บทนำ
AI กำลังเปลี่ยนสถานะจากเครื่องมือที่เรา “ถามแล้วรอคำตอบ” ไปเป็นระบบที่สามารถรับเป้าหมาย เลือกขั้นตอน ใช้เครื่องมือ และดำเนินการบางอย่างต่อได้เอง ความเปลี่ยนแปลงนี้ทำให้หน่วยงานกำกับในหลายประเทศเริ่มมอง Agentic AI เป็นโจทย์ความปลอดภัยและธรรมาภิบาลชุดใหม่ ไม่ใช่เพียงส่วนต่อขยายของ Generative AI เดิม
สิ่งที่ธุรกิจไทยควรจับตาไม่ใช่แค่ว่า “ประเทศไหนจะออกกฎหมายอะไร” แต่คือมาตรฐานการบริหารความเสี่ยงที่กำลังก่อตัวขึ้นว่า เมื่อองค์กรให้อำนาจ AI ลงมือทำ องค์กรต้องพิสูจน์ให้ได้ด้วยว่าอำนาจนั้นถูกจำกัดและตรวจสอบได้
“ความเสี่ยงของ Agentic AI ไม่ได้เริ่มตอน AI ตอบผิด แต่เริ่มตั้งแต่วินาทีที่องค์กรให้สิทธิ์มัน ‘ทำผิดได้’ โดยไม่มีระบบหยุด”
ข้อเท็จจริง
NIST ของสหรัฐฯ ระบุ Agent Security Evaluations เป็นหนึ่งในงานด้านการทดสอบและประเมิน AI ของ Center for AI Standards and Innovation หรือ CAISI และยังให้ความสำคัญกับความเสี่ยงจากการโจมตี Agent รวมถึง Agent hijacking และ prompt injection
ประเด็นที่สำคัญต่อภาคธุรกิจอยู่ในงานด้านความปลอดภัยของ AI Agent ซึ่ง NIST ตั้งคำถามถึงวิธีลดความเสี่ยงในสภาพแวดล้อมที่ Agent ถูกนำไปใช้งานจริง รวมถึงแนวทาง จำกัดและติดตามระดับการเข้าถึงของ Agent ภายในระบบ นั่นทำให้เรื่อง permission และ monitoring กลายเป็นส่วนหนึ่งของโจทย์ AI security โดยตรง
จีนเดินอีกแนวทางหนึ่ง โดยหน่วยงานภาครัฐหลายแห่งร่วมออกแนวทางสำหรับ AI Agents ในเดือนพฤษภาคม 2026 กำหนดหลักสำคัญเรื่องความปลอดภัยและการควบคุมได้ การพัฒนาอย่างเป็นระเบียบและมีมาตรฐาน ตลอดจนการสนับสนุนนวัตกรรมและการใช้งานจริง แนวทางดังกล่าวยังมอง Agent ว่าเป็นระบบที่สามารถรับรู้ จดจำ ตัดสินใจ โต้ตอบ และดำเนินการได้ด้วยตัวเอง
ส่วนสิงคโปร์เปิดตัว Model AI Governance Framework for Agentic AI ในเดือนมกราคม 2026 และเผยแพร่ฉบับปรับปรุงในเดือนพฤษภาคมปีเดียวกัน โดยแนวทางของ IMDA ให้ความสำคัญกับการประเมินความเสี่ยงตั้งแต่ต้น การกำหนดขอบเขตอำนาจของ Agent และการรักษาความรับผิดชอบและการกำกับดูแลของมนุษย์ไว้ พร้อมเสนอทั้งมาตรการทางเทคนิคและมาตรการด้านกระบวนการองค์กร
สามกรณีนี้จึงไม่ควรถูกตีความว่ากำลังเกิด “กฎหมาย Agentic AI ฉบับเดียวของโลก” แต่สะท้อนแนวโน้มที่สำคัญกว่าในทางปฏิบัติ คือ การกำกับ AI เริ่มเคลื่อนจากคำถามว่าโมเดลสร้างคำตอบอย่างไร ไปสู่คำถามว่าองค์กรอนุญาตให้ AI ทำอะไรในโลกจริง
ผลกระทบต่อธุรกิจในประเทศไทย
สำหรับองค์กรไทย ความเปลี่ยนแปลงนี้มีความสำคัญเพราะ Agentic AI สามารถทำให้เส้นแบ่งระหว่าง “ซอฟต์แวร์ช่วยงาน” กับ “ผู้ปฏิบัติการแทนองค์กร” บางลงอย่างรวดเร็ว ตัวอย่างเช่น AI Customer Service Agent ที่มีเพียงหน้าที่ร่างคำตอบมีระดับความเสี่ยงหนึ่ง แต่ถ้า Agent ตัวเดียวกันสามารถเปิด CRM ตรวจข้อมูลส่วนบุคคล เปลี่ยนสถานะลูกค้า อนุมัติส่วนลด หรือคืนเงินได้ ความเสี่ยงจะเปลี่ยนทันที เพราะความผิดพลาดหนึ่งครั้งอาจไม่ได้จบที่ข้อความผิด แต่กลายเป็นการกระทำในระบบจริง
