
“นักพัฒนาซอฟต์แวร์ในไทย 69% เชื่อมั่นว่า AI Agent จะกลายเป็นเครื่องมือสำคัญในการพัฒนาแอปพลิเคชัน ควบคู่ไปกับเครื่องมือแบบเดิมที่เคยใช้
เซลส์ฟอร์ซ เผยผลการวิจัยด้าน State of IT ล่าสุด ที่ได้ทำการสำรวจความคิดเห็นผู้พัฒนาซอฟต์แวร์มากกว่า 2,000 คนทั่วโลก รวมถึงนักพัฒนาในประเทศไทย พร้อมการสำรวจข้อมูลเพิ่มเติมจากนักพัฒนาระดับปฏิบัติการ (Frontline Developer) ในสหรัฐอเมริกาอีก 250 คน
โดยผลการศึกษาพบว่า ผู้เชี่ยวชาญล้วนมีความเห็นในทิศทางเดียวกันเกือบเป็นเอกฉันท์และแสดงความตื่นตัวต่อ Agentic AI หรือ เทคโนโลยี AI อัจฉริยะซึ่งทำงานได้ด้วยตัวเอง โดย 69% ของนักพัฒนาซอฟต์แวร์ในไทยเชื่อว่า AI Agent จะกลายเป็นเครื่องมือที่จำเป็นต่อการพัฒนาแอปพลิเคชันเทียบเท่ากับเครื่องมือแบบเดิมที่เคยใช้
อย่างไรก็ตาม นักพัฒนาบางส่วนมองว่า ตนเองและองค์กรยังจำเป็นต้องได้รับการฝึกอบรมและทรัพยากรเพิ่มเติม เพื่อให้สามารถสร้างและใช้งานพนักงานดิจิทัลในแบบ AI_Agent ให้กับองค์กรได้อย่างมีประสิทธิภาพ
ทำไมเรื่องนี้จึงสำคัญ
แม้ที่ผ่านมานักพัฒนามักถูกมองว่า ยังไม่ไว้วางใจในเทคโนโลยี AI แต่ผลวิจัยล่าสุดกลับชี้ให้เห็นว่านักพัฒนารู้สึกตื่นตัวต่อการเปลี่ยนแปลงของอุตสาหกรรมทีกำลังก้าวสู่ยุค AI Agent
การมาถึงของ Agentic AI เปิดโอกาสให้นักพัฒนาสามารถลดเวลาทำงานด้านการเขียนโค้ดและแก้ไขจุดบกพร่อง และเพิ่มการทำงานเชิงกลยุทธ์รวมถึงงานที่สร้างผลกระทบได้มากขึ้น
นอกจากนี้ การใช้งาน AI_Agent ที่ขับเคลื่อนด้วยเครื่องมือแบบโค้ดต่ำหรือไม่ใช้การเขียนโค้ด (low-code และ no-code) ก็ยิ่งทำให้กระบวนการพัฒนาแอปพลิเคชันเป็นไปได้อย่างรวดเร็ว ง่ายขึ้น และมีประสิทธิภาพมากกว่าที่เคย โดยไม่จำเป็นต้องขึ้นอยู่กับทักษะการเขียนโค้ดของนักพัฒนาอีกต่อไป

มุมมองของ Salesforce
เดวิด โมลด์ ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี และผู้อำนวยการด้านโซลูชัน Salesforce ประเทศไทย กล่าวว่า “AI Agent_กำลังเปลี่ยนรูปแบบการทำงานของนักพัฒนาทั้งในระดับโลกและในประเทศไทย โดยโซลูชันอย่าง Agentforce ได้เปิดโอกาสให้นักพัฒนาสามารถสร้างแอปพลิเคชันและ Agent”
“ด้วยเครื่องมือแบบ no-code และ low-code ที่ใช้งานง่ายและศึกษาเรียนรู้ได้ฟรี ช่วยเสริมศักยภาพให้นักพัฒนาสร้างแอปพลิเคชัน คำสั่งพรอมท์ และ_Agent รวมทั้งการทำงานแบบอัตโนมัติที่มีความน่าเชื่อถือ และระบบแบบอื่นได้อีกมากมาย”
และเสริมว่า “เมื่อ AI_Agent ได้เข้ามาช่วยจัดการงานที่ต้องทำซ้ำๆ จำเจ เช่น การจัดระเบียบข้อมูล การเชื่อมโยงระบบ และการทดสอบในระดับเบื้องต้น นักพัฒนาจะมีอิสระในการปรับเปลี่ยนจุดมุ่งเน้นในการทำงาน จากการทำงานเขียนโค้ดแบบแมนวล ไปสู่การตอบโจทย์ที่มีมูลค่าและความสำคัญสูงให้กับองค์กร รวมถึงการออกแบบสถาปัตยกรรมระบบ และการตัดสินใจเชิงกลยุทธ์”
ข้อมูลตัวเลขที่น่าสนใจจากผลการวิจัย
