สื่อต่างประเทศระบุว่า เครื่องมือเขียนโปรแกรมด้วย AI ได้เปลี่ยนจาก “ตัวเลือก” เป็น “การตั้งค่าเริ่มต้น” ภายในทีมพัฒนา แต่ความคาดหวังเชิงบวกเกี่ยวกับการเพิ่มประสิทธิภาพกำลังถูกดึงกลับสู่ความเป็นจริงด้วยต้นทุนและปัญหาคุณภาพที่เพิ่มขึ้น การศึกษาหลายชิ้นและกรณีศึกษาของบริษัทแสดงให้เห็นว่า AI สามารถเร่งความเร็วในการเขียนโค้ดได้จริง แต่ไม่จำเป็นต้องลดจำนวนงานที่ต้องแก้ไขภายหลัง
นักพัฒนาไม่ต้องการละทิ้งงานด้าน AI
สถาบันวิจัย AI METR เปิดเผยในเดือนกุมภาพันธ์ปีนี้ว่า นักวิจัยตั้งใจจะทำซ้ำการทดลองเกี่ยวกับประสิทธิภาพการเขียนโปรแกรม โดยเปรียบเทียบความแตกต่างระหว่างนักพัฒนาที่เขียนโค้ดด้วยตนเองกับผู้ที่ใช้ AI ในการทำภารกิจ แต่พบอุปสรรคในการดำเนินการ: นักพัฒนาจำนวนมากถึงกับไม่ยินดีจะละเว้นเครื่องมือ AI แม้แต่ชั่วคราวเพื่อการทดลอง
METR ได้ทำการทดสอบที่เกี่ยวข้องในปี 2025 ผู้เข้าร่วมส่วนใหญ่รู้สึกว่าตนเองมีประสิทธิภาพสูงขึ้น แต่ผลการวัดจริงกลับตรงกันข้าม: แม้จะสร้างโค้ดได้เร็วขึ้น นักพัฒนาต้องใช้เวลามากขึ้นในการรอผลลัพธ์จากโมเดล แก้ไขข้อผิดพลาด และแนะนำเครื่องมือซ้ำๆ เพื่อให้เสร็จสิ้นภารกิจ
เนื่องจากยากที่จะให้นักพัฒนาเข้าร่วมต่อไปโดยไม่มี AI METR จึงเปลี่ยนมาเผยแพร่แบบสอบถามเพื่อให้พนักงานเทคนิคประเมินผลประโยชน์ที่ AI นำมาเอง ผู้ตอบแบบสอบถามส่วนใหญ่เห็นว่า AI ช่วยเพิ่มมูลค่าของงานของพวกเขาเป็นสองเท่า
บริษัทเริ่มทบทวนการลงทุนใน AI
บทความชี้ให้เห็นว่า การตัดสินใจแบบ “รู้สึกว่ามีประสิทธิภาพมากขึ้น” กำลังถูกทดสอบโดยค่าใช้จ่ายของบริษัทและผลผลิตจริง ตั้งแต่ปี 2026 เป็นต้นมา สิ่งที่เคยเป็นที่นิยมในซิลิคอนแวลลีย์คือการวัดความเข้มข้นของการใช้งาน AI ผ่านปริมาณการใช้โทเค็น และแม้แต่ใช้มันเป็นตัวแทนของผลิตภาพ แต่วิธีการนี้ได้เกิดผลตอบกลับที่ชัดเจน
รายงานของฟินานเชียลไทมส์ของอังกฤษเมื่อสัปดาห์นี้ระบุว่า แอมะซอนได้ปิดรายการเรียงลำดับโทเค็นภายใน Kirorank เนื่องจากพนักงานใช้การเรียกใช้งานตัวแทน AI อย่างมากเพื่อ “โกงคะแนน” ทำให้ต้นทุนเพิ่มขึ้นโดยไม่มีการปรับปรุงผลลัพธ์ที่สอดคล้อง
《The Information》รายงานว่า Uber ใช้งบประมาณ AI ทั้งปีภายในสี่เดือนแรกของปี 2026 หัวหน้าเจ้าหน้าที่ปฏิบัติการของบริษัท Andrew Macdonald ได้กล่าวในพอดีกเมื่อเร็วๆ นี้ว่า ค่าใช้จ่ายดังกล่าวยังไม่ได้สร้างการเติบโตของโครงการหรือการเพิ่มผลผลิตที่สามารถวัดได้