ในมุม PDPA ประเด็นจึงไม่ได้มีเพียงคำถามว่า AI “เห็นข้อมูลลูกค้าหรือไม่” แต่ต้องถามต่อว่า Agent เข้าถึงข้อมูลประเภทใด เข้าถึงได้มากเท่าใด ใช้ข้อมูลตามวัตถุประสงค์อะไร เชื่อมต่อกับผู้ให้บริการภายนอกหรือไม่ และมีมาตรการด้านความมั่นคงปลอดภัยเหมาะสมเพียงใด หลักการด้านการกำหนดวัตถุประสงค์ ฐานการประมวลผล การเปิดเผยข้อมูล และมาตรการรักษาความมั่นคงปลอดภัยยังคงเป็นประเด็นที่องค์กรต้องพิจารณาเมื่อมีการประมวลผลข้อมูลส่วนบุคคล
อีกด้านหนึ่งคือ ความรับผิดชอบภายในองค์กร สมมติ Agent ฝ่ายจัดซื้อส่งคำสั่งซื้อผิดจำนวน Agent ฝ่ายการตลาดส่งข้อมูลที่ไม่ควรออกไปภายนอก หรือ Coding Agent แก้ไขระบบ production แล้วทำให้บริการเสียหาย คำถามสำคัญหลังเกิดเหตุจะไม่ใช่แค่ “AI ทำอะไร” แต่จะย้อนกลับมาที่องค์กรว่า ใครอนุมัติให้ Agent มีสิทธิ์นั้น ใครกำหนดวงเงินหรือขอบเขต ใครเฝ้าระวัง และมีข้อมูลย้อนหลังเพียงพอที่จะตรวจสอบเหตุการณ์หรือไม่
นี่คือเหตุผลที่แนวโน้มจาก NIST และสิงคโปร์น่าสนใจกับบริษัทไทยมาก เพราะมันทำให้ permission architecture หรือ การออกแบบสิทธิ์ของ Agent กลายเป็นส่วนหนึ่งของ AI Governance ไม่ต่างจากที่องค์กรเคยออกแบบสิทธิ์ของพนักงานในระบบ IT ผู้ใช้งานไม่ควรได้สิทธิ์ทุกอย่างเพียงเพราะสะดวก และ AI Agent ก็ไม่ควรได้สิทธิ์ทุกอย่างเพียงเพราะต้องการ automation ที่เร็วที่สุดเช่นกัน
ประเทศไทยเองก็กำลังเดินหน้าพัฒนากรอบ AI Governance อย่างต่อเนื่อง โดย ETDA ระบุในทิศทางงานปี 2026 ว่ามี AI Governance Guideline และ Toolkits หลายชุดพร้อมใช้งาน และกำลังพัฒนาเครื่องมือประเมินผล กระทบเพิ่มเติม ขณะเดียวกันระบบกลางทางกฎหมายยังมีการรับฟังความคิดเห็นเกี่ยวกับกรอบกฎหมายและมาตรการส่งเสริม/กำกับ AI ในปี 2026 ด้วย
ดังนั้น การรอให้มีกฎหมาย Agentic AI ที่ระบุคำว่า “AI Agent” อย่างชัดเจนก่อนแล้วจึงเริ่มวางระบบ อาจช้าเกินไปสำหรับองค์กรที่เปิด Agent ให้เชื่อมกับข้อมูลและระบบสำคัญอยู่แล้ว เพราะความเสี่ยงจากข้อมูล ความมั่นคงปลอดภัย สัญญา การควบคุมภายใน และความรับผิดขององค์กรสามารถเกิดขึ้นได้ตั้งแต่วันที่ Agent เริ่มลงมือทำ
“ในยุค Agentic AI หลักฐานว่า ‘องค์กรยังควบคุม AI ได้’ อาจมีค่ามากพอ ๆ กับหลักฐานว่า ‘AI ทำงานได้ดี’”
สิ่งที่กำลังก่อตัวขึ้นจึงอาจเรียกได้ว่าเป็น Governance of Authority ไม่ได้ตรวจเฉพาะตัวโมเดล แต่ตรวจว่าองค์กรให้อำนาจอะไรแก่ AI วางเงื่อนไขอะไรไว้ก่อนใช้อำนาจนั้น และสามารถย้อนกลับไปพิสูจน์ได้หรือไม่ว่าใครหรือระบบใดเป็นผู้อนุมัติแต่ละขั้นตอน
สำหรับองค์กรที่ต้องขายบริการให้บริษัทข้ามชาติ หรือรับงานจากลูกค้าที่มี AI Governance requirement สูง ประเด็นนี้ยังอาจกลายเป็นเรื่องทางการค้าเร็วกว่าที่กฎหมายไทยกำหนดเสียอีก เพราะลูกค้า คู่ค้า ผู้ตรวจสอบ หรือบริษัทแม่สามารถกำหนดมาตรฐานการควบคุม Agent ผ่านสัญญา procurement requirement หรือ security assessment ได้ โดยไม่จำเป็นต้องรอให้รัฐออกกฎหมายเฉพาะเรื่อง Agentic AI ก่อน
