AI อาจเป็น F1 กลางคืนที่อาจไม่มีเบรก ภาพที่ Jack Clark ผู้ร่วมก่อตั้ง Anthropic เล่าถึงการกำกับ AI บนเวที IMF-World Bank

ผมคิดว่าสถานการณ์แย่กว่าที่คุณอธิบายไว้อีก (AI) มันเหมือนการแข่งขัน F1 ตอนกลางคืน และรถอาจไม่มีเบรกด้วยซ้ำ

นี่คือคำพูดของ Jack Clark ผู้ร่วมก่อตั้ง Anthropic หลังจาก Kristalina Georgieva กรรมการผู้จัดการ IMF เปรียบเทียบความเร็วของ AI กับรถแข่ง Formula 1 บนเวทีเสวนา 'AI and the Global Economy: From Risk to Opportunity' ในการประชุมประจำปี IMF และกลุ่มธนาคารโลกที่กรุงเทพฯ เมื่อวันที่ 16 ตุลาคม 2569

Georgieva มองว่า AI กำลังพัฒนาอย่างรวดเร็วไม่ต่างจากรถ F1 ที่เร่งความเร็วเต็มกำลัง คำถามคือโลกจะสร้างรั้วกั้น และมาตรฐานความปลอดภัยอย่างไร เพื่อป้องกันไม่ให้รถที่เสียการควบคุมพุ่งออกไปทำร้ายผู้คนข้างสนาม

แต่ Clark มองว่าสถานการณ์อาจน่ากังวลกว่านั้น เพราะนอกจากรถจะวิ่งเร็วแล้ว เรายังอาจมองไม่เห็นเส้นทางข้างหน้า และไม่รู้ด้วยซ้ำว่ารถมีเบรกหรือไม่

AI ทำให้คนทำงานเร็วขึ้น แต่ยังไม่เปลี่ยนทั้งองค์กร

Georgieva เปิดวงสนทนารอบนี้โดยชี้ว่า AI เป็นเทคโนโลยีที่พัฒนาและแพร่กระจายรวดเร็วกว่าสิ่งที่เราเคยพบเห็น ประเทศที่อยู่ในห่วงโซ่คุณค่าของ AI เริ่มได้รับประโยชน์จากการเติบโตทางเศรษฐกิจแล้ว แต่ประเทศเหล่านี้ยังมีจำนวนไม่มาก ขณะเดียวกันผลกระทบของ AI ก็เริ่มขยายวงกว้างจนผู้ดูแลเสถียรภาพทางการเงินต้องจับตา

Ayesha Khanna ผู้ร่วมก่อตั้งและซีอีโอ Addo AI มองว่า แม้ผู้บริโภคจะนำ AI ไปใช้อย่างรวดเร็ว แต่องค์กรจำนวนมากกลับยังไม่สามารถเปลี่ยนการใช้งานให้เป็นผลลัพธ์ทางธุรกิจได้อย่างเต็มที่

ที่ผ่านมา หลายบริษัททดลองนำ AI มาใช้ด้วยวิธีให้พนักงานเริ่มใช้จากระดับบุคคล เช่น การแจก AI Copilot เพื่อช่วยทำงาน แม้พนักงานจะรู้สึกว่าทำงานได้เร็วขึ้น แต่ความสามารถที่เพิ่มขึ้นในระดับบุคคลไม่ได้หมายความว่ากระบวนการทำงานหรือประสิทธิภาพของทั้งบริษัทจะดีขึ้นตามไปด้วย

หลังจากทดลองแนวทางนี้มาหลายปี หลายองค์กรจึงเริ่มกลับมาทบทวนว่าจะปรับกระบวนการทำงานใหม่อย่างไร เพื่อให้ AI สร้างผลลัพธ์ได้จริง

ด้าน Tobias Meyer ซีอีโอ DHL Group อธิบายว่า DHL ไม่ได้อนุมัติงบประมาณให้ทุกโครงการที่เสนอจะนำ AI มาใช้ แต่เลือกลงทุนในงานที่เหมาะสม โดยเฉพาะกระบวนการที่ต้องจัดการข้อมูลจำนวนมาก เช่น พิธีการศุลกากรและการบริการลูกค้า

จุดเปลี่ยนสำคัญสำหรับ DHL คือการมาถึงของ Agentic AI ที่ทำให้สามารถออกแบบระบบให้ AI เชื่อมต่อกับฐานข้อมูลและระบบงานเฉพาะทางขององค์กร เพื่อสร้างผลลัพธ์ที่แม่นยำและนำไปใช้งานต่อได้

