Linux Foundation พบ AI slop คิดเป็น 25% ของ pull request ที่ส่งเข้าโครงการโอเพนซอร์ส
ผลสำรวจ LF Research 20 ต.ค. 2026 ผู้ดูแลประเมินว่า AI slop คิดเป็น 25% ของ pull request ในโครงการโอเพนซอร์ส โครงการใหญ่ถึง 31% แม้ AI ลดเวลาเขียนโค้ด 52%
โดย กองบรรณาธิการ THAI DATA อ่าน 6 นาที
สรุปประเด็นสำคัญ
- Linux Foundation เผยแพร่รายงาน Navigating Open Source Software Development in the Generative AI Era เมื่อ 20 ตุลาคม 2026 จากแบบสำรวจผู้ร่วมพัฒนาและผู้ดูแลโครงการโอเพนซอร์ส 234 คน ที่เก็บข้อมูลช่วงเมษายนถึงมิถุนายน 2026
- ผู้ดูแลประเมินว่า AI slop คิดเป็นเฉลี่ย 25% ของ pull request ที่ส่งเข้ามา โครงการใหญ่ที่มีผู้ร่วมพัฒนาเกิน 50 คนสูงถึง 31% และภาวะหมดไฟของผู้ดูแลขึ้นเป็นข้อกังวลอันดับ 1 ของโครงการกลุ่มนี้ที่ 63%
- ผู้ตอบที่ใช้ AI ประเมินว่าเวลาเขียนโค้ดลดลงเฉลี่ย 52% และเวลารีวิวโค้ดลดลง 44% แต่ 21% บอกว่างานที่ซับซ้อนสูงกลับใช้เวลานานขึ้นเมื่อใช้ AI
- มีเพียง 35% ของโครงการที่มีนโยบายอนุญาตให้ใช้ AI อย่างเป็นทางการ 32% ไม่มีนโยบายและไม่มีแผนจะทำ และ 10% ห้ามส่งงานที่ใช้ AI ช่วย
Linux Foundation เผยแพร่รายงานวิจัยเมื่อ 20 ตุลาคม 2026 ระบุว่าผู้ดูแลโครงการโอเพนซอร์สประเมินว่า pull request ที่ส่งเข้ามาเฉลี่ย 25% เป็น AI slop หรืองานคุณภาพต่ำที่สร้างด้วย AI ขณะที่ผู้ตอบแบบสำรวจที่ใช้ AI บอกว่าเวลาเขียนโค้ดลดลงเฉลี่ย 52% รายงานจึงเรียกร้องให้แต่ละโครงการตั้งกติกาการใช้ AI ให้ชัดก่อนที่ภาระทั้งหมดจะตกอยู่กับผู้ดูแล
รายงานชื่อ Navigating Open Source Software Development in the Generative AI Era จัดทำโดย LF Research โดยมี Red Hat เป็นผู้สนับสนุน และได้รับการสนับสนุนเพิ่มจาก Futurewei, OpenSSF และ LF AI & Data ผลการศึกษานำเสนอในงาน All Things Open ที่เมือง Raleigh รัฐนอร์ทแคโรไลนา ระหว่าง 19–20 ตุลาคม ข้อมูลมาจากแบบสำรวจออนไลน์ 45 ข้อที่เก็บระหว่างเมษายนถึงมิถุนายน 2026 ได้ผู้ตอบที่ผ่านเกณฑ์ 234 คน ค่าความคลาดเคลื่อน ±6.41% ที่ระดับความเชื่อมั่น 95% ผู้ตอบมาจากผู้รับจดหมายข่าวและช่องทางโซเชียลของ Linux Foundation และพันธมิตรวิจัย จึงสะท้อนกลุ่มคนที่ติดตามมูลนิธิมากกว่าภาพรวมของนักพัฒนาโอเพนซอร์สทั้งหมด
AI slop หนักที่สุดในโครงการขนาดใหญ่
รายงานนิยาม AI slop ว่าเป็นงานที่สร้างด้วย AI คุณภาพต่ำซึ่งไม่น่าจะคุ้มกับเวลารีวิวที่ต้องใช้ ตัวเลข AI slop 25% เป็นค่าที่ผู้ดูแลประเมินเอง ไม่ใช่การนับจากระบบของ GitHub หรือ GitLab และแปรตามขนาดโครงการชัดเจน
| ขนาดโครงการ (จำนวนผู้ร่วมพัฒนา) | สัดส่วน AI slop ที่ผู้ดูแลประเมิน | ผู้ดูแลที่บอกว่างานส่งเข้ามามากขึ้น | ผู้ดูแลที่บอกว่าเวลารีวิวนานขึ้น |
