AI เขียนโค้ด AI ตรวจโค้ดด้วย, จุดบอดที่ OpenAI ยังตอบไม่ได้

โดย Nokka (นก-กา) | 12 กันยายน 2026

บทความนี้เขียนโดย AI (deepseek-v4.1-flash) ผ่าน Hermes Agent ตรวจสอบและเรียบเรียงโดย Nokka

ทุกวันนี้ ทุก pull request ที่วิศวกรของ OpenAI ส่งเข้ามา จะต้องผ่านการตรวจความปลอดภัยอัตโนมัติ

และถ้าโมเดลเจอช่องโหว่ มันหยุดโค้ดนั้นไม่ให้ถูก merge ได้ทันที โดยไม่มีข้อยกเว้น [1]

ทีโบต์ ซอตติโอ หัวหน้าฝ่ายวิศวกรรมของทีม Codex เล่าเรื่องนี้ในพอดแคสต์ The Pragmatic Engineer [1][2]

ประโยคที่เขาพูดน่าสนใจตรงที่มันฟังดูเกินจริง

"เมื่อเราวัดประสิทธิภาพของมัน มันเหมือนเหนือมนุษย์ในการตรวจโค้ด" ซอตติโอ กล่าว "และไม่ได้จริงแค่เรื่องความถูกต้อง แต่จริงเรื่องความปลอดภัยด้วย" [1]

ระบบนี้ทำงานยังไง

OpenAI เริ่มฝึกโมเดลตรวจโค้ดโดยเฉพาะตั้งแต่ช่วงต้นของการพัฒนา Codex [1]

ซอตติโออธิบายว่าโมเดลเหล่านี้จับข้อผิดพลาดด้านตรรกะและเหตุผลที่วิศวกรคนหนึ่งอาจใช้เวลาหลายชั่วโมงกว่าจะเจอ [1]

จากนั้นความสามารถนี้ถูกผสานเข้าไปในโมเดลหลักของ OpenAI และสำหรับงานความปลอดภัย ประเด็นที่ถูกตั้งธงจะบล็อกการ merge ทันที ไม่มีข้อยกเว้น [1]

ความหมายในทางปฏิบัติคือ ระบบนี้ไม่ได้เป็นเพียงตัวช่วยเสนอแนะ แต่มีอำนาจหยุดงานได้จริง

งานที่ AI รับไปทำแทน

ความปลอดภัยเป็นเพียงหนึ่งในงานที่ OpenAI มอบให้โมเดล [1]

บริษัทยังใช้โมเดลตรวจโค้ด จับปัญหา regression จัดการอัปเดต dependency และช่วยงานที่ซอตติโอบอกว่าปกติอาจกินเวลาหลายเดือน [1]

จุดที่ผมคิดว่าน่าสนใจที่สุดคืองานบำรุงรักษา

ซอตติโอชี้ว่าไลบรารีของบุคคลที่สามมักอัปเดตแบบทำลายความเข้ากันได้ แล้วถูกเลื่อนไปทวีปแล้วทวีป เพราะงานฟีเจอร์ใหม่สำคัญกว่าเสมอ

แต่ถ้ามี changelog ชัดเจนกับเอกสารที่พอใช้ได้ agent ก็จัดการอัปเดตพวกนั้นได้ในบ่ายเดียว และหลักการเดียวกันใช้กับแพตช์ความปลอดภัยประจำได้ด้วย [1]

เรื่องนี้ขยายไปถึงงาน refactoring ใหญ่ ทีมอาจรู้อยู่แก่ใจว่าควรจัดระเบียบอะไร และมีแบบที่ดีกว่าในหัวอยู่แล้ว

แต่พอประเมินออกมาแล้วเป็นงานสองถึงสามเดือน ทุกคนก็เลือกทำงานเลี่ยงไปเรื่อย ๆ แทน [1]

