เมื่อปัญญาประดิษฐ์ (AI) ก้าวข้ามบทบาทการเป็นเพียงแชตบอตตอบคำถามพื้นฐาน สู่การเป็นฟันเฟืองสำคัญที่แทรกซึมลึกในระบบการจัดการบริการด้านไอที (ITSM) ขององค์กรทั่วโลก พร้อมสิทธิ์การเข้าถึงข้อมูลระบบตั้งแต่ Endpoint ไปจนถึงรหัสผ่านสำคัญ คำถามสำคัญในปัจจุบันจึงไม่ใช่แค่ “AI ทำอะไรได้บ้าง” แต่กลายเป็นการตั้งคำถามว่า “องค์กรจะกำกับดูแล AI อย่างไร” ไม่ให้กลายเป็นระเบิดเวลาที่สร้างความเสี่ยงรอบด้าน
ณัฐวิชช์ ว่องสิทธิโรจน์ Regional Technical Head จาก ManageEngine ชี้ให้เห็นถึงความท้าทายครั้งใหญ่ของแผนกไอทีว่า การเปิดให้ AI เข้าจัดการระบบงานสำคัญตลอด 24 ชั่วโมง โดยปราศจากขอบเขต กฎเกณฑ์ และกลไกการตรวจสอบที่ชัดเจน ได้สร้างช่องว่างอันตรายที่อาจนำไปสู่การรั่วไหลของข้อมูล อคติของอัลกอริทึม ตลอดจนความเสี่ยงที่ระบบปฏิบัติการจะล่มสลาย การนำ AI มาปรับใช้ให้ปลอดภัยและเกิดประโยชน์สูงสุด จึงจำเป็นต้องเปลี่ยนบทบาทจากเพียง “ผู้ใช้งาน” ก้าวไปสู่การเป็น “ผู้กำกับดูแล” อย่างแท้จริง
ทิศทางดังกล่าวสอดรับกับนโยบายระดับภูมิภาค โดยเฉพาะในประเทศไทยที่หน่วยงานกำกับดูแลหันมาเน้นย้ำความรับผิดชอบในการใช้งาน AI ควบคู่กับกฎหมายคุ้มครองข้อมูลส่วนบุคคล (PDPA) เช่น สำนักงานพัฒนาธุรกรรมทางอิเล็กทรอนิกส์ (ETDA) ที่ออกแนวทางการกำกับดูแลปัญญาประดิษฐ์ รวมถึงแนวปฏิบัติสำหรับ Generative AI สอดคล้องกับแผนปฏิบัติการด้านปัญญาประดิษฐ์แห่งชาติเพื่อการพัฒนาประเทศไทย (2565–2570) ที่ปักหมุดให้ AI ต้องมีความน่าเชื่อถือและมีจริยธรรมเพื่อความยั่งยืนทางธุรกิจ
ทั้งนี้ การกำกับดูแล AI (AI Governance) ไม่ใช่การสร้างขั้นตอนอนุมัติที่ซ้ำซ้อนหรือตั้งกฎเกณฑ์จนปิดกั้นศักยภาพของเทคโนโลยี แต่เป็นการวางกรอบการทำงานเพื่อความปลอดภัย โดยขับเคลื่อนผ่าน 4 เสาหลักสำคัญ
1. จริยธรรมและไร้อคติ (Ethical and Unbiased Use)
AI มีโอกาสซึมซับอคติที่แฝงอยู่ในชุดข้อมูลที่ใช้ฝึกฝน เช่น ข้อมูลการบันทึกทิกเก็ตในอดีต ซึ่งอาจส่งผลให้ AI ลดลำดับความสำคัญของงานบางแผนกโดยไม่ตั้งใจ หรือแนะนำทางออกที่เอื้อประโยชน์ต่อบางกลุ่ม องค์กรจึงต้องจัดตั้งคณะกรรมการจริยธรรมที่ผสานการทำงานระหว่างฝ่ายไอที ฝ่ายบุคคล และฝ่ายกฎหมาย พร้อมทั้งตรวจสอบประเมินผลลัพธ์ของ AI และชุดข้อมูลจากผู้ให้บริการ ITSM อย่างสม่ำเสมอ
2. ความโปร่งใสและอธิบายได้ (Transparency and Explainability)
การปล่อยให้ AI ทำงานแบบ “กล่องดำ” (Black Box) ที่ไม่สามารถอธิบายที่มาของการตัดสินใจได้ ถือเป็นความเสี่ยงต่อการควบคุม องค์กรต้องเลือกใช้เครื่องมือที่บันทึกเหตุผลการตัดสินใจเป็นภาษาที่เข้าใจง่าย และกำหนดให้มีมนุษย์คอยตรวจสอบและอนุมัติในขั้นตอนสุดท้าย (Human-in-the-loop) สำหรับการตัดสินใจที่มีความเสี่ยงสูง เช่น การเปลี่ยนแปลงในระบบการผลิต
3. ความรับผิดชอบและการระบุเจ้าของที่ชัดเจน (Accountability and Ownership)
เมื่อเกิดเหตุขัดข้องจนระบบล่ม องค์กรต้องตอบได้ทันทีว่าใครเป็นผู้รับผิดชอบ การนำหลักการ RACI (Responsible, Accountable, Consulted, Informed) มาสร้างแผนผังบทบาทหน้าที่สำหรับระบบ AI แต่ละชุด พร้อมแต่งตั้งผู้ดูแลระบบรายบุคคลในการติดตามประสิทธิภาพและความเสี่ยง จะช่วยขจัดปัญหาการปัดความรับผิดชอบในภาวะวิกฤต
4. ความเป็นส่วนตัวและความมั่นคงปลอดภัยของข้อมูล (Data Privacy and Security)
ระบบ ITSM ถือเป็นคลังข้อมูลสำคัญที่มีทั้งข้อมูลส่วนบุคคลและข้อมูลลับทางธุรกิจ การป้องกันข้อมูลรั่วไหลจากโมเดล Generative AI หรือ LLMs สามารถทำได้ผ่าน 3 มาตรการหลัก ได้แก่ การจำกัดการเข้าถึงข้อมูลเท่าที่จำเป็น (Data Minimization) การลบข้อมูลระบุตัวตน (Anonymization) ออกจากระบบก่อนส่งไปให้ AI ประมวลผล และการตรวจสอบสัญญาข้อตกลงกับผู้ให้บริการอย่างโปร่งใสว่าไม่มีการนำข้อมูลขององค์กรไปใช้ฝึกฝนโมเดลของลูกค้ารายอื่น
บทสรุปของการบริหารจัดการเทคโนโลยีในยุคนี้ ไม่ต่างจากการขับรถที่มนุษย์ต้องเป็นผู้ควบคุมพวงมาลัย ไม่ใช่ปล่อยให้เทคโนโลยีเข้ามาควบคุมมนุษย์ องค์กรที่จะอยู่รอดและเติบโตอย่างยั่งยืนจึงไม่ใช่ผู้ที่นำ AI มาใช้ได้เร็วที่สุด แต่คือผู้ที่สามารถ “กำกับดูแล” AI ได้อย่างรัดกุม ปลอดภัย และโปร่งใสที่สุด
–ปฏิวัติ Smart Facility Management ผสาน AI และหุ่นยนต์ อัปสกิลแม่บ้านสู่ผู้เชี่ยวชาญสุขอนามัย
