หมดยุคโปรแกรมเมอร์จบใหม่? Andrej Karpathy ผู้ร่วมก่อตั้ง OpenAI เผย AI ช่วยเขาเขียนโค้ดไปแล้วถึง 80%

มีบางอย่างเปลี่ยนไปในเดือนธันวาคม 2025 ไม่ใช่การเปลี่ยนแปลงที่ค่อยเป็นค่อยไป ไม่ใช่การพัฒนาทีละขั้น แต่เกิดขึ้นในช่วงเวลาเพียงไม่กี่สัปดาห์

Andrej Karpathy ผู้ร่วมก่อตั้ง OpenAI และอดีตผู้อำนวยการฝ่าย AI ของ Tesla เล่าให้ฟังในพอดแคสต์ "No Priors" ที่ดำเนินรายการโดย Sarah Guo จาก Conviction ว่านับตั้งแต่เดือนธันวาคมปีที่แล้ว เขาแทบไม่ได้พิมพ์โค้ดสักบรรทัด ทุกอย่างถูกมอบหมายให้ AI Agent เขียนโค้ดทำแทนทั้งหมด

"ผมไม่คิดว่าคนทั่วไปจะรู้ตัวว่ามันเกิดขึ้นแล้ว หรือมันดราม่าขนาดไหน" 

จุดพลิก: จาก 80/20 สู่ 0/100

ก่อนเดือนธันวาคม 2025 Andrej Karpathy เขียนโค้ดเองราว 80% ของงานทั้งหมด แต่ในช่วงไม่กี่สัปดาห์ สัดส่วนนั้นกลับตาลปัตรอย่างสมบูรณ์ เขาไม่ได้ลดการเขียนโค้ดเองลงทีละน้อย แต่หยุดเขียนแทบจะทันที

ใน X (Twitter) เมื่อเดือนมีนาคม 2026 เขาเขียนว่า "AI Agent เขียนโค้ดแทบใช้งานไม่ได้ก่อนธันวาคม และใช้งานได้แล้วนับตั้งแต่นั้นเป็นต้นมา" พร้อมระบุว่ามันเป็น "การเปลี่ยนแปลงที่รุนแรงมากต่อกระบวนการเขียนโปรแกรมแบบเดิม" และ "การเขียนโปรแกรมกำลังกลายเป็นสิ่งที่จำแนกไม่ออก" โพสต์ดังกล่าวได้รับการถูกใจมากกว่า 22,000 ครั้ง และมียอดเข้าชมสูงถึง 3.6 ล้านวิว

ก่อนหน้านั้น ในเดือนธันวาคม 2025 เอง เขาได้โพสต์ไว้ว่า "ผมไม่เคยรู้สึกล้าหลังในฐานะโปรแกรมเมอร์มากขนาดนี้มาก่อน อาชีพนี้กำลังถูกปรับโครงสร้างขนาดใหญ่ เพราะสิ่งที่โปรแกรมเมอร์มีส่วนร่วมเริ่มกระจัดกระจายลงเรื่อยๆ"

Agentic Engineering: ยุคใหม่ที่ไม่ใช่แค่ Vibe Coding

หลายคนอาจจำได้ว่า Andrej Karpathy คือคนที่บัญญัติคำว่า "Vibe Coding" ในต้นปี 2025 ซึ่งเป็นคำอธิบายสไตล์การใช้ AI แบบสบายๆ ที่สั่งงานแบบลวกๆ แล้วเอาผลลัพธ์ไปใช้โดยไม่ค่อยตรวจสอบ เหมาะสำหรับโปรเจกต์ส่วนตัวหรือต้นแบบขนาดเล็ก แต่ไม่ใช่ระบบจริงที่ใช้งานจริง

สิ่งที่เขาทำอยู่ตอนนี้แตกต่างออกไปโดยสิ้นเชิง เขาเรียกมันว่า "Agentic Engineering" ซึ่งคือการรัน AI Agent เขียนโค้ดหลายตัวพร้อมกันบนจอที่แบ่งช่องไว้ โดยมอบหมายฟีเจอร์ให้แต่ละตัว แล้วตรวจสอบผลลัพธ์ที่ส่งกลับมาอย่างเป็นระบบ