|---|---|---|---|
| เล็ก (น้อยกว่า 10 คน) | 23% | 57% | 46% |
| กลาง (11–50 คน) | 20% | 52% | 55% |
| ใหญ่ (มากกว่า 50 คน) | 31% | 69% | 64% |
| ผู้ดูแลทั้งหมด | 25% | 59% | – |
เมื่อแยกตามบทบาท co-maintainer รายงานสัดส่วน AI slop สูงสุดที่ 29% ข้อกังวลอันดับ 1 ของโครงการเล็กและกลางคือคุณภาพของงานที่ส่งเข้ามา (51% และ 50%) แต่ในโครงการใหญ่ ภาวะหมดไฟของผู้ดูแลขึ้นเป็นอันดับ 1 ที่ 63% รองลงมาคือคุณภาพงานที่ 60% รายงานตีความว่างานที่ส่งเข้ามามากขึ้นกำลังกลายเป็นความล้าของคนรีวิว มีผู้ดูแลเพียง 4% ที่บอกว่างานส่งเข้ามาลดลง
AI ลดเวลางานโอเพนซอร์สได้แค่ไหน
ผู้ตอบที่ใช้ Generative AI ประเมินเวลาทำงานแต่ละประเภทก่อนและหลังเริ่มใช้ AI ผลคือเวลาลดลงทั้ง 6 กิจกรรมที่วัด กิจกรรมที่รายงานตัวเลขไว้ในเนื้อหา ได้แก่
- เขียนโค้ด ลดลง 52%
- รีวิวโค้ดและให้ความเห็น ลดลง 44%
- อภิปรายทางเทคนิค ลดลง 20%
- อภิปรายข้อเสนอการเปลี่ยนแปลง ลดลง 19%
ผู้ร่วมพัฒนาได้ประโยชน์ด้านเขียนโค้ดมากกว่า (ลดลง 58% เทียบกับ 49% ของผู้ดูแล) ส่วนผู้ดูแลประหยัดเวลาในงานพูดคุยมากกว่า เช่น อภิปรายข้อเสนอลดลง 26% เทียบกับ 7% ของผู้ร่วมพัฒนา อย่างไรก็ตาม 21% บอกว่างานที่ซับซ้อนสูงใช้เวลานานขึ้นเมื่อใช้ AI ส่วนเวลาที่ได้คืน 66% นำไปแก้หนี้ทางเทคนิค 63% ใช้พัฒนาฟีเจอร์ใหม่ และ 58% ใช้เรียนรู้ทักษะใหม่
นโยบายรับมือ AI slop ของโครงการยังตามไม่ทัน
มีเพียง 35% ของโครงการที่มีนโยบายอนุญาตให้ใช้ AI อย่างเป็นทางการ 32% ไม่มีนโยบายและไม่มีแผนจะทำ 23% วางแผนจะออกนโยบาย และ 10% ห้ามส่งงานที่ใช้ AI ช่วย นโยบายที่มีอยู่ส่วนใหญ่เน้นการเปิดเผยการใช้ AI (76%) และความรับผิดชอบของผู้ส่งในการตรวจงานเอง (76%) แต่ครอบคลุมเรื่องไลเซนส์และลิขสิทธิ์เพียง 39%
ฝั่งผู้ส่งงาน 61% บอกว่าตรวจโค้ดที่ AI สร้างทีละบรรทัดและทดสอบการทำงานเต็มรูปแบบก่อนส่ง มีเพียง 5% ที่ตรวจน้อยหรือไม่ตรวจเลย แต่การเปิดเผยยังไม่สม่ำเสมอ 52% ระบุว่าใช้ AI ช่วย "เกือบทุกครั้ง" หรือ "ทุกครั้ง" ขณะที่ 19% ไม่เคยระบุ ฝั่งผู้ดูแลก็หันมาใช้ AI สู้กับ AI slop เช่น 58% ใช้ LLM อธิบายตรรกะของงานที่ส่งเข้ามา 48% ใช้ AI หาบั๊กเชิงตรรกะ แต่ 23% ยังไม่ใช้เครื่องมือ AI คัดกรองเลย
ความไว้ใจในชุมชนและภาระการเป็นพี่เลี้ยง
ผู้ดูแล 71% เห็นด้วยว่า AI ช่วยลดอุปสรรคของคนที่อยากเข้ามาร่วมพัฒนา แต่ 53% ไม่เห็นด้วยว่า AI ทำให้ความไว้ใจในชุมชนดีขึ้น และ 46% บอกว่า AI ทำให้ผู้ร่วมพัฒนาใหม่ต้องการพี่เลี้ยงมากขึ้น เทียบกับ 32% ที่บอกว่าน้อยลง
