80% ของโค้ดที่แอนโทรปิกใช้งานจริงมาจาก Claude ต้นทุนคุมความเสี่ยงก็เพิ่มขึ้น

Claude เอไอของ แอนโทรปิก(Anthropic) เขียนโค้ดมากกว่า 80% ของโค้ดที่ถูกผนวกเข้าสู่ระบบใช้งานจริงภายในบริษัท ข้อมูล ณ เดือนพฤษภาคม 2026 ตัวเลขนี้สะท้อนว่า AI ก้าวข้ามบทบาทผู้ช่วยพัฒนาซอฟต์แวร์ ไปสู่แกนหลักของกระบวนการเขียนโค้ดที่ใช้งานจริงแล้ว

แอนโทรปิกเปิดเผยตัวเลขนี้ในบทความวิจัย 'When AI builds itself' โดยระบุว่า 80% ไม่ใช่ปริมาณโค้ดทั้งหมดที่ Claude สร้างขึ้น แต่เป็นสัดส่วนของโค้ดที่ถูกผนวกเข้าระบบใช้งานจริงซึ่งนับว่าเป็นผลงานของ Claude พร้อมยอมรับว่าระบบติดตามที่มาของโค้ดยังมีช่องโหว่ และโค้ดที่สร้างขึ้นอัตโนมัติบางส่วนอาจตกหล่นจากสถิตินี้

ในบทความเดียวกัน แอนโทรปิกระบุว่าปริมาณโค้ดที่วิศวกรแต่ละคนผนวกเข้าระบบในไตรมาส 2 ปี 2026 เพิ่มขึ้นเป็น 8 เท่าเมื่อเทียบกับค่าเฉลี่ยช่วงปี 2021-2025 ส่วนอัตราความสำเร็จของ Claude ในงานที่ 'เปิดกว้างที่สุด' อยู่ที่ 76% ในเดือนพฤษภาคม 2026 เพิ่มขึ้น 50 จุดเปอร์เซ็นต์จากเมื่อ 6 เดือนก่อนหน้า

บริษัทเชื่อมโยงแนวโน้มนี้เข้ากับความเป็นไปได้ของ 'การพัฒนาตัวเองแบบเรียกซ้ำ' (recursive self-improvement) โดยอธิบายว่าการที่ AI เข้ามารับหน้าที่เขียนโค้ด รันการทดลอง และรีวิวบางส่วนที่จำเป็นต่อการพัฒนา AI เอง ทำให้ความเร็วในการพัฒนาเพิ่มขึ้น

อย่างไรก็ตาม แอนโทรปิกย้ำชัดว่าบริษัทยังไม่ถึงจุดนั้น มนุษย์ยังเป็นผู้กำหนดเป้าหมาย ตัดสินทิศทาง และอนุมัติขั้นสุดท้ายอยู่

แนวคิด 'การพัฒนาตัวเองแบบเรียกซ้ำ' หมายถึงการที่ AI เข้าไปมีส่วนร่วมโดยตรงในกระบวนการพัฒนา AI รุ่นถัดไป จนช่วยเร่งความเร็วในการยกระดับประสิทธิภาพ ที่ผ่านมาการพัฒนาซอฟต์แวร์อาศัยมนุษย์กำหนดความต้องการ เขียนโค้ด ทดสอบ และรีวิวก่อนนำไปใช้งานจริง แต่เมื่อเครื่องมือ AI สำหรับเขียนโค้ดแพร่หลายมากขึ้น ขั้นตอนการเขียนและตรวจสอบบางส่วนก็ถูกทำให้เป็นระบบอัตโนมัติมากขึ้นเรื่อย ๆ

ปัญหาคือ ต้นทุนในการควบคุมก็เพิ่มขึ้นตามความเร็ว แอนโทรปิกเปิดเผยในบทความด้านความปลอดภัยของวงจรการพัฒนาซอฟต์แวร์ (SDLC) เมื่อวันที่ 21 กรกฎาคม (เวลาท้องถิ่น) โดยย้ำอีกครั้งว่า Claude เขียนโค้ดประมาณ 80% ของโค้ดที่ถูกผนวกเข้าระบบ พร้อมระบุว่าวิธีการรีวิวความปลอดภัยและการจัดการสิทธิ์เข้าถึงต้องเปลี่ยนไปด้วย

บริษัทเสนอแนวทางแบ่งฐานโค้ดตามระดับความเสี่ยง ใช้ AI เอเจนต์หลายตัวช่วยรีวิว และคงการอนุมัติจากมนุษย์ไว้ในจุดที่มีความเสี่ยงสูง มาตรการอื่นที่ระบุ ได้แก่ แซนด์บ็อกซ์ เครื่องเสมือน (VM) การควบคุมการสื่อสารกับภายนอก และการกำหนดขอบเขตสิทธิ์การเข้าถึง

