องค์กรธุรกิจในไทยที่นำปัญญาประดิษฐ์ (AI) มาใช้งานโดยขาดระบบกำกับดูแลที่รัดกุม กำลังเผชิญความเสี่ยงทางกฎหมายครั้งใหญ่ โดยเฉพาะ 5 กลุ่มอุตสาหกรรมความเสี่ยงสูงอย่างธุรกิจการเงิน พลังงาน ความมั่นคง สาธารณสุข และการคมนาคม ซึ่งหากปล่อยให้เทคโนโลยีทำงานผิดพลาดโดยไร้การควบคุมดูแลจากมนุษย์ ความเสียหายที่เกิดขึ้นอาจบานปลายจนถึงขั้นทำให้ผู้บริหารสูงสุดหรือกรรมการผู้จัดการต้องรับผิดชอบทางกฎหมายระดับสากลและเสี่ยงต้องขึ้นศาลโลก
ประเด็นดังกล่าวถูกหยิบยกขึ้นมาสรุปบทเรียนและสะท้อนมุมมองในงานสัมมนาใหญ่ประจำปี The Story Thailand Forum 2026 : The Future of AI: When Intelligence Meets Reality ภายใต้หัวข้อ “อย่าคิดว่า AI ไม่เสี่ยง” (AI Governance for Enterprise) โดยมี ดร.อสมา กุลวานิชไชยนันท์ ประธานเจ้าหน้าที่บริหารบริษัท Coraline จำกัด เป็นผู้ขึ้นเวทีส่งสัญญาณเตือนให้เห็นถึงภัยเงียบจากการใช้เทคโนโลยี พร้อมแนะแนวทางรับมือให้แก่ผู้บริหารและองค์กรต่าง ๆ ในประเทศไทย
5 ธุรกิจเสี่ยงสูงที่ต้องคุมเข้ม
ดร.อสมา กล่าวว่า แม้ทุกองค์กรที่นำ AI มาใช้งานจะมีความเสี่ยง แต่สำหรับ 5 กลุ่มธุรกิจต่อไปนี้ ถือเป็นกลุ่มความเสี่ยงสูง (High-Risk) ที่ต้องเร่งวางระบบกำกับดูแลหรือทำ AI Governance ทันที ได้แก่ 1) ธุรกิจการเงินที่ต้องจัดการข้อมูลละเอียดอ่อน 2) ธุรกิจพลังงานที่ส่งผลกระทบต่อคนทั้งประเทศและภูมิภาค 3) งานความมั่นคงของทหารและตำรวจ 4) ธุรกิจสาธารณสุขที่ผูกติดกับข้อมูลสุขภาพของประชาชน และ 5) ธุรกิจคมนาคม ซึ่งหาก AI ผิดพลาดอาจก่อให้เกิดอุบัติเหตุบนท้องถนนร้ายแรง
อย่างไรก็ตาม ระดับความรับผิดชอบจะแตกต่างกันไปตามรูปแบบของเทคโนโลยี หากองค์กรพัฒนาระบบขึ้นมาใช้งานเอง (Traditional AI) จะต้องรับผิดชอบความเสียหายทั้งหมดแบบ 100% ตั้งแต่ต้นจนจบ แต่หากเป็นการใช้ AI สำเร็จรูปสาธารณะ (Generative AI) ผู้บริหารต้องเร่งออกกฎเหล็กควบคุมพนักงานอย่างเข้มงวด เช่น ห้ามนำข้อมูลลูกค้า หรือข้อมูลทรัพย์สินทางปัญญาของบริษัท (IP Address) ใส่ลงไปในระบบโดยเด็ดขาด
เช็กลิสต์ความเสี่ยง 6 ด้านก่อนใช้งาน
ดร.อสมา อธิบายต่อถึงกลไกการทำ AI Governance ว่า หัวใจสำคัญอยู่ที่กระบวนการประเมินความเสี่ยง (Risk Assessment) ซึ่งตามมาตรฐานสากลและระบบ AutoGov ของ Coraline จะต้องตรวจสอบความเสี่ยงอย่างรอบด้านถึง 6 มิติ ได้แก่ 1) ความเสี่ยงด้านจริยธรรม (Ethical Risk) เช่น การหลีกเลี่ยงอคติ (Bias) ในระบบอนุมัติสินเชื่อหรือคัดกรองใบสมัครงาน 2) ความเสี่ยงด้านความเป็นส่วนตัว (Privacy Risk) ตามกฎหมายคุ้มครองข้อมูลส่วนบุคคลหรือ PDPA 3) ความเสี่ยงด้านกฎหมาย (Legal Risk) 4) ความเสี่ยงด้านชื่อเสียง (Reputational Risk)
