ผู้ช่วยรอคุณอยู่ ส่วนเพื่อนร่วมทีมทำงานที่คุณไม่ได้เฝ้าดู ความแตกต่างเพียงข้อนี้ อธิบายความสับสนส่วนใหญ่ในการพูดคุยเรื่อง AI ในที่ทำงานตอนนี้ และเป็นตัวกำหนดว่าส่วนใดของกระบวนการของคุณต้องเปลี่ยนไป
ทั้งสองรูปแบบมีประโยชน์ และไม่มีรูปแบบใดเป็นขั้นที่อีกรูปแบบหนึ่งจะเติบโตขึ้นมาได้เอง สิ่งที่เปลี่ยนไปคือ งานอยู่ที่ไหน ใครรับผิดชอบมัน และคนอื่นจะรู้ได้อย่างไรว่าเกิดอะไรขึ้น คู่มือนี้จะขีดเส้นแบ่งระหว่าง AI ผู้ช่วยกับเพื่อนร่วมทีม AI ระบุห้าสิ่งที่เปลี่ยนไปจริง ๆ ในหนึ่งสัปดาห์ของทีม และพูดตรง ๆ ว่าจุดใดที่อุปมาเรื่องเพื่อนร่วมทีมเริ่มใช้ไม่ได้อีกต่อไป Sharkly ถือกำเนิดขึ้นเพราะรูปแบบที่สอง ดังนั้นเส้นแบ่งด้านล่างนี้จึงถูกบอกเล่าอย่างตรงไปตรงมา ไม่ใช่เพื่อขายของ
TL;DR
AI ผู้ช่วยทำงานอยู่ภายในเซสชันของคุณ คุณพิมพ์คำสั่ง มันตอบ มูลค่าอยู่ในบริบทของคุณและหายไปเมื่อคุณปิดหน้าต่าง ส่วนเพื่อนร่วมทีม AI จะได้รับมอบหมายงานหนึ่งหน่วยซึ่งมีผลลัพธ์ที่ระบุไว้ชัดเจน ลงมือทำในที่ที่ทีมมองเห็นได้ และรายงานกลับไปยังบันทึกที่อยู่ยั่งยืนกว่าเซสชัน การย้ายจากแบบหนึ่งไปอีกแบบหนึ่งไม่จำเป็นต้องใช้โมเดลที่ดีกว่า แต่ต้องมีการมอบหมาย ร่องรอยการทำงานที่มองเห็นได้ สถานะการตรวจสอบ และคนที่รับผลลัพธ์นั้น
นิยามที่ควรค่าแก่การจดจำ
AI ผู้ช่วย มีขอบเขตอยู่ที่พรอมป์ต์ คุณอยู่ตรงนั้นตลอดทั้งกระบวนการ ผลงานที่ได้คือข้อเสนอแนะที่คุณจะรับหรือทิ้ง และคำถามเรื่องความรับผิดชอบก็ไม่เคยเกิดขึ้น เพราะคุณไม่เคยจากไปไหน ระบบเติมข้อความอัตโนมัติ แชต และการรีแฟกเตอร์แบบอินไลน์ ต่างก็อยู่ตรงนี้ทั้งหมด
AI เอเจนต์ที่ทำงานในฐานะเพื่อนร่วมทีม มีขอบเขตอยู่ที่งาน มันได้รับเป้าหมาย ข้อจำกัด และบริบทที่เพียงพอจะดำเนินการต่อ มันค้นคว้า ลงมือทำ ทดสอบ และรายงาน คุณไม่ได้อยู่ตรงนั้นในระหว่างทาง การไม่อยู่ตรงนั้นคือหัวใจทั้งหมด และยังเป็นที่มาของข้อกำหนดใหม่ทุกข้อด้านล่างนี้ บทความนิยามของเราเกี่ยวกับ agentic coding พาเดินขึ้นบันไดเดียวกันนี้จากอีกมุมหนึ่ง
คำถามที่ใช้แบ่งเส้นไม่ใช่เรื่องความฉลาด แต่คือ ถ้าคุณปิดแล็ปท็อป งานยังดำเนินต่อไปไหม และเพื่อนร่วมงานรู้ได้ไหมว่าเกิดอะไรขึ้น
สิ่งที่เปลี่ยนไปจริง ๆ ในการทำงาน