เครื่องมือแบบ Low-code และ No-code ช่วยให้นักพัฒนาไทยเพิ่มประสิทธิภาพในการทำงาน ไม่ว่าจะมีทักษะการเขียนโค้ดในระดับใดก็ตามช่วยเพิ่มประสิทธิภาพการทำงานให้นักพัฒนาไทย โดยไม่จำกัดว่าจะมีทักษะการเขียนโค้ดระดับใด
AI_Agent ที่ขับเคลื่อนด้วยเครื่องมือแบบ Low-code และ No-code ทำให้นักพัฒนาทุกระดับสามารถสร้างและใช้งาน Agent ได้ โดยผู้ตอบแบบสอบถามที่เป็นนักพัฒนาในประเทศไทยเชื่อว่าเครื่องมือเหล่านี้จะช่วยให้การพัฒนา AI เป็นสิ่งที่เข้าถึงได้ง่าย และขยายการพัฒนา AI ให้เติบโตมากยิ่งขึ้นเพื่อการพัฒนาที่ส่งผลเชิงบวกในอนาคต
- 85% ของนักพัฒนาทั่วโลกที่ใช้ Agentic AI ในปัจจุบัน ใช้เครื่องมือแบบ Low-code และ No-code
- 74% ของนักพัฒนาในไทยระบุว่าเครื่องมือแบบ Low-code และ No-code สามารถช่วยให้การพัฒนา AI เป็นสิ่งที่เข้าถึงได้ง่ายยิ่งขึ้น
- 79% ของนักพัฒนาในไทยเห็นว่าการใช้เครื่องมือ Low-code และ No-code ในการพัฒนาแอปพลิเคชันจะช่วยขยายการเติบโตของการพัฒนา AI ได้มากยิ่งขึ้น
นักพัฒนาไทยต้องการทรัพยากรเพิ่มเติม ในการสร้าง AI_Agent
นักพัฒนาซอฟต์แวร์ในการสำรวจครั้งนี้ระบุว่า โครงสร้างพื้นฐานที่ทันสมัย ระบบการทดสอบที่มีความสามารถครอบคลุมมากขึ้น และโอกาสในการพัฒนาทักษะ เป็นปัจจัยสำคัญต่อการเปลี่ยนแปลงไปสู่ระบบที่มีการสร้างและใช้งาน AI_Agent ได้อย่างมีประสิทธิภาพ
- ความต้องการด้านโครงสร้างพื้นฐาน: น82% ของนักพัฒนาในประเทศไทยเชื่อว่าองค์กรของตนจำเป็นต้องปรับปรุงโครงสร้างพื้นฐานให้ทันสมัย เพื่อรองรับการสร้างและใช้งาน AI_Agent โดยนักพัฒนา 39% ระบุว่าคุณภาพและความถูกต้องแม่นยำของข้อมูลในองค์กร ยังไม่เพียงพอต่อการพัฒนาและใช้งาน Agentic AI ให้ประสบความสำเร็จ
- ความสามารถในการทดสอบ: นักพัฒนา 45% ระบุว่ากระบวนการทดสอบของพวกเขายังไม่มีความพร้อมอย่างเต็มที่สำหรับการสร้างและใช้งาน AI_Agent
- ทักษะและความรู้: 87% ของนักพัฒนาไทยเชื่อว่าในอนาคต ความรู้ด้าน AI จะกลายเป็นทักษะพื้นฐานในสายอาชีพของตนเอง อย่างไรก็ตาม เกือบครึ่งหนึ่ง (48%) รู้สึกว่าทักษะที่มีอยู่ยังไม่พร้อมอย่างเต็มที่สำหรับยุคของ Agentic AI
ข้อมูลในการวิจัยครั้งนี้รวบรวมจากกลุ่มผู้นำด้านการพัฒนาซอฟต์แวร์ โดยใช้วิธีการสำรวจแบบไม่เปิดเผยตัวตนของทั้งผู้ถามและผู้ตอบแบบสอบถาม (Double-anonymous) การสำรวจได้จัดทำขึ้นระหว่างวันที่ 24 ธันวาคม 2567 ถึง 3 กุมภาพันธ์ 2568 จากกลุ่มผู้ตอบแบบสอบถามที่เป็นผู้มีอำนาจตัดสินใจในด้าน IT ขององค์กร
จากประเทศออสเตรเลีย เบลเยียม บราซิล แคนาดา เดนมาร์ก ฟินแลนด์ ฝรั่งเศส เยอรมนี อินเดีย อินโดนีเซีย ไอร์แลนด์ อิสราเอล อิตาลี ญี่ปุ่น เม็กซิโก เนเธอร์แลนด์ นิวซีแลนด์ นอร์เวย์ โปรตุเกส สิงคโปร์ เกาหลีใต้ สเปน สวีเดน สวิตเซอร์แลนด์ ไทย สหรัฐอาหรับเอมิเรตส์ สหราชอาณาจักร และสหรัฐอเมริกา
นอกจากนี้ยังมีการสำรวจข้อมูลเพิ่มเติมจากกลุ่มนักพัฒนาที่ทำงานใกล้ชิดกับผู้ใช้หรือลูกค้า (Frontline Developer) เกือบ 250 คนในสหรัฐอเมริกา โดยร่วมกับ YouGov ในระหว่างวันที่ 14 ถึง 21 กุมภาพันธ์ 2568
Featured Image: freepik