Codex จาก OpenAI: จุดเริ่มของยุคใหม่ที่มนุษย์ ‘สั่งงาน’ โค้ดแทน ‘เขียนเอง’
บทความนี้ เราทำการสรุปและปรับปรุงให้กระชับจากคลิปด้านล่างเราจะยังต้องเขียนโค้ดด้วยตัวเองอีกนานแค่ไหน?
ในวันที่ AI เริ่มสามารถแก้บั๊ก สร้าง PR และเรียนรู้จากสภาพแวดล้อมเหมือนมนุษย์ เรื่องนี้ไม่ใช่แค่เทคโนโลยี แต่มันคือการตั้งคำถามถึงบทบาทของนักพัฒนาในโลกที่เอเจนต์กำลังลุกขึ้นมาทำงานเอง
Codex ไม่ใช่ชื่อใหม่ แต่ OpenAI กลับมาใช้ชื่อนี้อีกครั้ง เพื่อแทนภาพของ AI ที่มีคอมพิวเตอร์เป็นของตัวเอง สามารถรับคำสั่งจากมนุษย์แล้วไปทำงานอยู่เบื้องหลัง ก่อนจะส่งผลลัพธ์กลับมาเป็น Pull Request ที่แทบไม่ต้องแตะ
ต่างจาก GPT ที่เก่ง autocomplete หรือ Copilot ที่เป็นคู่คิด Codex ตั้งใจให้เป็น “เพื่อนร่วมทีมที่รับงานแล้วไปทำเอง” โดยไม่ได้รบกวนผู้ใช้ระหว่างทาง คล้ายกับการจ้างอินเทิร์นที่เก่งพอจะส่งงานกลับมาได้คุณภาพเกือบเท่าทีม Dev จริง
Codex คือภาพทดลองของการพัฒนา Software ในโลกที่ AI ทำงานบนเครื่องตัวเอง และมนุษย์กลายเป็นผู้รีวิว ไม่ใช่ผู้สร้างทั้งหมด
เบื้องหลังความเปลี่ยนแปลงนี้ไม่ได้เกิดจากแค่พลังของโมเดล แต่เกิดจาก แนวทางใหม่ในการเทรน AI ให้เข้าใจว่าอะไรคือ “รสนิยมของ Software Engineer” ที่แท้จริง ไม่ใช่แค่โค้ดที่รันได้ แต่ต้อง clean, testable และ merge ได้โดยไม่ทำให้ทีมปวดหัว
การเทรน Codex ต้องอาศัยการสร้าง สภาพแวดล้อมจำลอง ที่เสมือนกับโปรเจกต์จริงจนนำไปใช้ได้ใน production ไม่ใช่เพียงแค่ text completion แต่เป็นการฝึกให้ AI “อยู่กับโลกที่วุ่นวาย” ได้เหมือนวิศวกรจริงในทีม startup ที่ไม่มีแม้แต่ unit test
การทำให้เอเจนต์เข้าใจว่าโค้ดแบบไหนควรถูก merge ไม่ใช่แค่ฝึก syntax แต่คือการสอนให้มันเข้าใจว่าอะไรคือ “ความเรียบร้อยในระดับทีม”
ผลที่เกิดขึ้นคือ Codex สามารถทำ task ยาวได้ถึง 30 นาที ตั้งแต่การหาและแก้บั๊กที่ซับซ้อน ไปจนถึงการ refactor หรือวางแผน roadmap ย่อยๆ โดยในเวอร์ชันที่ใช้ภายใน OpenAI นั้น ทีมงานใช้มันเพื่อเตรียม launch product จริง แก้บั๊กยามตีหนึ่ง หรือกระทั่ง deploy โค้ดก่อน deadline ไม่กี่ชั่วโมง
หนึ่งในเคสจริง เช่น การพบ bug animation ที่ไม่สามารถแสดงผลได้อย่างถูกต้องก่อนการเปิดตัว Codex ทีมเลือกที่จะให้ AI แก้แทนมนุษย์ โดยลองรันคำสั่งให้ Codex แก้ไขถึง 4 รอบ จนกระทั่งในรอบที่ 4 ได้คำตอบที่แก้ไขปัญหาได้จริง และสามารถ merge ทันเวลาเปิดตัว
ไม่เพียงการแก้บั๊ก Codex ยังเหมาะกับ งานที่ต้องทำซ้ำหรือ scale เยอะ เช่นการ migrate โครงสร้างโค้ดในหลายๆ ไฟล์ การเพิ่ม logging ครอบคลุมทั้งระบบ หรือการ refactor library ภายในที่ใช้กันทั้งองค์กร
และเมื่อเริ่มใช้ในวงกว้าง ทีม OpenAI สังเกตว่า ผู้ใช้ที่มี mindset ว่า Codex คือสิ่งที่ต้องลองซ้ำหลายรอบ มักเข้าใจมันเร็วกว่า
การรัน task ซ้ำ 4 รอบเพื่อให้ได้ 1 solution ที่ดีที่สุด กลายเป็น skill สำคัญของการทำงานกับ AI
ไม่ใช่แค่ในแง่เทคนิค Codex ยังเปลี่ยน วิธีคิดเรื่องเครื่องมือของนักพัฒนา จากโลกที่โค้ดถูกเขียนใน IDE มาเป็นโลกที่ IDE กลายเป็นที่รีวิวงานของ AI เหมือนบรรณาธิการดูบทความจากนักเขียนฝึกหัด
Codex CLI ใน terminal และ Codex ใน ChatGPT ไม่ใช่ผลิตภัณฑ์แยก แต่คือสองทางเข้าสู่ AI ที่อยู่กับคุณทุกเครื่องมือ ตั้งแต่ Slack ไปจนถึง error dashboard ที่อาจจะเด้งเตือนก่อนคุณจะได้เข้าไปดู bug
ตัวอย่างเช่น ฝ่าย DevOps ใช้ Codex ช่วย generate script ที่ต้องจัดการ container หลายรูปแบบใน production โดยไม่ต้องแตะ config เอง ฝ่าย QA ใช้ Codex ตรวจสอบ error log และเสนอ test case เพิ่มอัตโนมัติ หรือแม้แต่ PM ก็ใช้ Codex สร้าง prototype UI ในวันเดียว
Codex จึงเป็นมากกว่า code generator มันกลายเป็น ตัวเร่งกระบวนการคิด ทดลอง และลงมือทำ ในหลายสายงานที่ต้องการ software เป็นส่วนหนึ่งของการแก้ปัญหา
และนี่ไม่ใช่เรื่องไกลตัว เพราะพวกเขาพบว่า PM ก็ใช้ Codex เพื่อไม่ต้องรบกวนนักพัฒนาอีก
หรือในบางทีม Codex คือผู้ช่วยเบื้องหลังที่ช่วยให้ Dev ทำ 10 PR ต่อวันได้แบบไม่ต้องฝืนแรงตัวเอง
แม้ AI ยังต้องอาศัยมนุษย์รีวิวโค้ด แต่บทบาทกำลังเปลี่ยนอย่างชัดเจน จากผู้เขียน เป็นผู้เลือกและชี้แนวทาง จากผู้สร้าง เป็นผู้ออกคำสั่ง
คำถามจึงไม่ได้อยู่ที่ว่า AI เขียนโค้ดแทนเราได้หรือไม่ แต่อยู่ที่ว่า เมื่อ AI เขียนโค้ดได้มากขึ้น เราอยากใช้เวลาของเราทำอะไร
มากกว่ากัน
