แถลงการณ์ AI ของ Proton สำหรับวิศวกรรมซอฟต์แวร์

ในช่วงสองทศวรรษที่ผ่านมา รัฐบาลและหน่วยงานต่าง ๆ ได้ใช้งบประมาณหลายพันล้านเพื่อสอนผู้คนให้เขียนรหัส เคยถูกมองว่าเป็นหนึ่งในไม่กี่อาชีพที่จะปลอดภัยในโลกที่เปลี่ยนแปลง แต่กลับกลายเป็นว่า การเขียนและจัดการรหัสเป็นหนึ่งในกิจกรรมที่โมเดล AI เหมาะสมที่สุด บริษัทเทคโนโลยีได้เลิกจ้างพนักงานกว่า 1 ล้านคนในช่วงไม่กี่ปีที่ผ่านมา และเมื่อสัปดาห์ที่แล้ว Microsoft เพิ่งเสนอแพ็กเกจลาออกโดยสมัครใจให้พนักงาน 60,000 คน นี่เป็นช่วงเวลาที่น่าสะพรึงกลัวและสร้างความสับสนอย่างมากสำหรับคนในอุตสาหกรรมซอฟต์แวร์

เมื่อประมาณหนึ่งเดือนก่อน ผมได้เขียนบันทึกภายในซึ่งระบุรายละเอียดเส้นทางการนำ AI มาใช้ที่ Proton ต้องปฏิบัติตามเพื่อรักษาความสามารถในการแข่งขันและความปลอดภัย รวมถึงสิ่งที่เราพลาดไปจนถึงตอนนี้ในฐานะองค์กรและต้องแก้ไขเพื่อให้การเปลี่ยนผ่านที่หลีกเลี่ยงไม่ได้นี้ประสบความสำเร็จ ไม่ต้องสงสัยเลยว่าองค์กรที่ไม่สามารถปรับเปลี่ยนได้เร็วพอจะทำให้ทีมของตนและผู้ที่พึ่งพาองค์กรเหล่านั้นผิดหวังในที่สุด

บันทึกนี้ยังมีจุดประสงค์อีกอย่างหนึ่ง คือการโน้มน้าวเพื่อนร่วมงานของผมว่าเราไม่ได้เป็นผู้เล่นที่ตั้งรับเฉย ๆ ในการเปลี่ยนแปลงครั้งนี้ บริษัทต้องการพรสวรรค์และความเชี่ยวชาญของพวกเขาเพื่อทำให้การเปลี่ยนแปลงเกิดขึ้นจริง และการเปลี่ยนผ่านนี้มอบโอกาสให้กับผู้ที่เลือกจะเตรียมตัวและมีส่วนร่วมกับมัน

บันทึกนี้ไม่ใช่เอกสารวิศวกรรมเชิงลึก ไม่ได้เจาะลึกรายละเอียดด้านความปลอดภัย ความน่าเชื่อถือ หรือโครงสร้างพื้นฐาน แต่ชี้ให้เห็นทิศทางที่อุตสาหกรรมของเราโดยรวมกำลังมุ่งไป

สามารถอ่านบันทึกฉบับเต็มได้ด้านล่าง

ดาวน์โหลด PDF ของแถลงการณ์ AI(หน้าต่างใหม่)

AI @ Proton แถลงการณ์ด้านวิศวกรรม

ไม่น่าแปลกใจสำหรับใครที่ Proton โดยเฉพาะในฝ่ายวิศวกรรมว่า วิศวกรรมซอฟต์แวร์ได้เปลี่ยนไปอย่างถาวรในปีนี้ หากไม่ใช่ก่อนหน้านี้แล้ว LLM และเครื่องมือที่เกี่ยวข้องได้พัฒนาความสามารถในการเขียนรหัสจนถึงจุดที่วิศวกรอาวุโสของ Proton บอกผมเมื่อไม่กี่วันก่อน และผมขออ้างคำพูดว่า “ไม่มีใครเขียนรหัสใน {business unit name} อีกต่อไปแล้ว” เช่นเดียวกับการจดจำหมายเลขโทรศัพท์ในศตวรรษที่ 20 หรือการขี่ม้าในศตวรรษที่ 19 การเขียนรหัสที่ดีด้วยมือเป็นทักษะหลักที่ผ่านพ้นช่วงเวลาของมันไปแล้ว