เขียนโค้ดเร็วขึ้น ไม่ได้หมายถึงต้องดูแลรักษาน้อยลง
บทความชี้ว่า ปัญหาที่ใหญ่กว่าคือการดูแลรักษาโค้ด แจมส์ ชอร์ นักเขียนและนักโปรแกรมเมอร์ เมื่อไม่นานมานี้ได้ระบุในบล็อกที่ได้รับการแชร์อย่างกว้างขวางว่า หากความเร็วในการเขียนโค้ดเพิ่มขึ้นเป็นสองเท่า แต่ต้นทุนการดูแลรักษาไม่ลดลงตามไปด้วย ทีมงานก็แค่แลกการเร่งความเร็วในระยะสั้นด้วยภาระในระยะยาว
ในบริบทนี้ ตลาดยังมีข้อมูลจำนวนมากปรากฏขึ้น Aiswarya Sankar ผู้ก่อตั้งบริษัทสตาร์ทอัพด้านวิศวกรรมความน่าเชื่อถือ Entelligence AI ระบุว่า ประมาณ 44% ของการใช้โทเค็นขององค์กรถูกใช้เพื่อแก้ไขข้อบกพร่องที่สร้างโดย AI บริษัทเครื่องมือตรวจสอบโค้ด Code Rabbit ยังระบุว่า การวิเคราะห์คำขอดึงข้อมูลจากโครงการโอเพ่นซอร์สของพวกเขาแสดงให้เห็นว่า จำนวนปัญหาที่เกิดจากโค้ดที่สร้างโดย AI สูงกว่าโค้ดที่เขียนด้วยมือถึง 1.7 เท่า
แม้ว่าข้อมูลเหล่านี้จะมาจากผู้ให้บริการที่เกี่ยวข้องและมีปัจจัยด้านท่าทีที่ชัดเจน แต่การวิจัยอิสระก็ให้คำเตือนที่ใกล้เคียงกัน นักวิจัยจากมหาวิทยาลัยการจัดการสิงคโปร์ได้เผยแพร่รายงานในเดือนเมษายนปีนี้ว่า โค้ดที่สร้างโดย AI อาจก่อให้เกิดต้นทุนการดูแลรักษาในระยะยาวต่อโครงการซอฟต์แวร์จริง
นักวิจัยแนะนำให้จัดการ AI เป็น “นักพัฒนาระดับเริ่มต้น”
เกี่ยวกับวิธีการรับมือ บทความระบุว่า ผู้ผลิตตัวแทนโปรแกรม AI บางรายสนับสนุนการใช้ AI เพิ่มเติมเพื่อแก้ไขปัญหาที่เกิดจาก AI สร้างขึ้น ซึ่งสก็อตต์ วู ผู้ก่อตั้ง Cognition ผู้พัฒนาตัวแทนโปรแกรม AI Devin ก็มีมุมมองเช่นนี้
อย่างไรก็ตาม เขายอมรับว่า Devin แม้จะสามารถทำงานบางอย่างได้ด้วยตัวเอง แต่ความสามารถในปัจจุบันยังอยู่ในระดับโปรแกรมเมอร์เริ่มต้นถึงระดับกลาง ขึ้นอยู่กับประเภทของงาน ซึ่งหมายความว่าทีมพัฒนาไม่สามารถปล่อยให้ตัวแทนทำงานทั้งหมดโดยไม่ต้องดูแลอีกต่อไป
ในทางตรงกันข้าม นักวิจัยจากมหาวิทยาลัยการจัดการสิงคโปร์แนะนำให้เน้นการตรวจสอบด้วยมนุษย์: นักพัฒนาจำเป็นต้องเข้าใจขอบเขตของงานที่ AI ทำได้ดีและไม่ได้ดี สร้างกระบวนการรับประกันคุณภาพสำหรับผลลัพธ์ของ AI และตรวจสอบผลลัพธ์ที่โมเดลสร้างขึ้นเหมือนกับการตรวจสอบโค้ดของวิศวกรรุ่นเยาว์
บทความสรุปว่า ในงานระดับสูง เช่น สถาปัตยกรรมซอฟต์แวร์และการออกแบบความปลอดภัย นักพัฒนาคนยังคงเป็นผู้ตัดสินใจหลัก ซึ่งผู้ที่สนับสนุนตัวแทน AI ก็ยอมรับโดยทั่วไป