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

สรุปสาระสำคัญ

• FourCorners คือแพลตฟอร์ม AI กฎหมายไทยจาก VISAI AI ที่ตอบคำถามตรงกับคำวินิจฉัยของกระทรวงสูงถึง 75% ในขณะที่ GPT-5.5 และ Claude ทำได้ต่ำกว่า 70%

• ฐานข้อมูลของ FourCorners มีคำพิพากษาศาลฎีกากว่า 80,000 ฉบับ อัปเดตทุกวัน และเก็บเป็น Knowledge Graph กว่า 700,000 โหนด 2 ล้าน Relation

• ต่างประเทศพิสูจน์แล้วว่าคนยอมจ่ายเงินเพื่อ Legal AI จริง อย่าง Harvey และ Lexion มูลค่าบริษัทเกิน 1 พันล้านดอลลาร์แล้ว

• ตลาด Legal ไทยต่างจากต่างประเทศ เพราะทีมกฎหมายในองค์กรไทยถูกมองเป็นต้นทุน ไม่ใช่ Law Firm ขนาดใหญ่แบบสหรัฐฯ

สรุป Session: FourCorners: Enterprise AI in Legal and Why Data Matters จากงาน The Story Thailand Forum 2026 ครั้งที่ 6 โดยคุณชมปกรณ์ จักรแสงชัยโชติ, ประธานเจ้าหน้าที่บริหาร (CEO), VISAI AI

รู้จัก VISAI AI & FourCorners: สตาร์ทอัพ AI ไทย ที่เกิดจาก VISTEC สู่โซลูชันงานกฎหมายเต็มรูปแบบ

ชื่อบริษัท VISAI มาจาก VIS ที่ได้รับการสนับสนุนจาก VISTEC รวมกับคำว่า AI ผลิตภัณฑ์หลักชื่อ FourCorners (สี่มุมเมือง) — ชื่อเดียวกับกฎหมายหลักสี่เล่มของไทย แต่ระบบรองรับกฎหมายทุกฉบับ ไม่ได้จำกัดแค่สี่เล่มตามชื่อ

• คุณชมปกรณ์ จักรแสงชัยโชติ เริ่มงานที่วิสัยตั้งแต่เป็น Data Scientist ในยุคก่อนมี LLM ปัจจุบันดำรงตำแหน่ง CEO สร้าง AI มาต่อเนื่องกว่า 5 ปี ทั้งงาน Legal, Medical และท่องเที่ยว

• ทำงานวิจัยร่วมกับ อาจารย์ศรณะ อดีต CEO ซึ่งยังเป็นที่ปรึกษาบริษัทอยู่จนถึงปัจจุบัน — โฟกัสหลักคือกลยุทธ์บริษัทและการสร้างโปรดักต์ AI ร่วมกับที

AI ใช้งานได้ 2 แบบหลัก

• Automate the Routine + Augment the Expert และทั้งสองทางจะเกิดผลคุ้มค่าก็ต่อเมื่อ AI ตั้งอยู่บนพื้นฐานของข้อมูลที่เชื่อถือได้

AUTOMATE THE ROUTINE

• กำจัดงานซ้ำซากและงานที่มีมูลค่าต่ำ

• ลดต้นทุน ลดความเสี่ยงด้านการปฏิบัติตามกฎระเบียบ (Compliance risk)

• มันเข้ามาแทนที่ TASK (งาน) ไม่ใช่แทนที่คน Human stays in the loop

AUGMENT THE EXPERT

• ทำให้บุคลากรที่มีทักษะทำงานได้ Productive เพิ่มขึ้นอย่างมาก

• ปลดปล่อยพวกเขาให้ไปทำงานที่มีมูลค่าสูงกว่า

• นี่คือจุดที่การเติบโตของรายได้เกิดขึ้นจริง

แต่กว่า AI จะไป Impact ได้ทั้ง 2 ส่วนนี้ มีกำแพงต้องทะลวงมากมาย — ช่องว่างระหว่างยุค GPT-3.5 ที่เขียนบทความยังไม่ได้ กับยุคนี้ ต่างกันมหาศาล

Legal AI ในภาครัฐทั่วโลก

1. สหรัฐอเมริกา: DOGE

Elon Musk ใช้ AI สกรีนข้อมูลให้รัฐบาล Trump ช่วยทำให้ Red Tape และกระบวนการที่ยุ่งยากซับซ้อน สั้นลงและมีประสิทธิภาพขึ้น

2. ประเทศไทย: กิโยตินกฎหมาย

FourCorners สนับสนุน Initiative กิโยตินกฎหมาย ช่วยรัฐบาลตรวจสอบเอกสาร/กฎหมายที่ล้าสมัยหรือควรปรับปรุง เพิ่มประสิทธิภาพการบังคับใช้กฎหมาย

3. สหราชอาณาจักร: Caddy

AI ตอบคำถามระหว่างรัฐบาลกับประชาชน Automate การถามตอบข้อมูล สนับสนุนการสื่อสารจากภาครัฐสู่ประชาชนโดยตรง