ตัวอย่างเช่น เมื่อลูกค้าต้องการรู้ว่าพัสดุอยู่ที่ไหน สิ่งที่ธุรกิจต้องการคงไม่ใช่คำตอบกว้าง ๆ จาก AI แต่เป็นตำแหน่งของพัสดุที่ถูกต้องและชัดเจน

Tiff Macklem ผู้ว่าการธนาคารกลางแคนาดา มองว่า ประโยชน์ทางเศรษฐกิจจาก AI จะเกิดขึ้นอย่างเต็มที่ก็ต่อเมื่อเทคโนโลยีแพร่กระจายไปสู่บริษัทในวงกว้าง ไม่ใช่กระจุกตัวอยู่เฉพาะบริษัทเทคโนโลยี ผู้ให้บริการคลาวด์รายใหญ่ และผู้ผลิตชิป

เพราะการเพิ่มผลิตภาพ (Productivity) เป็นพื้นฐานสำคัญของการยกระดับมาตรฐานการครองชีพ แต่การนำ AI ไปใช้ต้องมาพร้อมกับการจัดการความเสี่ยง มิฉะนั้นสังคมอาจไม่ได้รับประโยชน์อย่างที่ควรจะเป็น

Georgieva เห็นว่าเศรษฐกิจโลกยังอยู่ในช่วงเริ่มต้นของการเปลี่ยนผ่าน ปัจจุบันเราเริ่มเห็น AI ช่วยเพิ่มผลิตภาพของคนทำงานแล้ว แต่ยังไม่เห็นการเปลี่ยนแปลงครั้งใหญ่ในระดับเศรษฐกิจโดยรวม

เธอยก Amara's Law ขึ้นมาอธิบายว่า มนุษย์มักประเมินผลของเทคโนโลยีใหม่ในระยะสั้นสูงเกินไป แต่กลับประเมินผลในระยะยาวต่ำเกินไป

อย่างไรก็ตาม Clark มองว่า AI มีคุณสมบัติบางอย่างที่ต่างจากเทคโนโลยีในอดีต

เขาเปรียบเทียบว่า เมื่อองค์กรซื้อเครื่องบิน กล้องจุลทรรศน์ หรือคอมพิวเตอร์ขนาดใหญ่เข้ามาใช้งาน ยังต้องติดตั้งและปรับกระบวนการอีกมากก่อนจะเกิดประโยชน์ แต่ระบบ AI สามารถเข้ามาพร้อมคำถามว่า "จะให้ช่วยทำอะไร"

สิ่งนี้เองอาจทำให้ AI เริ่มสร้างผลิตภาพในองค์กรขนาดใหญ่ได้เร็วกว่าที่เทคโนโลยีในอดีตเคยทำได้

แต่ Khanna ตั้งข้อสังเกตว่า การวัดความสำเร็จด้วยความเร็วหรือจำนวนงานที่ผลิตได้อาจไม่เพียงพอ สิ่งที่องค์กรควรถามคือ AI ช่วยให้ตัดสินใจได้ดีขึ้นหรือไม่ และคุณภาพของผลลัพธ์ดีขึ้นจริงหรือเปล่า

เพราะท้ายที่สุด การทำงานได้เร็วขึ้นไม่ได้หมายความว่าจะสร้างผลลัพธ์ที่ดีขึ้นเสมอไป

ใครได้ประโยชน์จาก AI และใครอาจถูกทิ้งไว้ข้างหลัง

Georgieva ชี้ว่า การที่ทุกประเทศจะได้รับประโยชน์จาก AI จำเป็นต้องมีเงื่อนไขพื้นฐานอย่างน้อยสามเรื่อง

• เรื่องแรกคือโครงสร้างพื้นฐานดิจิทัล และการเข้าถึงไฟฟ้า ซึ่งหลายพื้นที่ของโลกยังขาดแคลน 
• เรื่องที่สองคือทักษะของประชากรที่ต้องพร้อมทำงานร่วมกับเทคโนโลยีใหม่ 
• เรื่องที่สามคือการทำให้ AI แพร่กระจายไปสู่ภาคเศรษฐกิจต่าง ๆ ทั้งเกษตรกรรม สาธารณสุข และการศึกษา แทนที่จะจำกัดอยู่เฉพาะบริษัทเทคโนโลยี

