เมื่อ AI เขียนโค้ดแทนได้ คุณค่าของคนทำซอฟต์แวร์ย้ายไปอยู่ตรงไหน

AI ช่วยให้เราสร้างของที่กดใช้ได้เร็วขึ้นมาก แต่คนจะฝากงานจริงไว้กับมันก็ต่อเมื่อรู้ว่า หากมีอะไรผิด จะมีใครกลับมารับผิดชอบ

กองผ้าที่ตัดเสร็จแทนซอฟต์แวร์ซึ่งสร้างได้เร็วขึ้น ส่วนมือที่กำลังซ่อมรอยต่อแทนการตัดสินใจและความรับผิดชอบหลังของชิ้นนั้นถูกนำไปใช้ ภาพจึงเชื่อมทั้งกับต้นแบบที่เกิดในบ่ายเดียว และปัญหาที่ต้องมีคนกลับมาดูแลในเช้าวันถัดมา

แอปเสร็จในบ่ายเดียว ผลิตภัณฑ์เริ่มในเช้าวันถัดมา

แอปหนึ่งอาจเสร็จในบ่ายเดียว หน้าจอดูเรียบร้อย ปุ่มทำงานครบ และข้อมูลตัวอย่างไหลไปตามทางที่วางไว้ทุกจุด แต่พอถึงเช้าวันถัดมา คำถามจะเปลี่ยนไป

ถ้าตัวเลขผิด ใครจะไล่หาสาเหตุ? ถ้าคนหนึ่งเห็นข้อมูลที่ไม่ควรเห็น ใครจะหยุดความเสียหาย? ถ้าทีมย้ายงานจริงเข้ามาแล้วระบบหยุดทำงาน ใครจะอยู่แก้จนกลับมาใช้ได้?

คำถามเหล่านี้ไม่ค่อยปรากฏในเดโม เพราะเดโมมีหน้าที่พิสูจน์ว่าแนวคิดหนึ่งพอเป็นไปได้ ส่วนผลิตภัณฑ์ต้องพิสูจน์อีกเรื่องหนึ่งว่า คนสามารถฝากงาน เวลา และความเสียหายที่อาจเกิดขึ้นไว้กับมันได้หรือไม่

AI ทำให้ระยะห่างระหว่างความคิดกับของที่กดใช้ได้สั้นลงมาก คนที่ไม่เคยเขียนโปรแกรมอาจสร้างหน้ารวมข้อมูล เครื่องมือคำนวณ หรือระบบเล็ก ๆ ให้พอดีกับงานของตัวเองได้ คนทำซอฟต์แวร์ก็ร่างโครง แก้บั๊ก และทดลองทางเลือกได้เร็วขึ้น สิ่งที่เคยต้องรอเป็นสัปดาห์อาจเริ่มเห็นรูปร่างในเวลาไม่กี่ชั่วโมง

ความเร็วนี้มีค่าจริง มันเปิดทางให้ปัญหาเล็ก ๆ ซึ่งไม่เคยคุ้มพอจะจ้างทีมพัฒนาได้รับการแก้ คนหน้างานไม่ต้องแปลความลำบากของตัวเองเป็นเอกสารยาว ๆ แล้วรอให้คนอื่นนึกภาพตาม เขาสามารถทำของคร่าว ๆ ขึ้นมา ชี้ให้ดูว่าขั้นตอนไหนกินเวลา และคุยกับทีมจากสิ่งที่ทุกคนกดเห็นตรงกัน

แต่ต้นทุนที่ลดลงชัดที่สุดคือต้นทุนของการเริ่มสร้าง ไม่ใช่ต้นทุนทั้งหมดของการทำให้ซอฟต์แวร์มีชีวิตอยู่ในงานจริง เมื่อแยกสองเรื่องนี้ไม่ออก เราจะเห็นของที่ดูเหมือนผลิตภัณฑ์มากขึ้น พร้อมกับประเมินงานที่เหลือต่ำกว่าความจริง

