AtoAxis แยก AI attribution และ coverage อย่างไร

AtoAxis แยกการเปลี่ยนแปลงเป็น AI, human และ Unattributed พร้อมบอก coverage ของหลักฐาน แทนการเปลี่ยนข้อมูลที่ไม่แน่ใจให้เป็นศูนย์อย่างมั่นใจเกินจริง

ผู้เขียน: Jitwisut Thobut, ผู้ก่อตั้งและนักพัฒนา ของ AtoAxis. ตรวจทาน: 2026-09-20. สถานะ: Early Access แบบเชิญ.

สามกลุ่มของ attribution

AI: hook หรือ client ระบุชัดว่าเป็นงานที่ AI ช่วย และอาจส่งชื่อ agent กับจำนวนบรรทัด
Human: editor รายงาน keystroke หรือ character ที่พิมพ์เองและการเปลี่ยนแปลงที่วัดได้
Unattributed: ระบบเห็นการเปลี่ยนแปลงแต่พิสูจน์ไม่ได้ว่าเกิดจากแหล่งใด

ยอด canonical ทำให้ทั้งสามกลุ่มไม่ทับกัน Unattributed คือหลักฐานที่ขาด ไม่ใช่คำพ้องกับ human และไม่ใช่เหตุผลให้ระบบเดา

หลักฐานมาจากไหน

AI attribution มาจาก field ที่ hook หรือ client ที่รองรับส่งมาโดยตรง เช่น ชื่อ agent, is_ai_generated และ line counts ส่วน human attribution ใช้ข้อมูลกิจกรรมจาก editor เช่น keystroke และ character editor ที่รองรับ protocol อาจส่งเวลาได้โดยไม่ส่ง attribution ครบ field ที่ไม่มีจึงคงเป็นข้อมูลที่ขาด

field ตัวอย่าง

{
  "is_ai_generated": true,
  "ai_agent": "your-agent-name",
  "ai_lines_added": 42,
  "ai_lines_deleted": 3
}

Coverage หมายถึงอะไร

Line coverage คำนวณจากยอด canonical ชุดเดียวกัน คือ line change ของ AI และ human ที่มีหลักฐาน หารด้วยยอดที่มีหลักฐานรวมกับ Unattributed response ยังแสดง denominator และ status และถ้าไม่มี activity จะไม่สร้างเปอร์เซ็นต์ 0% ปลอม

ตัวอย่าง ไม่ใช่ข้อมูลลูกค้า

ตัวอย่างสมมติ: AI 40 + human 35 + Unattributed 25 = 100 บรรทัด
line coverage: (40 + 35) / 100 = 75%

AI share ในบรรทัดที่รู้ กับ coverage ของหลักฐานทั้งช่วงเวลาเป็นคนละเรื่อง จึงควรอ่านทั้งยอดและ status

เปรียบเทียบ agent อย่างไร

ใช้ช่วงเวลาและ filter project เดียวกันก่อนเทียบ agent
ตรวจว่าเครื่องมือมี bundled hook หรือ adapter เฉพาะ provider ก่อนคาดหวัง attribution อัตโนมัติ
อย่าแปลจำนวนบรรทัดเป็นความถูกต้อง คุณภาพ เวลาที่ประหยัด หรือคุณค่าทางธุรกิจ
เก็บ Unattributed ให้เห็นเมื่อเครื่องมือส่ง activity แต่ไม่มี metadata ของ attribution

ขอบเขตความเป็นส่วนตัว

Attribution ส่ง label, identifier และจำนวน ไม่ต้องส่ง source code, prompt หรือข้อความตอบของ AI Provider usage อาจเพิ่ม token metadata แต่ไม่ส่งข้อความ transcript

ทบทวนและตรวจสอบ

ดูหน้าติดตาม AI coding activity สำหรับ hook ที่รองรับ และดู denominator ใน dashboard analytics เมื่อต้องการตรวจยอด ผู้ทบทวน: ทีมผลิตภัณฑ์ AtoAxis อัปเดตล่าสุด: 20 กันยายน 2026

ควรอ่าน AI attribution กับ coverage คู่กันอย่างไร?

AtoAxis แยกการเปลี่ยนแปลงเป็น AI, human และ Unattributed โดย coverage บอกว่ามีหลักฐานมากแค่ไหน หลักฐานที่ขาดหายจึงไม่กลายเป็นศูนย์อย่างมั่นใจเกินจริง

วิดีโอ 30 วินาทีที่บันทึกจากเว็บไซต์นี้ (คำบรรยายภาษาอังกฤษ): ภาพรวมวงแหวนเวลา การแยกงานคนกับ AI หน้า AI coding tracker และราคาที่วางแผนไว้

สรุปสาระสำคัญ (Key takeaways)

หลักฐานของ AI:: ชื่อ agent, flag is_ai_generated และจำนวนบรรทัดจาก hook
หลักฐานของคน:: กิจกรรมใน editor เช่น keystroke และ character
Unattributed:: การเปลี่ยนแปลงที่หลักฐานไม่พอ ไม่ได้แปลว่าเป็นงานของคน
Line coverage:: บรรทัดที่ระบุที่มาได้ หารด้วยบรรทัดที่ระบุได้รวมกับ Unattributed

จะเทียบ agent สองตัวให้เป็นธรรมได้อย่างไร?