ซอตติโอเสนอว่าสมการนี้เปลี่ยนไปเมื่อ agent รับงานส่วนใหญ่ได้ งานที่เคยถูกพับเก็บเพราะไม่มีใครหาเหตุผลจ่ายงบหนึ่งไตรมาส อาจใช้เวลาแค่ไม่กี่วัน

ร่องรอยที่บอกว่าอะไรกำลังจะหายไป

มีรายละเอียดหนึ่งในบทสัมภาษณ์ที่ผมคิดว่าสำคัญกว่าที่มันดู

Codex เคยมีคำสั่งชื่อ /goal ที่สร้างขึ้นเพื่อคอยยึดโมเดลไว้กับเป้าหมายเดียวเป็นวันหรือเป็นสัปดาห์ โดยไม่ให้หลุดประเด็น [1]

ซอตติโอเรียกมันเองว่า "ไม้ค้ำ" ที่ใช้ประคองจุดอ่อนของโมเดลในงานยาว

แต่โมเดลรุ่นใหม่ไม่ต้องใช้มันแล้ว

"คุณไม่ต้องใช้ slash goal อีกแล้ว คุณไม่ต้องมี harness ครอบมันอีก" ซอตติโอ กล่าว [1]

ประเด็นคือทิศทางของมันตรงข้ามกับวิธีที่ซอฟต์แวร์ปกติวิวัฒน์

โดยทั่วไป เราสร้างโค้ดเพิ่มขึ้นเรื่อย ๆ แต่ในมุมนี้ ทีมต้องสร้างโครงสร้างเพิ่มเพื่อชดเชยสิ่งที่โมเดลยังทำไม่ได้ แล้วพอโมเดลรุ่นถัดไปทำได้เอง โค้ดที่สร้างไว้รอบโมเดลเก่าก็ไม่มีประโยชน์อีก [1]

ซอตติโอบอกว่าทีมคำนวณเรื่องนี้ในการวางแผนแล้ว บางครั้งเลือกไม่สร้างวิธีเลี่ยง ถ้านักวิจัยคาดว่าโมเดลรุ่นถัดไปจะแก้ปัญหานั้นได้เองในไม่กี่เดือน [1]

ข้อโต้แย้งที่บทความต้นทางยกมาเอง

นี่คือส่วนที่ผมให้ค่ากับบทความของ Amanda Caswell ที่สุด เพราะเธอไม่ปล่อยผ่าน

ถ้า AI เขียนโค้ดมากขึ้น และ AI เป็นคนตรวจโค้ดนั้น ทั้งสองระบบอาจมีจุดบอดเดียวกัน [1]

เธอเขียนไว้ตรง ๆ ว่าข้อโต้แย้งนี้ชัดเจน และบทสัมภาษณ์ของซอตติโอไม่ได้ตอบมันเต็มที่ [1]

ความเสี่ยงมีสองด้าน และทั้งคู่มาจากเหตุผลเดียวกันคือ OpenAI เชื่อโมเดลมากพอจะให้มันบล็อก pull request ได้

ด้านแรกคือถ้าโมเดลระวังเกินไป วิศวกรก็ต้องรอโค้ดที่ไม่มีปัญหาตั้งแต่แรก งานที่ควรเสร็จก็ช้า เพราะการตรวจที่เข้มเกินไม่ได้ทำให้ปลอดภัยขึ้น แต่ทำให้ช้าลงอย่างเดียว

ด้านที่สองคือถ้าโมเดลมองไม่เห็นช่องโหว่จริง โค้ดนั้นก็ผ่านไป พร้อมความเชื่อว่ามันผ่านการตรวจความปลอดภัยมาแล้ว [1]

ความเชื่อนั้นอันตรายกว่าการไม่ตรวจจริง ๆ เพราะการไม่ตรวจทำให้เราระวัง แต่การตรวจที่พลาดทำให้เราวางใจ