2 คีย์เวิร์ดที่ทำให้ Legal AI ภาครัฐใช้งานได้จริงเชื่อถือได้ + ตรวจสอบได้ง่าย

ระบบต้องเชื่อถือได้: ลดความเสี่ยงจากการใช้งาน AI ในการตัดสินใจสำคัญ

ตรวจสอบต่อได้ง่าย: ข้อมูลตรวจสอบได้ ทำให้ความเสี่ยงลดลง

คีย์สำคัญที่สุดคือ Human in the Loop / Human Approved — มนุษย์ยังอยู่ในกระบวนการเสมอ แต่ประสิทธิภาพเพิ่มสูงขึ้น การนำ AI มาใช้ต้องคู่กับลูปของคนที่ตรวจสอบเสมอ

ตลาด Legal ไทย ต่างจากต่างประเทศ

• Legal Team คือ Cost Center ไม่ใช่ Law Firm ที่มูลค่าสูง

อเมริกา ค่าทนายต่อชั่วโมงแพง ทำให้ Law Firm มีขนาดใหญ่และตลาดมูลค่าสูง แต่ในไทย Legal Team ในบริษัทต่างๆ ถือเป็น Cost ที่บริษัทต้องแบกรับ แม้งานกฎหมายจะฝังอยู่ในทุก Process ขององค์กร:

• HR — ต้องทำงานกับสัญญาจ้าง กฎหมายแรงงาน

• Compliance — ความเสี่ยงและการปฏิบัติตาม Regulator

• Marketing — เขียน Copy ต้อง Comply ไม่โฆษณาเกินจริง

เพราะฉะนั้นถ้าจะทำให้ Legal AI ถูกใช้งานในไทยได้จริง ต้องไม่โฟกัสแค่ทีม Legal อย่างเดียว แต่ต้องขยายไปได้ทุกทีมในองค์กร

Friction ที่เกิดขึ้นจริง ในทีมกฎหมายไทย: งานเกินคน ทุกที่ ทุกทีม

• รอร่างสัญญานาน ต้องเสียเวลาปรึกษาทีมกฎหมาย

• การสื่อสารระหว่างทีมนอกกฎหมายกับทีมในกฎหมาย หรือแม้แต่ในทีมกฎหมายด้วยกันเอง

• คนไม่พอ งานหนักทุกที่ — ทีมกฎหมายไม่ได้ทำอะไรผิด แต่ Structure ของการนำข้อมูลกฎหมายมาใช้ในองค์กร ทำให้งานล้นมือ

FourCorners ช่วยปิดแกปนี้ด้วยระบบ AI ถามตอบกฎหมาย จัดการข้อมูลในองค์กร — จัดการเร็วขึ้น คำถามผิดพลาดน้อยลง ลดความเสี่ยงการ Comply กับ Regulator แต่เป้าหมายไม่ใช่แทนที่ทีม Legal เป็นการ Augment ให้เขาเชื่อมกับทุกองค์กรและลด Friction ให้ต่ำที่สุด

แพลตฟอร์มสืบค้นกฎหมายไทย

• ฐานข้อมูลกฎหมายครบ

• อัปเดตทุกวัน

• ตอบลึกและรอบด้าน

• อ้างอิงและตรวจสอบได้

• พร้อมใช้งานจริง

ตัวอย่างเช่น

หลักกฎหมายที่เกี่ยวข้อง
9. ความรับผิดโดยเคร่งครัด — มาตรา 437
ประมวลกฎหมายแพ่งและพาณิชย์ มาตรา 437
มาตรา 437 บุคคลใดครองครอบหรือควบคุมยานพาหนะอย่างใด ๆ อันเป็นภัยก่อให้เกิดความเสียหายแก่บุคคลอื่น ย่อมต้องรับผิดชอบเพื่อการเสียหายนั้นแต่ยานพาหนะนั้น รวมถึงตัวผู้ขับขี่ได้ว่าการเสียหายนั้นเกิดเพราะเหตุสุดวิสัยหรือเกิดเพราะความผิดของผู้อื่นอันมิใช่ตน
มาตรา 437 เป็น ความรับผิดโดยเคร่งครัด (strict liability) — จำเลยไม่ต้องพิสูจน์ว่าตนมีประมาท เพียงแต่พิสูจน์ว่า:

• ผู้ขับขี่เป็นผู้ครอบครอง/ควบคุมรถจริงตามยอม (ยานพาหนะก็ถือเป็นทรัพย์เครื่องจักรกล)

• จำเลยมีความเสียหาย

• ความเสียหายเกิดจากเครื่องจักรกลนั้น
  การพิสูจน์ยกเว้นผู้ขับขี่ — มาตรา 437 พิสูจน์ว่าเสียหายเกิดจากเหตุสุดวิสัย หรือ ความผิดของจำเลย
  . ละเมิดทั่วไป — มาตรา 420
  ประมวลกฎหมายแพ่งและพาณิชย์ มาตรา 420

รายละเอียดการอ้างอิง
1 มาตรา 437
บุคคลใดครองครอบหรือควบคุมยานพาหนะอย่างใด ๆ...
อ้างอิงร่วมกัน: มาตรา 420 x9, มาตรา 425 x8, มาตรา 422 x1