ความได้เปรียบจึงไม่ได้หายไปพร้อมกับต้นทุนการเขียนโค้ด มันย้ายจากความสามารถในการสร้างหน้าจอและฟีเจอร์ ไปอยู่ในสิ่งที่ต้องค่อย ๆ สะสม ได้แก่ ความเข้าใจปัญหา การเข้าถึงผู้ใช้ ประวัติการตัดสินใจ ความไว้ใจ และความน่าเชื่อถือว่าจะมีคนรับเรื่องต่อหลังวันเปิดตัว

ของชิ้นแรกกำลังถูกลง

เมื่อก่อน คนทำเครื่องมือเล็ก ๆ ต้องเลือกเทคโนโลยี วางโครงข้อมูล เขียนส่วนพื้นฐาน และเชื่อมทุกอย่างให้พอรันได้ กว่าผู้ใช้จะได้ลองสมมุติฐานจริง เวลาและงบประมาณอาจหมดไปกับงานที่ยังไม่ตอบเลยว่า เครื่องมือนี้ช่วยใครหรือไม่ AI ช่วยลดงานตั้งต้นเหล่านี้ได้มาก คนทำจึงแก้แล้วลองใหม่ และทิ้งทางที่ใช้ไม่ได้โดยเสียต้นทุนน้อยลง

ครูอาจทำเครื่องมือคำนวณคะแนนให้ตรงกับวิธีสอนของตัวเอง ฟรีแลนซ์อาจทำแบบฟอร์มออกใบแจ้งหนี้ที่พอดีกับงาน ส่วนทีมบริการลูกค้าอาจทำหน้ารวมข้อมูลสำหรับตรวจเคสที่มีคนใช้เพียงไม่กี่คน ของเหล่านี้ไม่จำเป็นต้องกลายเป็นธุรกิจ และไม่จำเป็นต้องรองรับคนทั้งโลก มันทำหน้าที่ของตัวเองได้สมบูรณ์แล้ว หากช่วยคนหนึ่งคนลดงานซ้ำในแต่ละวัน

เราพูดได้เต็มปากว่านี่คือความก้าวหน้า ซอฟต์แวร์ไม่ต้องผ่านมือคนกลุ่มเล็กก่อนจึงจะเกิดขึ้น คนที่เข้าใจปัญหาใกล้ที่สุดมีสิทธิ์ทดลองทางแก้ด้วยตัวเอง และทีมพัฒนาก็ไม่ต้องเริ่มทุกคำขอจากกระดาษเปล่า

อย่างไรก็ตาม ของใช้ส่วนตัวกับระบบที่คนอื่นต้องพึ่งพามีภาระคนละแบบ เครื่องมือคิดคะแนนที่เจ้าของใช้คนเดียวอาจยอมให้แก้ข้อมูลด้วยมือเมื่อเกิดข้อผิดพลาดได้ แต่ทันทีที่โรงเรียนหลายแห่งใช้ระบบเดียวกัน ความผิดพลาดหนึ่งครั้งอาจกระทบคนจำนวนมาก สิทธิ์เข้าถึง การสำรองข้อมูล วิธีแก้ย้อนหลัง และคนรับผิดชอบจึงกลายเป็นส่วนหนึ่งของตัวผลิตภัณฑ์ แม้ผู้ใช้จะมองไม่เห็นบนหน้าจอ

พอทุกคนสร้างได้ ทุกคนก็เริ่มมีความเห็น

ซอฟต์แวร์เคยมีระยะห่างระหว่างคนสร้างกับคนใช้ค่อนข้างมาก คนหน้างานบอกปัญหา ฝ่ายผลิตภัณฑ์เขียนความต้องการ และวิศวกรแปลงความต้องการนั้นเป็นระบบ ความเห็นเกี่ยวกับวิธีสร้างจึงมักถูกเก็บไว้ในวงของคนที่พูดภาษาเทคนิคชุดเดียวกัน

เมื่อฝ่ายปฏิบัติการ ฝ่ายขาย หรือทีมบริการลูกค้าทำต้นแบบเองได้ ระยะห่างนั้นแคบลง เขาไม่ได้ส่งเพียงประโยคว่า “หน้านี้ใช้ยาก” แต่แสดงทางเลือกที่คิดว่าดีกว่าได้ คนที่เคยอยู่ปลายทางของระบบจึงขยับเข้ามามีส่วนกับรูปร่างของมันตั้งแต่ต้น

