ใช้ AI เขียนโค้ดแบบไม่ทำให้โปรเจกต์พังทีหลัง

AI coding assistant เขียนโค้ดได้เร็วจนหลายคนรู้สึกเหมือนมีคู่หูตลอด 24 ชั่วโมง แต่ความเร็วที่ได้มาก็มีต้นทุนแฝง ถ้าใช้แบบไม่ระวังจะเจอปัญหาที่ตามมาทีหลัง เช่น โค้ดที่ทำงานได้แต่อ่านไม่รู้เรื่อง หรือ bug ที่ซ่อนอยู่ในโค้ดที่ดู "สมบูรณ์" เกินไป

ปัญหาที่พบบ่อยเวลาใช้ AI เขียนโค้ด

โค้ดที่ทำงานได้ แต่ผิดหลักการของโปรเจกต์

AI ไม่รู้จัก convention ของทีม ไม่รู้ว่าโปรเจกต์นี้แยก layer ยังไง ไม่รู้ว่ามี utility function ที่ทำแบบนี้อยู่แล้ว ผลคือได้โค้ดที่รันผ่านแต่ขัดกับสถาปัตยกรรมเดิม ทำให้โปรเจกต์ไม่สม่ำเสมอ

ความมั่นใจเกินจริง (False confidence)

โค้ดที่ AI เขียนมักดูสะอาด มี comment ครบ ตัวแปรตั้งชื่อดี ทำให้คนรีวิวเผลอเชื่อโดยไม่ตรวจ logic จริงจัง ทั้งที่ความสวยของโค้ดไม่ได้แปลว่า logic ถูกต้อง

Hallucinate API หรือ library ที่ไม่มีจริง

โดยเฉพาะ library เวอร์ชันใหม่หรือที่ใช้ไม่แพร่หลาย AI อาจสร้างชื่อ method ที่ฟังดูสมเหตุสมผลแต่ไม่มีอยู่จริง หรือใช้ API เวอร์ชันเก่าที่ deprecated ไปแล้ว

หลักการใช้ AI เขียนโค้ดให้ปลอดภัย

1. ให้บริบทของโปรเจกต์ก่อนเสมอ

บอก AI ว่าโปรเจกต์ใช้ pattern อะไร มี layer แยกยังไง มี type หรือ interface ที่ต้องใช้ซ้ำตรงไหนบ้าง ยิ่งให้บริบทเยอะ โค้ดที่ได้ยิ่งเข้ากับโปรเจกต์มากขึ้น

2. อ่านทุกบรรทัดก่อน merge ไม่ใช่แค่รันผ่าน

โค้ดรันผ่านไม่ได้แปลว่าถูกต้อง โดยเฉพาะ edge case, error handling, และ security เช่น input validation หรือช่องโหว่แบบ injection ที่ AI อาจมองข้ามถ้าไม่ได้สั่งให้ระวังเรื่องนี้โดยเฉพาะ

3. ให้ AI ทำงานเล็กๆ ที่ตรวจสอบง่าย

แทนที่จะสั่งให้เขียนฟีเจอร์ทั้งก้อน ให้แตกเป็นฟังก์ชันเล็กๆ ที่ทดสอบและรีวิวได้ทีละจุด งานที่ตรวจสอบง่ายกว่าที่จะเขียนเองคืองานที่ AI ช่วยได้คุ้มที่สุด

4. เขียน test ควบคู่ไปด้วย

ให้ AI ช่วยเขียน unit test สำหรับโค้ดที่มันเขียนเอง เป็นวิธีตรวจสอบ logic ที่ตรงไปตรงมา ถ้า AI เขียน test แล้วผ่านหมดโดยไม่มี edge case ที่ควรมี นั่นคือสัญญาณว่าต้องกลับไปตรวจ logic เพิ่ม

5. อย่าให้ AI ตัดสินใจเรื่องสถาปัตยกรรมแทนเรา

การตัดสินใจเรื่องใหญ่ เช่น จะแยก service ยังไง จะเลือก database แบบไหน ควรเป็นการตัดสินใจของทีมที่เข้าใจ trade-off ระยะยาว ไม่ใช่ปล่อยให้ AI เลือกเพราะดูสมเหตุสมผลในบริบทแคบๆ ที่มันเห็น

จุดที่ AI ช่วยได้คุ้มที่สุดในงานเขียนโค้ด

• Boilerplate และโค้ดที่มี pattern ซ้ำ เช่น CRUD พื้นฐาน
• การแปลงข้อมูลระหว่าง format
• การเขียน test case จากฟังก์ชันที่มีอยู่แล้ว
• การอธิบายโค้ดเก่าที่ไม่มีเอกสาร
• การหา bug เบื้องต้นจาก error message หรือ stack trace

สรุป

AI เขียนโค้ดเร็ว แต่ความเร็วนั้นมีประโยชน์จริงก็ต่อเมื่อยังมีคนตรวจสอบ logic และควบคุมทิศทางสถาปัตยกรรมอยู่ ทีมที่ใช้ AI ได้ผลดีในระยะยาวไม่ใช่ทีมที่ปล่อยให้ AI เขียนทุกอย่าง แต่เป็นทีมที่รู้ว่าจุดไหนควรให้ AI ช่วย จุดไหนต้องตรวจเอง และไม่ประนีประนอมเรื่องการรีวิวโค้ดเพียงเพราะมันดูสะอาดตั้งแต่แรก