"คุณไม่ได้พิมพ์โค้ดลงในโปรแกรมแก้ไขโค้ดอีกต่อไปแบบที่มันเป็นมาตั้งแต่คอมพิวเตอร์ถูกประดิษฐ์ขึ้น ยุคนั้นมันจบแล้ว" Andrej Karpathy เขียนบน X

และแม้ในฐานะคนที่อยู่แถวหน้าของการเปลี่ยนแปลงนี้ เขาก็ยอมรับว่ามันยังรู้สึกแปลกอยู่ดี เขาอธิบายกับ ShiftMag ว่า

"It feels like I'm cheating. It's because some code that used to be a point of pride and high IQ and knowledge is suddenly free and instant..."

(มันรู้สึกเหมือนโกง เพราะโค้ดบางอย่างที่เคยเป็นสัญลักษณ์ของความภาคภูมิใจ ต้องใช้ทั้งไอคิวและความรู้สูง ตอนนี้มันกลายเป็นของฟรีและได้มาทันทีทันใด)

เขายังเรียกการเปลี่ยนแปลงครั้งนี้ว่า "การเปลี่ยนแปลงกระบวนการทำงานที่ใหญ่ที่สุดในสองทศวรรษของการเขียนโปรแกรม"

ในแง่ปฏิบัติ Agentic Engineering ต้องการทักษะชุดใหม่ประกอบด้วย

• การแตกงานให้ชัดเจนและแม่นยำก่อนมอบหมายให้ Agent
• การบริหารกระบวนการทำงานหลายสายพร้อมกัน
• การจับข้อผิดพลาดก่อนที่มันจะลุกลามข้ามทั้งฐานโค้ด
• การตั้งคำสั่ง (Prompt) ที่ชัดเจนพอให้ Agent ทำงานได้ถูกต้อง

นักพัฒนาในยุคนี้จึงเปลี่ยนบทบาทจาก "เขียนโค้ด" ไปเป็น "ผู้จัดการโปรเจกต์ที่คุมทีม AI"

ทรัพยากรที่หายากไม่ใช่ประสิทธิภาพการประมวลผลอีกต่อไป

หนึ่งในแนวคิดที่น่าสนใจที่สุดจาก Andrej Karpathy ในพอดแคสต์ No Priors คือการตีความใหม่ว่า "คอขวด" ของงานวิศวกรรมคืออะไรกันแน่ในยุคนี้

นัยที่ตามมาตรงๆ คือวิศวกรที่เคยรู้สึกว่าประสิทธิภาพการประมวลผลเป็นข้อจำกัด ตอนนี้กลายเป็นข้อจำกัดนั้นเสียเอง นักพัฒนาที่มีจุดได้เปรียบในระบบนิเวศใหม่นี้ไม่ใช่คนที่พิมพ์โค้ดได้เร็วหรือจำไวยากรณ์ได้มากที่สุด แต่คือคนที่สามารถ

• แตกงาน ได้ชัดเจนและถูกต้อง
• ตั้งคำสั่ง (Prompt) ได้มีประสิทธิภาพ
• ตรวจสอบผลลัพธ์ ได้แม่นยำและรวดเร็ว

Andrej Karpathy เรียกสิ่งนี้ว่าเป็น "ปัญหาด้านทักษะ" ซึ่งไม่ใช่การดูถูก แต่เป็นการระบุว่าจุดได้เปรียบตอนนี้อยู่ที่ไหน

ความเชี่ยวชาญกลายเป็น "ตัวคูณ" ไม่ใช่ "ทักษะหลัก"

Andrej Karpathy ย้ำชัดว่าเขาไม่ได้มองว่าความลึกในเชิงเทคนิคไม่สำคัญ แต่มันเปลี่ยนบทบาทไปกลายเป็น ตัวคูณ มากกว่าทักษะหลักในตัวของมันเอง

