Responsible AI governance จากคำถามเรื่องความเร็วสู่คำถามว่าใครรับผิดชอบ
Responsible AI governance คือกรอบกติกาเชิงสถาบันที่กำหนดหลักคิด การตัดสินใจ และกลไกตรวจสอบสำหรับการใช้ AI ครอบคลุมตั้งแต่การออกแบบระบบ การประเมินความเสี่ยง ความโปร่งใสในการอธิบายผลลัพธ์ ไปจนถึงการเยียวยาความเสียหาย เป้าหมายคือให้ AI สร้างคุณค่าทางเศรษฐกิจได้เต็มที่โดยไม่ทิ้งช่องว่างด้านจริยธรรม ความเป็นส่วนตัว และความรับผิดชอบของมนุษย์ไว้ข้างหลัง AI กำลังกลายเป็นโครงสร้างพื้นฐานของเศรษฐกิจด้วยความเร็วที่กติกายังตามไม่ทัน ต้นทุนการประมวลผลของโมเดล GPT-3.5 ลดลงกว่า 280 เท่าในช่วงปี 2565-2567 ขณะที่ต้นทุนฮาร์ดแวร์ลดลงเฉลี่ย 30% ต่อปี และประสิทธิภาพการใช้พลังงานเพิ่มขึ้น 40% เมื่อเทคโนโลยีถูกลง เร็วขึ้น ใช้งานได้ทุกหนทุกแห่ง ช่องว่างสำคัญจึงไม่ใช่แค่ใครจะใช้ AI ได้เร็วที่สุด แต่คือใครจะออกแบบกติกาได้ก่อน เพื่อปิด “ช่องว่างแห่งความรับผิดชอบ” ที่เกิดจากการถ่ายโอนอำนาจตัดสินใจจากมนุษย์ไปสู่ระบบอัตโนมัติอย่างเงียบๆ
Accountability Gap และความจำเป็นของ AI accountability framework
เมื่อ AI สร้างคอนเทนต์ ให้คำแนะนำ จัดลำดับความสำคัญ และตัดสินใจแทนมนุษย์มากขึ้น คำถามจึงไม่หยุดที่คำตอบถูกหรือผิด แต่คือใครตรวจพบความผิดพลาด ใครมีสิทธิกดเบรก และใครรับผิดชอบแก้ไขความเสียหาย นี่คือ “ช่องว่างแห่งความรับผิดชอบ” หรือ Accountability Gap ต้นตอของปัญหาความเชื่อมั่นต่อ AI ผลสำรวจปี 2568 จากผู้ตอบกว่า 48,000 คนใน 47 ประเทศพบว่า แม้ 66% ใช้ AI ในชีวิตประจำวัน แต่มีเพียง 46% ที่เชื่อมั่นในผลลัพธ์ของ AI ตัวเลขนี้บอกชัดว่า การใช้งานไม่ได้แปลว่าไว้ใจ การสร้าง AI accountability framework จึงกลายเป็นภารกิจด่วนขององค์กร ต้องกำหนดตั้งแต่การประเมินความเสี่ยงก่อนใช้ การตรวจสอบหลังใช้งาน ไปจนถึงช่องทางร้องเรียนของผู้มีส่วนได้ส่วนเสีย ซึ่งปัจจุบันในหลายประเทศยังทำได้เพียงบางส่วนเท่านั้น โดยมีเพียง 39% ที่บังคับประเมินความเสี่ยงก่อนใช้ 31% ที่ตรวจสอบหลังใช้งาน และ 22% ที่เปิดช่องให้ประชาชนแสดงความเห็นหรือร้องเรียน
Human judgement คือเบรกและพวงมาลัยของ AI ไม่ใช่ตัวประกอบในนโยบาย
ในยุคที่ AI ถูกเปรียบเหมือนซูเปอร์คาร์ การมี “วิจารณญาณของมนุษย์” หรือ Human Judgement ในระบบจึงไม่ใช่กล่องติ๊กในเอกสาร แต่คือเบรกและพวงมาลัยของทั้งองค์กร วิจารณญาณคือสิ่งที่กำหนดว่าเราแก้ปัญหาอะไร นิยามความสำเร็จอย่างไร และยอมรับความเสี่ยงได้แค่ไหน ที่สำคัญที่สุดคือการรู้ว่าใครคือคนที่มีอำนาจหยุดระบบหรือเปลี่ยนทิศทางได้จริง ไม่ใช่ชื่อในแผนผังการบริหารที่ไม่มีความเข้าใจหรืออำนาจตัดสินใจเพียงพอ Responsible AI จึงไม่ใช่แค่ชุดหลักการสวยหรู แต่คือการออกแบบองค์กรให้การตัดสินใจของมนุษย์ชัดเจน ตรวจสอบได้ และถกเถียงได้ในทุกขั้นตอนของวงจรชีวิต AI เมื่อกรอบการตัดสินใจของมนุษย์ถูกแปลงเป็นธรรมาภิบาล AI ที่ชัดเจน ทั้งความเสี่ยงด้านอคติ ข้อมูลที่บิดเบือน การละเมิดความเป็นส่วนตัว ตลอดจนปัญหาความปลอดภัยไซเบอร์ AI ก็ถูกจัดการอย่างเป็นระบบมากขึ้น แทนที่จะปล่อยให้เป็นภาระของทีมเทคนิคเพียงฝ่ายเดียว
