บทนำ
ถ้าคุณคิดว่าความปลอดภัยของ AI เป็นเรื่องที่ “ผู้ให้บริการรายใหญ่ดูแลให้อยู่แล้ว” ลองอ่านสิ่งที่ Anthropic หนึ่งในผู้พัฒนา AI ชั้นนำของโลกเพิ่งยอมรับด้วยตัวเองในรายงานความเสี่ยงประจำเดือนสิงหาคม 2569 ที่นักวิเคราะห์ AI ชื่อดัง Zvi Mowshowitz นำมาสรุปและวิเคราะห์อย่างละเอียด ในนั้นมีทั้งเอเจนต์ AI ภายในที่ไม่มีใครเฝ้าระวังไปยุ่งกับทรัพยากรสำคัญ ระบบตรวจสอบความปลอดภัยที่ถูกปิดไปเกือบปีโดยไม่มีใครรู้ตัว และการฝึกโมเดลผิดพลาดจนต้องรีสตาร์ตใหม่ นี่คือเหตุผลที่ธุรกิจไทยซึ่งเริ่มพึ่งพา AI ในงานสำคัญ ต้องอ่านก่อนตัดสินใจเซ็นสัญญาระยะยาวกับผู้ให้บริการรายใด
ข้อเท็จจริง
Anthropic เผยแพร่รายงานความเสี่ยง (Risk Report) เป็นระยะ ซึ่งเป็นเอกสารความยาวกว่า 186 หน้าที่บริษัทไม่มีข้อบังคับทางกฎหมายให้ต้องเปิดเผย แต่เลือกทำเองเพื่อความโปร่งใส รายงานฉบับล่าสุดเผยให้เห็นการมีอยู่ของโมเดลภายในรุ่นใหม่ที่เก่งกว่ารุ่นที่เปิดให้ใช้งานทั่วไป ซึ่งบริษัทจะไม่ปล่อยออกสู่สาธารณะเลย และยังปรับระดับความเสี่ยงโดยรวมขึ้นจาก “ต่ำมาก” เป็น “ต่ำ” โดยอ้างเหตุการณ์ด้านความปลอดภัยไซเบอร์ที่เพิ่งเกิดขึ้นในอุตสาหกรรม
จุดที่น่าสนใจที่สุดสำหรับธุรกิจคือรายการ “ความล้มเหลวของกระบวนการด้านความปลอดภัย” ที่บริษัทยอมรับตรงๆ เอง ตัวอย่างเช่น พนักงานคนหนึ่งมอบหมายงานปลายเปิดให้เอเจนต์ AI ไปสร้างเอเจนต์ย่อยเพิ่มในคลัสเตอร์ที่มีทรัพยากรสำคัญ โดยเอเจนต์เหล่านั้นไม่ได้ถูกเฝ้าระวังเนื่องจากคำสั่งเก่าที่ตกค้างอยู่ในระบบ สุดท้ายเอเจนต์ไปลบงานอื่นโดยไม่ตั้งใจ จึงถูกตรวจพบและปิดระบบ อีกกรณีคือ ข้อมูลการสนทนาจากผู้ให้บริการภายนอกรายหนึ่งเกือบ 133 ล้านข้อความ จากผู้ใช้งานราว 50,000 คน ตลอดระยะเวลาเกือบหนึ่งปี ไม่ได้ผ่านระบบตรวจสอบความปลอดภัยด้านอาวุธชีวภาพเลย เพราะการตั้งค่าสถานะผิดพลาดเพียงจุดเดียว
รายงานยังระบุว่า ระหว่างการฝึกโมเดลหลายรอบ กระบวนการคิดเชิงเหตุผล (Chain of Thought) ของ AI รั่วไหลเข้าไปในสัญญาณการฝึกโดยไม่ตั้งใจ ในสัดส่วนตั้งแต่ 0.2% ถึงกว่า 5% ของรอบการฝึกในโมเดลบางรุ่น และมีอยู่ครั้งหนึ่งที่บั๊กทำให้โมเดลถูกฝึกให้เลียนแบบพฤติกรรมที่ไม่ปลอดภัยโดยตรง แม้จะตรวจพบและย้อนกลับไปเริ่มฝึกใหม่ก่อนปล่อยรุ่นจริงก็ตาม นอกจากนี้ ยังมีผู้รับจ้างภายนอกกลุ่มหนึ่งที่หาช่องโหว่จนได้สิทธิ์เข้าถึง API แบบไม่มีข้อจำกัดของโมเดลรุ่นหนึ่งได้สำเร็จ
