ผลสำรวจชี้ ผู้บริหารไอทีหวั่น AI สร้างหนี้ทางเทคนิคเพิ่ม แม้ช่วยลดต้นทุน

1 ครั้ง

0 ความเห็น

3 นาที

Photo by geralt on Pixabay

By Suphansa Makpayab21 พฤศจิกายน 2568 14:50

TL;DR

การนำ AI มาใช้ในการพัฒนาซอฟต์แวร์อาจไม่ได้ช่วยแก้ปัญหาเสมอไป ผลสำรวจพบผู้บริหารไอทีเกือบครึ่งกังวลว่า AI จะสร้าง "Technical Debt" หรือหนี้ทางเทคนิคก้อนโต ทั้งเรื่องความปลอดภัยและการบูรณาการกับระบบเก่า แม้จะคาดหวังเรื่องการลดต้นทุนก็ตาม

หลายองค์กรกำลังฝากความหวังไว้กับ AI ว่าจะเป็นอัศวินขี่ม้าขาวมาช่วยลดต้นทุนและเพิ่มประสิทธิภาพในการทำงาน แต่ความจริงอาจไม่ได้สวยหรูขนาดนั้น เมื่อ ZDNet รายงานผลการศึกษาล่าสุดจาก HFS Research และ Unqork ที่สำรวจผู้บริหารและผู้จัดการด้านไอทีในองค์กรขนาดใหญ่ พบข้อมูลที่น่าตกใจว่า 43% ของผู้ตอบแบบสอบถามกำลังกวาดกลัวว่า AI จะเข้ามาสร้าง Technical Debt (หนี้ทางเทคนิค) ก้อนใหม่ให้องค์กร แม้ว่าอีก 84% จะยังคงคาดหวังว่า AI จะช่วยลดค่าใช้จ่ายได้ก็ตาม

สำหรับใครที่สงสัยว่า Technical Debt คืออะไร อธิบายง่าย ๆ มันคือผลพวงจากการที่ทีมพัฒนาเลือกใช้วิธีแก้ปัญหาแบบ "ขอไปที" หรือทางลัดเพื่อให้งานเสร็จไว ๆ แทนที่จะวางโครงสร้างให้ดีตั้งแต่ต้น ซึ่งสุดท้ายก็ต้องกลับมาตามแก้หรือรื้อทำใหม่ในอนาคตด้วยต้นทุนที่แพงกว่าเดิม โดยความกังวลหลัก ๆ ของเหล่าผู้บริหารไอทีที่มีต่อ AI คือเรื่องช่องโหว่ด้านความปลอดภัย (59%), ความซับซ้อนในการเชื่อมต่อกับระบบเก่า หรือ Legacy Integration (50%) และการที่ AI ทำงานแบบ Black-box ที่ตรวจสอบที่มาที่ไปได้ยาก (42%)

ทางด้าน Gary Hoberman ซีอีโอของ Unqork ให้ความเห็นไว้อย่างน่าสนใจว่า ต่อให้คุณมีโมเดล AI ที่เขียนโค้ดได้สวยงามและทรงประสิทธิภาพที่สุดในโลก แต่ถ้าโค้ดเหล่านั้นต้องรันอยู่บนระบบพื้นฐานที่เต็มไปด้วยหนี้ทางเทคนิค หรือพึ่งพา Open-source libraries ที่ไม่มีคนดูแลแล้ว มันก็ไม่ต่างอะไรกับการสร้างปัญหาทับถมปัญหาเดิม ยกตัวอย่างลูกค้าบางรายที่ต้องเสียเวลาเป็นเดือน ๆ เพียงเพื่ออัปเดต Java Virtual Machine ให้ทันสมัย ซึ่งพอทำเสร็จเวอร์ชันใหม่ก็ออกมาพอดี วนลูปเป็นหนี้ไม่รู้จบ

เพื่อไม่ให้ AI กลายเป็นตัวสร้างหนี้เพิ่ม มีคำแนะนำ 4 ข้อสำหรับองค์กรดังนี้:

เบรกโปรเจกต์ AI ที่ไร้การควบคุม: ต้องระวัง AI ที่เขียนโค้ดออกมาเร็ว ๆ โดยไม่มีระบบตรวจสอบย้อนกลับ (Traceability) หรือไม่มีมาตรการป้องกัน เพราะสิ่งที่ได้มาอาจจะเป็นความซับซ้อนที่แก้ไม่ได้ในอนาคต
ปรับเปลี่ยนสถาปัตยกรรม: หันไปใช้โครงสร้างที่เน้นผลลัพธ์ ลดการเขียนโค้ดใหม่โดยไม่จำเป็น และเน้นการนำกลับมาใช้ซ้ำ (Reuse)
มองเกมยาว: ผู้บริหารต้องให้ความสำคัญกับการพัฒนาซอฟต์แวร์ในระยะยาว มากกว่าแค่แก้ปัญหาเฉพาะหน้า ต้องชี้ให้เห็นว่าการลงทุนนี้จะสร้างรายได้กลับมาอย่างไร
รื้อระบบเก่า (Modernize Legacy Systems): ถ้าไม่ปรับปรุงรากฐาน ประโยชน์ของ AI ก็จะถูกฝังกลบไปกับข้อจำกัดของระบบโบราณ

ดูเหมือนว่าการจะใช้ AI ให้เกิดประโยชน์สูงสุด ไม่ใช่แค่การหาเครื่องมือที่ฉลาดที่สุดมาใช้ แต่เป็นการจัดบ้าน (ระบบหลังบ้าน) ให้เรียบร้อยเสียก่อน ไม่อย่างนั้นจากที่จะได้ผู้ช่วยอัจฉริยะ อาจจะได้เจ้าหนี้รายใหม่มาทวงคืนความซับซ้อนในภายหลังก็เป็นได้