สิ่งที่ควรทำต่อ
- ทำ Agent Inventory ให้ชัด
สำรวจว่าองค์กรมี AI Agent ตัวใดบ้าง เชื่อมต่อกับระบบไหน และสามารถ “อ่าน / เขียน / แก้ไข / ส่ง / อนุมัติ” อะไรได้จริง - กำหนด Permission ตามระดับความเสี่ยง
อย่าให้ Agent ใช้บัญชีหรือ API ที่มีสิทธิ์กว้างเกินงานที่จำเป็น โดยเฉพาะระบบการเงิน CRM ข้อมูลพนักงาน ระบบ production และข้อมูลส่วนบุคคล - กำหนด Human Approval Point
งานที่มีผลกระทบสูง เช่น การโอนเงิน ลบข้อมูล ส่งข้อมูลออกนอกองค์กร เปลี่ยนสิทธิ์ หรือดำเนินการที่ย้อนกลับยาก ควรกำหนดจุดที่มนุษย์ต้องอนุมัติก่อน - เก็บหลักฐานให้ Audit ได้
ควรสามารถตอบย้อนหลังได้ว่า Agent ได้รับคำสั่งอะไร ใช้เครื่องมือใด เข้าถึงข้อมูลอะไร ทำอะไร เมื่อใด และระบบหรือบุคคลใดอนุมัติการดำเนินการสำคัญ - ทดสอบเหตุการณ์ที่ Agent ถูกหลอกหรือทำงานนอกขอบเขต
Red team ไม่ควรทดสอบเฉพาะว่าโมเดลพูดอะไรผิด แต่ต้องทดสอบด้วยว่า prompt injection หรือข้อมูลที่เป็นอันตรายสามารถทำให้ Agent เรียกใช้เครื่องมือหรือเข้าถึงทรัพยากรเกินสิทธิ์ได้หรือไม่ ซึ่งเป็นความเสี่ยงที่ NIST ให้ความสนใจโดยตรง
อ่านเพิ่มเติม: กรณีจริงของ AI agent ที่ทำเกินคำสั่งในบัญชีธนาคาร อ่านต่อที่ แบงก์ใหญ่สหรัฐพบ AI agent ล็อกอินบัญชีลูกค้าด้วยรหัสของลูกค้าเอง บางตัวทำเกินคำสั่ง แบงก์และฟินเทคไทยต้องตั้งกติกา agent
แหล่งอ้างอิง
1. National Institute of Standards and Technology (NIST)
NIST Artificial Intelligence Update — March 27, 2026
https://www.nist.gov/system/files/documents/2026/03/27/03_AI%20Update-March.pdf
2. The State Council of the People’s Republic of China / Xinhua
China unveils guidelines to regulate, boost innovative development of AI agents — May 8, 2026
https://english.www.gov.cn/news/202605/08/content_WS69fde8e2c6d00ca5f9a0ad49.html
3. Infocomm Media Development Authority (IMDA), Singapore
Singapore Launches New Model AI Governance Framework for Agentic AI — January 22, 2026
https://www.imda.gov.sg/resources/press-releases-factsheets-and-speeches/press-releases/2026/new-model-ai-governance-framework-for-agentic-ai
4. Infocomm Media Development Authority (IMDA), Singapore
Updated Model AI Governance Framework for Agentic AI — May 20, 2026
https://www.imda.gov.sg/resources/press-releases-factsheets-and-speeches/factsheets/2026/updated-model-ai-governance-framework-for-agentic-ai
5. Electronic Transactions Development Agency (ETDA), Thailand
AI 2026 — Driving Trust AI Governance
6. ระบบกลางทางกฎหมาย (law.go.th)
ข้อมูลการรับฟังความคิดเห็นเกี่ยวกับกรอบส่งเสริมและกำกับการพัฒนาและประยุกต์ใช้ AI ในปี 2569