1. งานกลายเป็นรายการ ไม่ใช่ข้อความ กับผู้ช่วย คำขอเป็นเพียงเทิร์นในแชต แต่กับเพื่อนร่วมทีม คำขอต้องอ่านรู้เรื่องโดยคนที่ไม่ได้อยู่ในห้อง ได้แก่ ผลลัพธ์ที่ระบุไว้ชัดเจน อะไรอยู่ในและนอกขอบเขต ไฟล์ที่เกี่ยวข้อง ข้อจำกัด และจะตรวจสอบความสำเร็จอย่างไร ทีมที่ข้ามขั้นตอนนี้จะเขียนงานแบบคลุมเครือแล้วโทษโมเดล
2. การมอบหมายแยกออกเป็นสองส่วน คนยังคงรับผิดชอบผลลัพธ์ ส่วนเอเจนต์ลงมือทำ เครื่องมือที่ยุบสองสิ่งนี้รวมเป็นฟิลด์ผู้รับผิดชอบเดียว จะได้บอร์ดที่ไม่มีใครถามใครได้เรื่องอะไร Sharkly แยกผู้รับผิดชอบที่เป็นคนกับผู้รับผิดชอบที่ลงมือทำออกเป็นคนละฟิลด์บนงานเดียวกัน ทำให้บันทึกข้อเท็จจริงทั้งสองไว้พร้อมกัน
3. ความโปร่งใสไม่ใช่ทางเลือกอีกต่อไป งานของผู้ช่วยมองเห็นได้เพราะคุณเฝ้าดูมันอยู่ งานของเพื่อนร่วมทีมจะมองเห็นได้ก็ต่อเมื่อแพลตฟอร์มสตรีมความคืบหน้า ความคิดเห็น อุปสรรค และร่องรอยที่โยงกลับไปยังบันทึกที่แชร์ร่วมกัน มิฉะนั้นสถานะที่ตรงไปตรงมาของงานครึ่งหนึ่งของคุณก็คือ “ไปถามปริยาสิ เธอเป็นคนเริ่ม”
4. การตรวจสอบกลายเป็นสถานะที่ระบุชื่อไว้ ไม่ใช่ “สักวันหนึ่งจะมีคนมาดู” แต่เป็นสัญญาณชัดเจนว่ารอการตรวจสอบจากคน ซึ่งไปถึงคิวงาน ใน Sharkly สัญญาณนั้นจะไปถึง กล่องจดหมายของเอเจนต์ ของผู้รับผิดชอบ พร้อมกับความล้มเหลวและคำถามตรง ๆ
5. ความสามารถกลายเป็นของส่วนรวม หรือไม่ก็ยังเป็นของส่วนตัว ทักษะการเขียนพรอมป์ต์ของนักพัฒนาคนหนึ่งเป็นแค่ลูกเล่นของผู้ช่วย แต่เมื่อบันทึกเป็นคอนฟิกูเรชันของเอเจนต์ พร้อมคำสั่ง รันไทม์ รีโพซิทอรี และสกิลที่นำกลับมาใช้ซ้ำได้ มันก็กลายเป็นสิ่งที่คนถัดไปรับช่วงต่อได้ แทนที่จะต้องค้นพบใหม่เอง
| มิติ | AI ผู้ช่วย | เพื่อนร่วมทีม AI |
|---|---|---|
| หน่วยของงาน | พรอมป์ต์หนึ่งอัน | งานหนึ่งชิ้นที่มีเกณฑ์การยอมรับ |
| คุณอยู่ด้วยหรือไม่ | ตลอดเวลา | เฉพาะตอนกำหนดทิศทางและตรวจสอบ |
| ผลลัพธ์ไปอยู่ที่ไหน | เอดิเตอร์หรือแชตของคุณ | บันทึกที่แชร์ร่วมกันพร้อมร่องรอย |
| ความรับผิดชอบ | เป็นของคุณโดยปริยาย | ระบุชื่อคนอย่างชัดเจน |
| รูปแบบความล้มเหลว | ข้อเสนอแนะแย่ ๆ ที่ถูกทิ้ง | งานที่เงียบงันและไม่มีใครตรวจ |
| การใช้ซ้ำ | นิสัยส่วนตัว | คอนฟิกูเรชันและสกิลที่บันทึกไว้ |
หนึ่งสัปดาห์ที่หน้าตาต่างออกไป
การเปลี่ยนแปลงจะปรากฏบนปฏิทินก่อนที่จะปรากฏในตัวเลขเมตริก