บางข้อเสนอจะผิด ของที่ดูดีจากเส้นทางตัวอย่างอาจพังเมื่อเจอข้อมูลจริง และวิธีที่ใช้ได้กับทีมหนึ่งอาจขยายไปใช้กับทีมอื่นไม่ได้ แต่การปิดประตูเพราะผู้เสนอไม่รู้ศัพท์เทคนิคก็ทำให้ทีมเสียข้อมูลอีกแบบ คนหน้างานรู้ว่าลูกค้าติดตรงไหน รู้ว่าข้อมูลจริงไม่เคยสะอาดเหมือนชุดตัวอย่าง และรู้ว่าขั้นตอนใดในคู่มือถูกข้ามทุกวันเพราะใช้ไม่ได้จริง

แต่ละฝ่ายจึงควรตัดสินในส่วนที่ตัวเองเห็นชัด ผู้ใช้บอกได้ว่าปัญหาของเขาเบาลงหรือไม่ นักออกแบบมองเห็นว่าคนจะเข้าใจหน้าจออย่างไร คนดูแลธุรกิจรู้ว่าควรรับต้นทุนแค่ไหน ส่วนวิศวกรต้องอธิบายว่าทางเลือกหนึ่งจะพังอย่างไรเมื่อข้อมูล ปริมาณผู้ใช้ หรือเงื่อนไขเปลี่ยนไป

AI ทำให้ข้อเสนอดูเหมือนงานที่เกือบเสร็จ ทั้งที่มันอาจยังเป็นเพียงต้นแบบ คุณค่าของผู้เชี่ยวชาญจึงไม่ได้อยู่ที่การห้ามคนนอกแตะเครื่องมือ แต่อยู่ที่การมองเห็นสิ่งที่ยังไม่ปรากฏในเดโม และอธิบายผลของมันให้คนอื่นตัดสินใจร่วมกัน

ฟีเจอร์ลอกได้ ประวัติการดูแลลอกไม่ได้

ถ้าเปิดแอปใหม่ข้างผลิตภัณฑ์ที่อยู่มาหลายปี เราอาจเห็นความสามารถแทบเหมือนกัน ทั้งคู่มีตาราง ค้นหาได้ ส่งออกข้อมูลได้ และเชื่อมต่อบริการชุดเดียวกันได้ AI ยิ่งช่วยให้คู่แข่งสร้างสิ่งที่มองเห็นบนหน้าจอตามกันได้เร็วขึ้น รายการฟีเจอร์จึงบอกความต่างได้น้อยลงเรื่อย ๆ

สิ่งที่ไม่ปรากฏในภาพเปรียบเทียบคือประวัติของปัญหา ผลิตภัณฑ์ที่ผ่านการใช้งานจริงมานานเคยเจอข้อมูลรูปแบบแปลก คนสองคนแก้รายการเดียวกัน บริการภายนอกล่มกลางงาน หรือผู้ใช้ทำสิ่งที่คู่มือไม่ได้คาดไว้ ทีมค่อย ๆ เปลี่ยนเหตุการณ์เหล่านี้ให้เป็นกติกาในระบบ วิธีเตือน วิธีหยุดความเสียหาย และความรู้ว่าเมื่อเกิดเรื่องควรเริ่มดูจากตรงไหน

โค้ดส่วนหนึ่งอาจถูกลอกหรือสร้างใหม่ได้ แต่ประสบการณ์สะสมเหล่านี้ต้องแลกด้วยเวลาและการกลับมาดูแลซ้ำ ๆ คำสั่งหนึ่งชุดสร้างประวัติการตอบลูกค้าในวันที่ระบบล่มไม่ได้ และเดโมก็พิสูจน์ไม่ได้ว่าข้อมูลจะย้ายออกได้จริง หรือผู้สร้างจะยังอยู่รับโทรศัพท์เมื่อเกิดปัญหา