Agent ทำงานได้ดีมากกับโค้ดสำเร็จรูป, งานที่กำหนดรายละเอียดชัดเจน, และงานที่มีแม่แบบชัดเจน แต่สะดุดกับโค้ดที่ต้องการความคิดสร้างสรรค์, ปัญหาแปลกใหม่ที่ไม่เคยพบ, หรือโครงสร้างที่แน่นและซับซ้อน เขาอ้างถึงโปรเจกต์ nanochat ของตัวเองในการสัมภาษณ์กับ Dwarkesh Patel ว่าเป็นตัวอย่างที่ Agent "ยังมีข้อจำกัดด้านการคิดอีกมาก"

วิศวกรที่ได้เปรียบที่สุดในสภาพแวดล้อมนี้คือคนที่มีความเข้าใจเชิงเทคนิคลึกพอที่จะ มอบหมายงานได้อย่างแม่นยำ และ จับข้อผิดพลาดได้ก่อนที่มันจะลุกลาม ซึ่งอาศัยทักษะที่ต้องสร้างจากประสบการณ์จริง ไม่ใช่สิ่งที่ข้ามขั้นได้

การวิเคราะห์ทีมที่ใช้ Vibe Coding ในปี 2025 ยืนยันว่า ทีมที่ทำผลงานได้ดีที่สุดไม่ใช่ทีมที่ส่งงานให้ AI อย่างตาบอด แต่คือทีมที่มีความลึกทางเทคนิคพอที่จะแตกงานและตรวจสอบผลลัพธ์ได้อย่างมีประสิทธิภาพ

ตลาดแรงงานตอบสนองแล้ว

ผลกระทบเชิงโครงสร้างไม่ใช่การคาดเดาอีกต่อไป ข้อมูลเริ่มปรากฏชัดขึ้นในหลายแหล่งพร้อมกัน

Stanford Digital Economy Lab เผยแพร่งานวิจัยในเดือนสิงหาคม 2025 โดยวิเคราะห์ข้อมูลเงินเดือนจาก ADP ที่ครอบคลุมแรงงานหลายล้านคน ผลที่ได้ชัดเจนมาก

• นักพัฒนาซอฟต์แวร์อายุ 22–25 ปี มีการจ้างงานลดลงเกือบ 20% นับตั้งแต่ ChatGPT เปิดตัวในปลายปี 2022
• นักพัฒนาอายุเกิน 30 ปี ในสาขาเดียวกัน กลับมีการจ้างงาน เพิ่มขึ้น 6–12% ในช่วงเวลาเดียวกัน

ส่วนภาพรวมของอุตสาหกรรมน่าตกใจยิ่งกว่า โดย Bureau of Labor Statistics ของสหรัฐฯ ที่ IEEE Spectrum อ้างอิง ระบุว่าตำแหน่งโปรแกรมเมอร์ในสหรัฐฯ ลดลงถึง 27.5% ระหว่างปี 2023–2025 และตกลงมาอยู่ในระดับต่ำสุดนับตั้งแต่ปี 1980

ขณะเดียวกัน ประกาศรับสมัครงานสำหรับตำแหน่งนักพัฒนาระดับเริ่มต้นลดลงประมาณ 40% เมื่อเทียบกับระดับก่อนปี 2022 ในขณะที่จำนวนบัณฑิตสาขาวิทยาการคอมพิวเตอร์ยังคงเพิ่มขึ้นต่อเนื่อง นั่นหมายความว่ายิ่งมีคนเรียนจบ แต่มีงานรองรับน้อยลงเรื่อยๆ

เส้นทางสู่ความเป็น Senior กำลังแคบลง

ปัญหาที่แท้จริงไม่ใช่แค่ว่า "งานระดับเริ่มต้นหายไป" แต่คือ กระบวนการที่มนุษย์ใช้สร้างทักษะมาตลอดนั้นกำลังถูกกำจัดออกไป

ตำแหน่งนักพัฒนาระดับเริ่มต้นถูกออกแบบมาให้รับงานฟังก์ชันพื้นฐาน, โค้ดสำเร็จรูป, และการสร้างโครงร่างแอปพลิเคชันอย่างง่าย ซึ่งงานเหล่านี้คือบทเรียนในชีวิตจริงที่ใช้สร้างรากฐานไปสู่ความเป็นวิศวกรอาวุโส งานเหล่านี้คือสิ่งที่ AI ทำได้เก่งที่สุด และเป็นงานแรกๆ ที่ถูกทำให้เป็นอัตโนมัติก่อนใคร

