จุดที่อยากแย้งคือบทความบอกเหมือนว่า scoreboard ที่ดีกว่ามันแค่ยากและไม่น่าอวด แต่ในชีวิตจริงมันไม่ใช่แค่ยาก มันขัดผลประโยชน์ของคนที่อยู่ในตำแหน่งวัด คนที่ได้ดีจาก vanity metric คือคนเดียวกับที่มีอำนาจเลือกว่าจะวัดอะไร เลยไม่ใช่เรื่องที่แก้ด้วยการหา metric ฉลาดกว่า มันต้องมีคนยอมเสียเครดิตตัวเองก่อน ซึ่งแทบไม่เคยเกิด
ยิ่งจูงใจให้ engineer ใช้ AI ยิ่งได้ผลย้อนกลับไม่ใช่หรือ?
สาธารณะ
13 บทสนทนา
20 ความคิด
28 โหวตเห็นด้วย
10 โหวตลง
0 ซีรีส์
98 การเข้าชม
บริษัทจะทำลายเครื่องมือดีๆเกือบทุกอย่างได้ แค่เอา metric ผิดตัวไปแปะกับมัน ในที่ทำงานสิ่งที่สำคัญจริงๆมีอย่างเดียวคือ incentive จะเป็นเงิน สถานะ หรือการเลื่อนตำแหน่งก็ตาม คนทำงานก็ทำตาม incentive ผมกับคุณก็เหมือนกัน แทบทุกคนทำอะไรเพราะมันได้ประโยชน์กับตัวเองหรือคนที่รัก สุดท้ายในที่ทำงานเราเลยลงเอยด้วยการทำสิ่งที่ทำให้เราได้เลื่อนขั้น ได้เงินมากขึ้น ได้ความมั่นคงในงานมากขึ้น เราไม่ใช่เจ้าของบริษัท เราเป็นลูกจ้าง เราดูแลตัวเองก่อน แบบนั้นก็ไม่ผิดอะไร
In groups
คิด
คิด
จุดที่อยากแย้งคือบทความบอกเหมือนว่า scoreboard ที่ดีกว่ามันแค่ยากและไม่น่าอวด แต่ในชีวิตจริงมันไม่ใช่แค่ยาก มันขัดผลประโยชน์ของคนที่อยู่ในตำแหน่งวัด คนที่ได้ดีจาก vanity metric คือคนเดียวกับที่มีอำนาจเลือกว่าจะวัดอะไร เลยไม่ใช่เรื่องที่แก้ด้วยการหา metric
เนื้อหาการสนทนา
บริษัทจะทำลายเครื่องมือดีๆเกือบทุกอย่างได้ แค่เอา metric ผิดตัวไปแปะกับมัน ในที่ทำงานสิ่งที่สำคัญจริงๆมีอย่างเดียวคือ incentive จะเป็นเงิน สถานะ หรือการเลื่อนตำแหน่งก็ตาม คนทำงานก็ทำตาม incentive ผมกับคุณก็เหมือนกัน แทบทุกคนทำอะไรเพราะมันได้ประโยชน์กับตัวเองหรือคนที่รัก สุดท้ายในที่ทำงานเราเลยลงเอยด้วยการทำสิ่งที่ทำให้เราได้เลื่อนขั้น ได้เงินมากขึ้น ได้ความมั่นคงในงานมากขึ้น เราไม่ใช่เจ้าของบริษัท เราเป็นลูกจ้าง เราดูแลตัวเองก่อน แบบนั้นก็ไม่ผิดอะไร
การใช้ AI ในบริษัทเทค
พอผู้บริหารเริ่มฉลองยอดใช้ token ปริมาณ prompt จำนวน agent หรือยอดใช้ AI รายวัน คนก็จะ optimize ไปที่กิจกรรมของเครื่องแทนที่จะเป็นผลลัพธ์ที่มีประโยชน์ ถ้างานของคุณกำลังเสี่ยงเพราะถูกหมายหัวว่าไม่ยอมใช้ AI ก็... คุณก็ใช้ AI เยอะๆเลย โดยเฉพาะตอนที่ engineer ได้รางวัลจากการใช้มันมากขึ้นเรื่อยๆ นั่นไม่ได้แปลว่าพวกเขาไม่มีเหตุผล มันแปลว่าพวกเขาเป็นลูกจ้าง ลูกจ้างวิ่งตามสิ่งที่ผู้นำมองเห็น ยิ่งสิ่งที่มองเห็นนั้นมีรางวัลติดมาด้วย ตอนนี้กิจกรรม AI มีรางวัลติดมาเพียบ