โดยทั่วไปแล้วนั่นเป็นเรื่องที่ดีมาก การเขียนรหัสจำนวนมากเคยและยังคงเป็นงานน่าเบื่อที่กินเวลา โดยเฉพาะในสภาพแวดล้อมจริงและในระดับขนาดใหญ่ เอกสารประกอบและการทดสอบเป็นสิ่งจำเป็นที่คนส่วนใหญ่ไม่ชอบทำ และในอดีตมักถูกละเลยจนทำให้เกิดการสื่อสารที่แย่ ความไร้ประสิทธิภาพ และปัญหาความน่าเชื่อถือ แม่แบบรหัสที่ต้องเขียนซ้ำเป็นภาพแทนของความน่าเบื่อในวิศวกรรมซอฟต์แวร์ และอาจไม่ใช่สิ่งที่มนุษย์ต้องกังวลอีกต่อไป โมเดลในตอนนี้สามารถให้คำแนะนำและเสนอสถาปัตยกรรมและการออกแบบระบบ ซึ่งถึงแม้มักจะยังไม่สมบูรณ์ แต่ก็มีส่วนช่วยอย่างมีความหมายต่อการอภิปราย การตัดสินใจ และการเรียนรู้

ภายนอก Proton การปฏิวัติ AI กำลังสร้างผลกระทบไปทั่วโลก หลายส่วนเป็นเพียงกระแสและผิวเผิน เป็นแคมเปญตกแต่งภาพลักษณ์เพื่อให้ดูเป็นนวัตกรรมมากกว่าจะเป็นนวัตกรรมจริง แต่หลายส่วนก็เป็นเรื่องจริงจัง และการลงทุนที่บริษัทเหล่านั้น รวมถึงคู่แข่งของเรากำลังทำอยู่ในตอนนี้จะกำหนดสภาพแวดล้อมทางธุรกิจที่เราจะดำเนินงานในอนาคต เรื่องนี้ไม่ใช่แค่การไล่ตามกระแส — เรากำลังถูกทิ้งไว้ข้างหลังในจุดนี้ และมันเป็นภัยคุกคามต่อการดำรงอยู่ของความสำเร็จของพันธกิจเอง

แล้วทำไมที่ Proton ถึงไม่รู้สึกว่าการปฏิวัติได้มาถึง? ทำไมผลิตภาพจึงไม่เพิ่มขึ้นอย่างมากหากทุกคนใช้ LLM กันตลอดเวลาอยู่แล้ว? ผมเชื่อว่าเป็นเพราะสามสิ่ง ซึ่งเราจะต้องแก้ไขทั้งหมดหากต้องการประสบความสำเร็จในยุคใหม่ที่มาถึงแล้วในวันนี้ ไม่ใช่กำลังจะมาถึง

ประการแรกคือการเปลี่ยนแปลงวัฒนธรรมทางวิศวกรรมและวิธีคิดของวิศวกร งานของคุณเปลี่ยนไปโดยพื้นฐานแล้ว มันไม่ใช่การเขียนรหัสอีกต่อไป และ LLM ไม่ได้อยู่ที่นี่เพื่อช่วยให้คุณเขียนรหัสได้ดีขึ้นเร็วขึ้น งานของคุณคือช่วยให้ LLM เขียนรหัสได้ดีขึ้นเร็วขึ้น วิศวกรทุกคนตอนนี้เป็นหัวหน้าทีม เป็นผู้จัดการ และผู้ที่รายงานตรงต่อคุณคือโมเดลและเอเจนต์ที่คุณใช้ การแนะนำพวกมันโดยตรงและการแก้ไขเมื่อพวกมันทำผิดเป็นส่วนหนึ่งของงานนี้อย่างแน่นอน แต่ทีมที่มีคนสองคนที่เขียนโปรแกรมแบบคู่กันตลอดเวลาคงไม่ถือเป็นทีมเท่าไร และทีมที่ไม่มีใครทำงานเมื่อหัวหน้าทีมเข้าประชุมก็เช่นกัน AI ต้องสามารถทำงานได้อย่างอิสระและต่อเนื่อง โดยมีมนุษย์คอยดูแลน้อยลงเรื่อย ๆ งานของคุณคือระบุปัญหาที่ LLM ไม่สามารถแก้ได้ด้วยตัวเอง และช่วยให้มันไม่เพียงแก้ปัญหาในครั้งนี้ แต่ยังสามารถแก้ได้ดีขึ้นในครั้งต่อไป ไม่ใช่แค่เพื่อคุณแต่เพื่อทุกคน: ไฟล์บริบทระดับรีโพซิทอรี ทักษะและพรอมต์ที่แชร์ร่วมกัน และนิสัยในการทำให้แน่ใจว่าความล้มเหลวที่เกิดขึ้นซ้ำจะนำไปสู่การสอบสวนและแก้ไข งานของคุณคือผลักดันขีดจำกัดของสิ่งที่ LLM ทำได้อย่างอิสระ เข้าแทรกแซงในสิ่งที่มันทำไม่ได้ และคิดอยู่เสมอว่าจะปรับปรุงสถานะเดิมให้ดีขึ้นได้อย่างไร

