มาตรฐานขั้นต่ำกำลังสูงขึ้นเรื่อยๆ

เรื่องเล่ายอดนิยมเกี่ยวกับ AI กับงานวิศวกรรมเป็นเรื่องที่ฟังดูสบายใจ นั่นคือเครื่องมือเหล่านี้ยกระดับทุกคนขึ้นมา วิศวกรจูเนียร์เขียนโค้ดได้คุณภาพระดับซีเนียร์ และสนามแข่งขันก็เท่าเทียมกัน เป็นเรื่องเล่าที่ดี แต่ส่วนใหญ่แล้วมันตรงกันข้ามกับความจริง AI ไม่ได้ลดช่องว่างระหว่างวิศวกร แต่กลับขยายมันให้กว้างขึ้น — เพราะสิ่งที่ AI ให้รางวัลมากที่สุดคือสิ่งเดียวที่มันให้คุณไม่ได้ นั่นคือวิจารณญาณว่าทำไมคุณถึงทำสิ่งเหล่านี้ทั้งหมด

การพลิกกลับ

สิ่งที่เราเรียกว่าแนวปฏิบัติที่ดีที่สุดจำนวนมากแท้จริงแล้วเป็นการปรับตัวให้เข้ากับข้อจำกัดของมนุษย์ เราเขียนฟังก์ชันให้สั้นเพราะคนเราจำสิ่งต่างๆ ในหัวได้จำกัด เรามีวินัยในการไม่เขียนโค้ดซ้ำ ส่วนหนึ่งเพราะการเปลี่ยนสิ่งเดียวกันในห้าที่ด้วยมือคือสาเหตุที่ทำให้เกิดบั๊ก เราบันทึกสิ่งต่างๆ ไว้เพราะความจำของมนุษย์นั้นสูญหายได้ง่าย ล้วนเป็นกฎที่ดี — แต่เป็นกฎที่ถูกกำหนดโดยต้นทุนของการเป็นมนุษย์ที่นั่งอยู่หน้าคีย์บอร์ด

AI เปลี่ยนต้นทุนเหล่านี้ เมื่อเอเจนต์สามารถอ่านโค้ดเบสทั้งหมดได้ในไม่กี่วินาที รีแฟกเตอร์รูปแบบที่ซ้ำกันในไฟล์สี่สิบไฟล์ได้อย่างเป็นเอกภาพ และไม่เคยลืมว่าอะไรอยู่ที่ไหน ข้อจำกัดเก่าๆ บางอย่างก็หยุดมีผลบังคับใช้ไปเฉยๆ เศรษฐศาสตร์ที่สร้างกฎเหล่านั้นขึ้นมาพลิกกลับ และอย่างเงียบๆ กฎบางข้อก็พลิกกลับตามไปด้วย ไม่ใช่ทั้งหมด — แต่มากพอที่จะทำให้ "เราทำแบบนี้มาตลอด" ไม่ใช่ค่าเริ่มต้นที่ปลอดภัยอีกต่อไป

ช่องว่างของการให้เหตุผล

นี่คือจุดที่ช่องว่างเปิดออก วิศวกรสองคนต่างรู้กฎ "อย่าเขียนซ้ำ" (DRY) เหมือนกัน คนหนึ่งรู้ ทำไม: รู้ว่าการเขียนซ้ำเป็นอันตรายหลักๆ เพราะมันจะเบี่ยงเบนไม่ตรงกันเมื่อคุณแก้ไขสำเนาหนึ่งแต่ลืมแก้อีกสำเนา และกฎนี้แท้จริงแล้วเกี่ยวกับความเสี่ยงในการบำรุงรักษา ไม่ใช่แค่การมีอยู่ของบล็อกที่คล้ายกันสองบล็อก อีกคนรู้แค่กฎเฉยๆ

ลองให้ทั้งสองคนอยู่ในโลกที่ AI สามารถค้นหาและอัปเดตสำเนาทุกชุดของรูปแบบหนึ่งได้ทันทีและเชื่อถือได้ วิศวกรคนแรกสามารถให้เหตุผลได้ว่ากฎนี้ยังใช้ได้ที่นี่หรือไม่ และเมื่อไหร่ที่การเขียนซ้ำมีต้นทุนถูกกว่าการทำ abstraction ที่ผิด ส่วนคนที่สองทำได้แค่ท่องกฎ เมื่อพื้นดินเปลี่ยนไป ความเข้าใจจะช่วยให้คุณหาคำตอบที่ถูกต้องใหม่ได้ ส่วนการท่องจำจะทำให้คุณเหลือแค่การปกป้องกฎที่เหตุผลของมันระเหยไปแล้ว

นั่นคือช่องว่างของการให้เหตุผล และ AI ก็เทน้ำมันราดไฟให้มันลุกโชน วิศวกรที่เข้าใจการแลกเปลี่ยน (tradeoff) จะได้ตัวคูณพลังงาน ส่วนวิศวกรที่ท่องจำแต่ข้อสรุปจะได้เครื่องมือที่มั่นใจในตัวเองสำหรับผลิตคำตอบของเมื่อวานให้ได้มากขึ้นและเร็วขึ้น

