ลองจับ Jev มาช่วยคัด Lead ปลอม ทำได้จริงไหม
ช่วงนี้มีเทรนด์ AI ใหม่ตัวหนึ่ง ที่ไม่ได้ใช้คุยกับมนุษย์ปกติทั่วไป แต่มีไว้ให้ซอฟต์แวร์ถามแล้วได้คำตอบที่โค้ดเอาไปใช้ต่อได้
ตัวที่ผมลองชื่อว่า Jev เป็นโมเดลของ TypeSafe AI ที่รับข้อมูลเข้าไป แล้วตอบกลับมาเป็นค่าที่มีชนิดชัดเจน เช่น เลือกหนึ่งตัวเลือก (Choice) ให้คะแนน (Score) หรือคืนความน่าจะเป็นของคำตอบใช่หรือไม่ใช่ (Noul) ผมเลยเอามันทดลองกับโจทย์ใกล้ตัวมากๆ คือการคัด Lead ปลอมที่ได้มาจากการลงทะเบียน โดยใช้ข้อมูลจริง 788 ราย ที่ทีมผมเคยพิจารณาตรวจคำตอบไว้ก่อนหน้านั้นแล้ว
ผลออกมาค่อนข้างน่าสนใจพอสมควร เลยแชร์ไว้เผื่อเป็นประโยชน์ครับ
Continue reading “ลองจับ Jev มาช่วยคัด Lead ปลอม ทำได้จริงไหม”
AI-Native SDLC มนุษย์อยู่ตรงจุดไหน และใช้ส่งต่องานกันอย่างไร
ไม่กี่วันก่อนผมเขียนเรื่อง AI เขียนโค้ดเร็วแล้ว แต่ทำไมงานยังช้าอยู่ จากสิ่งที่เห็นรอบตัวว่า coding agent ทำให้คนสร้าง software ได้เร็วขึ้นมาก แต่หลายโครงการก็ยังติดอยู่ที่ requirement การตัดสินใจ และการส่งต่องานเหมือนเดิม
พอดีผมไปอ่านบทความของ Anthropic เรื่อง The AI-Native SDLC playbook ของ Louis Claxton ผู้เขียนจาก Anthropic แล้วรู้สึกว่า นี่คือภาคต่อของคำถามนั้นพอดีครับ นอกจากเขาคิดว่า code ไม่ใช่คอขวดแล้ว แต่เขาแบทั้งวงจรว่า ถ้าการสร้างซอร์ฟแวร์ได้เร็วขึ้นจากสัปดาห์-เดือน เหลือเพียงไม่กี่ชั่วโมง การทำ Plan, Design, Test, Deploy และ Maintain จะต้องเปลี่ยนตามอย่างไร
คำตอบของ Louis Claxton คือ AI-Native SDLC ที่เอา AI เข้าไปอยู่ทุกช่วง ใช้เอกสารที่ทั้งคนและ agent อ่านได้ ส่งงานต่อกันได้ วาง automation ในจุดที่ตรวจแบบตรงไปตรงมาได้ แล้วเหลือมนุษย์ไว้ตรงจุดที่ต้องใช้ judgment และรับผิดชอบต่อความเสี่ยง อ่านแล้วตรงกับที่ผมสงสัยในวิธีการที่ผมทำอยู่พอดิบพอดี ซึ่งผมชอบนะ แต่ก็มีหลายจุดที่ในบทความบอกว่าถ้าเอาไปใช้แบบยกชุดโดยไม่ดูบริบท ทีมอาจได้ระบบเอกสารใหม่ที่หนักพอๆ กับของเดิมก็ได้ 5555
Continue reading “AI-Native SDLC มนุษย์อยู่ตรงจุดไหน และใช้ส่งต่องานกันอย่างไร”
AI เขียนโค้ดเร็วแล้ว แต่ทำไมงานยังช้าอยู่
วันนี้ผมตกผลึกเรื่องหนึ่งขึ้นมาครับ หลังจากใช้ AI และอยู่ท่ามกลางคนที่ใช้ AI ทั้งฝั่ง user และ developer มาประมาณ 1-2 ปี ผมเห็นคนรอบตัวเปลี่ยนวิธีสร้าง software เร็วมาก โดยเฉพาะตั้งแต่ต้นปี 2026 ที่เครื่องมือกลุ่ม coding agent และ AI สำหรับช่วยทำงานเริ่มเข้าถึงคนที่ไม่ได้เป็น programmer มากขึ้น
ตอนแรกผมใช้ AI เขียนโปรแกรมด้วยตัวเองเป็นหลัก เพราะผมเป็น programmer อยู่แล้ว จึงรู้ว่าต้องสั่งอะไร ต้องดู code ตรงไหน และควรสงสัยผลลัพธ์เมื่อไร แต่ระยะหลัง เจ้านาย น้องในทีม และเพื่อนร่วมงานที่ไม่ได้ทำหน้าที่ programmer โดยตรง เริ่มทำ prototype ออกมาเอง บางคนไปไกลถึงขั้นสร้างโปรแกรมที่ใช้งานได้ แล้วค่อยเรียก programmer เข้าไปช่วยเฉพาะจุด