นี่ไม่ใช่จุดจบของความเชี่ยวชาญ LLM นั้นเร็ว คุณช้า แต่คุณแบกประสบการณ์ตลอดชีวิต การตัดสินใจเชิงดุลยพินิจ และความเข้าใจไว้กับตัว คุณยังมีแนวโน้มน้อยกว่ามากที่จะสร้างข้อมูลเท็จและถูกชักจูงด้วยข้อมูลป้อนเข้าที่ไม่ดีหรือเป็นอันตราย ซึ่งหวังว่าจะเป็นเช่นนั้น และคุณต้องรับผิดชอบต่อตัวเอง ต่อเพื่อนร่วมทีม และต่อ Proton ในแบบที่โมเดลไม่มีวันทำได้ เมื่อร่วมกัน คุณสามารถทำได้มากกว่าและเร็วกว่าที่ฝ่ายใดฝ่ายหนึ่งจะทำได้ตามลำพังมาก

นี่ก็ไม่ใช่จุดจบของแนวปฏิบัติทางวิศวกรรมที่ดีเช่นกัน ความสามารถในการบำรุงรักษาและความเร็วในการพัฒนาจะดีขึ้นเมื่อฐานรหัสมีสถาปัตยกรรมที่ดี เอกสารประกอบและการทดสอบยังคงสำคัญ อย่างไรก็ตาม เราต้องเปิดรับการเปลี่ยนแปลงของแนวปฏิบัติที่ดีที่สุดเมื่อต้นทุนและขีดความสามารถเปลี่ยนไป การทดสอบเป็นตัวอย่างที่ดีของเรื่องนี้ แนวปฏิบัติเดิมกล่าวว่าการทดสอบมากเกินไป โดยเฉพาะการทดสอบจากต้นทางถึงปลายทาง เป็นการแลกเปลี่ยนที่ไม่คุ้มค่าในโลกที่การเขียนและการบำรุงรักษาการทดสอบมีต้นทุนสูง หากการเขียนและการบำรุงรักษาการทดสอบมีต้นทุนต่ำลง จุดที่เราลากเส้นแบ่งก็มีแนวโน้มจะเปลี่ยนไปเช่นกัน

เหตุผลประการที่สองที่เราไม่สามารถใช้ประโยชน์จากการปฏิวัติ AI ได้อย่างเต็มที่คือเราเกือบจะติดอยู่ที่ระยะที่ 1 อย่างสมบูรณ์ นั่นคือการใช้ LLM เพื่อเร่งงานต่าง ๆ เป็นส่วนหนึ่งของกระบวนการทำงานที่มีอยู่ แต่การเขียนรหัสไม่ใช่ส่วนเดียวของวงจรชีวิตการพัฒนาซอฟต์แวร์ และจะเกิดอะไรขึ้นเมื่อคุณกำจัดคอขวด? คอขวดอื่นจะเข้ามาแทนที่ อาจเป็นความเร็วและความสามารถของ CI อาจเป็นการออกแบบ การอนุมัติ ข้อกำหนด และการตรวจสอบรหัส ใช่แล้ว เราต้องไปให้ถึงจุดที่การตรวจสอบรหัสโดยมนุษย์ส่วนใหญ่จะสิ้นสุดลง และเราจะไปให้ถึงจุดนั้น อาจเป็นได้ว่ากระบวนการทำงานไม่เปลี่ยนมากนัก แต่ LLM ทำให้เราในที่สุดก็สามารถลงทุนในระบบอัตโนมัติซึ่งเคยมีต้นทุนสูงเกินไป หากเราไม่มองกระบวนการทั้งหมดของเราแบบองค์รวมและกำจัดคอขวดอย่างไม่ปรานี เราจะไม่บรรลุศักยภาพเต็มที่ การกำจัดคอขวดเหล่านี้มักไม่ใช่แค่การปรับส่วนต่าง ๆ ของกระบวนการทำงานที่มีอยู่ แต่ยังรวมถึงการปรับปรุงและคิดใหม่ทั้งหมด นี่คือระยะที่ 2 และเราต้องไปให้ถึงตอนนี้

