Arvind Narayanan (Princeton) และ Sayash Kapoor วิเคราะห์อย่างละเอียดว่าทำไม AI ยังไม่สามารถแทนที่วิศวกรซอฟต์แวร์ได้ แม้จะเป็นอาชีพที่ดูเหมือนจะถูกรบกวนโดย AI ได้ง่ายที่สุด ข้อมูลจาก WARN Act ของนิวยอร์กชี้ให้เห็นว่าในปี 2025 มีกว่า 160 บริษัทยื่นประกาศเลิกจ้าง แต่ ไม่มีบริษัทไหนเลย ที่เช็กช่อง "เหตุผล: AI"
AI ช่วยเร่งส่วน "พิมพ์โค้ดเข้าคอมพิวเตอร์" เท่านั้น
ความจริงแล้ว AI ช่วยเร่งเฉพาะส่วนของการพิมพ์โค้ดเข้าคอมพิวเตอร์ แต่นั่นไม่ใช่ bottleneck จริงของงานซอฟต์แวร์ สิ่งที่ทำให้งานซอฟต์แวร์ซับซ้อนไม่ใช่การเขียนโค้ด แต่คือ: การแบ่ง task (task breakdown) - การแยกปัญหาใหญ่เป็นส่วนเล็กๆ ที่จัดการได้ การเข้าใจ requirement - การสื่อสารกับลูกค้าและทีมอื่นๆ เพื่อทำความเข้าใจว่าต้องการอะไร การแก้ไขปัญหา (debugging) - การหาจุดบกพร่องและแก้ไขปัญหาที่ซับซ้อน การสื่อสาร - การทำงานร่วมกับทีมและอธิบายแนวคิดทางเทคนิค
AI ส่งผลผ่าน "slower hiring" ไม่ใช่ "increased firing"
ข้อมูลชี้ให้เห็นว่าผลกระทบของ AI ต่อตลาดแรงงานไม่ใช่การเลิกจ้างคนทำงาน แต่เป็นการที่บริษัทจ้างช้าลง ที่ลาออกมากๆ แล้วอ้าง AI ส่วนใหญ่เป็น "theatre" เพราะต้นทุนแรงงานต่ำเป็นสาเหตุจริง
"Sandwich Model": งานความรู้ = ตัดสินใจ → ทำ → ส่งมอบ
แบบจำลองนี้แสดงให้เห็นว่างานความรู้ประกอบด้วย 3 ชั้น โดย AI ช่วยได้ในชั้น "ทำ" เท่านั้น ส่วนการตัดสินใจและการส่งมอบยังต้องใช้คน ซึ่งต้องการ tacit knowledge หรือความรู้เชิงลึกจากประสบการณ์
ความสำคัญของ Tacit Knowledge
วิศวกรที่มี tacit knowledge มีค่ามากขึ้นในยุค AI การไล่ออกทีม senior เพื่อลดต้นทุนแล้วใช้ AI แทนจะทำลาย organizational knowledge ที่สะสมมานาน ซึ่งเป็นสินทรัพย์ที่มีค่าขององค์กร
สรุปคือ AI เป็นเครื่องมือที่มีประโยชน์สำหรับวิศวกรซอฟต์แวร์ แต่ไม่สามารถแทนที่ได้เพราะงานซอฟต์แวร์ไม่ใช่แค่การเขียนโค้ด แต่เป็นการแก้ปัญหาและการสร้างความเข้าใจที่ซับซ้อนซึ่งต้องการความรู้เชิงลึกและประสบการณ์ แหล่งอ้างอิง: https://news.ycombinator.com/item?id=48487540