ไม่ใช่แค่ผลิตภาพต่ำลง — แต่เป็นค่าติดลบสุทธิ

มันคงจะไม่เลวร้ายนักถ้าวิศวกรที่ต่ำกว่ามาตรฐานเพียงแค่มีผลิตภาพต่ำลง แต่ความจริงที่โหดร้ายกว่าคือในสภาพแวดล้อมที่เคลื่อนไหวเร็ว พวกเขาอาจกลายเป็นค่าติดลบสุทธิให้กับทีมได้ พวกเขาทำให้การเปลี่ยนแปลงที่ดีช้าลงด้วยการอ้างประเพณี — "เราไม่ทำแบบนั้นกัน" — โดยไม่สามารถบอกได้ว่าประเพณีนั้นยังสมเหตุสมผลอยู่หรือไม่ พวกเขาสร้างความขัดแย้ง รีวิวงานด้วยปฏิกิริยาอัตโนมัติ และผูกการอภิปรายไว้กับกฎที่ไม่คุ้มค่าอีกต่อไป ต้นทุนไม่ได้มีแค่งานที่พวกเขาไม่ได้ทำเท่านั้น แต่ยังรวมถึงแรงถ่วงที่พวกเขาสร้างให้กับทุกคนที่กำลังคิดอยู่รอบตัวพวกเขาด้วย

มายาคติเรื่องประชาธิปไตย

นี่คือเหตุผลที่ "AI ทำให้การเขียนโค้ดเป็นประชาธิปไตย" เป็นความจริงเพียงครึ่งเดียว ใช่ มาตรฐานขั้นต่ำของสิ่งที่ เป็นไปได้ สูงขึ้น คนที่เคยส่งมอบงานไม่ได้เลยตอนนี้ส่งมอบอะไรบางอย่างได้แล้ว แต่คุณค่าของวิจารณญาณสูงขึ้นเร็วกว่านั้นอีก เครื่องมือ AI มีคุณค่ามากที่สุดสำหรับคนที่รู้อยู่แล้วว่าตัวเองกำลังทำอะไร เพราะคนเหล่านั้นคือคนที่บอกได้ว่าเมื่อไหร่เครื่องมือถูกต้อง เมื่อไหร่ที่มันผิดอย่างมั่นใจ และเมื่อไหร่ที่สถานการณ์เปลี่ยนไปมากพอจนคำตอบเดิมใช้ไม่ได้อีกต่อไป เครื่องมือที่ขยายศักยภาพของคุณมีคุณค่าเท่ากับสิ่งที่ถูกขยายเท่านั้น

ไม่มีความปกติใหม่

สัญชาตญาณของเราคือรอให้สิ่งต่างๆ เข้าที่เข้าทาง — เรียนรู้แนวปฏิบัติที่ดีที่สุดใหม่แล้วก็ผ่อนคลายไปกับมัน แต่ความสามารถต่างๆ พัฒนาเร็วเกินกว่าจะทำแบบนั้นได้ ทุกๆ ไม่กี่เดือน ข้อจำกัดบางอย่างที่เคยกำหนดวิธีการทำงานของเราก็คลายตัวลงอีกครั้ง และภูมิปัญญาที่สืบทอดกันมาอีกชุดหนึ่งก็หมดอายุไปอย่างเงียบๆ ไม่มีความปกติใหม่ที่มั่นคงให้จดจำ สิ่งที่สำคัญไม่ใช่ว่าวันนี้คุณยืนอยู่ตรงไหน แต่คือความเร็วที่คุณสามารถหาคำตอบที่ถูกต้องใหม่ได้เมื่อพื้นดินเคลื่อนไหวอีกครั้ง — และนั่นคือคุณสมบัติของความเข้าใจ ไม่ใช่ของตำรากฎที่คุณท่องจำไว้

นี่ยังเป็นเหตุผลที่ตรงไปตรงมาสำหรับการรักษามนุษย์ไว้ในวงจรการตัดสินใจอย่างมั่นคง และนี่คือวิธีที่เราออกแบบ TaskGoblin เอเจนต์เขียนโค้ดและรีวิว merge request แต่ไม่เคยอนุมัติและไม่เคยเมิร์จเอง — เพราะวิจารณญาณว่าการเปลี่ยนแปลงหนึ่งๆ ถูกต้องจริงหรือไม่สำหรับระบบนี้ ณ ขณะนี้ คือส่วนที่ไม่สามารถทำให้เป็นระบบอัตโนมัติได้พอดี เอเจนต์ยกระดับมาตรฐานขั้นต่ำของสิ่งที่ถูกผลิตขึ้น การตัดสินใจว่าอะไรควรเป็นจริงเกี่ยวกับระบบยังคงเป็นหน้าที่ของคุณ และมันมีค่ามากกว่าที่เคยเป็นมา

คุณยืนอยู่ตรงไหน

นี่คือแบบทดสอบที่คุณสามารถทำกับตัวเองได้ เลือกแนวปฏิบัติที่คุณทำตาม — DRY, ฟังก์ชันสั้นๆ, การทดสอบอย่างละเอียดครบถ้วน หรืออะไรก็ได้ คุณอธิบายข้อจำกัดที่มันตอบสนองในตอนแรกได้ไหม และคุณพูดได้อย่างตรงไปตรงมาไหมว่าข้อจำกัดนั้นยังมีผลอยู่หรือไม่ในตอนนี้ที่ AI ทำงานส่วนหนึ่งแทนคุณ ถ้าคุณตอบได้ คุณจะไม่มีปัญหา คุณจะยังคงหาคำตอบที่ดีใหม่ได้เรื่อยๆ เมื่อเครื่องมือเปลี่ยนแปลงไป แต่ถ้าสิ่งเดียวที่คุณให้ได้คือ "มันเป็นกฎ" นั่นคือสิ่งที่ควรสังเกต — เพราะมาตรฐานขั้นต่ำยังคงสูงขึ้นเรื่อยๆ และระยะห่างระหว่างการท่องกฎกับการเข้าใจมันคือระยะห่างเดียวกันกับที่กำลังขยายกว้างขึ้น