Github Copilot Workspace จะเปลี่ยนวิธีการทำงานของ Developer อย่างไร?

เมื่อ 1 พ.ค. จากที่ได้ไปร่วมงาน Microsoft Build AI Day ทาง Microsoft ได้มีการเปิดตัว Github Copilot Workspace ให้พี่น้องชาวไทยได้รู้จักกันอย่างเป็นทางการ ซึ่งตอนนี้หลายๆ ที่ก็ได้รีวิวออกมาแล้ว หาอ่านได้เลย

ส่วนในมุมมองของพล คือ พลสนใจเรื่องบทบาทของ Github Copilot ที่มีไอเดียการเอา Generative AI มาใช้ แล้วจะส่งผลยังไงกับชีวิตของ Developer ในรูปแบบไหนบ้างครับ เลยมานั่งดูความสามารถ และวิเคราะห์ออกมา

ความก้าวหน้าของ Intelligent Application ฝั่ง Developer

ปีที่แล้ว Github ได้ส่ง Copilot มาเป็นตัวแทนของ Intelligent Application ฝั่ง Developer ด้วยแนวคิดการเพิ่มศักยภาพ แต่ไม่ใชแทนที่คนทำงาน สร้างแรงกระเพื่อมขนาดใหญ่ในวงการ ที่ตัว Generative AI ได้ลงมาอยู่ในระดับที่ใช้งานได้จริง

โดยความสามารถเด่นๆ ของ Github Copilot ที่พลคิดว่าสำคัญ มีประมาณนี้

1. เขียนโค้ดจาก Comment ของ developer
2. สามารถพิมพ์คุยกับ Github Copilot ในไฟล์ได้โดยตรง และปรับเปลี่ยนได้
3. การที่ Github Copilot สามารถรับรู้ภาษาโปรแกรมที่ใช้, การช่วยเขียนโค้ดโดยอิงจากรูปแบบของโปรเจค (เช่น ใช้ Framework ตัวไหน, ใช้ package หรือ library ตัวไหนบ้าง)
4. มีห้องแชทที่สามารถคุย และอ้างอิงไฟล์ หรือโปรเจคที่เปิดทำงานอยู่ได้

ซึ่งพอสรุปเบื้องต้นได้ว่า Github Copilot เข้ามาช่วย Developer ในส่วนของระดับการทำงานกับ code นั่นเอง (เขียนตามความต้องการ, ทำความเข้าใจโค้ด)

และ Github Copilot Workspace ดูจะเป็นการขยายความสามารถของ Generative AI มาในระดับของการทำงานที่เป็น process หลักของ Developer ครับ

Github Copilot Workspace เข้ามาช่วยงานส่วนไหนของ Developer

จุดเด่นหลักที่ตอนนี้เห็นชัดเจน คือเข้ามาช่วยในกระบวนการที่มากกว่าแค่การเขียนโค้ดจากที่ Copilot ทำได้ตั้งแต่ปีที่แล้ว โดยการนำการทำงานของ Generative AI มาผสานไว้ใน Git Repository

ลองดูคลิปแนะนำตัว Github Copilot Workspace ด้านล่างได้ก่อนครับ แล้วค่อยอ่านต่อนะ

ซึ่งรูปแบบการทำงานที่เราเห็นคือการครอบคลุมตั้งแต่การวิเคราะห์ Requirement จนกระทั่งได้ code ที่ developer สามารถพิจารณาใช้ ก่อนที่จะรวมเข้ากับโค้ดหลักของโปรเจคนั่นเอง

ลองดูขั้นตอนของการทำงานที่พลมองว่าเป็นงานแบบ routine task สำหรับ developer ส่วนใหญ่ด้านล่างดูครับ

1. มี requirement ตั้งเข้ามาในโปรเจค (ส่วนนี้ใน Github คือส่วน Issue ของ Repository) เช่น แจ้ง bug, ขอ feature เพิ่ม, ปรับ User Interface
2. Developer พูดคุยกับเจ้าของ Issue ทำความเข้าใจ requirement
3. เมื่อเข้าใจ Requirement แล้ว ก็มาดูในโปรเจคว่า ณ ปัจจุบันมีอะไรบ้าง และต้องทำอะไรเพิ่ม
4. นั่งคิด กำหนดลำดับการแก้ไข หรือเขียนโค้ดเข้าไปในโปรเจค
5. สร้าง branch แยก
6. เริ่มเขียนโค้ด และทดสอบการทำงาน
7. เขียน Unit test
8. สร้าง pull request เพื่อเข้าสู่ขั้นตอนการรวมโค้ดใหม่ เข้าไปในโปรเจค เพื่อปิด requirement

ซึ่งจากลำดับที่เห็น ตัว Github Copilot Workspace เข้ามาช่วยได้ตั้งแต่ขั้นตอนที่ 2-7 เลยทีเดียว ซึ่งไม่ได้หมายความว่า Developer จะไม่ต้องทำขั้นตอนที่ 2 – 7 นะ แต่มี computer มาช่วยให้ไม่ต้องเหนื่อยกับขั้นตอน 2-7 มากเท่าก่อนใช้ AI ครับ

มีข้อดียังไง เมื่องานของ Developer ไม่หนักเท่าก่อนใช้ AI

ตรงจุดนี้จะเห็นว่าหน้าที่ของ Developer ยังเหมือนเดิม แต่งานจะไม่หนักเท่าก่อนใช้ AI แล้ว ทำให้ส่งผลต่อคุณภาพชีวิต และหน้าที่รับผิดชอบการทำงานในแต่ละวันทีเดียว

ตรงนี้ส่วนตัวมองเป็น 2 ส่วนของระดับของส่วนบุคคล และระดับองค์กรนะ

ระดับบุคคล

• สามารถจบงานได้เร็วกว่าเวลาที่ใช้ปกติ
• มีเวลาเพิ่มขึ้น สามารถเอาเวลาที่ได้ ไปใช้พัฒนาตัวเอง หรือใช้ความคิดสร้างสรรค์ในการแก้ปัญหาที่ส่วนของ Copilot ไม่สามารถทำได้
• ความเครียดลดลง

ระดับองค์กร

• ลด workload ของคนทำงานลง ทำให้เปิดโอกาสที่จะได้เวลามาใช้กับปัญหาที่ AI ยังปวดหัว
• เวลาและคนที่ได้คืนมาจากงานจม ทำให้มีโอกาสเริ่มโครงการ Innovation ใหม่ๆ ได้
• ค่าใช้จ่ายในด้านเงินทุน อาจจะเพิ่มขึ้น แต่หลายที่เริ่มมีการวัดผลแล้วนะว่าออกมาคุ้มมากกว่าจำนวนเงินที่ลงไปอีก

เพื่อนๆ คิดเห็นอย่างไร แลกเปลี่ยนกันได้ครับ