กล่าวง่ายๆ คือทางเข้าสู่เส้นทางอาชีพจาก Junior ไปสู่ Senior กำลังหายไป แต่ความต้องการวิศวกรอาวุโสที่มีประสบการณ์กลับเพิ่มขึ้น ซึ่งสร้างความขัดแย้งที่อุตสาหกรรมยังไม่มีคำตอบที่ชัดเจน

และในโลกที่ AI รับงานเหล่านั้นไปทำแทนได้หมดแล้ว ความอดทนในการฝึกสอนคนใหม่ก็หดสั้นลงตามไปด้วย Heather Doshay หัวหน้าฝ่ายบุคคลของ SignalFire สรุปมันได้ตรงที่สุด

"Nobody has patience or time for hand-holding in this new environment, where a lot of the work can be done by AI autonomously."

(ในสภาพแวดล้อมใหม่นี้ ไม่มีใครมีเวลาหรือความอดทนมานั่งจับมือสอนงานเด็กใหม่กันอีกแล้ว ในเมื่อ AI สามารถรับเหมางานพวกนั้นไปทำเองได้หมด)

Jevons Paradox กับอนาคตที่ยังไม่แน่นอน

Andrej Karpathy ไม่ได้มองโลกในแง่ร้ายทั้งหมด เขาหยิบ Jevons Paradox มาใช้เพื่อโต้แย้งว่าระบบอัตโนมัติไม่จำเป็นต้องลดความต้องการโดยรวม เมื่อทรัพยากรถูกลง การบริโภคมักเพิ่มขึ้น และซอฟต์แวร์ก็น่าจะเดินตามแพทเทิร์นนี้

"โค้ดตอนนี้เป็นของชั่วคราว มันเปลี่ยนได้ มันปรับแก้ได้" เขากล่าวใน No Priors พร้อมชี้ว่าเราน่าจะเห็นคลื่นของการเขียนระบบเก่าใหม่และโครงสร้างพื้นฐานดิจิทัลใหม่ๆ จำนวนมาก

แต่คำถามสำคัญที่ยังไม่มีคำตอบคือความต้องการที่ขยายตัวนั้นจะแปลงมาเป็นจำนวนพนักงานในสัดส่วนที่เท่ากันหรือไม่ ประวัติศาสตร์ให้คำตอบที่ไม่ตรงกัน

• ATM เพิ่มจำนวนสาขาธนาคารและ (ชั่วคราว) เพิ่มการจ้างงานพนักงานเคาน์เตอร์
• ระบบอัตโนมัติในภาคอุตสาหกรรม ตัดงานโรงงานออกในระดับที่ไม่ฟื้นตัวอีกเลย

สิ่งที่ชัดเจนในตอนนี้คือตลาดแรงงานด้านซอฟต์แวร์กำลังแบ่งตัวออกเป็นสองขั้วอย่างชัดเจน

ขั้วที่เติบโต: วิศวกรที่มีประสบการณ์ซึ่งสามารถทำงานในรูปแบบ Agentic Engineering ได้ คือคนที่รู้ว่าต้องถามอะไร ต้องมอบหมายอะไร และต้องตรวจสอบอะไร กลุ่มนี้มีคุณค่าเพิ่มขึ้นอย่างก้าวกระโดด

ขั้วที่หดตัว: ตำแหน่งระดับเริ่มต้นที่เคยเป็นเส้นทางหลักของอุตสาหกรรม กำลังลดลงอย่างรวดเร็วทั้งจากจำนวนงานและความคาดหวังของนายจ้าง

จุดเปลี่ยนที่ Andrej Karpathy พูดถึงในเดือนธันวาคม 2025 ได้จุดชนวนทั้งสองกระแสนี้ขึ้นพร้อมกัน และอุตสาหกรรมยังไม่ได้คิดออกว่าจะสร้างวิศวกรรุ่นถัดไปอย่างไร ในโลกที่งานซึ่งใช้สร้างวิศวกรเหล่านั้นไม่มีอยู่อีกต่อไป

ที่มา: Forbes