"Vibe coding" กำลังจะฆ่าโปรเจกต์ของบริษัทคุณ — ถ้าคุณใช้มันผิดที่
Google เพิ่งปล่อย whitepaper ชื่อ "The New SDLC With Vibe Coding" (เขียนโดย Addy Osmani, Shubham Saboo, Sokratis Kartakis) ผมนั่งอ่านจบทั้งเล่ม แล้วรู้สึกว่ามันพูดความจริงที่หลายคนยังไม่ยอมรับ — งานเขียนโค้ดมันเปลี่ยนไปแล้วจริงๆ แต่ไม่ใช่ในแบบที่คนเข้าใจกัน
เปเปอร์เปิดด้วยประโยคที่ผมชอบมาก: การเปลี่ยนแปลงที่ลึกที่สุดในวงการ software ไม่ใช่ภาษาใหม่ หรือ framework ใหม่ แต่คือการย้ายจาก "การเขียนโค้ด" ไปสู่ "การบอกความตั้งใจ (intent)" แล้วให้ AI แปลความตั้งใจนั้นออกมาเป็นซอฟต์แวร์ที่ใช้งานได้
ขอสรุปประเด็นที่ผมว่าสำคัญที่สุดให้ทุกคนฟังครับ
1. vibe coding กับ agentic engineering ไม่ใช่เรื่องเดียวกัน — มันคือ "สเปกตรัม"
หลายคนเหมารวมว่าการใช้ AI ช่วยโค้ดคือ "vibe coding" หมด เปเปอร์บอกว่าผิด เพราะตัวชี้วัดที่แท้จริงไม่ใช่ว่าคุณใช้ AI หรือไม่ แต่คือ "คุณมีโครงสร้าง การตรวจสอบ (verification) และวิจารณญาณของมนุษย์ ห่อหุ้มผลลัพธ์ของ AI มากแค่ไหน"
- ปลายด้านนึงคือ vibe coding — สั่ง AI แบบสบายๆ "ดูเหมือนจะใช้ได้นะ" โค้ดพังก็ก๊อปข้อความ error กลับไปให้มันแก้ เหมาะกับ prototype, งานส่วนตัว, hackathon
- ปลายอีกด้านคือ agentic engineering — มี formal spec, มี architecture docs, มี test suite อัตโนมัติ, มี CI/CD gates เหมาะกับ production system จริงๆ
ประโยคที่โดนใจผมที่สุด: "ถ้าคุณบอก CTO ว่าทีมคุณกำลัง vibe coding ระบบประมวลผลการจ่ายเงินอยู่ มันควรจะทำให้สัญญาณเตือนภัยดังขึ้น" — เพราะงานแต่ละแบบมันต้องการความเข้มงวดไม่เท่ากัน
2. ตัวแยกที่แท้จริงคือ "การตรวจสอบ" (verification)
ใน vibe coding การตรวจสอบเป็นเรื่อง optional — รันดูแล้วถ้ามันเวิร์กก็จบ แต่ใน agentic engineering มีสองกลไกทำงานคู่กัน: Tests ตรวจส่วนที่ deterministic (input นี้ต้องได้ output นี้) และ Evaluations (evals) ตรวจส่วนที่ไม่ deterministic เช่น agent เลือกเส้นทางถูกไหม เลือก tool ถูกไหม เปเปอร์ฟันธงเลยว่า ถ้าไม่มีทั้งสองอย่างนี้ ต่อให้ prompt เทพแค่ไหน มันก็ยังเป็น vibe coding อยู่ดี
3. Context Engineering คือทักษะตัวจริง ไม่ใช่ prompt เทพๆ
อันนี้ผมว่าเป็นหัวใจของทั้งเล่ม เปเปอร์บอกว่าคุณภาพของโค้ดที่ AI สร้าง ขึ้นกับคุณภาพของ "context" ที่เราป้อนให้ มากกว่าความฉลาดของ prompt
มี context 6 ประเภทที่ต้องคิดถึง: Instructions (บทบาท/ขอบเขตของ agent), Knowledge (เอกสาร/ผังสถาปัตยกรรม), Memory (ความจำระยะสั้น+ยาว), Examples (ตัวอย่าง), Tools (API/script ที่เรียกใช้ได้), และ Guardrails (ข้อจำกัด/กฎความปลอดภัย)
