โดย Thank Thanedpol | เผยแพร่ 11 กรกฎาคม 2569 | อ้างอิง: The Story Thailand Forum 2026

สรุปสาระสำคัญ

• AI ทำงานผิดพลาด องค์กรต้องรับผิดชอบ และคนที่ขึ้นศาลคือกรรมการผู้จัดการ ไม่ใช่ตัว AI

• 5 อุตสาหกรรมที่ต้องทำ AI Governance เดี๋ยวนี้คือ Finance, Energy, Defense, Healthcare และคมนาคม

• EU AI Act ออกใช้จริงแล้วตั้งแต่ปี 2024 และมีแนวโน้มเป็นต้นแบบให้ Thailand AI Act เหมือนที่ GDPR เคยเป็นต้นแบบ PDPA

• ก่อนจะทำ AI Governance ได้ องค์กรต้องมี Data Governance ให้เสร็จก่อน ไม่งั้นข้ามขั้นไม่ได้

• มีเคสจริงที่ AI ทำพังจนต้องขึ้นศาลแล้ว ทั้งสายการบิน ธนาคาร และคดี Face Recognition จับผิดตัว

สรุป Session: Why Every Organization Needs AI Governance — Before It's Too Late จากงาน The Story Thailand 2026 โดยดร.อสมา กุลวานิชไชยนันท์, CEO & Co-founder, บริษัท Coraline จำกัด

AI Governance คืออะไร

• รากฐานต้องมาก่อน — จาก Data-Driven Transformation สู่ Data Governance สู่ AI Governance

AI Governance คือการวางกฎระเบียบ กำหนดบทบาทหน้าที่ของผู้เกี่ยวข้อง มีกระบวนการตรวจสอบและมอนิเตอร์ AI ก่อนนำไปใช้งานจริง ทั้งในระดับบุคคลและระดับองค์กร โดยต้องเกิดจากการวางกลยุทธ์ด้าน Data ก่อน — มีตำแหน่งงานที่ชัดเจน (Infra vs Data, สาย Security ขึ้นตรงกับใคร, มี CIO/CTO หรือไม่) ทั้งหมดนี้คือ Data-Driven Transformation

ขั้นที่ 1: Data-Driven Transformation

• วางกลยุทธ์ โครงสร้างองค์กร และบทบาทหน้าที่ด้าน Data และ AI ให้ชัดเจนก่อน

ขั้นที่ 2: Data Governance

• ร่างกฎเกณฑ์การกำกับดูแลบริหารจัดการ Data ในองค์กร — เม็ดกระดุมเม็ดแรก ที่ต้องติดก่อนเสมอ

ขั้นที่ 3: AI Governance

• เซ็ตกฎระเบียบตรวจสอบ AI ก่อนนำไปใช้งาน — ทำไม่ได้ถ้ายังไม่มี Data Governance

เปรียบ Data กับ HR — ถ้าองค์กรไม่มีระบบ HR ไม่มีนโยบาย ไม่มีกฎระเบียบขาด-สาย-ลา-ป่วย องค์กรจะเติบโตไม่ได้ เช่นเดียวกัน ถ้าไม่มี Data Governance มาสกรีน ตรวจสอบ ออดิท Data แต่ละเซ็ต ก็ไม่มีทางมีประสิทธิภาพได้

ทำไม Data Governance ต้องมาก่อน AI Governance

Data Governance ไม่ใช่แค่การเขียนเล่มทางวิชาการ แต่คือการนำ Data แต่ละเซ็ตมา Implement จริง ขึ้นระบบ และจัดทำ Data Catalog / Data Inventory เพื่อแก้ปัญหาที่ไม่รู้ว่า Data อยู่ไหน ต้องขอที่ใคร ใครเป็น Owner และใครจะเป็นคน Take action

องค์กรไหนต้องทำ AI Governance บ้าง

Traditional AI (พัฒนาเอง)

องค์กรรับผิดชอบตั้งแต่ต้นจนจบ เพราะเป็นทั้งผู้พัฒนาและผู้นำมาใช้งาน

Generative AI (AI สำเร็จรูป)

แงะดูความโปร่งใสภายในไม่ได้ แต่ต้องเขียนนโยบายจำกัดการใช้งาน — ห้ามใส่ข้อมูลลูกค้า/IP Address เข้า Public AI

โดยเฉพาะ 5 อุตสาหกรรมนี้ที่ต้องทำ AI Governance เดี๋ยวนี้ เพราะข้อมูลเป็นประเภท High Risk:

1. Finance — ข้อมูลการเงิน High Risk

2. Energy — กระทบคนทั้งประเทศ/ภูมิภาค

3. Defense — ความมั่นคงประเทศ

4. Healthcare — ข้อมูล High Risk

5. คมนาคม — เสี่ยงต่ออุบัติเหตุ

AI Life Cycle: วงจรที่ AI Governance ต้องเข้าไปแทรกทุกขั้นตอน

1. Design & Mock up: ออกแบบและเตรียม Data

Data Preparation คือ จุดที่ Data Governance เข้ามาเกี่ยวข้องโดยตรง

2. Model Development: สร้างและทดสอบโมเดล

ประเมิน Accuracy, Completeness, UX/UI Design

3. Evaluate, Risk Assessment

ประเมินความเสี่ยงก่อนนำไป Deploy — ขั้นตอนที่สำคัญที่สุดของ AI Governance

4. Deploy & Monitor: มอนิเตอร์ต่อเนื่อง

ติดตามว่า AI Perform เป็นยังไง มีข้อผิดพลาดตรงไหน แล้ววนกลับสู่การพัฒนารอบใหม่

โครงสร้างการกำกับดูแล 3 ระดับจากทีมพัฒนา สู่ AI Steward สู่ Risk Committee

Level 1: Developer / Project Owner

ทีมสร้าง AI พัฒนาเสร็จแล้ว Register AI กับทีม AI Steward

Level 2: AI Steward

รวบรวมข้อมูลตาม Template ตรวจสอบความเสี่ยงร่วมกับทีมที่เกี่ยวข้องและทีม AI Audit — ต้องเข้มแข็งมาก เพราะถ้าไม่เข้มแข็ง ความเสี่ยงของ Level 1 เข้าศาลได้

Level 3: Risk Committee

โหวตรับความเสี่ยงและวิธีป้องกัน Sign off ก่อนนำ AI ขึ้น Production — ใช้ Judgment ของมนุษย์เพราะไม่มี Threshold ตายตัว

Reuse ทีมที่ทำ Data Governance มาทำ AI Governance ต่อได้ทันที — องค์กรมี Data นับพันเซ็ต แต่ AI ไม่ถึงร้อยเซ็ต งาน AI Steward จึงน้อยกว่างาน Data Steward

กฎหมายและ Framework ที่เกี่ยวข้อง

• EU AI Act ต้นแบบของ Thailand AI Act ที่กำลังจะมา

1. NIST Risk Framework — กระบวนการตรวจสอบความเสี่ยง

2. UNESCO Recommendation on AI Ethics — ประเด็น Ethical Risk

• แต่ละ Industry มี Framework เฉพาะ เช่น Banking, Insurance (คปภ.)

• ETDA (ไทย) ทำ Public Hearing และออก Guideline สำหรับ AI Governance แล้ว

EU AI Act (2024) กฎหมายที่เข้มแข็งที่สุดและปรับจริงแล้ว แบ่งความเสี่ยงเป็น 4 ระดับ:

ระดับ 1: Unacceptable Risk - ยอมรับไม่ได้ ห้ามใช้งาน

ระดับ 2: High Risk - ต้องมี Model Card, Risk Assessment, Register Trademark, Human Oversight

ระดับ 3: Limited Risk - ต้องแจ้งให้ผู้ใช้ทราบว่ากำลังโต้ตอบกับ AI

ระดับ 4: Minimal Risk - ความเสี่ยงต่ำ ไม่มีข้อบังคับเข้มงวด

เหมือน GDPR ที่ตามมาด้วย PDPA ใน 2 ปี — EU AI Act ออกปี 2024 → Thailand AI Act ใกล้มาแน่นอน ต่างจาก Data Governance ที่ยังไม่มีข้อบังคับ AI Governance มีกฎหมายบังคับและปรับจริงแล้ว

Human Oversight 4 ระดับ

ระดับ 1: Human in the loop

AI เสนอแนะ คนตัดสินใจตอนจบ เช่น AI วินิจฉัยโรค แต่แพทย์เป็นผู้แจ้งผู้ป่วยและเลือกใช้คำวินิจฉัยหรือไม่ก็ได้ — ความรับผิดชอบแบ่งครึ่งระหว่างองค์กรกับแพทย์

ระดับ 2: Human on the loop

AI ทำงานไป มนุษย์มอนิเตอร์ตลอด 24 ชั่วโมง และหยุดการทำงานได้ทุกเมื่อ เช่น รถขับเคลื่อนอัตโนมัติ Tesla ที่ให้จับพวงมาลัยเป็นระยะเพื่อทดสอบว่ายังมอนิเตอร์อยู่

ระดับ 3: Human over the loop

AI ทำงานตามกฎเกณฑ์ที่กำหนด หากผิดพลาด AI ติดต่อมนุษย์ได้ทันที เช่น Chatbot ตอบผิดแล้วผู้ใช้ขอคุยกับเจ้าหน้าที่

