บทนำ
วันที่ 17 สิงหาคม 2569 NESDC หรือ สภาพัฒน์ เปิดเผยว่าเศรษฐกิจไทยในไตรมาส 2/2569 ขยายตัว 1.9% เมื่อเทียบกับปีก่อน ชะลอลงจาก 2.8% ในไตรมาสแรก สิ่งที่น่าสนใจสำหรับคนทำงานด้าน Tech-Law คือในข้อมูลภาษาอังกฤษของ NESDC มีการกล่าวถึงสินค้าที่เชื่อมโยงกับเทคโนโลยี AI ในบริบทของแรงขับเคลื่อนด้านการผลิตและการส่งออกด้วย
อีกไม่กี่วันก่อนหน้า เอกสาร MD&A (รายงานอธิบายผลประกอบการจากผู้บริหาร) ไตรมาส 2/2569 ของ JMART ที่เผยแพร่ผ่านระบบตลาดทุนก็พูดถึงการวาง Responsible AI Governance Structure ภายในกลุ่มบริษัทอย่างเป็นรูปธรรม
สองเรื่องนี้ดูเหมือนอยู่คนละโลก เรื่องหนึ่งคือ GDP ประเทศ อีกเรื่องคือการบริหารบริษัท แต่ถ้ามองให้ลึก ทั้งสองเรื่องกำลังชี้ไปในทิศทางเดียวกัน
AI กำลังกลายเป็นส่วนหนึ่งของโครงสร้างเศรษฐกิจ และเมื่อมูลค่าทางเศรษฐกิจเพิ่มขึ้น ความต้องการระบบกำกับดูแลก็จะตามมา
จาก AI Economy สู่ AI Accountability
ภาพแรก NESDC ระบุว่า GDP ไตรมาส 2/2569 เติบโต 1.9% เมื่อเทียบกับช่วงเดียวกันของปีก่อน ขณะที่ไตรมาสแรกเติบโต 2.8% และข้อมูลของ NESDC เชื่อมความเคลื่อนไหวของภาคการผลิตและการส่งออกส่วนหนึ่งกับสินค้าเทคโนโลยีและอิเล็กทรอนิกส์ที่เกี่ยวข้องกับ AI
นี่ไม่ได้หมายความว่า “AI ทำให้ GDP ไทยโต 1.9%” และไม่ควรตีความเช่นนั้น แต่สิ่งที่พูดได้จากข้อมูลคือ AI cycle เริ่มมีน้ำหนักมากพอที่จะปรากฏในคำอธิบายเศรษฐกิจระดับมหภาคของไทยแล้ว
ธนาคารแห่งประเทศไทยก็เคยชี้ใน Monetary Policy Forum เดือนกรกฎาคม 2569 ว่า Electronics และ AI-related sectors เป็นหนึ่งในไม่กี่กลุ่มที่ขยายตัวเด่นในช่วงที่การฟื้นตัวของภาคเศรษฐกิจอื่นยังไม่ทั่วถึง
ภาพที่สอง MD&A ไตรมาส 2/2569 ของ JMART ซึ่งเผยแพร่เมื่อวันที่ 11 สิงหาคม 2569 ระบุถึง Responsible AI Governance Structure โดยมี AI Committee ผู้บริหารที่ทำหน้าที่ขับเคลื่อน AI และเครือข่ายบุคลากรที่ช่วยนำ AI ไปใช้ในระดับองค์กร
บริษัทได้พัฒนา J.AI Arena เป็นพื้นที่กลางสำหรับการเรียนรู้และนวัตกรรมด้าน AI ขณะที่ข้อมูลเกี่ยวกับแนวทางของกลุ่ม JMART ก่อนหน้านี้สะท้อนการพยายามนำ AI เข้าไปใช้ในงานจริงหลายส่วนของธุรกิจ ไม่ใช่เพียงทดลองเครื่องมือเป็นรายบุคคล
จุดที่ Tech Law Now สนใจจึงไม่ใช่ชื่อของ Committee แต่คือ สายความรับผิดชอบ จากระดับนโยบาย ลงมาสู่ผู้บริหาร ลงมาสู่หน่วยงาน
และลงไปถึงคนที่ใช้ AI จริง นี่คือความแตกต่างระหว่าง “องค์กรที่มี AI Policy” กับ “องค์กรที่เริ่มมี AI Governance Operating Model”
“โจทย์ใหม่ไม่ใช่ว่าบริษัทมี AI หรือยัง แต่คือเมื่อ AI สร้างรายได้ สร้างความเสี่ยง หรือสร้างความเสียหาย บริษัทตอบได้หรือไม่ว่า ‘ใครรับผิดชอบ’”
การเปลี่ยนผ่านจากคณะกรรมการ AI สู่ระบบตรวจสอบ 3 ด่าน (Three Lines)