เหตุผลประการที่สามคือปัญหาการดำเนินการร่วมกัน การใช้ LLM เขียนรหัสอย่างมีประสิทธิผลเป็นสิ่งที่วิศวกรแต่ละคนสามารถทำได้ด้วยตัวเอง การสร้างหรือปรับปรุงกระบวนการ CI ใหม่สำหรับทั้งทีม หน่วยธุรกิจ หรือบริษัทเป็นงานที่หนักกว่ามาก และมาพร้อมต้นทุนค่าเสียโอกาสและการแลกเปลี่ยน ไม่ใช่เรื่องที่เป็นไปไม่ได้ และหลายคนที่ Proton ได้ทำสิ่งที่น่าทึ่งด้วยตัวเอง ซึ่งบางส่วนได้แพร่กระจายออกไปอย่างกว้างขวาง แต่การปรับเครื่องมือของบริษัทโดยรวมต้องใช้ทั้งองค์กรและทรัพยากรในระดับที่เรายังไม่ได้ลงทุนเลย ในส่วนของการอภิปรายเกี่ยวกับวงจรชีวิตการพัฒนาซอฟต์แวร์ในย่อหน้าก่อน ในหลายกรณีเราไม่รู้ด้วยซ้ำว่าคอขวดอยู่ที่ไหน เพราะเราไม่ได้ลงทุนในเครื่องมือที่จำเป็นในการค้นหา ความระมัดระวังบางอย่างอาจสมเหตุสมผลในอดีต — ต้องใช้เวลาพอสมควรในการหาวิธีใช้เครื่องมือใหม่ ๆ เหล่านี้ให้ดีที่สุด และเราจะยังคงสนับสนุนการทดลอง แต่ถึงเวลาแล้วที่ในฐานะองค์กรเราต้องมุ่งมั่นกับการเปลี่ยนแปลงที่ช่วงเวลานี้เรียกร้อง

แล้วสิ่งนี้หมายความว่าอย่างไรสำหรับคุณในฐานะวิศวกร? เอาเป็นว่า อำนาจในการดำเนินการและความรับผิดชอบของคุณขยายออกไปทั้งคู่ คุณไม่เพียงรับผิดชอบให้งานสำเร็จเท่านั้น แต่ตอนนี้คุณยังเป็นเจ้าของวิธีการทำงานด้วย ดังนั้นคุณจึงรับผิดชอบต่อการปรับปรุงอย่างต่อเนื่องและการทำงานอัตโนมัติให้ได้มากที่สุด รวมถึงการแชร์การปรับปรุงเหล่านั้นกับเพื่อนร่วมงาน — ความสำเร็จที่ Proton คือกีฬาประเภททีม นอกจากนี้ยังเป็นความรับผิดชอบของคุณในการชี้ให้เห็นและส่งต่อการปรับปรุงที่จำเป็นซึ่งคุณไม่สามารถดำเนินการได้ด้วยตัวเอง ในส่วนของ Proton จะจัดระเบียบและจัดสรรทรัพยากรสำหรับการลงทุนที่สำคัญซึ่งจำเป็นต่อการผ่านระยะที่ 2 และบรรลุศักยภาพของการปฏิวัติ AI อย่างเต็มที่

สรุปก็คือเราอยู่ในโลกใหม่แล้ว “การเขียนโปรแกรม” ตายแล้ว วิศวกรรมไม่ตาย และความเชี่ยวชาญก็ไม่ตาย งานเดิมของคุณหายไปแล้ว งานใหม่ของคุณในฐานะผู้สร้างจะทำให้คุณทำได้มากขึ้นและมีผลกระทบมากขึ้นกว่าที่เคย หากคุณคว้าโอกาสไว้ และ Proton จะเตรียมคุณให้พร้อมสำหรับสิ่งนั้น ซึ่งคุณจะได้ยินรายละเอียดเพิ่มเติมในอีกไม่กี่วันและไม่กี่สัปดาห์ข้างหน้า ยุคของการทดลองยังคงดำเนินต่อไป แต่ถึงเวลาที่ต้องลงมือทำแล้ว อนาคตอยู่ที่นี่แล้ว — มาทำให้มันเป็นของเรากันเถอะ

ภาพปกโดย: Bernard Leonardo
Instagram: @dranreboel
เว็บไซต์: https://dranreboel.myportfolio.com/work