ภาพนี้ทำให้ผมกลับมาถามว่า ถ้า AI เขียน code ได้เร็วมากแล้ว ทำไมหลายโครงการยังช้าเหมือนเดิม คำตอบที่ผมได้ คือ เราเร่งช่วงผลิต code ได้ แต่ช่วงที่คนหนึ่งพยายามอธิบายสิ่งที่ตัวเองต้องการให้อีกคนเข้าใจ ยังเป็นคอขวดก้อนเดิมครับ
Continue reading “AI เขียนโค้ดเร็วแล้ว แต่ทำไมงานยังช้าอยู่”
แกะรูปแบบการเขียน Requirement ระบบ LLM Wiki ของ Karpathy
ผมชอบเอกสารชิ้นหนึ่งของ Andrej Karpathy เรื่อง LLM Wiki มากครับ (อยากรู้ว่าคืออะไร ผมเคยเขียนไว้ที่ LLM Wiki : คลังความรู้ส่วนตัว ตามแบบฉบับของ Karpathy) ไม่ใช่แค่เพราะไอเดียเรื่อง LLM Wiki น่าสนใจ แต่เพราะวิธีเขียนของมันดีมาก คือมันอ่านเหมือนบทความให้มนุษย์เข้าใจ แต่ขณะเดียวกันก็เป็นเอกสารที่ส่งให้ AI agent เอาไป implement ต่อได้เลย
นี่เป็นรูปแบบที่ผมคิดว่าน่าสนใจมากสำหรับคนที่ต้องเขียน requirement, product spec, technical spec หรือแม้แต่ working agreement ให้ AI ทำงานด้วย เพราะมันไม่ได้เขียนเป็น requirement แข็งๆ แบบที่เคยทำกันมา หรือแบบเอกสารราชการ แต่ก็ไม่ได้หลวมจน AI หรือคนต้องเดาเองทั้งหมด
บทความนี้เลยอยากลองแกะรูปแบบการเขียนของเอกสารชิ้นนี้ว่า ทำไมมันถึงอ่านง่ายสำหรับคน และยังทำหน้าที่เป็น context engineering สำหรับ AI ได้ดีในเวลาเดียวกัน
Continue reading “แกะรูปแบบการเขียน Requirement ระบบ LLM Wiki ของ Karpathy”
Working Agreement กับ AI: กติกาเล็กๆ ที่ทำให้ Coding Agent ไม่หลุดทาง
ผมใช้ AI มาพักใหญ่ๆ แล้วเริ่มรู้สึกว่ามีเรื่องหนึ่งที่ตอนแรกดูเหมือนเล็ก แต่พอใช้งานจริงไปเรื่อยๆ กลับสำคัญมาก คือการมี Working Agreement กับ AI หรือข้อตกลงวิธีทำงานร่วมกันระหว่างเรากับ AI
ช่วงแรกๆ ผมก็สั่งเป็นรอบๆ ไปเหมือนกันครับ วันนี้ให้ช่วยแก้ bug พรุ่งนี้ให้ช่วย refactor อีกวันให้ช่วยเขียน test แต่พอใช้ไปนานๆ จะเริ่มเห็น pattern ว่า หลายเรื่องเราสั่งซ้ำๆ อยู่ตลอด เช่น ก่อน push ต้อง test ก่อน, ถ้าตกลง plan แล้วให้ create task เป็น issue, ห้าม merge dev เอง ต้องขอ approve ก่อน
จนวันหนึ่งผมสังเกตน้องในทีมใช้งาน AI แล้วไม่ได้คุยเรื่องข้อตกลงกันก่อน ผลคือ AI ทำบ้างไม่ทำบ้าง บางรอบจำได้ บางรอบลืม พอปิด session ก็เหมือนต้องเริ่มใหม่ ทั้งที่ขั้นตอนส่วนใหญ่เป็นเรื่องเดิมๆ นั่นแหละครับ
หมายเหตุ: บทความนี้เป็นงานเขียนร่วมกันระหว่างผมกับ AI agent โดยอิงจากประสบการณ์ใช้งานจริงของผมเอง ส่วนข้อมูลเชิงอ้างอิงนำมาประกอบจากเอกสารและแหล่งที่มาที่ลิงก์ไว้ท้ายบทความ
Continue reading “Working Agreement กับ AI: กติกาเล็กๆ ที่ทำให้ Coding Agent ไม่หลุดทาง”