และมันต้องบาลานซ์ระหว่าง static context (โหลดตลอดเวลา เช่นไฟล์ AGENTS.md, CLAUDE.md — แพงเพราะกิน token ทุก turn) กับ dynamic context (โหลดเฉพาะตอนใช้ — ประหยัดกว่า) ประโยคที่ผมว่าคนทำงานควรจำ: คำถามไม่ใช่ "จะหลอก AI ให้เขียนโค้ดดียังไง" แต่คือ "พนักงานใหม่คนนึงต้องรู้อะไรบ้างถึงจะทำงานได้ดี แล้วเราจะ encode ความรู้นั้นในรูปแบบที่ AI ใช้ได้ยังไง"
4. SDLC แบบใหม่ — คอขวดย้ายที่
เปเปอร์บอกว่า AI บีบอัด lifecycle อย่างรุนแรงแต่ไม่เท่ากัน งาน implementation ที่เคยใช้เป็นสัปดาห์ตอนนี้เหลือเป็นชั่วโมง แต่ requirements กับ architecture ยังต้องใช้คนเป็นหลักอยู่ดี ผลคือคอขวดย้ายจาก "เขียนโค้ดเร็วแค่ไหน" ไปเป็น "ระบุสเปกได้ชัดแค่ไหน และตรวจสอบผลได้แค่ไหน" — บทบาทคนเปลี่ยนจาก "คนเขียนโค้ดหลัก" เป็น "คนออกแบบระบบและตัดสินคุณภาพ"
5. ตัวเลขที่ผมว่าควรระวัง
เปเปอร์อ้างว่าต้นปี 2026 มีนักพัฒนามืออาชีพ 85% ใช้ AI Coding Agent เป็นประจำ, 51% ใช้ทุกวัน และ ~41% ของโค้ดใหม่ทั้งหมดเป็น AI-generated
แต่ที่ผมชอบคือมันไม่ได้เชียร์ด้านเดียว — มันยกงานวิจัยของ METR ที่พบว่า developer ที่มีประสบการณ์บางคนกลับ "ช้าลง 19%" ในบางงาน เพราะเสียเวลาไปกับการตรวจสอบ debug และแก้สิ่งที่ AI สร้างมา (อ้างอิงในเปเปอร์) บวกกับ "ปัญหา 80%" — AI สร้างโค้ดได้ราว 80% เร็วมาก แต่อีก 20% ที่เหลือ (edge case, error handling, จุดเชื่อมต่อ) ต้องอาศัยความเข้าใจเชิงลึกที่โมเดลปัจจุบันยังขาด
6. เรื่องเงิน — vibe coding ถูกตอนแรก แต่มี "หนี้ซ่อน"
เปเปอร์มองในมุม Total Cost of Ownership vibe coding เหมือนถูก (CapEx ต่ำ) แต่ OpEx สูง เพราะ token burn จากการสั่งซ้ำๆ ให้แก้ของที่มันทำพลาดเอง บวก maintenance tax (โค้ดมั่วๆ ที่ 6 เดือนต่อมาต้องมานั่งแกะ) และ security remediation ส่วน agentic engineering ลงทุนแพงตอนแรก (CapEx สูง) แต่ค่าดูแลระยะยาวต่ำ เพราะ output ผ่านการทดสอบและมีโครงสร้าง
ปิดท้ายเปเปอร์ด้วยประโยคที่ผมว่าสรุปทุกอย่าง: "Generation is solved. Verification, judgment, and direction are the new craft." — การ generate โค้ดมันแก้ได้แล้ว สิ่งที่เป็นงานฝีมือใหม่คือการตรวจสอบ การตัดสินใจ และการกำหนดทิศทาง
ผมว่าสิ่งที่เปเปอร์นี้พยายามบอกไม่ใช่ "AI จะมาแทนคน" แต่คือ "AI จะขยายวัฒนธรรมวิศวกรรมที่คุณมีอยู่" — ทีมที่มี test ดี มี standard ชัด จะได้ประโยชน์จาก AI มหาศาล ส่วนทีมที่มั่วอยู่แล้ว AI จะยิ่งทำให้มั่วเร็วขึ้น
แล้วทุกคนล่ะครับ ตอนนี้งานของคุณอยู่ตรงไหนของสเปกตรัมนี้ — ยัง vibe coding อยู่ หรือเริ่มขยับเข้าหา agentic engineering แล้ว? คอมเมนต์มาคุยกันได้เลยครับ
อ่านฉบับเต็มได้ที่: https://www.kaggle.com/whitepaper-the-new-SDLC-with-vibe-coding
อยากใช้ AI กับงานจริงเป็นระบบ?
เรียน Claude Method — วิธีคิดและลงมือใช้ Claude/AI กับงานจริง ตั้งแต่วันแรก
📍 โพสต้นฉบับบน Facebook: AI กับ Peesamac