ผลิตภัณฑ์ FourCorners

• T-Lex / T-Lex Pro / T-Lex Lite — โมเดลถามตอบ วิจัย ตามหามาตรากฎหมาย และตรวจสอบคำพิพากษาศาลฎีกา

• มีกฎหมายทุกฉบับในพระราชกฤษฎีกา อัปเดตทุกวัน และลิงก์กับคำพิพากษาศาลฎีกากว่า 80,000 ฉบับ

• เชื่อมต่อกับ Notebook LM ได้ในคลิกเดียว เพื่อจัดการเอกสารส่วนตัว/Knowledge Base ขององค์กร

"กฎหมายครบถ้วนที่สุด ถูกต้องที่สุด และเราอัปเดตทุกวัน" — แพลตฟอร์มสืบค้นกฎหมายไทย พัฒนาโดยคนไทย

เมื่อใครๆ ก็สร้างแอปได้ แอปนั้นไม่ใช่ Moat

การเขียนโค้ดด้วย AI ได้กลายเป็นกระแสหลัก

75% ของโค้ดใหม่ทั้งหมดที่ Google ตอนนี้สร้างโดย AI (ผ่านการอนุมัติจากวิศวกร) — เพิ่มขึ้นจาก ~25% ในปี 2024

84% ของนักพัฒนาใช้หรือวางแผนจะใช้เครื่องมือเขียนโค้ด AI; 51% ของมืออาชีพใช้ทุกวัน

33% เชื่อมั่นในความถูกต้องของผลลัพธ์จาก AI

เมื่อใครๆ ก็สร้างแอปได้ แต่ไม่มีใครไว้ใจผลลัพธ์อย่างเต็มที่ Defensibility จึงเลื่อนลงมาอยู่ที่ Proprietary Data, Domain Trust, และ Verifiability ซึ่งตรงกับข้อมูลกฎหมายที่เราออกแบบมา มีการอ้างอิง และตรวจสอบได้ (Engineered, cited, auditable legal data) ของเราพอดี

เราไม่มีทาง Outspend Big Tech

• โมเดลออกใหม่ทุกวัน แต่ Open Source ก็ตามทันเร็วขึ้นเรื่อยๆ

Big Tech ทุ่มเงินพัฒนาโมเดลเป็นพันล้านดอลลาร์ต่อปี โมเดลใหม่ออกแทบทุกสัปดาห์ (Grok, GPT, DeepSeek) — งานวิจัยจาก Epoch AI พบว่าโมเดล Open Source ตามหลังโมเดลชั้นนำอย่าง ChatGPT/Claude เพียง 4-12 เดือน เท่านั้น

คำตอบไม่ใช่ "โมเดลใหญ่กว่า" แต่คือ ข้อมูล (Data)

If coding is easy and models keep getting smarter for free — invest in data, not the model race.

ข้อมูลที่ดีวัดยาก แชตบอตกฎหมายที่พร้อมใช้ ต้องมาพร้อมข้อมูลที่พร้อมใช้เช่นกัน — ไม่ใช่แค่ข้อมูลที่นำไปใส่ Framework ทั่วไปอย่าง Notebook LM หรือ Obsidian ได้เฉยๆ

Data Moat ของ FourCorners: Knowledge Graph + Agentic Search ที่ Big Tech ตามยาก

1. Knowledge Graph วิจัยหลายปี เก็บข้อมูลกฎหมายเป็นกราฟ ไม่ใช่เอกสารเปล่า

• ระบุได้ว่ามาตราไหนอ้างอิงมาตราไหน ถูกมาตราไหนอ้างอิงกลับ และมีกี่เวอร์ชัน — ทำให้ AI เห็นบริบททางกฎหมายครบถ้วน

2. Agentic Search ไม่ใช่ RAG ธรรมดา

• RAG ธรรมดาทำให้ AI หลอนกฎหมาย หรือได้บริบทไม่ครบ

• มีงานตีพิมพ์วิชาการพิสูจน์ว่าทำไม RAG ใช้ไม่ได้ในงานกฎหมาย และทดลองแล้วว่า FourCorners ทำงานได้ดีกว่า Microsoft GraphRAG, RAG ทั่วไป และแม้แต่ ChatGPT ที่ไปเสิร์ชเว็บเอง

3. Knowledge Graph 700,000+ Node มาตรากฎหมาย พร้อม Relation กว่า 2 ล้าน Relation

4. Version Tracking 80,000+ เวอร์ชัน แทร็กทุกเวอร์ชันกฎหมาย อัปเดตข้อมูลทุกวัน

ข้อสรุป:

เราทำงานวิจัยพื้นฐาน เพื่อสร้าง Know-how เตรียมฐานข้อมูลกฎหมายที่พร้อมที่สุด และนำความรู้นี้มาสร้าง Moat ที่แข็งแกร่ง เพื่อทำให้เราเป็น AI ถามตอบกฎหมายที่เก่งที่สุดในโลก ที่ต่างชาติไม่มีวันชนะได้