต้มต่อ” สำคัญของวิศวกรระดับ Senior เพราะต้องอาศัยประสบการณ์จริงสะสมเป็นเวลานาน

แต่ทุกอย่างเริ่มเปลี่ยนไป เมื่อบริษัทใหม่ที่เขาเข้าทำงาน เปิดรับ AI อย่างเต็มตัว พร้อมสนับสนุนให้พนักงานใช้ ChatGPT และ Claude ในการทำงานตั้งแต่วันแรก

ช่วงแรก เขายังเชื่อว่า AI ไม่มีทางแทนความเข้าใจเชิงลึกของมนุษย์ได้ โดยเฉพาะเรื่องการออกแบบระบบและการตัดสินใจเชิงสถาปัตยกรรม

อย่างไรก็ตาม จุดเปลี่ยนสำคัญเกิดขึ้นตอนที่หัวหน้าตั้งคำถามว่า

“ทำไมคุณใช้เวลาทำ Design Docs นานขนาดนี้? คุณใช้ AI หรือยัง?”

จากเดิมที่แทบไม่พึ่ง AI เขาจึงเริ่มทดลองใช้มากขึ้น และพบว่า AI สามารถช่วยทั้งการเขียนเอกสาร การวิเคราะห์ทางเลือกของระบบ และแม้แต่ช่วยตัดสินใจเชิงเทคนิคได้เร็วอย่างน่าตกใจ

สิ่งที่ทำให้เขาช็อกที่สุด คือ AI เริ่ม “เชื่อมโยงองค์ความรู้” ที่ปกติต้องอาศัยประสบการณ์หลายปีได้ดีขึ้นเรื่อย ๆ

จากเดิมที่คิดว่า ความเชี่ยวชาญเฉพาะทางจะเป็นเกราะป้องกันอาชีพ แต่เขากลับเริ่มรู้สึกว่า ความรู้ที่สะสมมาตลอดหลายปี กำลังกลายเป็นสิ่งที่ “Prompt ได้”

ช่วงแรก เขายังเชื่อว่า AI คงไม่เก่งเรื่อง Debug ระบบจริง โดยเฉพาะปัญหา Race Condition หรือ Distributed Systems ที่ซับซ้อน เพราะนี่คือทักษะที่ต้องอาศัยประสบการณ์สูงมาก

แต่เมื่อเครื่องมืออย่าง Claude Code, Codex รวมถึงระบบ Agentic Workflow และ MCP เริ่มพัฒนาขึ้น ความเชื่อนั้นก็เริ่มสั่นคลอน

เขาเล่าว่า AI รุ่นใหม่สามารถแก้บั๊กที่เคยต้องใช้เวลาหลายวันได้ภายในเวลาอันสั้น บางกรณี AI สามารถวิเคราะห์ Stack Trace และเสนอวิธีแก้ได้แทบจะทันที

แม้ AI จะยังผิดพลาดและเกิด Hallucination ได้อยู่ แต่ภาพรวมคือ “ความสามารถกำลังพัฒนาเร็วมาก”

ปัจจุบัน เขามองว่า 90% ของงาน Debug หลายประเภท สามารถถูกจัดการโดย AI ได้แล้ว ไม่ว่าจะเป็นปัญหา Race Condition, ปัญหาระบบ Third-party หรือ Edge Cases ที่ซับซ้อน

แม้เขายังมีงานทำ เพราะยังต้องมีมนุษย์คอยตรวจสอบโค้ดและควบคุม AI แต่บทบาทของวิศวกรเริ่มเปลี่ยนจาก “ผู้สร้างระบบ” ไปเป็น “ผู้คุม AI”

สิ่งที่น่ากังวลสำหรับเขา ไม่ใช่แค่เรื่องเทคโนโลยี แต่คือผลกระทบทางเศรษฐศาสตร์ของตลาดแรงงาน

เมื่อ AI ทำให้วิศวกรจำนวนมากสามารถทำงานได้ใกล้เคียงกัน ความแตกต่างด้าน Domain Expertise ที่เคยใช้สร้างมูลค่า ก็เริ่มลดลง

เขายังสะท้อนว่า บริษัทจำนวนมากเริ่มลดความสำคัญของตำแหน่งเฉพาะทาง จากเดิมที่ประกาศรับ “Software Engineer – Finance” หรือ “Software Engineer – Payments” ก็เริ่มเหลือเพียง “Software Engineer” แล้วค่อยโยกทีมภายหลัง

อีกหนึ่งเรื่องที่เขายังเชื่อว่ามนุษย์เหนือกว่า AI คือ “คุณภาพโค้ด” และ “Software Architecture”

เขามองว่า AI ยังจัดระเบียบโค้ดได้ไม่ดีพอ มักสร้าง Circular Dependency, โค้ดซ้ำซ้อน หรือออกแบบระบบแบบ Spaghetti Code หากไม่มีมนุษย์คอยควบคุม

แต่ปัญหาคือ อุตสาหกรรมเริ่มให้ความสำคัญกับเรื่องเหล่านี้น้อยลง เพราะเมื่อโค้ดถูกสร้างมาเพื่อให้ AI อ่านและแก้ไขต่อ มากกว่าจะให้มนุษย์อ่าน ความสวยงามหรือโครงสร้างที่ดีอาจไม่ใช่สิ่งจำเป็นอีกต่อไป

เจ้าตัวยอมรับว่า เขาไม่รู้ว่าระยะยาวอาชีพสายซอฟต์แวร์จะเปลี่ยนไปอย่างไร

แม้ AI ยังไม่สามารถทำงานแทนมนุษย์ได้สมบูรณ์แบบ 100% และยังเกิด Hallucination หรือข้อผิดพลาดได้เสมอ แต่สิ่งที่น่ากลัวที่สุดในมุมของเขา คือผู้บริหารบางส่วนเริ่มเชื่อว่า AI สามารถแทนมนุษย์ได้เกือบทั้งหมดแล้ว

และเมื่อองค์กรเริ่มเชื่อแบบนั้น ความเสี่ยงเรื่องการลดคนหรือเลย์ออฟก็กลายเป็นสิ่งที่หลีกเลี่ยงได้ยาก

เขาทิ้งท้ายว่า ตอนนี้ยังไม่รู้ว่าอนาคตจะเป็นอย่างไร และสิ่งเดียวที่ทำได้ อาจเป็นการรอดูว่าโลกของงานสายเทคโนโลยีจะเปลี่ยนไปในทิศทางไหนต่อจากนี้

ที่มา : https://human-in-the-loop.bearblog.dev/llms-are-eroding-my-software-engineering-career-and-i-dont-know-what-to-do/