นี่ก็แค่ KPI ที่บิดเบี้ยวในชุดใหม่ องค์กรรู้อยู่แล้วในทางทฤษฎีว่าพอ metric กลายเป็นเป้า มันก็เลิกเป็นตัวชี้วัดที่สะอาด แต่พอ metric หน้าตาดูเป็น technical และล้ำอนาคต องค์กรก็ลืมกฎข้อนี้ทันที AI ทำให้อาการความจำเสื่อมหนักขึ้นไปอีก เพราะกิจกรรมของเครื่องเอาไปทำกราฟง่ายและเอาไปอวดง่าย การ adopt AI ก็เป็นหนึ่งในนั้น
scoreboard ที่ดีกว่านั้นยากกว่าและไม่น่าอวดเท่า ลองนึกถึงทีม support ที่ภูมิใจว่าตัวเองเพิ่มยอดตอบลูกค้าด้วย AI เป็นสองเท่า ฟังดูดีจนกระทั่งคุณสังเกตว่ายอด escalate ก็เพิ่มตามไปด้วย เพราะคำตอบรอบแรกมันตื้นเขิน หัวหน้าเลยต้องเสียเวลาตามแก้มากขึ้น metric ที่ดีกว่าไม่ใช่ "เราสร้างคำตอบด้วย AI ไปกี่อัน?" แต่เป็น "first-response time ดีขึ้นโดยที่ไม่มี escalation งานแก้ซ้ำ หรือความหงุดหงิดของลูกค้าแย่ลงรึเปล่า?" ในงาน engineering ก็เหมือนกัน เผา token ไปเยอะๆก็ไม่มีความหมายอะไร ถ้า review time อัตรา defect และความเสี่ยงในการ rollback แย่ลงทั้งหมด แล้วสุดท้ายทีม engineering สร้าง impact จริงๆได้เท่าไหร่กันแน่?
มีข้อโต้แย้งที่น่าฟังอยู่ข้อหนึ่ง ในช่วงแรกของการ rollout metric เรื่องยอดใช้ก็มีความหมายอยู่ ถ้าไม่มีใครแตะเครื่องมือเลย ก็ไม่มีเรื่องราวการ adopt ให้เล่าตั้งแต่ต้น โอเค แต่ metric ที่ไว้ทดลองชั่วคราวมักมีนิสัยเสียอยู่อย่าง คือชอบกลายเป็น vanity metric ถาวร พอสถานะและการประเมินไปผูกกับกิจกรรม AI ที่มองเห็นได้ องค์กรก็เริ่มผลิตกิจกรรมขึ้นมาป้อน scoreboard
เครื่องมือที่มีประโยชน์กลายเป็นระบบราชการก็แบบนี้แหละ ลูกจ้างเริ่ม prompt ทั้งที่ควรจะตัดสินใจเองได้เลย ผู้นำเริ่มขอ agent plan เพราะ agent plan มันดูทันสมัย ทีมก็ optimize ไปที่พื้นที่ผิวของ AI ที่วัดได้แทนต้นทุน คุณภาพ และการส่งมอบจริงๆ องค์กรก็แค่หาวิธีใหม่ในการเผาเงินทิ้งไปพร้อมๆกับตบมือชมตัวเอง
เรื่องนี้เคยแก้กันไปแล้วด้วยซ้ำ สมัยก่อนผู้บริหารเคยให้รางวัล engineer ที่เขียน code ได้มากกว่า codebase ก็เลยบวมขึ้นมหาศาลแล้วก็เปราะและอืดขึ้นเรื่อยๆ metric ที่ทำให้มันง่ายเกินไปแสดงให้เห็นมานานแล้วว่าคุณจะตั้ง metric ง่ายๆมาวัด performance แล้วหวังผลดีไม่ได้ พอตั้งปุ๊บ คนก็ optimize ตามมันทันที แล้วมันก็ไม่ผิดอะไร ผมเองก็ทำแบบเดียวกัน
Thoughts
-
ปัญหาคือ token กับจำนวน prompt มันเป็น metric ที่เก็บได้จาก log อยู่แล้ว ไม่ต้องลงทุนสร้างอะไรเพิ่ม ส่วนของที่ควรวัดจริงอย่าง review time อัตรา defect หรือ blast radius ตอน rollback มันต้องมีคนนั่งทำ instrumentation แล้วเถียงกันว่านิยามยังไง ผู้บริหารเลยเลือกตัวที่ง่ายแล้วบอกตัวเองว่ามันคือ proxy ของผลงาน พอตั้งปุ๊บ engineer ก็ยิง prompt เผื่อไว้แทนที่จะคิดเอง ผมเห็นใน on-call สัปดาห์ที่แล้ว incident หนึ่งโผล่มาเพราะมีคน generate migration ทั้งก้อนแล้วไม่อ่าน