และอีก 2 ด้านสำคัญที่ต้องใช้ผู้เชี่ยวชาญทางเทคนิคเข้ามาตรวจสอบโดยเฉพาะ คือ 5) ความเสี่ยงด้านการปฏิบัติงาน (Operational Risk) เพื่อดูว่าระบบมีความแม่นยำและใช้งานได้จริงหรือไม่ และ 6) ความเสี่ยงด้านความปลอดภัย (Security Risk) เพื่ออุดรอยรั่วจากการถูกแฮกระบบหรือการโจมตีตัวโมเดล AI
นอกจากนี้ ดร.อสมา ยังแนะนำให้แต่ละองค์กรจัดตั้งคณะกรรมการบริหารความเสี่ยง (Risk Committee) และแต่งตั้งทีมดูแลระบบ AI (AI Steward) เข้ามาทำหน้าที่คัดกรองและประเมินความเสี่ยงเหล่านี้ร่วมกับทีมผู้พัฒนา ก่อนจะลงนามอนุมัติให้นำ AI ไปเปิดใช้งานจริงในองค์กร
บทเรียนราคาแพงจากคดีระดับโลก
ดร.อสมา เน้นย้ำว่า ความเสี่ยงของอุตสาหกรรมเหล่านี้จะพุ่งสู่ระดับอันตรายที่สุด หากองค์กรปล่อยให้เกิดภาวะ “Human out of the loop” หรือการปล่อยให้ AI ตัดสินใจและทำงานเองทั้งหมดโดยไม่มีมนุษย์คอยเฝ้าระวังหรือตรวจสอบความถูกต้อง ซึ่งระดับการควบคุมโดยมนุษย์ (Human Oversight) นั้น จริง ๆ แล้วแบ่งออกเป็น 4 ระดับ คือ:
- Human in the loop: AI ช่วยวิเคราะห์และเสนอแนะ แต่คนเป็นผู้ตัดสินใจขั้นสุดท้าย
- Human on the loop: AI ทำงานไป แต่มีคนคอยมอนิเตอร์ตลอด 24 ชั่วโมง และกดหยุดระบบได้ทันทีหากเกิดสิ่งผิดปกติ เหมือนระบบรถยนต์ขับเคลื่อนอัตโนมัติของ Tesla
- Human over the loop: AI ทำงานตามกฎเกณฑ์ที่กำหนดไว้ หากมีข้อผิดพลาด AI จะส่งสัญญาณติดต่อให้มนุษย์เข้ามาแก้ไขทันที
- Human out of the loop: AI ทำงานโดยอิสระ ไร้การแทรกแซง และไม่มีมนุษย์รับรู้เมื่อระบบเกิดปัญหา ซึ่งเป็นระดับที่อันตรายและนำไปสู่การฟ้องร้องรุนแรงที่สุด
ที่ผ่านมา ความชะล่าใจปล่อยให้ AI ทำงานแบบไร้คนคุม (Out of the loop) ได้สร้างความเสียหายจนกลายเป็นคดีความระดับโลกมาแล้ว ดังเช่นกรณีตำรวจสหรัฐฯ ใช้ระบบจดจำใบหน้า (Face Recognition) ผิดพลาดจนจับตัวคนบริสุทธิ์เข้าคุกในปี 2020 (คดีคุณโรเบิร์ต) หรือคดีแชตบอตของสายการบิน Air Canada บอกข้อมูลค่าตั๋วเครื่องบินให้ลูกค้าผิดจนถูกศาลแคนาดาสั่งปรับ แม้บริษัทจะพยายามอ้างว่าแชตบอตเป็นระบบที่แยกต่างหากก็ตาม รวมไปถึงคดีของ UnitedHealth บริษัทประกันภัยที่ใช้ AI ประมวลผลและปฏิเสธการเคลมเงินค่ารักษาพยาบาลอย่างไม่เหมาะสมจนโดนฟ้องร้องครั้งใหญ่
