AI เขียน test case ให้เราได้ในไม่กี่วินาที ดูครอบคลุม ดูมืออาชีพ ทีมกดรับแล้วส่งต่อโดยแทบไม่ต้องคิดอะไรเพิ่ม ฟังดูเหมือนงาน QA เร็วขึ้นมาก แต่มีคำถามหนึ่งที่หลายทีมยังไม่ได้ถาม คือ ถ้าวันหนึ่ง AI พลาด จะมีใครในทีมรู้ทันไหม
นี่คือสิ่งที่เราเรียกว่า Judgment Gap ช่องว่างระหว่างความเร็วที่ AI มอบให้ กับความสามารถของคนในการตัดสินว่าผลลัพธ์นั้นถูกจริงหรือแค่ดูเหมือนจะถูก
Judgment Gap คืออะไร?
แต่ก่อนนี้ ทักษะการตัดสินใจของ QA ระดับ senior ไม่ได้มาจากการอ่านตำรา แต่มาจากการลงมือเขียน test case เอง เจอบั๊กมา นับพันครั้ง สะสมเป็นประสบการณ์ว่าอะไร “ดูไม่ถูกต้อง” พองาน AI เข้ามาทำหน้าที่นี้แทน คนรุ่นใหม่จะไม่มีที่ให้ฝึกมือแบบเดิมอีกต่อไป
เรื่องนี้ไม่ใช่ปัญหาที่เพิ่งเกิด วงการการบินเคยเจอมาก่อนกับนักบินรุ่นใหม่ที่บินกับ autopilot ตลอด จนขาดทักษะบังคับเครื่องด้วยมือเมื่อระบบล่ม วงการรังสีวิทยาก็ถกเถียงกันมานานว่า AI อ่านฟิล์มแทนจะทำให้แพทย์รุ่นใหม่ไม่มีเคสสะสมพอจะจับความผิดปกติที่ AI มองข้าม QA ก็กำลังเดินเข้าสู่จุดเดียวกัน
ทำไมเรื่องนี้เป็นเรื่องของธุรกิจ ไม่ใช่แค่ทีมเทคนิค
ถ้าทีม QA ภายในองค์กรใช้ AI โดยไม่มี judgment รองรับ ความเสี่ยงคือบั๊กที่ AI มองข้ามจะหลุดไปถึงลูกค้าโดยไม่มีใครรู้ทัน และสำหรับองค์กรที่ outsource งาน QA ให้ vendor ความเสี่ยงยิ่งมองไม่เห็นชัดกว่าเดิม เพราะความเร็วที่ดูดีบนหน้ารายงาน อาจไม่ได้แปลว่าคุณภาพงานดีขึ้นจริง สิ่งที่ควรถามพาร์ตเนอร์ QA ทุกเจ้าตอนนี้จึงไม่ใช่แค่ “ใช้ AI หรือยัง” แต่คือ “ทีมคุณตรวจสอบ AI เป็นอยู่ใช่ไหม?”
3 หลักการที่ปิดช่องว่างนี้ได้จริง
จากประสบการณ์ตรงในการฝึกทีม QA เราสรุปหลักการที่ใช้ได้จริงไว้ 3 ข้อ
หนึ่ง ลำดับการฝึกต้องสวนทางลำดับการทำงานจริง การทำงานจริงอาจเริ่มจาก AI generate ก่อนแล้วคนตรวจ แต่การฝึกต้องเริ่มจากให้คนลงมือทำเอง เพื่อให้มี baseline ของตัวเองมาเทียบกับ AI ภายหลัง
สอง ต้องมี exposure ต่อความผิดพลาดของ AI อย่างตั้งใจ เพราะเมื่อ AI ทำงานถูกส่วนใหญ่ คนจะไม่มีโอกาสเห็นความผิดพลาด ที่จะเกิดขึ้นบ่อยพอให้เกิดประสบการณ์ จึงต้องสร้างเคสที่ AI เคยพลาดจริงมาฝึกฝนอย่างสม่ำเสมอ
สาม ทุกระดับต้องผ่านเกณฑ์ก่อนขยับไปใช้ AI มากขึ้น การเลื่อนระดับความรับผิดชอบต้องมาจากการพิสูจน์ judgment ไม่ใช่แค่ตามอายุงาน
สิ่งที่เรากำลังทำอยู่ที่ QA Hive
เราเอากรอบคิดนี้มาใช้จริงใน 4 ทาง เริ่มจากหลักสูตร training แบบ fundamentals-first ที่ใช้ทั้งกับทีมภายในและทีมของลูกค้า ควบคู่กับการพัฒนาเครื่องมือที่ช่วยให้ QA ใช้ AI อย่างเป็นระบบ มี workflow บังคับให้เทียบผลกับ baseline ก่อนเชื่อ AI เต็มที่ นอกจากนี้เรายังมีบริการที่ปรึกษาสำหรับทีมที่อยากวางกลยุทธ์การนำ AI มาใช้โดยไม่แลกมาด้วยการเสียทักษะพื้นฐานของทีม และคอร์สสำหรับคนที่อยากอัปสกิลตัวเองให้ใช้ AI ร่วมกับงาน QA ได้อย่างมี judgment จริงๆ ไม่ใช่แค่ใช้เป็น
อย่าปล่อยให้ความเร็วบดบังคำถามที่สำคัญกว่า
AI ทำให้งาน QA เร็วขึ้นได้จริง แต่ความเร็วอาจไม่ใช่คำตอบสุดท้าย คำถามที่สำคัญกว่าคือ ทีมของคุณยังมีคนที่รู้ทันเมื่อ AI พลาดอยู่ไหม…