-
engineer บริษัทใหญ่ตอนนี้คือต้นไม้ประดับที่ถูกสอนให้ photosynthesis ด้วย token งบ AI ปีหนึ่งของพวกคุณเท่า burn rate ทั้งบริษัทผมตอนปีแรก ต่างกันตรงผมจ่าย payroll ไม่ทันแล้วรู้ว่าเงินมันหายไปไหน ส่วนคุณยิง prompt ห้าพันครั้งแล้วได้ badge ใน internal tool
-
ที่บอกว่าช่วง rollout แรก usage metric มันมีความหมายอยู่ อันนี้จริงและผมอยากให้เครดิตตรงนี้ก่อน ถ้าออก tool มาแล้วไม่มีใครแตะเลยก็ไม่มี adoption story ให้เล่า ปัญหาคือไม่มีใครเคยเขียน sunset clause ให้ metric พวกนี้ มันควรเป็น metric สามเดือนแล้วทิ้ง แต่พอมันถูกผูกเข้ากับ OKR รอบถัดไปแล้วมีคนเอาไปทำสไลด์ให้ board ดู มันก็กลายเป็นของถาวรทันที vanity metric แทบทุกตัวเริ่มชีวิตมาจากการเป็น metric ชั่วคราวที่มีเหตุผล
-
เห็นด้วยกับกลไกนะ แต่ไม่ค่อยชอบที่จบด้วย แบบนั้นก็ไม่ผิดอะไร ผมเองก็ทำ ทุกครั้งที่เราพูดว่า engineer ก็แค่ทำตาม incentive มันฟังดูเป็นกลางดี แต่จริงๆมันคือการยกความรับผิดออกจากคนที่ตั้ง incentive ผิดมาให้คนที่ต้องแบกของพังทีหลัง คนที่ส่งคำตอบ AI ตื้นๆไปให้ลูกค้าได้คะแนนเพิ่ม คนที่ตามแก้ escalation คือทีม support ที่เงียบที่สุดในห้อง สองคนนี้ไม่ได้ทำตาม incentive เดียวกัน
-
จุดที่อยากแย้งคือบทความบอกเหมือนว่า scoreboard ที่ดีกว่ามันแค่ยากและไม่น่าอวด แต่ในชีวิตจริงมันไม่ใช่แค่ยาก มันขัดผลประโยชน์ของคนที่อยู่ในตำแหน่งวัด คนที่ได้ดีจาก vanity metric คือคนเดียวกับที่มีอำนาจเลือกว่าจะวัดอะไร เลยไม่ใช่เรื่องที่แก้ด้วยการหา metric ฉลาดกว่า มันต้องมีคนยอมเสียเครดิตตัวเองก่อน ซึ่งแทบไม่เคยเกิด
-
ขอถามจากมุมคนตัวเล็กที่นั่งทำ deck ให้ผู้บริหารนะคะ พวกที่ celebrate ยอดใช้ AI เนี่ย เขารู้ตัวจริงๆไหมว่ามันเป็น vanity metric หรือว่าเขาก็แค่อยากได้ตัวเลขขึ้นๆไปใส่สไลด์ให้ดูว่าทีมไม่ตกขบวน เท่าที่เห็นในห้อง review หลายรอบ คำถามแรกไม่เคยเป็นว่ามันช่วยอะไรจริง แต่เป็นว่าเลขเราเทียบกับทีมข้างๆเป็นไง
-
ทีมเราเพิ่งโดนตรงๆ มี dashboard นับ AI-assisted PR ต่อหัวขึ้นมาเดือนที่แล้ว สองสัปดาห์ถัดมา flaky test เพิ่มเป็นเท่าตัว เพราะคนเอา AI generate test ที่ผ่านเขียวๆแต่ไม่ได้เช็คอะไรจริง เลขบน scoreboard สวยมาก ส่วน pipeline พังบ่อยขึ้นจนเราต้องเข้าเวรกู้ release กันดึก คนที่นั่งแก้ไม่เคยอยู่ในกราฟที่ผู้บริหารเอาไปอวด
Related discussions
-
AI กำลังทำให้ผู้บริหารบ้าถึงระดับต้องหาหมอจริงไหม?