นี่ไม่ได้หมายความว่าบริษัทเก่าชนะเสมอ ความไว้ใจเป็นทุนที่ใช้หมดได้ หากทีมเดิมปล่อยให้ระบบแย่ ติดต่อยาก หรือทำเหมือนผู้ใช้เป็นภาระ ประวัติที่สะสมมาก็กลายเป็นหลักฐานด้านลบได้เหมือนกัน บริษัทใหม่ยังแข่งขันได้ ถ้าเข้าใจปัญหาแคบกว่าแต่ลึกกว่า ช่วยผู้ใช้ย้ายงานได้ และแสดงให้เห็นว่าพร้อมอยู่ดูแลหลังจากช่วงเปิดตัว

เพียงแต่การแข่งขันไม่ได้จบตอนทำฟีเจอร์ให้ครบ เพราะผู้ใช้ไม่ได้ย้ายแค่บัญชี เขาต้องย้ายข้อมูล วิธีทำงาน ความคุ้นเคย และความเสี่ยงไปด้วย แอปใหม่อาจสมัครง่าย แต่ราคาแท้จริงจะปรากฏตอนทีมต้องนำข้อมูลเข้า สอนคนใหม่ เชื่อมระบบเดิม และเตรียมทางถอยหากของใหม่ใช้ไม่ได้อย่างที่คิด

Become a Medium member
ยิ่งซอฟต์แวร์อยู่ใกล้งานสำคัญ ต้นทุนในการเปลี่ยนระบบก็ยิ่งสูง ระบบจดบันทึกส่วนตัวกับระบบที่ใช้จัดการการจ่ายเงิน อนุมัติงาน หรือเก็บข้อมูลลูกค้าไม่ควรถูกตัดสินด้วยเกณฑ์เดียวกัน ผู้ใช้ยอมลองของใหม่ได้ง่ายเมื่อความเสียหายย้อนกลับได้ แต่จะขอหลักฐานมากขึ้นเมื่อความผิดพลาดทำให้งานทั้งทีมสะดุด

ทางเลือกที่เพิ่มขึ้นจึงไม่ได้ทำให้ผู้ใช้พร้อมย้ายระบบอยู่ตลอดเวลา คนอาจลองมากขึ้นในช่วงแรก แล้วอยู่กับของไม่กี่ชิ้นที่พิสูจน์ตัวเองได้ เพราะเวลาของผู้ใช้ไม่ได้เพิ่มตามจำนวนแอป การถูกค้นพบ การได้รับคำบอกต่อ และการทำให้คนกล้าฝากงานไว้จึงหายากขึ้นเมื่อการสร้างของใหม่ง่ายลง

งานวิศวกรไม่ได้จบที่การเขียนโค้ด

ถ้าบริษัทวัดคุณค่าของวิศวกรจากจำนวนบรรทัดที่เขียนได้ เครื่องมือที่สร้างโค้ดเร็วกว่าและถูกกว่าย่อมทำให้ตำแหน่งนั้นสั่นคลอน แต่ระบบจริงไม่เคยต้องการเพียงคนที่เขียนโค้ดตามโจทย์ได้เร็ว งานเริ่มก่อนเขียนโค้ดและดำเนินต่อหลังเปิดใช้

ก่อนสร้าง ทีมต้องเลือกว่าปัญหาใดควรแก้ ข้อมูลใดห้ามเปิดเผย ความผิดพลาดแบบไหนพอรับได้ และทางลัดใดจะสร้างหนี้ที่ไม่มีใครพร้อมจ่าย ภายหลังเปิดใช้ คนยังต้องดูว่าระบบช่วยงานจริงหรือเพียงย้ายภาระไปไว้ที่อื่น เมื่อสมมุติฐานผิด ทีมต้องรู้ว่าควรถอย แก้ หรือหยุด

