Dictionary · วิธีทำงานกับ AI · 137 / 291

Prototyping

การสร้างเวอร์ชันทดลองของซอฟต์แวร์แบบเร็วๆ เพื่อให้ได้เห็นและลองใช้ของจริงก่อนตัดสินใจลงแรงพัฒนาเต็มรูปแบบ ผิดได้เร็วและแก้ได้ถูกตั้งแต่ต้น

Prototyping คือการสร้าง prototype หรือ "เวอร์ชันที่ยังไม่สมบูรณ์" ของซอฟต์แวร์ขึ้นมาก่อน เพื่อให้คนที่จะใช้งานจริงได้เห็นและได้ลองกดจริงๆ แทนที่จะนั่งอ่านเอกสารหรือจินตนาการตามคำอธิบาย ตัว prototype มักจำลองแค่บางแง่มุมของระบบ และอาจต่างจากของจริงตอนจบมาก แต่นั่นแหละคือประเด็น: เป้าหมายไม่ใช่ความสมบูรณ์ แต่คือการได้ feedback เร็วที่สุด เพราะการแก้ requirement ตั้งแต่ช่วงต้นของโปรเจกต์แทบไม่มีต้นทุน ในขณะที่การแก้ตอนสร้างเสร็จแล้วแพงมหาศาล ความคิดนี้ไม่ใหม่เลย: Frederick Brooks พูดถึงความสำคัญของมันไว้ตั้งแต่หนังสือ The Mythical Man-Month ปี 1975

ในทางปฏิบัติ prototype มีหลายแบบ แบ่งใหญ่ๆ ได้เป็น throwaway (หรือ rapid) prototyping คือสร้างเร็วๆ เพื่อเคลียร์ความต้องการให้ชัด แล้ว "ทิ้ง" ก่อนเริ่มพัฒนาจริง กับ evolutionary prototyping คือสร้างแบบแข็งแรงตั้งแต่ต้นแล้วค่อยๆ ต่อยอดจนกลายเป็นระบบจริง นอกจากนี้ยังมองได้สองมิติ: horizontal prototype ที่กวาดกว้างทั้งหน้าจอเพื่อให้เห็นภาพรวมและขอ buy-in จากฝั่งธุรกิจ กับ vertical prototype ที่เจาะลึกฟังก์ชันเดียวให้ทะลุ เพื่อเคลียร์ spec ส่วนที่ซับซ้อนที่สุด ความเสี่ยงคลาสสิกที่ต้องรู้คือ ผู้ใช้มักเข้าใจผิดว่า prototype ที่ดูดีคือของเสร็จแล้ว จนคาดหวังเกินจริงหรือขอให้เอาขึ้นใช้งานทั้งอย่างนั้นเลย

ทำไมคนทำงานยุค ai ต้องรู้คำนี้: เพราะ AI ทำให้ต้นทุนการสร้าง prototype ต่ำลงจนแทบเป็นศูนย์ คนที่ไม่ใช่ developer ก็เสกแอปทดลองได้ในไม่กี่ชั่วโมงผ่านแนวทางอย่าง vibe-coding ซึ่ง Andrej Karpathy ตั้งชื่อไว้เมื่อต้นปี 2025 โดยเขาเองก็มองว่ามันเหมาะกับ "โปรเจกต์สุดสัปดาห์แบบใช้แล้วทิ้ง" และงาน prototyping เป็นหลัก ไม่ใช่ระบบใช้งานจริง: งานวิจัยที่ถูกอ้างถึงพบว่าโค้ดที่ AI ร่วมเขียนมีปัญหาระดับ major มากกว่าโค้ดคนเขียนราว 1.7 เท่า และมีช่องโหว่ security บ่อยกว่าราว 2.74 เท่า เส้นแบ่งสำคัญของยุคนี้จึงไม่ใช่ "สร้างได้หรือไม่ได้" แต่คือ "อันไหนคือ prototype ไว้เรียนรู้ อันไหนคือของจริงที่ต้องผ่าน human-review ก่อนปล่อย" ใครแยกสองอย่างนี้ออก คนนั้นได้ความเร็วของ AI มาเต็มๆ โดยไม่พาองค์กรไปเสี่ยง

ตัวอย่างจากบทสนทนาจริง

ฝ่าย HR: "พี่แชมป์ หนูใช้ AI ทำระบบจองห้องประชุมเสร็จในบ่ายเดียวเลยนะ สวยด้วย งั้นประกาศให้ทั้งบริษัทใช้พรุ่งนี้เลยดีไหมคะ"

วิทยากร: "ตัวที่ได้วันนี้คือ prototype ครับ: คุณค่าของมันคือเอาไปให้เพื่อนร่วมทีมลองกด แล้วเก็บ feedback ว่า flow การจองตรงกับที่คนใช้จริงคิดไหม ซึ่งถือว่าทำหน้าที่ได้เยี่ยมแล้ว แต่ก่อนเปิดให้ทั้งบริษัทใช้ ต้องส่งให้ทีมระบบ review เรื่อง security กับการเก็บข้อมูลก่อน เพราะ prototype ถูกสร้างมาให้เร็ว ไม่ได้ถูกสร้างมาให้ทน"

ระวังสับสนกับ

  • vibe-coding : vibe coding คือ "วิธีสร้าง" (ให้ AI เขียนโค้ดจากคำสั่งภาษาธรรมชาติ) ส่วน prototyping คือ "กิจกรรมและเป้าหมาย" (สร้างของทดลองเพื่อเรียนรู้) · vibe coding เป็นวิธียอดนิยมในการทำ prototype แต่ prototype ไม่จำเป็นต้องเกิดจาก vibe coding และผลลัพธ์จาก vibe coding ก็ไม่ควรถูกเลื่อนขั้นเป็นระบบ production โดยอัตโนมัติ
  • MVP (Minimum Viable Product) : MVP คือสินค้าจริงเวอร์ชันเล็กที่สุดที่ปล่อยให้ลูกค้าใช้งานจริง ส่วน prototype ส่วนใหญ่ (โดยเฉพาะแบบ throwaway) สร้างขึ้นเพื่อตอบคำถามแล้วทิ้งได้ ไม่ได้ตั้งใจให้มีใครใช้งานต่อ
  • proof-of-concept : POC ตอบคำถามว่าทำได้จริงในทางเทคนิคไหม ส่วน prototype ตอบคำถามว่าหน้าตาและการใช้งานควรเป็นแบบไหน ลำดับปกติคือทำ POC ก่อนแล้วค่อยไปทำ prototype

ดูคำนี้ใน Knowledge Atlas →

■ ไม่อยากพลาดของใหม่

อ่านจบแล้วอยากตามเรื่อง AI แบบนี้ต่อทุกวัน เรามีสรุปข่าวภาษาไทยส่งทาง LINE ทุกเช้า กดเพิ่มเพื่อนไว้ได้เลย ไม่มีค่าใช้จ่าย

เพิ่มเพื่อนใน LINE →
QR เพิ่มเพื่อน LINE ของ TRAINIAC AIคอมพิวเตอร์สแกนด้วยมือถือได้เลย

Plan modeSelf-reflection