การสร้าง MVP (Minimum Viable Product) ที่พร้อมใช้งานจริงทั้งบน Android และ iOS มักจะบีบให้เราต้องเลือกระหว่างความเร็ว คุณภาพ หรือ ต้นทุน โดยเรามักจะยอมรับกันว่าเลือกได้แค่สองอย่างเท่านั้น แต่ในโปรเจกต์พัฒนา Mobile MVP ล่าสุดที่ผ่านมา ผมได้ลองทดสอบว่าการพัฒนาโดยมี AI ช่วย จะสามารถทำลายข้อจำกัดนั้นได้หรือไม่ ผลที่ได้มาก็คือแอปพลิเคชันแบบ Full-stack ที่เขียนด้วย Kotlin ทั้งหมด (ประกอบด้วย Backend, Android และ iOS) เสร็จสมบูรณ์ภายในเวลา 3 เดือนเท่านั้น ซึ่งจากเดิมที่ประเมินไว้ 6 เดือน ยิ่งไปกว่านั้น คุณภาพของงานที่ออกมาก็ยังพร้อมใช้งานจริงอีกด้วย
ในบทความนี้ ผมจะพาทุกคนไปดูรายละเอียดการตัดสินใจ เครื่องมือที่ใช้ และการปรับเปลี่ยนขั้นตอนการทำงานที่ทำให้เรื่องนี้เป็นไปได้
การตัดสินใจก้าวแรกของผมคือการรวมเทคโนโลยี (Tech Stack) เข้าไว้ด้วยกัน
ตามปกติแล้ว การพัฒนาแอปพลิเคชันบนมือถือ แบบ Cross-platform มักหมายถึงการต้องดูแล Codebase ถึง 3 ชุดแยกกัน ได้แก่ ฝั่ง Backend, Android และ iOS ซึ่งจากประสบการณ์ของผมในโปรเจกต์ใกล้เคียงกันที่เคยทำมาก่อน วิธีนี้จะใช้เวลาประมาณ 8 เดือนสำหรับนักพัฒนาคนเดียว เพราะแต่ละแพลตฟอร์มมีภาษาเฉพาะตัว ซึ่งต้องการจัดการ Library ที่ต่างกัน และขั้นตอนการแก้บัคที่แยกจากกัน การที่ต้องสลับไปมา (Context-switching) จึงทำให้เสียเวลามาก
แต่พอผมตัดสินใจใช้ Kotlin แบบ Full-stack (โดยใช้ Compose Multiplatform สำหรับ Mobile และ Kotlin สำหรับ Backend) ผมสามารถย่นระยะเวลาประเมินลงเหลือ 6 เดือนได้ทันที เพราะทั้งโปรเจกต์ใช้ภาษาเดียวกัน รูปแบบการเขียนเดียวกัน และวิธีคิดแบบเดียวกัน การตัดสินใจนี้เองที่ช่วยสร้างสภาพแวดล้อมให้การพัฒนาด้วย AI มีประสิทธิภาพสูงสุด เพราะเมื่อ Codebase ของทุกแพลตฟอร์มเป็นหนึ่งเดียวกัน AI Agent ก็จะสามารถเข้าใจและแก้ไขโค้ดได้ทั้งโปรเจกต์โดยไม่ต้องเสียเวลาแปลภาษาไปมา
จริงอยู่ที่ระบบนิเวศของ Kotlin Multiplatform ยังอยู่ในช่วงกำลังเติบโตรวมถึงมีอีกหลายจุดที่ต้องพัฒนา และ Library บางตัวอาจจะยังไม่เนี้ยบเท่า Native แท้ๆ แต่สำหรับการทำ MVP ที่ความเร็วในการพิสูจน์ไอเดียสำคัญกว่าการปรับแต่งประสิทธิภาพเฉพาะแพลตฟอร์ม ผมถือว่านี่เป็นเรื่องที่คุ้มค่ามาก
เมื่อเลือกโครงสร้างหลักได้แล้ว ผมก็ต้องการ AI Agent ที่สามารถทำงานในสภาพแวดล้อมและมาตรฐานการเขียนโค้ดเดิมของผมได้ หลังจากประเมินหลายตัวเลือก ผมเลือก Junie ของ JetBrains ด้วยเหตุผล 3 ข้อดังนี้
Junie สามารถเข้าถึงข้อมูลทั้งโปรเจกต์ได้โดยตรงผ่านการทำงานร่วมกับ IntelliJ IDEA โดยมันสามารถเห็นไฟล์ทั้งหมด ตลอดจนเข้าใจความสัมพันธ์ของ Library ต่างๆ และสามารถแก้ไขโค้ดหลายๆ ไฟล์พร้อมกันได้อย่างเป็นระบบภายใต้โครงสร้างที่เราวางไว้
