AI สามารถช่วยได้แทบทุกเฟสของ SDLC แต่บทบาทและความเสี่ยงของมันเปลี่ยนไปในแต่ละเฟส หลักการง่ายๆ คือ AI เร่งการสร้างและการสำรวจ ส่วนมนุษย์เป็นเจ้าของการตัดสินใจและความรับผิดชอบ
AI สามารถช่วยได้แทบทุกเฟสของ SDLC แต่บทบาทและความเสี่ยงของมันเปลี่ยนไปในแต่ละเฟส หลักการง่ายๆ คือ AI เร่งการสร้างและการสำรวจ ส่วนมนุษย์เป็นเจ้าของการตัดสินใจและความรับผิดชอบ
| เฟส | จุดที่ AI ช่วย | มนุษย์ยังต้องอยู่ในวงจรเพื่อ |
|---|
| Design | ระดมไอเดียทางเลือก, วิจารณ์ RFC, ดึง trade-off ขึ้นมา | การตัดสินใจด้านสถาปัตยกรรมจริงและผลที่ตามมา |
| Coding | การสร้างโค้ด, autocomplete, boilerplate, refactors | ความถูกต้อง, ความเข้ากับ codebase, ความเป็นเจ้าของ |
| Testing | สร้าง test case, แนะนำ edge case และ input | ว่า test ตรวจสอบพฤติกรรมที่ ถูกต้อง หรือไม่ |
| Review | สแกนรอบแรกหาบั๊ก, สไตล์, เคสที่ขาด | การอนุมัติสุดท้าย, วิจารณญาณเรื่องเจตนาและการออกแบบ |
| Docs | API docs, changelogs, ร่าง README | ความถูกต้องและสิ่งที่คุ้มค่าจะบันทึก |
| Ops | สรุป logs, ดึงความผิดปกติขึ้นมา, ร่าง runbooks | การวินิจฉัยและการกระทำใดๆ บน production |
ทุกที่ที่ต้นทุนของความผิดพลาดสูงหรือย้อนกลับยาก เช่น สถาปัตยกรรม, ความปลอดภัย, ข้อมูล และการดำเนินงานบน production AI เสนอ ส่วนวิศวกรที่มีชื่อระบุเป็นผู้ตัดสินใจและรับผิดชอบ
การมอง AI เป็นผู้ช่วยตลอดทั้ง lifecycle — แทนที่จะเป็นแค่ลูกเล่น code-completion — คือสิ่งที่ปลดล็อก leverage ที่แท้จริง แต่คุณค่ามาจากการรู้ว่าเฟส ไหน ยอมรับการทำงานอัตโนมัติได้ และเฟสไหนเรียกร้องวิจารณญาณของมนุษย์ เพื่อให้ทีมได้ความเร็วโดยไม่แอบยกการตัดสินใจที่สำคัญออกไปให้ผู้อื่น