AI รับงานร่างและงานซ้ำไปได้มากขึ้น เวลาของวิศวกรจึงขยับไปอยู่กับการตั้งโจทย์ ตรวจผล และตัดสินใจในจุดที่เงื่อนไขขัดกัน เขาต้องบอกให้ได้ว่า ถ้าข้อมูลมาไม่ครบ ระบบควรรอ ปฏิเสธ หรือเดินต่อ ถ้าบริการภายนอกไม่ตอบ ควรลองใหม่กี่ครั้ง และถ้าการทำงานเร็วขึ้นเพิ่มความเสี่ยงต่อผู้ใช้ ทีมยอมรับได้ถึงตรงไหน

งานตรวจไม่ควรจบที่โค้ดรันผ่าน เพราะโค้ดที่ถูกต้องตามคำสั่งอาจแก้ปัญหาผิดข้อ ระบบอาจทำตามเงื่อนไขทุกบรรทัดแต่เปิดช่องให้คนเห็นข้อมูลเกินสิทธิ์ หรือสร้างรายงานได้เร็วแต่ทำให้คนตีความตัวเลขผิด หน้าที่ของวิศวกรรมจึงรวมถึงการถามว่าคำสั่งที่ได้รับสมเหตุสมผลหรือไม่ และผลที่เกิดขึ้นยังอยู่ในขอบเขตที่ทีมรับผิดชอบได้หรือเปล่า

โค้ดจาก AI พลาดได้ โค้ดจากมนุษย์ก็พลาดได้ ความต่างที่มีผลต่อผู้ใช้คือทีมมองเห็นความผิดปกติเร็วแค่ไหน จำกัดความเสียหายได้หรือไม่ และมีใครรับเรื่องต่อจนปัญหาจบจริงหรือเปล่า

การเป็นเจ้าของงานไม่ได้แปลว่าคนคนเดียวต้องทำทุกอย่าง แต่ต้องมีคนรวบรวมข้อมูลที่ขาด เรียกฝ่ายที่เกี่ยวข้องมาตัดสินใจ และตามดูผลหลังจากเลือกทางหนึ่งไปแล้ว หากเจ้าของมีเพียงชื่อในเอกสารแต่ไม่มีอำนาจ เวลา หรือคนช่วย ชื่อนั้นก็หยุดปัญหาไม่ได้ในวันที่ระบบล่ม

มีต้นทุนอีกก้อนซึ่งมองเห็นช้ากว่า งานพื้นฐานเคยเป็นสนามฝึกของคนเพิ่งเริ่มอาชีพ การแก้บั๊กเล็ก อ่านโค้ดคนอื่น และเขียนส่วนธรรมดาซ้ำ ๆ ทำให้เขาค่อย ๆ เรียนรู้ว่าระบบพังได้กี่แบบ หาก AI รับงานช่วงนี้เกือบหมด ทีมต้องออกแบบการฝึกใหม่ ไม่เช่นนั้นบริษัทอาจได้งานเร็วขึ้นวันนี้ แต่ขาดคนที่พร้อมตัดสินใจเรื่องยากในอีกไม่กี่ปี

การฝึกแบบใหม่ไม่จำเป็นต้องบังคับให้คนทำงานช้าเพื่อรักษาพิธีกรรมเดิม คนเริ่มต้นยังใช้ AI ได้ เพียงต้องอธิบายสิ่งที่รับมา ตรวจสมมุติฐาน และเห็นผลของการตัดสินใจตั้งแต่วันปล่อยจนถึงวันที่เกิดปัญหา ทักษะไม่ได้เกิดจากการพิมพ์ทุกบรรทัดด้วยมือ แต่มาจากการเชื่อมเหตุ ผล และความรับผิดชอบเข้าด้วยกันซ้ำพอจนมองเห็นสิ่งที่คำตอบสำเร็จรูปซ่อนไว้

เมื่อการเขียนโค้ดธรรมดามีราคาถูกลง คนที่มีค่ามากขึ้นจึงไม่ใช่คนที่พิมพ์เร็วที่สุด แต่เป็นคนที่รู้ว่าควรสร้างอะไร กล้าบอกว่าอะไรยังไม่ควรสร้าง และพร้อมกลับมาดูแลเมื่อการตัดสินใจของตัวเองให้ผลไม่เหมือนที่คาด