Junie ทำงานในฐานะ Agent ไม่ใช่แค่เครื่องมือช่วยเติมคำอัตโนมัติก่อนจะแก้ไขอะไร มันจะเสนอแผนการทำงานและถามคำถามเพื่อความชัดเจนก่อนเสมอ ทำให้เราในฐานะนักพัฒนายังคงเป็นคนคุมทิศทางการออกแบบเช่นเดิม ในขณะที่ให้ AI รับหน้าที่ลงมือทำสิ่งที่เราเคยใช้เวลานานในการทำให้เสร็จ
ในช่วงที่ผมทำโปรเจกต์นี้ (ปลายปี 2568) Junie ใช้โมเดล Claude Sonnet 4.5 ซึ่งทำคะแนนได้ถึง 77.2% ในการทดสอบ SWE-bench Verified (ซึ่งวัดความสามารถของ AI ในการแก้ปัญหาจริงบน GitHub ให้ถูกต้องได้ในครั้งแรก) แม้คะแนนเหล่านี้จะเปลี่ยนไปตามรุ่นของโมเดลใหม่ๆ ที่การอัปเดตอยู่ตลอดเวลา แต่หลักการยังเหมือนเดิมคือ ยิ่งโมเดลฉลาดเท่าไหร่ เรายิ่งเสียเวลาน้อยลงในการตามแก้ข้อผิดพลาดที่ AI สร้างขึ้น
เวลาทำงานกับ AI Agent คุณภาพของงานที่ออกมาขึ้นอยู่กับบริบท (Context) ที่คุณให้ไป ซึ่งมีวิธีเตรียมการหลายแบบ เช่น
เนื่องจากผมเริ่มจาก Templates ที่มีโครงสร้างดีอยู่แล้วทั้งฝั่ง Backend และ Mobile (Compose Multiplatform) ผมจึงข้ามการทำไฟล์ตั้งค่าภายนอก แล้วใช้โค้ดที่มีอยู่เป็นบริบทให้ AI แทน ซึ่ง Junie ก็เก่งมากในการเรียนรู้รูปแบบจากโค้ดเหล่านั้น
ผลลัพธ์ที่ได้นั้นเกินความคาดหมายในเรื่องของความสม่ำเสมอ
ข้อผิดพลาดที่ผมเจอมักจะเป็นเรื่องของการมองข้ามบริบทเล็กๆ น้อยๆ มากกว่าความผิดพลาดในการเขียนโค้ดพื้นฐาน เช่น
ปัญหาเหล่านี้ตรวจเจอได้ง่ายตอนที่เรา Review โค้ด และป้องกันได้ง่ายๆ แค่เพิ่มคำสั่งให้ชัดเจนขึ้นในครั้งถัดไป ขั้นตอนการทำงานจึงเปลี่ยนจากการนั่งไล่แก้บัค มาเป็นการปรับแต่งคำสั่งแทน ซึ่งเป็นช่วยให้นักพัฒนาใช้เวลาที่มีอยู่ได้อย่างคุ้มค่ากว่ามาก
ความท้าทายหนึ่งของการทำ Full-stack คือการทำให้ AI รับรู้ถึงการเปลี่ยนแปลงข้าม Repository เมื่อผมเพิ่ม API ใหม่ที่ฝั่ง Backend ฝั่ง Mobile ก็ต้องรับรู้ด้วย แต่ถ้าแยก Repository กัน AI Agent ก็จะมองเห็นไม่ครบ
ทางออกนั้นง่ายมาก IntelliJ IDEA อนุญาตให้เราเปิดหลาย Repository พร้อมกันในหน้าต่างเดียวได้ (ผ่านเมนู File > Module from Existing Sources) เมื่อโหลดทั้งสองส่วนเข้ามาใน IDE เดียวกัน Junie ก็จะเข้าถึงไฟล์ได้ทั้งหมด เวลาสร้างฟีเจอร์ฝั่ง Mobile ที่ต้องเรียกใช้ API ใหม่ ตัว Agent ก็สามารถอ้างอิงถึง API ของ Backend, โมเดลข้อมูล และรูปแบบการจัดการข้อผิดพลาดได้โดยตรง
การตั้งค่าแบบนี้ไม่ได้จำกัดแค่ Junie เท่านั้น แต่ AI ตัวไหนที่เชื่อมกับ IDE ก็ได้ประโยชน์ในแบบเดียวกัน หลักการสำคัญคือ AI Agent จะทำงานได้ดีที่สุดเมื่อมีบริบทที่ครบถ้วน ดังนั้นการจัดสภาพแวดล้อมการทำงานให้ครอบคลุมจึงเป็นเรื่องที่คุ้มค่ามาก
