การนำเสนอครั้งนี้เริ่มต้นจากการเปรียบเทียบกับเหตุการณ์เมื่อ 1 ปีที่แล้ว และการทดลองควบคุมแบบสุ่มที่ Anthropic ซึ่งให้วิศวกรซอฟต์แวร์ระดับจูเนียร์ 52 คน เรียนรู้ไลบรารี Python ใหม่คือ Trio สำหรับการทำงานแบบ Async concurrency และ I/O
รายงาน Productivity Paradox ของ Faros AI ซึ่งวิเคราะห์ข้อมูลจากนักพัฒนาประมาณ 10,000 คน ใน 1,200 ทีม พบว่าทีมที่ใช้ AI สูงสามารถทำงานได้มากขึ้น 21% และมี pull request ถูกรวมเข้าด้วยกันถึง 98%
อย่างไรก็ตาม ความรู้เหล่านี้มาจากประสบการณ์ตรง เช่น การแก้ไขปัญหาในสภาพแวดล้อมการผลิต ซึ่งเป็นสิ่งที่สำคัญอย่างยิ่ง ดังเช่นกรณีที่ SVP, Dave Treadwell ต้องเรียกประชุมฉุกเฉินเนื่องจากปัญหาด้านความพร้อมใช้งานของเว็บไซต์
บทความยังแนะนำมาตรวัดใหม่ที่เรียกว่า observed exposure ซึ่งรวมขีดความสามารถของ LLM เข้ากับข้อมูลการใช้งาน Claude จริง และคาดการณ์ว่า AI agents จะทำงานเทียบเท่าหนึ่งวันทำงานในปี 2027 และหนึ่งเดือนในปี 2029
ศัพท์ที่ควรรู้
- Async concurrency – การทำงานพร้อมกันแบบอะซิงโครนัส คือการจัดการหลายงานให้ทำงานไปพร้อมกัน
- I/O – Input/Output คือการรับหรือส่งข้อมูลเข้าและออกจากระบบ
- Pull request – คือการร้องขอให้รวมโค้ดใหม่เข้ากับโค้ดหลักของโปรเจกต์
- LLM – Large Language Model คือแบบจำลองภาษาขนาดใหญ่ที่ใช้ในการประมวลผลภาษาธรรมชาติ
- Observed exposure – มาตรวัดที่รวมศักยภาพของ LLM เข้ากับข้อมูลการใช้งานจริงเพื่อประเมินการรับรู้
ที่มา: infoq.com