ตอนนี้มีแฟนตาซีของผู้บริหารระบาดอยู่อย่างหนึ่ง คือ AI จะมาแทนคนทำงานได้ ถึงมันจะแทนบางส่วนได้จริง แต่ผู้บริหารกลับมีจินตนาการว่าตัวเองทำงานของลูกน้องเองได้ด้วย AI ว่าตัวเองเขียน code เป็น แค่เปิด dashboard ที่มี agent ตั้งชื่อเรียงกันเต็มไปหมด มองดู task ขยับข้ามช่องไปมา สั่งขออัปเดตด้วยน้ำเสียงเจ้านาย แล้วก็ได้ feature ตามใจชอบ มันเหมือนฝัน โดยเฉพาะตอนเอาไอเดียใหญ่ๆของตัวเองยัดเข้าไป แล้ว AI บอกว่า...
-
จริงไหมที่ไม่มีใครเลือก Oracle แล้ว Oracle เองก็โอเคกับเรื่องนั้น?
Oracle คือแมลงสาบของวงการ enterprise tech ทุกคนเกลียดแต่ทุกคนก็ใช้ คนที่ดูแลมันก็เลิกแกล้งทำเป็นว่ามันเท่ตั้งแต่สมัยรัฐบาล Clinton ตัวสินค้าจริงๆคือการขาย ส่วน database เป็นแค่ตัวประกัน
-
เส้นแบ่ง hard skill กับ soft skill ทำให้คนแย่ลงทั้งสองอย่างหรือเปล่า?
Hard skill คือความสามารถหรือความรู้เชิงเทคนิคที่วัดได้ เจาะจง และสอนกันได้ ได้มาจากการเรียน การเทรน หรือประสบการณ์ และมักผูกตรงกับงานหรืออุตสาหกรรมหนึ่งๆ ตัวอย่างเช่นการวิเคราะห์ข้อมูล การเขียนโปรแกรม graphic design การทำบัญชี การเต้น การวาดภาพ มันมักเป็นแก่นของอาชีพ โดยเฉพาะส่วนที่ไม่เกี่ยวกับการมีปฏิสัมพันธ์กับคนอื่น ส่วน soft skill ส่วนใหญ่นิยามว่าเป็น “คุณสมบัติส่วนตัว ความสามารถในการเข้ากับคน และนิสัยทำนองนั้นที่จะออกมาตอนคุณมีปฏิสัมพันธ์กับคนอื่น....
-
ทำไม management ถึงสั่งให้ทุกคนทำงานแบบ AI-first แต่ตัวเองไม่ใช้ แถมปล่อยให้ทุก process รอบข้างเป็นศัตรูกับมัน?
สิ่งที่เริ่มทำให้หงุดหงิดไม่ใช่การดัน AI เอง tool บางตัวก็มีประโยชน์จริง ตอนนี้ใช้ทุกวันแล้ว ที่หงุดหงิดคือ management สั่งให้ทำงานแบบ AI-first แต่ปล่อยให้ทุก process รอบข้างเป็นศัตรูกับการใช้ AI แบบเต็มที่ คนถูกสั่งให้เอา AI มาใช้ทั้งเขียน code วางแผน research ร่างงาน debug ดึงความรู้ คุมโปรเจกต์ แต่ความรู้เชิงปฏิบัติครึ่งบริษัทก็ยังฝังอยู่ในบทสนทนาที่ไม่มีใครจดและ…
-
AI ทำให้แยกวิศวกรเก่งจริงออกจากพวกสร้าง noise ยากขึ้นจริงไหม?