ลูกค้าจ่ายเพื่อให้งานเสร็จ

เมื่อฟีเจอร์พื้นฐานสร้างตามกันได้เร็ว ธุรกิจซอฟต์แวร์ต้องตอบให้ชัดว่าลูกค้าจ่ายเงินเพื่ออะไร หากคำตอบคือเมนู ตาราง และแบบฟอร์ม คู่แข่งก็มีโอกาสสร้างของหน้าตาใกล้กันในเวลาไม่นาน แต่ถ้าคำตอบคืองานที่ลูกค้าอยากให้เสร็จ พื้นที่สร้างความต่างจะกว้างกว่าหน้าจอมาก

คนทำบัญชีอยากปิดบัญชีให้เสร็จ คนยื่นเอกสารอยากส่งได้ถูกต้อง ส่วนทีมตรวจข้อมูลอยากรู้ว่าเคสใดผ่าน เคสใดเสี่ยง และเคสใดต้องให้คนตัดสินใจต่อ พวกเขาไม่ได้อยากได้ช่องกรอกเพิ่มโดยตัวมันเอง ช่องเหล่านั้นมีค่าก็ต่อเมื่อช่วยลดงาน ลดความผิดพลาด หรือทำให้รู้ว่าควรทำอะไรต่อ

ซอฟต์แวร์จำนวนไม่น้อยจัดการส่วนที่เป็นระเบียบได้ดี แล้วทิ้งข้อยกเว้นกองไว้ให้ผู้ใช้ไล่เก็บ หากระบบทำงานเร็วในกรณีง่าย แต่สร้างคิวงานค้างซึ่งต้องเปิดหลายหน้าจอเพื่อตรวจทีละรายการ ภาระไม่ได้หายไป มันเพียงเปลี่ยนรูปและซ่อนตัวอยู่หลังคำว่าอัตโนมัติ

การขายผลลัพธ์จึงเรียกร้องมากกว่าการส่งเครื่องมือ ผู้ให้บริการต้องเข้าใจงานเฉพาะทาง เชื่อมระบบที่เกี่ยวข้อง เตรียมทางเดินสำหรับเคสยาก และตกลงให้ชัดว่าใครตัดสินใจเมื่อเครื่องมือไปต่อเองไม่ได้ ลูกค้ายอมฝากงานไว้เพราะเชื่อว่ามีทั้งระบบและคนช่วยพาเรื่องไปจนจบ

แนวทางนี้มีต้นทุน ผู้ให้บริการต้องมีคนรับเคสผิดปกติ ต้องดูแลคุณภาพ และต้องรับผิดชอบเมื่อระบบให้ผลผิด ธุรกิจไม่จำเป็นต้องรับผิดชอบแทนลูกค้าทุกเรื่อง แต่ต้องขีดเส้นให้เห็นว่าส่วนไหนระบบทำให้ ส่วนไหนลูกค้าต้องเลือก และเมื่อเกิดความเสียหาย ใครเป็นคนเริ่มแก้

AI ช่วยให้ผู้เชี่ยวชาญจัดการส่วนที่ซ้ำกันได้เร็วขึ้น คนคนหนึ่งจึงอาจดูแลงานได้มากกว่าเดิม หรือให้บริการกับกลุ่มเล็กซึ่งเมื่อก่อนไม่คุ้มต้นทุน แต่เครื่องมือไม่ได้สร้างวิจารณญาณขึ้นมาพร้อมคำตอบ และไม่รับผลแทนคนเมื่อตัดสินใจผิด ความเชี่ยวชาญ ชื่อเสียง และความสัมพันธ์จึงยังมีราคา เพราะมันช่วยให้ลูกค้าประเมินได้ว่าจะเชื่อใครในกรณีที่ไม่มีคำตอบตายตัว