สแตนด์อัปไม่ใช่การกระจายสถานะอีกต่อไป เพราะบอร์ดแสดงสถานะอยู่แล้ว สิ่งที่คุ้มค่ากับห้านาทีคือรายการข้อยกเว้น: การรันใดล้มเหลว ผลลัพธ์ใดรอคนอยู่ งานชิ้นใดเขียนได้แย่จนเอเจนต์ต้องเดา รายการนี้สั้นและลงมือทำได้จริง ซึ่งดีกว่าที่สแตนด์อัปส่วนใหญ่ทำได้
การวางแผนก็เปลี่ยนรูปไปด้วย เมื่องานต้องเจาะจงพอที่เอเจนต์จะลงมือทำได้ การกลั่นกรองรายละเอียดจะเลื่อนขึ้นมาเร็วขึ้นและเป็นรูปธรรมมากขึ้น: เกณฑ์การยอมรับไม่ใช่พิธีการอีกต่อไป เพราะเกณฑ์ที่คลุมเครือจะสร้างการรันที่คุณต้องโยนทิ้ง ทีมมักสังเกตเห็นสิ่งนี้ในรูปของการเขียนขอบเขตงานล่วงหน้ามากขึ้น และเสียเวลากลางสปรินต์น้อยลง
การตรวจสอบกลายเป็นทรัพยากรที่คับแคบ เอเจนต์สามตัวผลิตการเปลี่ยนแปลงในหนึ่งเช้าได้มากกว่าที่คนตรวจหนึ่งคนจะเคลียร์ได้ในหนึ่งวัน ดังนั้นข้อจำกัดที่แท้จริงจึงย้ายจากความเร็วในการพิมพ์ไปสู่ความสามารถในการอ่าน วางแผนรับมือเรื่องนี้ไว้ดีกว่าไปค้นพบเองทีหลัง: จำกัดปริมาณงานของเอเจนต์ที่อยู่ในระหว่างดำเนินการต่อคนตรวจหนึ่งคน และมองคิวผลลัพธ์ที่ยังไม่ได้ตรวจซึ่งงอกเงยขึ้น เป็นปัญหาเดียวกับกอง pull request ที่ยังไม่ได้ merge ซึ่งพอกพูนขึ้น
จุดที่อุปมาเรื่องเพื่อนร่วมทีมใช้ไม่ได้
ถ้าจับอุปมานี้มาใช้อย่างจริงจัง มันจะเริ่มทำให้คนเข้าใจผิดในสามด้าน
เอเจนต์รับผิดชอบแทนไม่ได้ มันอาจได้รับเครดิตจากงานที่ทำ แต่มันตอบแทนผลลัพธ์ไม่ได้ ไม่สามารถถูกเรียกให้อธิบายเหตุผลของการแลกเปลี่ยนในไตรมาสหน้า หรือรับผลที่ตามมาจากการตัดสินใจที่ผิดพลาด ทุกแพลตฟอร์มจริงจังในวงการนี้เขียนเรื่องนี้ไว้ชัดเจน: Linear เก็บคนไว้เป็นผู้รับผิดชอบหลักโดยมีเอเจนต์เป็นผู้มีส่วนร่วม และกรอบคิดของ Sharkly เองก็คือ เอเจนต์ค้นคว้า ลงมือทำ ทดสอบ และรายงาน ส่วนคนเป็นผู้กำหนดทิศทาง ให้อำนาจ และรับผลลัพธ์
เอเจนต์ไม่มีความทรงจำต่อเนื่องเกี่ยวกับทีมของคุณ เว้นแต่คุณจะให้มัน เพื่อนร่วมงานใหม่ซึมซับบริบทจากการอยู่แวดล้อม เอเจนต์ได้เฉพาะสิ่งที่คุณเขียนลงไปเท่านั้น ซึ่งเป็นเหตุผลว่าทำไมขอบเขตที่เขียนไว้จึงชนะขอบเขตที่สื่อเป็นนัยเสมอ
และสถานะของเอเจนต์ก็ไม่ใช่สถานะของโปรเจกต์ งานหนึ่งชิ้นอาจอยู่ในสถานะกำลังดำเนินการ ขณะที่เอเจนต์กำลังทำงาน รอคำตอบ รอการตรวจสอบ หรือกำลังรายงานข้อผิดพลาด การอ่านสถานะการรันเป็นสถานะของโปรเจกต์คือสาเหตุที่ทีมมักตกใจตอนท้ายสปรินต์ คู่มือของเราเรื่องการจัดการโปรเจกต์ด้วย AI เอเจนต์ อธิบายการแยกสองสิ่งนี้ออกจากกันอย่างละเอียด