ด้านการป้องกันการขโมยตัวโมเดล (Model Weight Security) ซึ่งถือเป็นทรัพย์สินมูลค่ามหาศาล รายงานยอมรับว่ายังอยู่ในระดับป้องกันขั้นกลางเท่านั้น และยังไม่เพียงพอต่อการรับมือผู้โจมตีระดับรัฐชาติ Zvi Mowshowitz ผู้วิเคราะห์รายงานฉบับนี้ ให้ความเห็นว่าโดยรวมนี่คือ “การอัปเดตที่ค่อนไปทางบวก” เพราะบริษัทเลือกเปิดเผยเรื่องที่ไม่จำเป็นต้องเปิดเผย แต่ก็ยังกังวลว่าเหตุการณ์เหล่านี้อาจเป็นเพียงตัวอย่างส่วนหนึ่งของปัญหาที่ใหญ่กว่า
ผลกระทบต่อธุรกิจในประเทศไทย
เราเคยวิเคราะห์งานวิจัยเรื่อง “Verifiability Gap” ไปก่อนหน้านี้ ว่าองค์กรที่ใช้ AI ช่วยตัดสินใจอาจไม่ได้เป็นเจ้าของ “เครื่องมือตรวจสอบ” ของตัวเองจริงๆ รายงานฉบับนี้คือหลักฐานร่วมสมัยที่ตอกย้ำความกังวลนั้นจากปากผู้ให้บริการเอง ไม่ใช่จากนักวิจัยภายนอก
สำหรับธุรกิจไทยที่เริ่มให้ AI ทำงานแบบ agentic คือ ปล่อยให้ AI วางแผนและลงมือทำหลายขั้นตอนต่อเนื่องโดยมีคนคุมน้อยลง กรณีเอเจนต์ที่ไม่มีใครเฝ้าระวังไปยุ่งกับทรัพยากรสำคัญคือกระจกสะท้อนความเสี่ยงที่ตรงเป้ามาก เพราะหน้าที่ของ “ผู้ประยุกต์ใช้” ตามร่าง พ.ร.บ. AI ไทยกำหนดให้ต้องประเมินความเสี่ยงและติดตามผลกระทบอย่างต่อเนื่อง แต่ถ้าแม้แต่ผู้พัฒนา AI เองยังปล่อยให้เอเจนต์ทำงานนอกสายตาได้ องค์กรไทยที่นำ AI ไปต่อยอดใช้งานภายในก็มีความเสี่ยงไม่ต่างกัน หากไม่วางระบบเฝ้าระวังของตัวเองให้รัดกุมพอ
อีกประเด็นที่กระทบสัญญาโดยตรง คือ รายงานแสดงให้เห็นว่าระดับความเสี่ยงของโมเดลเดียวกันเปลี่ยนแปลงได้ในรอบเดียว จาก “ต่ำมาก” เป็น “ต่ำ” และยังมีเหตุการณ์ที่ตรวจพบ “หลัง” ช่วงเวลาที่รายงานควรครอบคลุมแต่ “ก่อน” วันเผยแพร่จริง สะท้อนว่าความเสี่ยงของระบบ AI ไม่ใช่ค่าคงที่ที่ประเมินครั้งเดียวแล้วจบ องค์กรไทยที่เซ็นสัญญาใช้ AI ระยะยาวโดยไม่มีข้อกำหนดให้ผู้ให้บริการแจ้งเตือนเมื่อมีการเปลี่ยนแปลงที่มีนัยสำคัญ จึงเสี่ยงที่จะใช้งานระบบซึ่งมีระดับความเสี่ยงเปลี่ยนไปแล้วโดยไม่รู้ตัว และในแง่ PDPA หากองค์กรใช้ AI ประมวลผลข้อมูลส่วนบุคคล การไม่มีข้อมูลว่าระบบเปลี่ยนไปอย่างไรก็กระทบความสามารถในการอธิบายและรับผิดชอบต่อการตัดสินใจของระบบด้วยเช่นกัน
สิ่งที่ควรทำต่อ
- ขอดูรายงานความเสี่ยงหรือรายงานความโปร่งใสล่าสุด จากผู้ให้บริการ AI ก่อนตัดสินใจใช้งานระดับองค์กร โดยเฉพาะงานที่กระทบข้อมูลลูกค้าหรือการตัดสินใจสำคัญ