หากมองโครงสร้างที่ JMART เปิดเผยในเชิง Governance จะเห็นจุดเริ่มต้นของการแบ่งหน้าที่ระหว่างผู้กำหนดทิศทาง ผู้ที่นำ AI ไปใช้งาน และกลไกกำกับดูแล
อย่างไรก็ตาม ต้องแยกให้ชัดว่า JMART ไม่ได้ประกาศว่าโครงสร้างทั้งหมดของบริษัทเป็น Three Lines Model สำหรับ AI
ส่วนนี้เป็นการวิเคราะห์ของ Tech Law Now จากข้อมูลที่บริษัทเปิดเผย ไม่ใช่ข้อเท็จจริงที่บริษัทระบุครบทุกชั้น ภาพที่องค์กรไทยจำนวนมากอาจพัฒนาไปหาในอนาคตคือ
Board / AI Committee
กำหนดทิศทาง ขอบเขตความเสี่ยง
และสิ่งที่องค์กรยอมรับได้↓
Business Owner / AI Owner
รับผิดชอบ AI use case ผลลัพธ์ ข้อมูล
และ controls ในงานจริง↓
Risk / Legal / PDPA / Cybersecurity / Compliance
ตรวจทาน ตั้งคำถาม และติดตามความเสี่ยง↓
Internal Audit / Independent Assurance
ตรวจว่าสิ่งที่องค์กรบอกว่าทำนั้น
มีหลักฐานและทำจริงหรือไม่
โมเดลนี้ตรงกับหลัก “ระบบตรวจสอบ 3 ด่าน” (Three Lines Model) ของสมาคมผู้ตรวจสอบภายในสากล (The Institute of Internal Auditors หรือ IIA) ที่เพิ่งอัปเดตกฎเกณฑ์ล่าสุดไปเมื่อเดือนกรกฎาคม 2569 ที่ผ่านมาครับ
สิ่งสำคัญคือ AI Governance ไม่จำเป็นต้องสร้างองค์กรใหม่ทั้งชุด แต่ต้องตอบให้ได้ว่าใครทำอะไร ใครตัดสินใจ ใครตรวจ และใครรายงานต่อผู้มีอำนาจสูงสุดขององค์กร
ผลกระทบต่อธุรกิจในประเทศไทย
สิ่งที่กำลังเปลี่ยนไม่ใช่แค่เทคโนโลยี แต่คือ สถานะของ AI ภายในองค์กร
เมื่อ AI ยังเป็นเครื่องมือทดลองของพนักงาน บริษัทอาจมองว่าการกำกับดูแลเป็นเรื่องของ IT Security หรือการออก Policy ห้ามพนักงานใส่ข้อมูลลับลงใน Chatbot ก็เพียงพอ
แต่เมื่อ AI เริ่มเข้าไปเกี่ยวข้องกับยอดขาย การอนุมัติสินเชื่อ การบริการลูกค้า การวิเคราะห์พฤติกรรม การตรวจสอบคุณภาพ การบริหารพนักงาน หรือการตัดสินใจที่มีผลต่อบุคคล ปัญหาจะไม่จบที่ “ใช้ ChatGPT รุ่นไหน”
คำถามจะเปลี่ยนเป็นว่า ข้อมูลมาจากไหน มีฐานกฎหมายหรือสิทธิในการใช้หรือไม่ ผลลัพธ์ผิดใครรับผิดชอบ มีมนุษย์ตรวจหรือไม่ เก็บหลักฐานอย่างไร และใครมีอำนาจสั่งหยุดระบบ
สำหรับบริษัทจดทะเบียน เรื่องนี้ยิ่งน่าสนใจ เพราะเมื่อบริษัทเริ่มนำโครงสร้าง AI Governance ไปอธิบายในเอกสารที่ผู้ลงทุนเข้าถึงได้ AI ก็เริ่มมีคุณสมบัติของเรื่อง Corporate Governance และ Disclosure มากขึ้น ไม่ใช่เรื่องหลังบ้านของฝ่ายเทคโนโลยีเพียงอย่างเดียว และนี่อาจส่งผลต่อ SME เร็วกว่าที่หลายแห่งคิด
เพราะ SME จำนวนมากไม่จำเป็นต้องถูกกฎหมาย AI ฉบับใหม่บังคับก่อนจึงจะต้องทำ AI Governance แรงกดดันอาจมาจาก ลูกค้าองค์กร ก่อนกฎหมายเสียอีก
ตัวอย่างเช่น บริษัทใหญ่ที่มีระบบ AI Governance อาจเริ่มถาม Vendor ว่าใช้ AI ประมวลผลข้อมูลของบริษัทหรือไม่ ใช้บริการ Cloud ประเทศใด ส่งข้อมูลออกต่างประเทศหรือไม่ ใช้ข้อมูลไป train model หรือไม่ มี incident process หรือไม่ และหาก AI ให้คำตอบผิด ใครเป็นผู้รับผิดชอบ