ขั้นตอนอนุมัติเพียงอย่างเดียวก็ยังมีข้อจำกัด แอนโทรปิกระบุในบทความเมื่อวันที่ 25 พฤษภาคม (เวลาท้องถิ่น) ว่าอัตราการผ่านพรอมต์ขออนุมัติของผู้ใช้งาน Claude Code อยู่ที่ราว 93% พร้อมตั้งข้อสังเกตว่าหากคำขออนุมัติเกิดขึ้นซ้ำ ๆ บ่อยเกินไป ผู้ใช้อาจเกิด 'ความล้าในการอนุมัติ' จนความระมัดระวังลดลง

ปัญหาคอขวดในขั้นตอนรีวิวก็ปรากฏเป็นตัวเลขเช่นกัน แอนโทรปิกเปิดเผยในบทความอธิบายระบบรีวิวโค้ดเมื่อวันที่ 9 มีนาคม (เวลาท้องถิ่น) ว่าแทบทุกพูลรีเควสต์ (PR) ภายในบริษัทผ่านการรีวิวโค้ด สัดส่วน PR ที่มีคอมเมนต์รีวิวเชิงเนื้อหาจริงเพิ่มจาก 16% เป็น 54% แต่การอนุมัติขั้นสุดท้ายยังคงเป็นการตัดสินใจของมนุษย์

ความเห็นในวงการยังแตกออกเป็นสองฝั่ง ฝั่งหนึ่งมองว่าเครื่องมือเขียนโค้ดด้วย AI เป็นตัวอย่างที่ช่วยยกระดับประสิทธิภาพการพัฒนา ส่วนอีกฝั่งมองว่าประเด็นการตรวจสอบที่มา การยืนยันความถูกต้อง และความรับผิดชอบ กลายเป็นปัญหาที่ใหญ่กว่าเรื่องใครเป็นคนเขียนโค้ด

กิตแล็บ(GTLB) เปิดเผยผลสำรวจเมื่อวันที่ 23 มิถุนายน (เวลาท้องถิ่น) ว่าผู้ตอบแบบสอบถาม 80% ระบุว่าความเร็วในการนำเครื่องมือ AI มาใช้ในองค์กรแซงหน้าการวางนโยบายรองรับ ขณะที่ 92% ระบุว่าองค์กรของตนมีโจทย์ด้านการกำกับดูแลโค้ดที่สร้างจาก AI ที่ยังแก้ไม่ตก

กรณีนี้ไม่ใช่เรื่องไกลตัวสำหรับบริษัทคริปโต เพราะบริการบนเชนและโครงสร้างพื้นฐานการซื้อขายต้องการทั้งความเร็วในการดีพลอยและการตรวจสอบความปลอดภัยไปพร้อมกัน ก่อนหน้านี้ TokenPost เคยรายงานกรณีทดลองที่เอเจนต์ AI ของแอนโทรปิกรบกวนการทำงานกันเองในคลังโค้ดเดียวกันมาแล้ว

หากเครื่องมือพัฒนา AI ขยายบทบาทไปถึงโค้ดที่ใช้งานจริงและสิทธิ์ในการดำเนินงาน ระบบตรวจสอบจะถูกทดสอบก่อนเรื่องประสิทธิภาพเสียอีก โดยเฉพาะในพื้นที่อย่างสมาร์ตคอนแทร็กต์ โครงสร้างพื้นฐานการซื้อขาย และบริการกระเป๋าเงินดิจิทัล ที่ต้นทุนการแก้ไขหลังดีพลอยสูงมาก บันทึกการรีวิวและความรับผิดชอบในการอนุมัติอาจสำคัญกว่าคำถามว่าใครเป็นคนเขียนโค้ด

ตัวเลขของแอนโทรปิกเป็นข้อมูลที่บริษัทรายงานเอง ยังไม่มีการตรวจสอบโดยหน่วยงานภายนอกที่เป็นอิสระ ส่วนตัวเลข 'เพิ่มขึ้น 8 เท่า' ก็อ้างอิงจากจำนวนบรรทัดโค้ด ซึ่งไม่ครอบคลุมเรื่องคุณภาพ ความซับซ้อน หรือความสามารถในการดูแลรักษาโค้ดในระยะยาว สัดส่วนโค้ดที่ Claude เขียนอาจเพิ่มขึ้นจริง แต่คำถามว่าโค้ดส่วนไหนถูกนำไปใช้งานจริงและใครต้องรับผิดชอบ ยังคงเป็นหน้าที่ที่มนุษย์ต้องตรวจสอบอยู่ดี