[SMT AI NOW] Use case AI ที่ทำให้ Legacy System ไปต่อได้

🔍 ภาพรวมกิจกรรม

หลายองค์กรยังคงพึ่งพา Legacy System
ซึ่งมีความซับซ้อน แก้ยาก และใช้ทรัพยากรสูง

แต่กิจกรรม SMT AI NOW ครั้งนี้ ได้พิสูจน์ให้เห็นว่า
👉 AI สามารถช่วยให้ระบบเดิม “ไปต่อได้” โดยไม่ต้องรื้อใหม่ทั้งหมด

หัวใจสำคัญคือการใช้ AI เป็น layer เสริม
เพื่อช่วยลด pain point เดิม โดยไม่แตะ core system ที่มีความเสี่ยงสูง

🔄 เปลี่ยนมุมมองจาก Legacy เป็น Leverage

Session เปิดด้วยคำถามสำคัญ

“ถ้าเราเปลี่ยนระบบทั้งหมดไม่ได้ เราจะทำให้มันดีขึ้นได้อย่างไร?”

คำตอบคือ
เริ่มจากจุดเล็กๆ ที่มีปัญหาจริง
แล้วใช้ AI เข้าไปช่วยในจุดนั้นทันที
เพื่อให้เห็นผลเร็ว ลดความเสี่ยง และไม่ต้องรอระบบใหม่

🧩 Real Use Cases จากทีม AI YA

Speaker: คุณเอฟ (SMT/AAPP/TDD/AMO)

ทีม AI YA ได้นำเสนอการประยุกต์ใช้ AI กับระบบ Legacy ที่ใช้งานจริงในองค์กร
โดยเน้นการใช้ AI เป็น layer เสริม เพื่อช่วยทำความเข้าใจระบบเดิม
ลดความซับซ้อนในการวิเคราะห์โค้ด และลดความเสี่ยงจากการแก้ไขระบบขนาดใหญ่

แนวทางนี้ช่วยให้ทีมสามารถเริ่มจากจุดเล็กๆ ที่มีปัญหาจริง
เห็นผลลัพธ์ได้เร็ว และไม่จำเป็นต้องรื้อหรือเปลี่ยน core system ทั้งหมด

🤖 Project Highlight: TDD AI Challenge – AI YA!

👥 Our Team (AI YA)

Krirerk Chootiang – Senior Application Developer
Pattaraporn Senorit – Application Developer
Wallapa Tongboonkerd – Senior Software Tester

🚩 จุดเริ่มต้นของไอเดีย & ปัญหาที่พบ

ระบบเดิมใช้ RichFaces / JSF (JavaServer Faces)
ซึ่งเป็น Legacy Architecture ที่มีอายุมาก และมีความซับซ้อนสูง

ระบบลักษณะนี้ยังคงเป็น backbone สำคัญขององค์กร
แต่ในขณะเดียวกันก็สร้างภาระให้ทีมพัฒนาอย่างหลีกเลี่ยงไม่ได้
ทั้งในแง่เวลา ความเสี่ยง และการส่งต่อความรู้ภายในทีม

ลักษณะโค้ด

JSP และ Java classes หลายร้อยไฟล์
Dependencies จำนวนมาก
Flow ซับซ้อนหลายชั้น (JSP → Action → Bean → DAO → Database)

ตัวอย่างปัญหาจริง

แก้ Notification หรือ Navigation ต้องแก้หลายไฟล์และกระทบหลายจุด
ปัญหา “address ไม่ save” ต้องไล่ตั้งแต่ Frontend ถึง Stored Procedure
ปัญหา “notification ไม่แสดง” ต้องแก้ทั้ง Service, Controller และ HTML

👉 ทุกครั้งต้องใช้เวลานาน เพราะต้องทำความเข้าใจ flow ทั้งระบบ
และความผิดพลาดเพียงจุดเดียว อาจส่งผลกระทบเป็นวงกว้าง

⏱️ Pain Points ก่อนใช้ AI

ด้านเวลา

แก้ Bug 1 ตัว: 2–4 ชั่วโมง
เพิ่มฟีเจอร์ใหม่: 1–2 วัน
Modernization 1 หน้า: 1–2 สัปดาห์

ด้านบุคลากร

ต้องใช้คนที่รู้ Legacy code เท่านั้น
เกิด Knowledge silo
พนักงานใหม่ต้องใช้เวลา 1–2 เดือนกว่าจะทำงานได้

ด้านความเสี่ยง

เสี่ยงเกิด Breaking changes
ไม่มี Automated tests
มีความกังวลสูงทุกครั้งที่ Deploy ระบบ

🎯 ทำไมเลือก Legacy System Modernization เป็น Challenge

Impact สูง – ระบบใช้งานจริง เห็นผลทันที
Challenge ที่เหมาะสม – ซับซ้อนจริง เหมาะกับ AI-assisted development
Learning Value – ได้เรียนรู้ทั้ง Legacy และ Modern Stack
Quick Wins – ลดเวลาทำงาน เห็นผลชัดเจน และลดความเสี่ยง

🏗️ เปรียบเทียบ Architecture

Legacy Architecture

RichFaces / JSF
Flow:
User → Java EE Server → JSF/RichFaces →
Managed Beans → DAO → PostgreSQL

Modern Stack

Frontend: AngularJS SPA (HTML/JS/CSS)
Backend: Spring Boot REST API
Integration: REST JSON
Flow:
Controller → Service → DAO → PostgreSQL

🚀 นวัตกรรมและบทบาทของ AI

ลดเวลาและต้นทุน
AI ช่วยย่นระยะเวลาในการวิเคราะห์โค้ดและ Migration
เพิ่มความถูกต้องและเสถียรภาพ
ลด Hard Code และ Human Error
โครงสร้างพร้อมอนาคต
โค้ดดูแลรักษาง่าย และต่อยอด Modernization ได้
เสริมศักยภาพทีม
ทีมสามารถโฟกัสงานใหม่และงานที่สร้างคุณค่าได้ทันที

✨ Practical, Not Perfect

SMT AI NOW และ Project ของทีม AI YA
ตอกย้ำแนวคิดเดียวกันอย่างชัดเจนว่า

ไม่ต้องรอระบบใหม่
ไม่ต้องรอ solution ที่สมบูรณ์แบบ
แต่เริ่มจากจุดเล็กๆ ที่ช่วยทีมได้ทันที

Legacy ไม่ได้หมายถึงการหยุดนิ่ง
หากใช้ AI อย่างเหมาะสม
มันสามารถกลายเป็น Leverage ที่สร้างคุณค่าให้กับองค์กรได้จริง