ผู้พัฒนาเผยประสบการณ์สร้างเครื่องมือจัดการ SDLC (Software Development Lifecycle) ด้วย AI agent ที่ไม่มีผู้ใช้จริง โดยรุ่นแรกพัฒนา 128 รุ่นแต่ไม่มีผู้ใช้ รุ่นที่สองมี 442 ขั้นตอนทดสอบแต่ล้มเหลวเมื่อผู้ใช้จริงลองใช้งาน บทเรียนสำคัญคือการพัฒนาโดยไม่รับฟังผู้ใช้จริง แม้ระบบจะมี guardrails, event-sourced audit logs และการปรับปรุงโมเดล แต่ปัญหาหลักคือการหลีกเลี่ยงการทดสอบกับผู้ใช้จริง ซึ่งเป็นความผิดพลาดเชิงกลยุทธ์ ไม่ใช่ปัญหาทางเทคนิค การวิเคราะห์ชี้ให้เห็นว่าการพัฒนาด้วย AI agent อาจนำไปสู่การลงทุนสูงโดยไม่มีการตอบสนองจากตลาดจริง แม้จะมีการปรับปรุงโมเดลและเพิ่มความสามารถด้าน coding แต่ขาดการเชื่อมโยงกับความต้องการของผู้ใช้ รุ่นแรกเป็นเครื่องมือจัดการกระบวนการพัฒนาซอฟต์แวร์ โดยใช้ guardrail markdown files ควบคุม AI agent แต่ล้มเหลวเพราะ agent ไม่ปฏิบัติตามคำสั่ง รุ่นที่สองใช้ orchestration engine ควบคุม agent แบบ full control แต่ล้มเหลวเมื่อทดสอบกับผู้ใช้จริงเป็นครั้งแรกหลังใช้เวลา 5 สัปดาห์ แม้ระบบผ่านทุกทดสอบ แต่ไม่ตอบโจทย์การใช้งานจริง
สรุปด้วย MAF Local AI · เนื้อหาต้นฉบับเป็นของแหล่งข่าว