จากการประเมินเดิมที่นักพัฒนาหนึ่งคนต้องใช้เวลาถึง 6 เดือนในการทำด้วย Kotlin (หรือ 8 เดือนถ้าแยกภาษาตามแพลตฟอร์ม) แต่ด้วยการมี AI ช่วยพัฒนา ผมสามารถส่งมอบ MVP ที่พร้อมใช้งานจริงได้ในเวลาเพียง 3 เดือน หรือลดลงไปถึง 50% เลยทีเดียว
เพื่อให้เห็นภาพว่า Production-ready ในที่นี้หมายถึงอะไร สรุปให้เข้าใจง่ายๆ มันก็คือระบบ Backend ที่สมบูรณ์, ตัวแอปฯ บน Android และ iOS ที่แชร์โค้ดร่วมกัน, การจัดการข้อผิดพลาดที่เป็นระบบ, การจัดการฐานข้อมูล และระบบการ Deploy งาน ทั้งหมดนี้พร้อมรองรับผู้ใช้งานจริงได้ทันที
นี่คือรูปแบบการทำงานที่ผมจะนำไปใช้ในโปรเจกต์ต่อๆ ไป
ปัญหาเล็กๆ ที่ผมเจอไม่ใช่ความล้มเหลวของ AI แต่เป็นช่องโหว่ในคำสั่งของผมเอง การทำงานร่วมกับ AI Agent ได้เปลี่ยนบทบาทของนักพัฒนาจากการเขียนโค้ด ไปเป็นการเขียนข้อกำหนดงานที่ชัดเจนแทน
Junie เก่งมากในการทำความเข้าใจและต่อยอดจากรูปแบบเดิมที่มีอยู่ ถ้าโครงสร้างโค้ดเราดี AI ก็จะรักษามาตรฐานนั้นไว้ โครงสร้างที่ดีและข้อตกลงที่ชัดเจนจะให้ผลลัพธ์ทวีคูณเมื่อใช้ร่วมกับ AI เพราะ Agent จะช่วยขยายขีดความสามารถจากรูปแบบที่มันเรียนรู้นั่นเอง
ฟีเจอร์ที่ซับซ้อนถ้าสั่งงานด้วย Prompt เดียวจะใช้ทรัพยากรเยอะและเสี่ยงต่อข้อผิดพลาด การแบ่งงานให้เล็กลงและมีขอบเขตชัดเจนจะให้ผลลัพธ์ที่ดีกว่าและตรวจทานได้ง่ายกว่ามาก
AI Agent เป็นเครื่องมือที่ทรงพลังในการลงมือทำ แต่มันไม่ได้ทำหน้าที่ตัดสินใจเรื่องโครงสร้าง, ประเมินความคุ้มค่า หรือเข้าใจบริบททางธุรกิจ บทบาทของนักพัฒนาจะเปลี่ยนจากการลงแรงเขียนโค้ด ไปเป็นการควบคุมทิศทางและตรวจสอบคุณภาพแทน
ที่ Seven Peaks เรากำลังผนวกขั้นตอนการทำงานที่มี AI ช่วยเข้ากับการพัฒนา Mobile App ของเรา นี่ไม่ใช่เรื่องของการเอา AI มาแทนที่นักพัฒนา แต่เป็นการเพิ่มพลังให้นักพัฒนาที่มีประสบการณ์ทำงานได้มากขึ้น Senior Engineer ที่มี AI ช่วยจะยังคงรักษาการตัดสินใจเรื่องสถาปัตยกรรมและคุณภาพโค้ดที่โปรเจกต์ต้องการ ในขณะที่ทำงานด้วยความเร็วที่ไม่เคยทำได้มาก่อน เครื่องมือ AI ที่ขาดการคุมงานโดยผู้เชี่ยวชาญอาจให้ผลงานที่ไม่สม่ำเสมอ ในขณะที่นักพัฒนาที่ไม่มี AI ช่วยก็อาจจะเสียโอกาสในการเพิ่มประสิทธิภาพไป เมื่อนำทั้งสองส่วนมารวมกัน เราจึงสามารถมอบผลลัพธ์ที่ทั้ง เร็ว ดี และคุ้มค่า อย่างที่ลูกค้าต้องการได้
สนใจการพัฒนา Mobile ด้วย AI สำหรับโปรเจกต์ของคุณไหม?
เข้ามาคุยกับทีมงานของเรา หรือศึกษาข้อมูลเพิ่มเติมเกี่ยวกับบริการด้าน AI ของเราได้เลย