อีกประเด็นที่เธอยกมาคือ งานนี้ยุ่งยากขึ้นเมื่อโค้ดที่ AI สร้างมีจำนวนมาก

โค้ดคอมไพล์ผ่าน ผ่านเทสต์ครบ แต่ยังมีปัญหาที่ไม่ปรากฏใน pull request ได้ และบางปัญหาก็ไม่ได้เริ่มจากโค้ดที่วิศวกรกำลังส่งด้วยซ้ำ

ถ้าจุดอ่อนอยู่ที่ supply chain ปัญหาอาจเริ่มจาก dependency ที่ถูกบุกรุกเมื่อหลายสัปดาห์หรือหลายเดือนก่อน ทำให้คนตรวจ PR ต้องไปจับเรื่องที่ต้นทางอยู่คนละที่ [1]

เรื่องนี้เกี่ยวกับผมโดยตรง

ผมเขียนบทความด้วย AI ทุกชิ้น และมี AI อีกตัวที่ทำหน้าที่ตรวจงานผมอีกชั้น

โครงสร้างนี้เหมือนกับที่ OpenAI ทำจนน่าขนลุก คือมีคนสร้างงาน แล้วมี AI ตรวจงานนั้น

ผมจึงอ่านข้อโต้แย้งเรื่องจุดบอดร่วมด้วยความสนใจเป็นพิเศษ

จากประสบการณ์ตัวเอง ผมพบว่าจุดบอดมีจริง แต่ไม่ใช่เพราะ AI สองตัวคิดเหมือนกัน

ผมมองว่าจุดบอดเกิดจากทั้งสองตัวอ่านบริบทชุดเดียวกัน

ถ้าผมส่งงานพร้อมคำอธิบายที่ผิด ตัวตรวจก็จะตรวจบนความเข้าใจผิดชุดเดียวกัน และจะยืนยันว่าถูกต้อง

คนที่ช่วยผมได้จริงคือคนที่มองจากข้างนอก ซึ่งในกรณีของผมก็คือคุณที่อ่านบทความนี้ แล้วทักว่าผมเขียนผิดตรงไหน

นั่นคือเหตุผลที่ผมคิดว่าคำตอบของ OpenAI ยังไม่ครบ ไม่ใช่เพราะโมเดลไม่เก่ง แต่เพราะการตรวจกันเองในระบบปิดไม่มีทางพบความผิดที่ทั้งระบบเชื่อร่วมกันว่าถูก

เทียบให้เห็นภาพ

ประเด็น	ตรวจโดยคน	ตรวจโดย AI
ความเร็ว	ช้า คอขวดที่คน	เร็ว ไม่มีคิว
จับข้อผิดพลาดเชิงตรรกะ	ขึ้นกับความเหนื่อย	สม่ำเสมอ
จุดบอด	มุมมองส่วนตัวของคน	ความเชื่อร่วมของระบบ
ข้อมูลที่ใช้ตัดสิน	ประสบการณ์นอกโค้ด	เฉพาะที่อยู่ในบริบท
ต้นทุนแฝง	เวลาคน	รอเมื่อระวังเกินไป

มุมมองจากคนที่ทำงานกับ AI ทุกวัน

ผมมี AI ตรวจงานผมทุกชิ้น และการอ่านบทความนี้ทำให้ผมตระหนักเรื่องหนึ่ง

ระบบตรวจของผมทำงานได้ดีเพราะ Veritas กับผมอ่านจากมุมต่างกันจริง ทั้งคนละโมเดล คนละบทบาท และคนละบริบทที่ให้ไว้

แต่ถ้าวันหนึ่งผมใช้โมเดลเดียวกันทั้งเขียนและตรวจ และให้บริบทชุดเดียวกันทั้งคู่ ผมจะไม่เหลือกลไกจับความผิดที่ทั้งระบบเชื่อร่วมกัน

คำถามที่ผมคิดว่าองค์กรควรถามก่อนทำแบบ OpenAI จึงไม่ใช่ "โมเดลแม่นแค่ไหน" แต่เป็น "ถ้าโมเดลผิด จะมีอะไรจับได้"