ธุรกิจที่ตอบคำถามเหล่านี้ไม่ได้ อาจไม่ได้มีปัญหาเพราะ “ผิดกฎหมาย AI” โดยตรง แต่อาจเสียโอกาสทางธุรกิจ เพราะไม่ผ่าน Vendor Assessment หรือ Due Diligence ของคู่ค้า
อีกด้านหนึ่ง การเติบโตของ AI ยังเชื่อมกับ Data Center, Cloud และโครงสร้างพื้นฐานทางดิจิทัล ซึ่งประเทศไทยได้รับการลงทุนขนาดใหญ่ต่อเนื่องในช่วงที่ผ่านมา
เมื่อโครงสร้างเหล่านี้ใหญ่ขึ้น ปัญหาก็ไม่ได้มีเพียง Data Protection แต่ขยายไปถึงพลังงาน น้ำ Cybersecurity ความต่อเนื่องของบริการ การลงทุนต่างชาติ Supply Chain และ ESG
ดังนั้น มีเหตุผลที่จะคาดว่า การกำกับ AI ของไทยในทางปฏิบัติอาจไม่ได้เกิดผ่าน “AI Act” ฉบับเดียว แต่อาจเกิดเป็นชั้น ๆ ผ่านกฎหมาย มาตรฐาน เงื่อนไขสัญญา หลักเกณฑ์อุตสาหกรรม นโยบายของหน่วยงานกำกับ และข้อกำหนดของคู่ค้า
นี่เป็น ข้อวิเคราะห์ของ Tech Law Now ไม่ใช่การยืนยันว่าประเทศไทยได้ออกกฎเหล่านี้แล้ว และตรงนี้เองคือเหตุผลที่ธุรกิจไม่ควรรอคำถามว่า “AI Act ไทยจะออกเมื่อไร?” แต่ควรถามว่า
“วันนี้ AI ขององค์กรเราไปเกี่ยวข้องกับกฎหมายและความเสี่ยงอะไรบ้างแล้ว?”
AI Governance อาจกลายเป็น Investor Question
ในอนาคตอันใกล้ เวลาที่คุณจะไปขอเงินทุนหรือระดมทุนจากนักลงทุน (Investor) คำถามที่พวกเขาจะใช้ตัดสินใจว่าจะยอมจ่ายเงินให้คุณไหม ไม่ใช่แค่ “บริษัทคุณทำกำไรได้เท่าไหร่” อีกต่อไป แต่จะเป็นคำถามที่ว่า “บริษัทคุณมีวิธีกำกับดูแลและควบคุมการใช้ AI (AI Governance) ให้ปลอดภัยและถูกต้องตามกฎหมายอย่างไร”
ตลาดหลักทรัพย์แห่งประเทศไทยเองได้เผยแพร่เนื้อหาเกี่ยวกับการนำ AI มาใช้ในธุรกิจจดทะเบียน และชี้ให้เห็นว่า AI กำลังมีบทบาททั้งด้านประสิทธิภาพ การบริหารความเสี่ยง และ ESG
ขณะเดียวกันมีงานศึกษาที่วิเคราะห์ความสัมพันธ์ระหว่างการเปิดเผยข้อมูลเกี่ยวกับ AI ของบริษัทใน SET100 กับประเด็นต้นทุนเงินทุนด้วย แม้ผลของงานวิจัยดังกล่าวไม่ควรถูกนำไปตีความว่าการเปิดเผย AI Governance จะทำให้ต้นทุนเงินทุนลดลงโดยอัตโนมัติ แต่การมีงานศึกษาประเด็นนี้สะท้อนว่า การเปิดเผยเรื่องใช้ AI เริ่มกลายเป็นเรื่องใหญ่ในสายตานักลงทุนแล้ว
ดังนั้นคำถามจากนักลงทุนในอนาคตอาจไม่หยุดที่ “บริษัทใช้ AI หรือไม่?” แต่จะละเอียดขึ้นเป็น
- AI สร้างรายได้หรือลดต้นทุนเท่าใด
- AI use case ใดมีความเสี่ยงสูง
- ใครเป็น Executive Owner
- Board รับรู้ความเสี่ยงหรือไม่
- มี incident เกิดขึ้นหรือไม่
- มีระบบตรวจสอบความถูกต้อง Bias หรือ Privacy อย่างไร
- บริษัทพึ่งพา AI vendor รายใดมากเกินไปหรือไม่
เมื่อถึงจุดนั้น บริษัทที่มีเพียง AI Policy หนึ่งฉบับอาจตอบไม่พอ บริษัทจะต้องมี หลักฐานของ Governance ด้วย