จุดนี้อาจเป็นความได้เปรียบสำคัญของธุรกิจขนาดเล็กที่รู้ปัญหาหนึ่งลึกจริง เขาไม่ต้องสร้างแพลตฟอร์มขนาดใหญ่ เพียงใช้ซอฟต์แวร์จัดการส่วนที่มีรูปแบบ แล้วเอาเวลาไปดูจุดที่ต้องอาศัยความรู้เฉพาะ หากช่วยให้งานของลูกค้าจบได้ครบกว่าเจ้าตลาด ความเล็กก็อาจกลายเป็นข้อได้เปรียบแทนที่จะเป็นข้อจำกัด

แต่ธุรกิจที่เปลี่ยนป้ายจาก “ซอฟต์แวร์” เป็น “บริการ” โดยยังโยนงานยากให้ลูกค้าเหมือนเดิมไม่ได้สร้างความต่าง มันเพียงเพิ่มคำใหม่บนหน้าเสนอขาย ความได้เปรียบเกิดขึ้นเมื่อบริษัทรับภาระบางส่วนไปทำจริง และสร้างวิธีรับผิดชอบภาระนั้นอย่างยั่งยืน

สิ่งที่ยังหายากคือคนที่อยู่หลังปุ่มนั้น

เมื่อสร้างแอปได้มากขึ้น ผู้ใช้ก็ต้องเหนื่อยคัดของมากขึ้น แอปหลายตัวอาจทำสิ่งเดียวกัน หน้าตาดีพอกัน และสัญญาคล้ายกัน คนต้องลองเองว่าย้ายข้อมูลสะดวกไหม ใช้กับกรณีจริงได้หรือเปล่า และเมื่อมีปัญหาจะหาคนช่วยจากที่ไหน เวลาที่ผู้สร้างประหยัดได้อาจย้ายไปเป็นเวลาที่ผู้ใช้เสียกับการประเมินแทน

ซอฟต์แวร์สร้างง่ายขึ้น แต่การพามันไปถึงผู้ใช้ไม่ได้ง่ายขึ้นตาม ของหนึ่งชิ้นยังต้องไปถึงคนที่มีปัญหาในจังหวะที่เขาพร้อมเปลี่ยน ต้องทำให้เริ่มใช้ได้โดยไม่สร้างภาระเกินไป และต้องรักษาความสัมพันธ์หลังจากความตื่นเต้นครั้งแรกหมดลง ชื่อเสียงกับคำบอกต่อจึงมีค่า เพราะมันย่นเวลาที่ผู้ใช้ต้องใช้ตรวจทุกอย่างด้วยตัวเอง

ความเข้าใจเฉพาะทาง การเข้าถึงผู้ใช้ ประวัติการดูแล และความรับผิดชอบไม่ใช่ความได้เปรียบชนิดใหม่ ธุรกิจซอฟต์แวร์ต้องมีสิ่งเหล่านี้มานานแล้ว ที่ผ่านมา ความยากของการเขียนโค้ดเพียงบดบังคุณค่าของสิ่งเหล่านี้ไว้

เมื่อโค้ดเป็นของหายาก คนอาจเผลอให้ราคากับความสามารถในการสร้างมากเกินไป พอเครื่องมือช่วยให้คนจำนวนมากสร้างได้ เราจึงเห็นชัดว่า ฟีเจอร์เป็นเพียงส่วนหนึ่งของสิ่งที่ผู้ใช้ซื้อ เขายังซื้อการตัดสินใจ การดูแล ทางออกเมื่อผิดพลาด และความมั่นใจว่าคนหลังระบบจะไม่หายไป

กลับไปยังแอปที่เสร็จในบ่ายวันนั้น ตัวเลขอาจเรียงสวย ปุ่มอาจตอบสนองทันที และเดโมอาจผ่านโดยไม่มีใครติดขัด ทั้งหมดนี้พิสูจน์ว่าของชิ้นแรกเกิดขึ้นแล้ว

แต่เช้าวันถัดมา ถ้าตัวเลขหนึ่งช่องผิด คนใช้ไม่ได้อยากได้โค้ดเพิ่มอีกกอง เขาอยากรู้ว่าใครจะหยิบปัญหานั้นขึ้นมาตรวจให้ถึงต้นเหตุ และอยู่จนตัวเลขกลับมาถูกอีกครั้ง