จากธรรมาภิบาลบนกระดาษสู่กรอบการแข่งขันใหม่ของธุรกิจ
ตัวอย่างหนึ่งของการเปลี่ยน Responsible AI governance ให้กลายเป็นโครงสร้างการแข่งขัน คือการตั้งกรอบธรรมาภิบาล AI ครอบคลุมทุกช่วงการพัฒนาสินค้าและบริการ รวมถึงการใช้แบบคัดกรองความเสี่ยง 7 ข้อ หากโครงการใดเกี่ยวกับข้อมูลส่วนบุคคลหรืออาจกระทบประชากรจำนวนมาก จะถูกจัดเป็นโครงการความเสี่ยงสูงโดยอัตโนมัติ และทุกโครงการต้องผ่านการพิจารณาของ AI Council ที่มีผู้บริหารด้านข้อมูลและ AI พร้อมผู้เชี่ยวชาญความเป็นส่วนตัวและความมั่นคงปลอดภัยร่วมกำกับ ที่สำคัญ การวางมาตรการเหล่านี้ถูกผูกเข้ากับการทำงานประจำวัน ทำให้ทีมต้องรักษาสมดุลระหว่าง “ความเร็ว” กับ “ความถูกต้อง” และทำให้ Responsible AI เป็นความรับผิดชอบร่วมของทั้งองค์กร ไม่ใช่ภาระของฝ่ายไอทีเพียงลำพัง เมื่อธรรมาภิบาล AI ฝังอยู่ในกระบวนการ ไม่ใช่แฟ้มเอกสารบนชั้น มันเริ่มกลายเป็นจุดขายด้านความน่าเชื่อถือ แทนที่จะเป็นต้นทุนเพื่อทำตามข้อบังคับเท่านั้น
ธรรมาภิบาล AI ในภาพใหญ่ ยุทธศาสตร์ ทักษะ และ sandbox นวัตกรรม
มุมมองเรื่องธรรมาภิบาล AI ไม่ได้จบในระดับองค์กร แต่ขยายไปถึงยุทธศาสตร์ระดับชาติ ยุทธศาสตร์ AI แห่งชาติของไทยกำหนดเป้าหมายพัฒนาบุคลากรด้าน AI มากกว่า 30,000 คน ผลักดันให้องค์กรอย่างน้อย 600 แห่งนำ AI ไปใช้ และสร้างผลกระทบทางธุรกิจและสังคมมูลค่า 48,000 ล้านบาทภายในปี 2570 หากไม่มีกรอบ Responsible AI ที่ชัด สิ่งเหล่านี้เสี่ยงจะกลายเป็นการเร่งความเร็วโดยไร้เบรกมากกว่าการสร้างเศรษฐกิจ AI ที่วางอยู่บนความไว้วางใจ ในอีกด้าน หน่วยงานนโยบายเริ่มพูดถึงพื้นที่ทดลองทางนวัตกรรมหรือ sandbox เพื่อให้ภาครัฐ ภาคธุรกิจ และผู้เชี่ยวชาญร่วมกันทดสอบการใช้ AI ในสภาพแวดล้อมที่ควบคุมได้ รวบรวมหลักฐานเชิงประจักษ์ ระบุความเสี่ยง และปรับมาตรการป้องกันก่อนขยายผลในวงกว้าง ขณะเดียวกันการกำหนดเงื่อนไขเรื่อง Data Sovereignty ความถูกต้องของข้อมูล และการตรวจสอบความมั่นคงปลอดภัย เช่น ท้องที่จัดเก็บและการเข้ารหัสข้อมูล ก็เป็นส่วนหนึ่งของการยกระดับความปลอดภัยไซเบอร์ AI ให้สอดคล้องกับธรรมาภิบาล AI ที่กำลังกลายเป็นมาตรฐานใหม่ของการแข่งขัน
สรุป: Responsible AI คือแต้มต่อ ไม่ใช่ภาระ
ตัวเลขหนึ่งที่ไม่ควรถูกมองข้ามคือ ราว 77% ของผู้ใช้งานชาวไทยมองว่า AI มีคุณมากกว่าโทษ นี่คือทุนทางความเชื่อที่ดี แต่จะรักษาและต่อยอดได้ก็ต่อเมื่อช่องว่างแห่งความรับผิดชอบถูกปิดด้วยธรรมาภิบาล AI ที่ใช้งานได้จริง ไม่ใช่เอกสารที่ไม่มีใครอ่าน ในโลกที่กฎระเบียบยังวิ่งตามไม่ทัน รายงานนานาชาติสะท้อนชัดว่ากลไกกำกับดูแลยังอ่อนแอ หลายองค์กรจึงไม่มีสิทธิ์รอให้ข้อบังคับบังคับใช้ก่อนแล้วค่อยขยับ แต่ต้องออกแบบ Responsible AI governance และ AI accountability framework ของตนเองตั้งแต่วันนี้ ใครทำก่อน ย่อมสะสมความไว้วางใจได้ก่อน และในเศรษฐกิจที่ AI เป็นโครงสร้างพื้นฐาน ความไว้วางใจนี่เองที่จะกลายเป็นข้อได้เปรียบทางการแข่งขันที่ลอกเลียนแบบได้ยากที่สุด