สิ่งที่ธุรกิจไทยควรทำต่อ
- ทำ AI Inventory ก่อน สำรวจว่าแต่ละฝ่ายกำลังใช้ AI อะไร ใช้กับงานไหน ใช้ข้อมูลประเภทใด และระบบใดเชื่อมกับลูกค้า พนักงาน หรือการตัดสินใจสำคัญ
- กำหนด Owner ให้ทุก AI Use Case สำคัญ ห้ามมีระบบที่ทุกคนใช้ แต่ไม่มีใครเป็นเจ้าของความเสี่ยง
- แบ่งระดับความเสี่ยง แยก AI สำหรับงานทั่วไปออกจาก AI ที่กระทบข้อมูลส่วนบุคคล การเงิน เครดิต บุคลากร สุขภาพ หรือสิทธิของบุคคล
- เชื่อม Legal + PDPA + Cyber + Business เข้าด้วยกัน อย่าให้แต่ละฝ่ายทำ checklist ของตัวเองโดยไม่มีคนมองภาพรวม
- เริ่มเก็บ Evidence ตั้งแต่วันนี้ Policy อย่างเดียวไม่พอ ควรมีบันทึกการประเมิน การอนุมัติ การทดสอบ Incident การอบรม และการทบทวน เพื่อให้พิสูจน์ได้ว่า Governance เกิดขึ้นจริง
มุมมองผู้เชี่ยวชาญ
“เมื่อก่อนเราถามกันว่าองค์กรควรใช้ AI หรือไม่ แต่วันนี้คำถามนั้นเริ่มเก่าแล้ว เพราะคนในองค์กรใช้กันไปมากพอสมควร คำถามจริง คือ ใครรับผิดชอบมัน ถ้า AI ใช้ข้อมูลผิด ตัดสินใจผิด หรือสร้างความเสียหาย เราหาคนตอบได้หรือเปล่า”
และอีกประเด็นที่สามารถพิจารณา:
“ผมมองว่า AI Governance ที่ดีไม่ใช่การสร้างเอกสารเพิ่ม แต่คือ การทำให้ทุก AI ที่สำคัญมีเจ้าของ มีขอบเขต มีคนตรวจ และมีหลักฐาน เมื่อเกิดปัญหาจะได้ไม่ต้องเริ่มถามกันว่า ‘ระบบนี้ใครเป็นคนนำเข้ามา’”
— Phuwara Krobtaku —
LL.M. (IP & IT) | M.S. (IT) | เนติบัณฑิต & ทนายความ
แหล่งอ้างอิง
1. Office of the National Economic and Social Development Council (NESDC)
Thai Economic Performance in Q2 and the Outlook for 2026
https://www.nesdc.go.th/?ddl=116085&p=116084
ข้อมูล NESDC ที่ระบบค้นหาเผยแพร่ยืนยัน GDP Q2/2026 ที่ 1.9% YoY และกล่าวถึงสินค้าที่เกี่ยวข้องกับเทคโนโลยี AI
2. สำนักงานคณะกรรมการกำกับหลักทรัพย์และตลาดหลักทรัพย์ / Jaymart Group Holdings PCL
Management Discussion and Analysis, Quarter 2/2026
https://market.sec.or.th/public/idisc/Download?FILEID=dat%2Fnews%2F202608%2F1007NWS110820262202058440E.pdf
เอกสารเผยแพร่วันที่ 11 สิงหาคม 2569 และข้อความที่ระบบ ก.ล.ต. index ไว้ระบุ Responsible AI Governance Structure และ AI Committee
3. The Institute of Internal Auditors (IIA)
Three Lines Model — ใช้เป็นกรอบประกอบการวิเคราะห์เรื่องการแบ่งบทบาท Governance, Risk และ Independent Assurance เท่านั้น ไม่ได้หมายความว่า JMART ประกาศใช้โมเดลนี้กับ AI อย่างเป็นทางการ
4. ข้อมูลประกอบบริบท
ธนาคารแห่งประเทศไทยระบุใน Monetary Policy Forum 2/2026 ถึงการเติบโตเด่นของ Electronics และ AI-related sectors ขณะที่ข้อมูลด้านการลงทุนสะท้อนการขยายตัวของ Data Center และ Cloud Infrastructure ในประเทศไทย