ในฝั่งผู้บริโภคไทยเองก็เริ่มเกิดกระแสวิพากษ์วิจารณ์หนาหู จากกรณีแชตบอตตอบคำถามลูกค้าที่ไม่สามารถช่วยเหลือได้จริง หรือระบบสแกนหน้าและระบบอายัดบัญชีธนาคารอัตโนมัติหน้างานที่ทำงานผิดพลาด แต่ลูกค้ากลับไม่สามารถติดต่อขอความช่วยเหลือจากพนักงานที่เป็นมนุษย์ได้เลย จนสร้างความเดือดร้อนไปทั่ว
Data คือกระดุมเม็ดแรกที่ต้องติด
เพื่อไม่ให้เกิดความเสียหายและคดีความดังข้างต้น ดร.อสมา ชี้ว่า ทุกองค์กรต้องเริ่มกลับมาทบทวนการจัดระเบียบข้อมูลภายใน หรือ Data Governance เป็นอันดับแรก
“ถ้าองค์กรไหนยังไม่ทำ Data Governance คุณยังไม่ได้ติดกระดุมเม็ดแรก และจะไม่มีทางก้าวไปสู่ AI Governance ได้เลย”
ดร.อสมา เปรียบเทียบว่า Data Governance เป็นเหมือนกฎระเบียบของแผนกบุคคล (HR) ที่ทุกบริษัทต้องมี เพื่อคัดกรอง บันทึกแหล่งที่มา และตรวจสอบสิทธิ์ข้อมูลให้พร้อมใช้งานจริงผ่านระบบบัญชีข้อมูล (Data Catalog) แม้ปัจจุบันเรื่องการจัดระเบียบข้อมูลจะยังไม่มีกฎหมายบังคับโดยตรงและเป็นทางเลือกขององค์กร แต่ก็เป็นสิ่งจำเป็น (Must) ที่ต้องทำ ต่างจากระบบกำกับดูแล AI (AI Governance) ที่กำลังจะเปลี่ยนผ่านไปสู่การเป็นข้อกฎหมายที่มีบทลงโทษและปรับเงินจริงในไม่ช้า
กฎหมายใหม่จ่อคิวบังคับใช้
ความเคลื่อนไหวนี้เห็นได้ชัดจากระดับสากล ซึ่งกฎหมาย EU AI Act ของยุโรปได้ประกาศใช้และเริ่มมีการปรับเงินจริงแล้วตั้งแต่ปี 2024 ดร.อสมา คาดการณ์ว่า Thailand AI Act ของประเทศไทย จะประกาศใช้ตามมาอย่างแน่นอนในเร็ว ๆ นี้ โดยจะยึดแนวทางของกฎหมายยุโรปเป็นต้นแบบ เช่นเดียวกับที่กฎหมายคุ้มครองข้อมูลส่วนบุคคล (PDPA) เคยเดินตามรอยกฎหมาย GDPR ซึ่งปัจจุบันสำนักงานพัฒนาธุรกรรมทางอิเล็กทรอนิกส์ (ETDA) ของไทย ได้เริ่มทำประชาพิจารณ์และออกแนวปฏิบัติมารองรับล่วงหน้าแล้ว
ดร.อสมา กล่าวทิ้งท้ายเตือนสติผู้บริหารทุกองค์กรว่า หากยังไม่เริ่มทำ Data Governance และ AI Governance ตั้งแต่วันนี้ จะไม่มีทางรับมือหรือปรับตัวได้ทันเมื่อกฎหมายฉบับใหม่ประกาศบังคับใช้จริง
ข่าวอื่น ๆ ที่น่าสนใจ
The Story Forum 2026 ประกาศยุค ‘AI Realism’ ชี้ไทยต้องเลิกฝัน สร้างโมเดลแข่งบิ๊กเทค
AIS ผนึกบางกอกแลนด์ ปั้น ‘เมืองทองธานี’ สู่เมืองอัจฉริยะเอกชนใหญ่ที่สุดในไทย
KBTG กางสูตรลับ V=(P+P+P)E ปลดล็อกมูลค่าองค์กรยุค Beyond ROI