ได้ยิน feedback แบบเดิมในหลายรูปแบบไม่หยุด “velocity ดีมาก” “ชอบ throughput นะ” “ใช้ AI ได้เก่ง” มองจากข้างนอกมันดูเหมือนงานเดินเยอะขึ้นจริงๆ code review มากขึ้น แตะ ticket มากขึ้น อัปเดตบ่อยขึ้น เมลเยอะขึ้น งานเยอะขึ้น ดีไซน์เยอะขึ้น AI ทำให้รักษาจังหวะแบบนี้ไว้ได้ง่ายโดยไม่ต้องเจอแรงเสียดทานปกติของการเขียน การคิด หรือแม้แต่การลังเล แต่ลึกลงไปในตัวงาน มีปัญหากลืนไม่เข้าคายไม่ออกที่นับวันยิ่งโตขึ้นเรื่อยๆ
-
พวก manager ที่ชอบบอกวิศวกรว่าจะโดน AI แทนที่ สุดท้ายจะกลายเป็นคนที่โดนแทนที่เร็วที่สุดเองหรือเปล่า?
ปีที่แล้วฟีด LinkedIn ของผมมีแนวของมันเลย program manager หรือ "delivery lead" หรือใครสักคนที่ใส่คำว่า Agile ไว้ในหัวโปรไฟล์ จะโพสต์ภาพ AI เขียนฟังก์ชันให้ดู แล้วแปะข้อความประมาณ "เห็นไหมที่บอกว่างานนี้มั่นคง ไปหัดเขียนโค้ดเอาเถอะ" แล้วเก็บไลก์สี่ร้อยจากคนที่ทำงานแบบเดียวกัน นัยมันคือการพิมพ์โค้ดคือแก่นของงานวิศวกรรม และพอโมเดลพิมพ์ได้แล้ว ชนชั้นคนพิมพ์ก็จบเห่
-
Spotify ชนะสงครามเพลงไปทั้งกระดาน แต่ทำไมยังหาเงินจากมันสักดอลลาร์ไม่ได้?
Spotify ดีจริงนะ แอปทำมาดีมาก ระบบ discovery เป็นงานวิศวกรรมระดับท็อป แล้วมันก็ดึงวงการเพลงที่โดน piracy ปล้นจนเกลี้ยงให้กลับมาเป็นธุรกิจที่จ่ายเงินได้อีกครั้ง ผมเปิดมันวันละสี่สิบรอบ ทั้งหมดนั่นไม่ใช่เรื่องตลก เรื่องตลกคือ product เพลงที่ครองตลาดที่สุดเท่าที่เคยมีมา ยังหาเงินให้ได้แน่ๆสักดอลลาร์ไม่ได้ และทุกคนในนั้นก็ตัดสินใจแก้ปัญหานี้ด้วยการกลายเป็นอย่างอื่นที่ไม่ใช่บริษัทเพลง
-
AI ลำพังแทนงานออฟฟิศไม่ได้จริง แต่คนที่ใช้ AI เป็นจะแทนเพื่อนร่วมงานได้อีกหลายคนหรือเปล่า?
คนทำงานออฟฟิศจำนวนมากปลอบใจตัวเองด้วยคำถามที่ผิด เอาแต่ถามว่า AI ทำงานของเราได้ทั้งหมดไหม นั่นไม่ใช่เส้นที่นายจ้างใช้ตัดสิน คำถามจริงคือ output ผลิตได้ถูกพอ ตรวจได้ถูกพอ จนตำแหน่งนั้นเริ่มดูแพงหรือเปล่า ไม่ใช่ว่า AI ทำงานเราได้ครบไหม แต่เป็น "มันเร่งงานได้นานพอจนใช้คนแค่ครึ่งทีมได้หรือเปล่า" เพราะคำตอบของอันนี้ น่าเศร้าที่มันคือใช่