ตัวอย่างสมมติ ไม่ใช่ข้อมูลลูกค้า: agent ตัวแรกมีสัดส่วน 60% ของบรรทัดที่รู้ที่มา โดย coverage 90% อีกตัวก็ 60% แต่ coverage 40% ตัวเลขแรกมีหลักฐานรองรับมากกว่ามาก ควรเทียบในช่วงเวลาเดียวกันและติดตั้ง hook ของทั้งสองตัวตลอดช่วงนั้น

วิธีตีความข้อมูลกิจกรรมการเขียนโค้ด
สัญญาณ	ช่วยให้เข้าใจ	ไม่สามารถยืนยัน
Editor heartbeat	กิจกรรมที่ระบบบันทึกได้	เวลาทำงานทั้งหมด
Attributed changes	ที่มาของการเปลี่ยนแปลงที่มีหลักฐาน	คุณภาพโค้ดหรือเวลาที่ประหยัดได้

ตารางนี้ช่วยแยกสิ่งที่ข้อมูลรองรับออกจากข้อสรุปที่ข้อมูลยืนยันไม่ได้

คำแนะนำ

อ่านยอดบรรทัด สถานะ coverage และตัวหารก่อนอ้างสัดส่วน AI ติดตั้ง hook ที่รองรับสำหรับทุก agent ที่ใช้ และมอง coverage ที่ขาดเป็นเหตุผลให้เพิ่มการวัด แทนการเดา

ข้อจำกัดที่ควรพิจารณา

ในทางกลับกัน สัดส่วน AI ที่สูงแต่ coverage ต่ำบอกอะไรได้น้อย coverage บอกว่าช่วงเวลานั้นมีหลักฐานมากแค่ไหน จึงควรอ่านสองตัวเลขนี้คู่กันก่อนสรุป

“ตัวเลขที่ยืนยันไม่ได้ ควรบอกว่าไม่ทราบ แทนที่จะแสดงเป็นศูนย์”

— Jitwisut Thobut, ผู้ก่อตั้งและนักพัฒนา, AtoAxis

แหล่งอ้างอิงและการตรวจทาน

เขียนและตรวจทานโดย Jitwisut Thobut, ผู้ก่อตั้งและนักพัฒนา ของ AtoAxis. ตรวจทานเมื่อ 2026-09-20. ข้อความเกี่ยวกับผลิตภัณฑ์อ้างอิงจากระบบที่พัฒนาอยู่ ตัวอย่างเป็นข้อมูลสมมติ ไม่ใช่งานวิจัยหรือข้อมูลลูกค้า

นักพัฒนา 84% ใช้หรือวางแผนจะใช้เครื่องมือ AI ในการพัฒนา แต่ 46% ไม่เชื่อถือความถูกต้องของผลลัพธ์จาก AI และ 33% เชื่อถือ (Stack Overflow Developer Survey 2025) ที่มา.

เอกสารสาธารณะของ AtoAxis: พฤติกรรมและขอบเขตข้อมูลที่อธิบายไว้ต่อสาธารณะ.
คู่มือเริ่มต้นใช้งาน AtoAxis: ขั้นตอนสร้างบัญชีและเชื่อม editor.
DORA software delivery metrics: มุมมองผลลัพธ์การส่งมอบซอฟต์แวร์ ซึ่งแยกจากกิจกรรมใน editor.
เอกสาร hooks ของ Claude Code: event ของ hook ที่ระบบ attribution อ่าน.
repository ของ OpenAI Codex CLI: agent ของ integration หนึ่งที่มีให้ในตัว.
repository ของ Google Gemini CLI: agent ของ integration หนึ่งที่มีให้ในตัว.

คำถามเรื่อง AI attribution

Unattributed แปลว่า human หรือไม่?

ไม่ หมายถึงหลักฐานที่มีอยู่ยังยืนยันไม่ได้ว่าเป็น AI หรือ human

Line coverage คำนวณอย่างไร?

นำ line change ของ AI และ human ที่มีหลักฐานหารด้วยยอดดังกล่าวรวมกับ Unattributed จาก canonical totals

AtoAxis เดา AI จากจำนวนบรรทัดได้หรือไม่?

ไม่ได้ ต้องมี metadata จาก hook หรือ client ที่รองรับ หากไม่มีหลักฐานจะเป็น Unattributed

ต้องเก็บ prompt เพื่อทำ attribution หรือไม่?

ไม่ ใช้ label, identifier และ counts โดยไม่เก็บ prompt หรือ response text