ระดับ 4: Out of the loop

AI ทำงานไปเลยโดยไม่มีคนยุ่งเกี่ยว ต่อให้มีปัญหาเกิดขึ้น คนก็ไม่ทราบเรื่อง — ระดับที่อันตรายที่สุดและควรหลีกเลี่ยง

Use Case & ระดับความเสี่ยงในชีวิตจริง

• ระบบคัดกรอง CV — มีข้อมูล Privacy เกี่ยวข้อง เป็น Limited ถึง High Risk มักเกิด Bias เรื่องสถาบัน อายุ เพศ สัญชาติ เชื้อชาติ

• สินเชื่อ — มีข้อมูล Finance จึงเป็น High Risk แน่นอน ต้องมี Human in the loop เป็นผู้ Approve ขั้นสุดท้าย

• AI Chatbot — ต้องตรวจสอบข้อมูลส่วนบุคคลและยืนยันตัวตนก่อน จัดเป็น High Risk ได้ ควรเป็น Over the loop ห้ามเป็น Out of the loop เด็ดขาด

• Vision AI (สแกนหน้า) — ควรเป็น Over the loop หากสแกนไม่ผ่านต้องมีระบบแจ้งเตือนเจ้าหน้าที่ โดยเฉพาะข้อมูลยืนยันตัวตนหรือการเงิน

บทเรียนจากเคสจริง เมื่อ AI Governance ไม่มี ผลลัพธ์คือการฟ้องร้อง

สายการบิน: ติดต่อ Chatbot ไปแล้วไม่ตามให้ เงียบกริบ — เป็น Out of the loop บอททำงานไม่ดีแต่เจ้าหน้าที่ไม่ทราบ เพราะไม่มีระบบ Monitoring

ธนาคาร: บัญชีถูกอายัดเพราะสแกนหน้าผิดพลาด — Out of the loop ไม่มีเจ้าหน้าที่รู้ ผลักภาระให้ลูกค้าต้องแจ้งเรื่องเอง ทั้งที่เป็นข้อมูลยืนยันตัวตนและการเงิน

Robert v. Police (2020): ตำรวจใช้ Face Recognition ระบุผิดว่าเป็นผู้ต้องหา แม้ยืนยันว่าไม่ใช่ก็ต้องเข้าคุก สุดท้ายศาลตัดสินว่าจับผิดคนเพราะใช้ AI และสั่งให้หน่วยงานตำรวจรับผิดชอบ

Air Canada Chatbot: Chatbot ตอบคำถามเรื่องค่าโดยสารผิดพลาด ส่งผลให้บริษัทถูกฟ้องร้อง

บริษัทประกัน: ประมวลผลการเคลมผิดพลาด ทำให้ระบบการเคลมเสียหายและถูกฟ้องร้อง

คำถามที่พบบ่อย (FAQ)

Q: ถ้าองค์กรยังไม่เคยทำ AI Governance เลย ต้องเริ่มจากตรงไหนก่อน?

A: เริ่มจาก Data Governance ก่อนเสมอ เพราะ AI Governance ต่อยอดจากฐาน Data ที่สะอาดและตรวจสอบได้

Q: ถ้าใช้แค่ ChatGPT หรือ Generative AI สำเร็จรูป ต้องทำ Governance ด้วยไหม?

A: ต้องมี อย่างน้อยคือนโยบายกำกับการใช้งาน เช่น ห้ามใส่ข้อมูลลูกค้าหรือข้อมูลลับเข้าไปใน AI สาธารณะ

Q: Thailand AI Act จะออกมาเมื่อไหร่?

A: ในทอล์กยังไม่ได้ระบุวันที่ชัดเจน แต่วิทยากรชี้ว่ามีแนวโน้มตามรอย EU AI Act เหมือนที่ PDPA เคยตามหลัง GDPR

Q: บริษัทเล็กๆ ที่ยังไม่ใช่ 5 อุตสาหกรรม High Risk ต้องทำด้วยไหม?

A: AI Governance จำเป็นกับทุกองค์กรที่ใช้ AI เพียงแต่ 5 อุตสาหกรรมนี้ต้องทำเข้มข้นและเร่งด่วนกว่ากลุ่มอื่น

ข้อสรุป:

AI Governance เป็นไปตามข้อกฎหมายที่หนีไม่ได้ ทุกองค์กรต้องทำ แต่ Data Governance สำคัญกว่าในทางปฏิบัติ เพราะไม่มีข้อกฎหมายบังคับ แต่เป็น A Must สำหรับองค์กร เพียงแต่ Impact ของ AI Governance แรงกว่า ทั้งในมิติข้อกฎหมายและความผิดพลาดหน้างาน