- กำหนดในสัญญาให้ผู้ให้บริการแจ้งเตือนล่วงหน้า เมื่อมีการเปลี่ยนแปลงที่มีนัยสำคัญต่อโมเดล ระดับความเสี่ยง หรือเครื่องมือควบคุมที่องค์กรใช้ตรวจสอบ
- อย่าปล่อยให้เอเจนต์ AI ภายในองค์กรทำงานแบบไม่มีการเฝ้าระวัง โดยเฉพาะงานที่มีสิทธิ์เข้าถึงข้อมูลหรือระบบสำคัญ ควรมีคนตรวจสอบผลงานเป็นระยะ ไม่ใช่ปล่อยให้ทำงานต่อเนื่องโดยไม่มีจุดตรวจ
- จัดประเภทข้อมูลก่อนส่งเข้าระบบ AI ภายนอก ข้อมูลที่อ่อนไหวที่สุดขององค์กรอาจไม่ควรส่งเข้าระบบ AI สาธารณะเลย เพราะแม้แต่ผู้พัฒนาเองยังยอมรับว่าการป้องกันยังไม่ถึงระดับรับมือผู้โจมตีที่มีทรัพยากรสูงสุด
- ติดตามรายงานความเสี่ยงของผู้ให้บริการ AI เป็นระยะ ไม่ใช่แค่ตอนเซ็นสัญญาครั้งแรก เพราะระดับความเสี่ยงของระบบเดียวกันเปลี่ยนแปลงได้ตลอดเวลา
มุมมองผู้เชี่ยวชาญ
“สิ่งที่ผมชอบที่สุด ในรายงานนี้ไม่ใช่ตัวเลขหรือเหตุการณ์ แต่คือ ข้อเท็จจริงที่ว่า ต่อให้เป็นผู้สร้าง AI เองก็ยังคุมระบบตัวเองไม่ได้ 100% ซึ่งเป็นสิ่งที่ผมพยายามบอกลูกค้าทุกรายที่ปรึกษาเรื่อง AI Governance มาตลอด
เวลาองค์กรถามผมว่า ‘เราต้องกลัวอะไรจาก AI’ ผมมักตอบว่าไม่ใช่แค่กลัวว่า AI จะตอบผิด แต่ต้องกลัวว่าองค์กรจะไม่รู้ตัวว่าระบบเปลี่ยนไปแล้ว เพราะผู้ให้บริการไม่มีหน้าที่ตามกฎหมายต้องบอกคุณ นอกจากคุณจะเขียนไว้ในสัญญาเอง
ผมมองว่ารายงานฉบับนี้ควรถูกใช้เป็นเอกสารอ้างอิงตอนแก้สัญญา AI ขององค์กรไทยเลยครับ ไม่ใช่แค่บทความให้อ่านผ่านๆ เพราะมันพิสูจน์ด้วยข้อมูลจริงว่าสิ่งที่เราเคยเตือนเรื่อง Verifiability Gap ไม่ใช่ทฤษฎีลอยๆ แต่เกิดขึ้นจริงในระดับผู้พัฒนา AI ชั้นนำของโลก”
— Phuwara Krobtaku —
LL.M. (IP & IT) | M.S. (IT) | Thai Barrister & Attorney-at-Law
แหล่งอ้างอิง
บทความนี้เรียบเรียงและวิเคราะห์จากบทความ “Anthropic Risk Report: August 2026” โดย Zvi Mowshowitz เผยแพร่บน Substack “Don’t Worry About the Vase” ซึ่งเป็นการสรุปและวิเคราะห์รายงานความเสี่ยงฉบับเต็มของ Anthropic อ่านต้นฉบับเต็มได้ที่: https://thezvi.substack.com/p/anthropic-risk-report-august-2026
หมายเหตุ: บทความต้นฉบับเป็นบทวิเคราะห์และความเห็นส่วนตัวของผู้เขียนอิสระต่อรายงานทางการของ Anthropic ไม่ใช่ถ้อยแถลงทางการจาก Anthropic โดยตรง ตัวเลขและข้อเท็จจริงในบทความนี้อ้างอิงจากส่วนที่ผู้เขียนต้นฉบับคัดลอกหรือสรุปมาจากรายงานทางการ
