เมื่อวิศวกรซอฟต์แวร์เริ่มส่งต่อภาระงานเขียนโค้ดเกือบทั้งหมดให้กับระบบปัญญาประดิษฐ์อัตโนมัติ หรือ AI Coding Agents แต่ความสะดวกสบายนี้กำลังแลกมาด้วยค่าใช้จ่ายด้าน Token ที่พุ่งสูงขึ้นจนสะเทือนงบประมาณไอทีของหลายองค์กร
ผู้บริหารด้านเทคโนโลยีจาก 3 บริษัทชั้นนำ ได้แก่ Replit, Kilo Code และ Symbotic ได้ร่วมแบ่งปันประสบการณ์ในงาน VB Transform 2026 ถึงแนวทางการรับมือ บริหารจัดการต้นทุน และการปรับกระบวนการทำงานเมื่อ AI กลายเป็นหัวใจหลักของการเขียนโค้ด
วิศวกรเขียนโค้ดเองแค่ 1% ที่เหลือปล่อย AI Agent จัดการ
Emilie Schario ผู้ร่วมก่อตั้ง Kilo Code เปิดเผยว่า ปัจจุบันวิศวกรซอฟต์แวร์ในบริษัทอ่านหรือเขียนโค้ดด้วยตนเองเพียงประมาณ 1% เท่านั้น ส่วนอีก 99% ที่เหลือเป็นหน้าที่ของ AI Agents ทั้งหมด
อย่างไรก็ตาม ปัญหาสำคัญอยู่ที่ความสามารถของ AI ในการทำงานประเภท Greenfield หรือการเขียนโค้ดขึ้นมาใหม่ทั้งหมดนั้นทำได้ง่ายและมีประสิทธิภาพสูงมาก แต่สำหรับการทำงานแบบ Brownfield หรือการแก้ไข อัปเดต และดูแลระบบโค้ดเดิมที่มีอยู่แล้ว ยังคงเป็นความท้าทายหลักที่ต้องใช้มนุษย์เข้ามาช่วยกำกับดูแล
ด้าน Replit มีการใช้แนวคิด “Human on the loop” โดย Amol Jain หัวหน้าฝ่ายวิศวกรรมผลิตภัณฑ์ อธิบายว่า Replit ใช้วิธีให้ AI Agent ประเมินความเสี่ยงของ Pull Request (PR) แต่ละชิ้น หากความเสี่ยงต่ำ ผู้พัฒนาสามารถอนุมัติรวมโค้ด (Self-merge) ได้เอง แต่หากมีความเสี่ยงสูง จะส่งต่อให้วิศวกรมนุษย์ตรวจสอบและให้ข้อเสนอแนะ
นอกจากนี้ Replit ยังจัดตั้งฝูงบิน AI Agents (Fleet of agents) ทำงานบน Virtual Machine ในระบบคลาวด์ที่มีความปลอดภัยสูง ซึ่งเคยโชว์ผลงานแก้ บั๊ก ซับซ้อนในระบบลึกๆ ที่วิศวกรหาสาเหตุไม่เจอ โดย AI Manager Agent ได้กระจายงานให้ Agent ย่อยๆ ค้นหาสาเหตุและวิธีแก้ จนสามารถออก PR แก้ไขได้สำเร็จภายใน 6 ชั่วโมง
Multi-Model สลับใช้โมเดลตามความเหมาะสม แก้ปัญหางบพุ่ง
หนึ่งในปัจจัยหลักที่ทำให้ค่าใช้จ่าย AI บานปลาย คือการใช้โมเดลระดับท็อป (Frontier Models) กับทุกงานโดยไม่จำเป็น ผู้บริหารทั้ง 3 บริษัทจึงเสนอทางออกด้วยการบริหารจัดการแบบ Multi-Model:
- วางโครงสร้างด้วยโมเดลใหญ่ แล้วส่งต่อโมเดลเล็ก: Kilo Code ซึ่งรองรับโมเดลมากกว่า 500 โมเดล แนะนำให้ใช้วิธีนำโมเดลราคาสูงมาใช้เฉพาะช่วงการวางสถาปัตยกรรม (Architect) โครงสร้างงาน จากนั้นจึงสลับไปใช้โมเดล Open-weight ที่ราคาประหยัดกว่าในการเขียนโค้ดส่วนที่เหลือ
- คุมเส้นทางการเลือกโมเดล (Model Routing): Replit จะเป็นผู้ประเมินและตัดสินใจแทนผู้ใช้ว่าควรกำหนดให้ใช้โมเดลใด ในขั้นตอนใด เพื่อให้เกิดความคุ้มค่าสูงสุดระหว่างต้นทุนและประสิทธิภาพ
- วัดผลด้วย Cost per Pull Request: Kilo Code เปลี่ยนมาใช้วัชนีวัดผลความคุ้มค่า (ROI) จาก “ต้นทุนต่อหนึ่ง Pull Request” แทนการมองแค่ยอดรวมค่าใช้จ่าย เนื่องจากตัวเลขงบประมาณที่สูงอาจคุ้มค่าหากได้ปริมาณงานที่สำเร็จกลับมาในสัดส่วนที่เหมาะสม
กำหนดลำดับชั้นงบประมาณ (Cost Tiers) ป้องกัน Token รั่วไหล
Jared Go วิศวกรระดับเกียรติคุณด้าน AI และ Cloud จาก Symbotic ระบุว่า บริษัทได้รับมือกับต้นทุนที่สูงขึ้นด้วยการกำหนดเกณฑ์งบประมาณต่อเดือน (Per-month cost tiers) ให้แก่พนักงาน พร้อมสร้างเครื่องมือให้ผู้จัดการมองเห็นพฤติกรรมการใช้งานและจำนวน PR ของทีม เพื่อปรับเพิ่มหรือลดระดับงบประมาณตามความเหมาะสม
ปัญหาการใช้งบเกินไม่ได้เกิดขึ้นเฉพาะฝ่ายวิศวกรรมเท่านั้น โดย Amol Jain จาก Replit ยกตัวอย่างกรณีที่ทีม Support มีการใช้เงินก้อนโตไปอย่างรวดเร็ว เนื่องจากนำระบบอัตโนมัติไปรันบน GPT 5.5 Pro Max โดยไม่จำเป็น
ตราบใดที่ผลตอบแทนจากการลงทุน (ROI) ชัดเจน เช่น เพิ่มผลผลิตของทีมวิศวกรได้ถึง 3 เท่า ค่าใช้จ่ายก็อาจไม่ใช่ปัญหา แต่สิ่งสำคัญคือการสร้างระบบที่มองเห็นการใช้งานชัดเจน และสร้างการตั้งค่าเริ่มต้นที่สมเหตุสมผล เพราะงานส่วนใหญ่ไม่ได้มีความจำเป็นต้องใช้โมเดลระดับ Frontier Always
ที่มา venturebeat
–องค์กรไทย-เอเชียเร่งสปีดลงทุน AI พุ่ง 79% แต่ติดหล่ม “ขาดแคลนบุคลากร-ความปลอดภัย”