สิ่งที่ต้องเพิ่มก่อนที่เอเจนต์จะทำตัวเหมือนเพื่อนร่วมทีม
สี่สิ่ง เรียงตามลำดับนี้ ไม่มีข้อใดต้องย้ายระบบ
- งานที่มีผลลัพธ์ตรวจสอบได้ ถ้าคุณบอกไม่ได้ว่าคุณจะตรวจงานนั้นอย่างไร เอเจนต์ก็บอกไม่ได้เหมือนกัน
- ผู้รับผิดชอบที่ลงมือทำ ซึ่งแยกจากเจ้าของงาน มอบหมายทั้งคนและเอเจนต์บนรายการเดียวกัน
- การรันที่มองเห็นได้ ความคืบหน้า ความคิดเห็น และร่องรอยที่แนบกับงาน ซึ่งใครในทีมก็อ่านได้
- ขั้นตอนการยอมรับ คนที่ระบุชื่อไว้เป็นผู้ย้ายงานไปสู่สถานะเสร็จ หลังจากอ่านหลักฐานแล้ว ไม่ใช่หลังจากเห็นว่าการรันจบลงแล้ว
เริ่มเพิ่มสิ่งเหล่านี้กับงานประเภทที่ทำซ้ำ ๆ สักหนึ่งประเภทก่อน: การอัปเดต dependency, ความครอบคลุมของการทดสอบบนโมดูลที่เสถียร, โครงร่างสำหรับการ migration แล้วค่อยขยาย เมื่อมีคนที่สองตรวจผลลัพธ์ของเอเจนต์ของคนอื่นได้โดยไม่ต้องมีใครมาอธิบายปากเปล่า ดาวน์โหลด Sharkly หากคุณอยากได้ลูปนี้แบบตั้งค่าไว้ให้พร้อม หรือจะสร้างมันขึ้นในเครื่องมือติดตามงานที่คุณใช้อยู่ก็ได้
คำถามที่พบบ่อย
AI เอเจนต์ก็แค่ผู้ช่วยที่มีสิทธิ์มากกว่าใช่ไหม? สิทธิ์การเข้าถึงสำคัญก็จริง แต่ความแตกต่างที่แท้จริงอยู่ที่หน่วยของงาน ผู้ช่วยจัดการพรอมป์ต์ภายในเซสชันของคุณ ส่วนเอเจนต์จัดการงานที่อยู่ยั่งยืนกว่าเซสชันนั้นและรายงานกลับไปยังบันทึกที่แชร์ร่วมกัน
เราควรแทนที่ผู้ช่วยด้วยเอเจนต์ไหม? ไม่ ผู้ช่วยยังเหมาะกว่าสำหรับงานใดก็ตามที่คุณอยากกำกับทีละคีย์ ส่วนเอเจนต์เหมาะกับงานที่คุณระบุขอบเขตได้ ส่งต่อได้ และตรวจสอบได้
ใครเป็นคนตรวจงานของเอเจนต์ในระดับสเกลใหญ่? คนกลุ่มเดียวกับที่ตรวจ pull request ของมนุษย์นั่นแหละ ซึ่งเป็นเหตุผลว่าทำไมความสามารถในการตรวจสอบจึงกลายเป็นคอขวดตัวจริง เริ่มจากการวัดว่าผลลัพธ์ต้องรอนานแค่ไหนก่อนที่คนจะเปิดดู
เอเจนต์ต้องมีบัญชีและสิทธิ์การเข้าถึงของตัวเองไหม? พวกมันต้องการสิทธิ์การเข้าถึงที่จำกัดขอบเขต และควรแคบเท่าที่งานต้องใช้เท่านั้น ในทางปฏิบัติหมายถึงรีโพซิทอรีเฉพาะ เครื่องเฉพาะ และโมเดลบทบาทที่กำหนดว่าใครสามารถเรียกใช้เอเจนต์ตัวใดได้ บทความอธิบาย Sharkly Agents ของเราแสดงตัวอย่างการใช้งานจริงแบบหนึ่ง