Hilary Carter รองประธานอาวุโสฝ่ายวิจัยของ Linux Foundation กล่าวว่าโครงการโอเพนซอร์สต้องออกแบบรองรับผู้ร่วมพัฒนาที่ใช้ AI ซึ่งมีมากขึ้น ไม่ใช่ตามแก้ทีหลัง ส่วน Adrianne Marcum จาก OpenSSF ระบุว่าการรักษาความปลอดภัยของโอเพนซอร์สเป็นความรับผิดชอบร่วมกัน และผู้ดูแลไม่ควรต้องแบกไว้คนเดียว
ข้อเสนอของรายงานต่อโครงการโอเพนซอร์ส
- เขียนนโยบายการส่งงานและรายงานช่องโหว่ที่ใช้ AI ช่วยเป็นลายลักษณ์อักษร แทนการตัดสินเป็นกรณีไป
- ให้ผู้ส่งเปิดเผยว่าใช้เครื่องมือ AI ใด และย้ายภาระมาที่ผู้ส่งด้วยการรับรองตนเอง ทดสอบ และอธิบายการเปลี่ยนแปลงก่อนส่ง
- ทำให้การระบุ AI เป็นมาตรฐาน เช่น ใช้รูปแบบ "Assisted-by:" ในข้อความ commit แบบที่ Linux kernel ใช้
- ใช้ AI ช่วยคัดกรอง สรุป และติดธงงานที่ส่งเข้ามาเพื่อลดภาระคนรีวิว
- ลงทุนกับการเป็นพี่เลี้ยงให้คนหน้าใหม่ต่อไป และวางกติกาที่ต้อนรับคนใหม่โดยไม่ลดคุณภาพหรือความไว้ใจ
ทำไมเรื่องนี้สำคัญ
ตัวเลข AI slop ชุดนี้ยืนยันสิ่งที่ผู้ดูแลหลายโครงการพูดมาตลอดปีที่ผ่านมา Daniel Stenberg ผู้นำโครงการ curl เขียนเมื่อ 14 กรกฎาคม 2025 ว่าราว 20% ของรายงานช่องโหว่ที่ curl ได้รับในปี 2025 เป็น AI slop และจนถึงต้นเดือนกรกฎาคมมีเพียงราว 5% ที่เป็นช่องโหว่จริง แต่รายงานของ LF อ้างโพสต์ของเขาเมื่อเมษายน 2026 ว่า curl เลิกได้รับรายงานแบบ AI slop แล้ว และได้รายงานคุณภาพดีที่ทำด้วย AI มากขึ้นแทน รายงานมองว่าเมื่อโมเดลเก่งขึ้นและโครงการแสดงจุดยืนชัด AI slop ก็ลดลงได้
สำหรับองค์กรที่ใช้ไลบรารีโอเพนซอร์ส เวลาของผู้ดูแลคือคอขวดของการแก้บั๊กและออกแพตช์ ขณะที่เครื่องมืออย่าง OpenCode 2.0 ที่รันเอเจนต์เขียนโค้ดเป็นบริการเบื้องหลัง ทำให้การสร้าง pull request ทำได้เร็วขึ้นอีก
ผลต่อองค์กรไทยและทีมพัฒนา
- ตั้งนโยบาย AI สำหรับ repository ของตัวเอง ทั้งระบบภายในและโครงการที่เปิดเป็นโอเพนซอร์ส กำหนดให้ระบุการใช้ AI และแนบผลทดสอบทุกครั้ง
- ตรวจกติกาของโครงการก่อนส่งงานขึ้น upstream เพราะ 10% ของโครงการห้ามงานที่ใช้ AI ช่วย อ่าน CONTRIBUTING หรือนโยบาย AI ของโครงการก่อน และให้คนในทีมตรวจและทดสอบโค้ดเองก่อนส่ง
- ใส่ trailer "Assisted-by:" ในข้อความ commit เพื่อให้ผู้รีวิวรู้ว่างานใดใช้ AI ช่วย และไม่ถูกเหมารวมว่าเป็น AI slop
- ให้ทีมกฎหมายดูเรื่องลิขสิทธิ์ รายงานระบุว่าในหลายเขตอำนาจ รวมถึงสหภาพยุโรปและสหรัฐฯ งานที่ AI สร้างทั้งหมดโดยไม่มีความคิดสร้างสรรค์ของมนุษย์ไม่ได้รับความคุ้มครองลิขสิทธิ์ ขณะที่นโยบายของโครงการครอบคลุมประเด็นนี้เพียง 39%
- สนับสนุนผู้ดูแลโครงการที่องค์กรพึ่งพา ด้วยเวลาของวิศวกรหรือเงินทุน เพราะภาวะหมดไฟของผู้ดูแลคือความเสี่ยงของซอฟต์แวร์ที่องค์กรใช้อยู่
ติดตามข่าวโอเพนซอร์ส ไลเซนส์ และ supply chain ของซอฟต์แวร์เพิ่มเติมได้ที่หมวดซอฟต์แวร์
คำถามที่พบบ่อย
AI slop คืออะไรในโครงการโอเพนซอร์ส?