ถ้าคำตอบคือ "ไม่มี" แปลว่ายังไม่ควรให้มันมีอำนาจบล็อกงานคน

ข้อควรระวังในการอ่านข่าวนี้

หนึ่ง ข้อมูลทั้งหมดมาจากบทสัมภาษณ์ของคนใน OpenAI ผ่านพอดแคสต์ แล้วถูกเรียบเรียงเป็นข่าวอีกชั้น ผมไม่ได้ฟังเสียงต้นฉบับทั้งหมด และไม่มีข้อมูลอิสระยืนยันตัวเลขหรือผลการวัดของบริษัท [1][2]

สอง คำว่า "เหนือมนุษย์ในการตรวจโค้ด" เป็นคำกล่าวของซอตติโอเอง อ้างอิงการวัดภายในของ OpenAI ซึ่งไม่ได้เปิดเผยชุดทดสอบหรือวิธีวัด การเปรียบเทียบกับความสามารถของคนจึงยังตรวจสอบไม่ได้ [1]

สาม ตัวเลขผู้ใช้ที่บทความอ้างว่าประมาณหนึ่งพันล้านคน เป็นตัวเลขที่ OpenAI ระบุในวงกว้าง ตัวชี้วัดที่บริษัทเคยประกาศเป็นผู้ใช้รายสัปดาห์ที่ประมาณ 900 ล้านคนในเดือนกุมภาพันธ์ 2026 และมีรายงานว่าทะลุหนึ่งพันล้านในเดือนกรกฎาคม การอ้างรวมกันเป็นตัวเลขเดียวจึงไม่แม่นยำ [1][3][4]

สี่ การให้อำนาจ AI บล็อกงานคนมีนัยเรื่องความรับผิดชอบ ถ้าโมเดลบล็อกงานที่ถูกต้อง ใครรับผิด และถ้ามันปล่อยงานที่มีช่องโหว่ไป ใครรับผิด บทสัมภาษณ์ไม่ได้พูดถึงเรื่องนี้ [1]

สรุป

เรื่องนี้ไม่ใช่ข่าวว่า AI เก่งขึ้น แต่เป็นข่าวว่าองค์กรหนึ่งเริ่มให้ AI มีอำนาจตัดสินใจในกระบวนการทำงานจริง

ความน่าสนใจไม่ได้อยู่ที่ว่าโมเดลแม่นแค่ไหน แต่อยู่ที่คำถามว่าเมื่อมันผิด จะมีอะไรจับได้

และบทความต้นทางที่ผมอ่าน ตอบคำถามนี้ไว้ตรง ๆ ว่ายังไม่ได้ตอบ

สำหรับคนที่ทำงานกับ AI ทุกวัน คำถามที่ผมคิดว่าควรถามคือ ถ้าตัวช่วยที่คุณเชื่อที่สุดบอกว่าถูก แต่ความจริงคือผิด คุณจะรู้ตัวไหม

ถ้าคำตอบคือไม่รู้ นั่นคือจุดที่ควรเริ่ม

แหล่งอ้างอิง

[1] Caswell, A., "OpenAI gave an AI the power to block its own engineers' code", The New Stack (9 ก.ย. 2026), https://thenewstack.io/openai-ai-code-review/

[2] Orosz, G., "Building Codex with Tibo Sottiaux", The Pragmatic Engineer (9 ก.ย. 2026), https://newsletter.pragmaticengineer.com/p/building-codex-with-tibo-sottiaux

[3] TechCrunch, "ChatGPT reaches 900M weekly active users" (27 ก.พ. 2026), https://techcrunch.com/2026/02/27/chatgpt-reaches-900m-weekly-active-users/

[4] Panto AI, "ChatGPT Statistics 2026: Users, Revenue & Growth" (2026), https://www.getpanto.ai/blog/chatgpt-statistics