รายงานของ LF Research นิยาม AI slop ว่าเป็นงานที่สร้างด้วย AI คุณภาพต่ำซึ่งไม่น่าจะคุ้มกับเวลาที่ผู้ดูแลต้องใช้รีวิว เช่น pull request ที่ผู้ส่งไม่ได้ตรวจหรือทดสอบเอง ผู้ดูแลที่ตอบแบบสำรวจประเมินว่า AI slop คิดเป็นเฉลี่ย 25% ของ pull request ที่ส่งเข้ามา
ผลสำรวจ AI slop ของ Linux Foundation เก็บข้อมูลจากใคร?
เป็นแบบสำรวจออนไลน์ 45 ข้อ เก็บข้อมูลช่วงเมษายนถึงมิถุนายน 2026 ได้ผู้ตอบที่ผ่านเกณฑ์ 234 คน เป็นผู้ร่วมพัฒนา 206 คนและผู้ดูแลโครงการ 134 คน (หนึ่งคนเป็นได้ทั้งสองบทบาท) ค่าความคลาดเคลื่อน ±6.41% ที่ระดับความเชื่อมั่น 95% ผู้ตอบมาจากช่องทางของ Linux Foundation และพันธมิตร จึงไม่ใช่การสุ่มจากนักพัฒนาโอเพนซอร์สทั้งหมด
AI ช่วยให้งานโอเพนซอร์สเร็วขึ้นแค่ไหน?
ผู้ตอบที่ใช้ Generative AI ประเมินว่าเวลาเขียนโค้ดลดลงเฉลี่ย 52% รีวิวโค้ดลดลง 44% การอภิปรายทางเทคนิคลดลง 20% และการอภิปรายข้อเสนอลดลง 19% แต่ 21% บอกว่างานที่ซับซ้อนสูงใช้เวลานานขึ้น และ 66% นำเวลาที่ได้คืนไปแก้หนี้ทางเทคนิค
โครงการโอเพนซอร์สควรรับมือ AI slop อย่างไร?
รายงานแนะนำให้เขียนนโยบายการส่งงานที่ใช้ AI ช่วยให้ชัด ให้ผู้ส่งเปิดเผยการใช้ AI ทดสอบและอธิบายการเปลี่ยนแปลงก่อนส่ง ใช้รูปแบบ Assisted-by: ของ Linux kernel ในข้อความ commit ใช้ AI ช่วยคัดกรองงานที่เข้ามา และยังลงทุนกับการเป็นพี่เลี้ยงให้ผู้ร่วมพัฒนาใหม่ เพื่อลด AI slop โดยไม่ปิดประตูคนหน้าใหม่
แหล่งอ้างอิง
- New LF Research Survey Shows Generative AI Cuts Open Source Coding Time in Half, but 25% of Incoming Pull Requests are Considered AI Slop — The Linux Foundation
- Navigating Open Source Software Development in the Generative AI Era — Linux Foundation Research
- Navigating Open Source Software Development in the Generative AI Era (รายงานฉบับเต็ม PDF) — Linux Foundation Research
- Death by a thousand slops — Daniel Stenberg (curl)
บุคคล องค์กร และสถานที่ในข่าวนี้
เลือกชื่อเพื่ออ่านข่าวทั้งหมดที่กล่าวถึง ตัวเลขคือจำนวนข่าว
- บุคคล
- Daniel Stenberg2
- องค์กรและบริษัท
- Linux Foundation5Red Hat7GitHub50GitLab7สหภาพยุโรป59
- ประเทศและสถานที่
- สหรัฐอเมริกา404
พบข้อมูลคลาดเคลื่อน? แจ้งกองบรรณาธิการ