Macklem อธิบายว่า หากมองย้อนกลับไป เทคโนโลยีครั้งใหญ่ในอดีตมักสร้างงานใหม่ได้มากกว่างานที่หายไป แต่ก็ไม่ควรสรุปว่า AI จะสร้างผลลัพธ์แบบเดียวกันเสมอ เพราะ AI อาจมีความสามารถมากพอที่จะทำงานใหม่บางประเภทได้เองด้วย

Georgieva ยกผลการศึกษาของ IMF ที่พบว่า ตลาดแรงงานเริ่มมีความต้องการทักษะและงานรูปแบบใหม่ โดยงานประมาณ 10% อยู่ในกลุ่มที่ต้องการทักษะหรือลักษณะงานที่ไม่เคยมีมาก่อน หรือเปลี่ยนแปลงไปจากเดิม และมีค่าตอบแทนสูงกว่า

ในทางกลับกัน งานที่มีลักษณะซ้ำ ๆ เผชิญความเสี่ยงมากขึ้น แม้ AI จะช่วยกระตุ้นการลงทุนและความต้องการแรงงานภาคบริการ แต่งานบริการจำนวนมากกลับมีค่าจ้างต่ำกว่าอาชีพที่คนรุ่นใหม่เคยคาดหวัง

Khanna ยกสิงคโปร์เป็นตัวอย่างของประเทศที่พยายามรับมือกับการเปลี่ยนผ่านนี้ โดยไม่ได้หยุดอยู่แค่การฝึกทักษะใหม่ให้ประชาชน แต่ยังสนับสนุนการฝึกอบรมและจัดสรรเงินช่วยให้ธุรกิจปรับตัว เพื่อให้สามารถรับแรงงานที่ผ่านการ Reskill เข้ามาทำงานได้จริง

สำหรับ Macklem การเปลี่ยนผ่านครั้งนี้ไม่ใช่หน้าที่ของรัฐบาลเพียงฝ่ายเดียว แต่บริษัทเองก็ต้องรับผิดชอบต่อแรงงาน หากเทคโนโลยีทำให้งานบางตำแหน่งลดความสำคัญลง องค์กรควรช่วยพัฒนาทักษะพนักงานเพื่อย้ายไปทำงานในส่วนอื่น

เขาเปรียบเทียบกับการค้าเสรีที่สร้างประโยชน์ให้เศรษฐกิจโดยรวม แต่ก็ทำให้คนบางกลุ่มสูญเสียงานและรายได้ หากไม่มีระบบช่วยเหลือผู้ได้รับผลกระทบ ความไม่พอใจอาจนำไปสู่แรงต้านทางสังคมจนกระทบต่อประโยชน์ของทุกฝ่าย

AI ก็อาจเผชิญสถานการณ์แบบเดียวกัน หากสังคมไม่สามารถจัดการกับคนที่เสียประโยชน์จากการเปลี่ยนผ่านได้

เมื่อ AI พัฒนาเร็วกว่ากฎ ใครจะสร้างรั้วกั้น

Georgieva ยอมรับว่า รัฐบาลเพียงฝ่ายเดียวไม่น่าจะสามารถกำกับเทคโนโลยีที่เปลี่ยนแปลงรวดเร็วขนาดนี้ได้ เพราะภาครัฐยังมีความรู้เกี่ยวกับเทคโนโลยีไม่เพียงพอ

เธอจึงเห็นว่าการเปิดให้บริษัทเทคโนโลยีเข้ามามีส่วนร่วมกำกับตัวเองเป็นแนวทางที่เหมาะสม แต่ก็ไม่ควรปล่อยให้ผู้สร้าง AI เป็นฝ่ายตัดสินใจเรื่องความปลอดภัยกันเองทั้งหมด

สิ่งที่จำเป็นคือระบบที่ทำให้ภาคส่วนต่าง ๆ ของสังคมเข้ามามีส่วนร่วมรับผิดชอบ

Georgieva มองว่าประเทศผู้พัฒนา AI ควรมีบทบาทนำ โดยเฉพาะสหรัฐอเมริกาและจีน ซึ่งเป็นผู้ผลิต AI รายใหญ่ รวมถึงอินเดียที่มีบทบาทสำคัญในการพัฒนาโมเดลขนาดเล็ก และประเทศที่มีส่วนร่วมในห่วงโซ่อุปทานเทคโนโลยี เช่น ผู้ผลิตชิป

ส่วนองค์กรระหว่างประเทศอย่าง IMF ควรรับผิดชอบในขอบเขตที่มีความเชี่ยวชาญ ได้แก่ การเติบโตของผลิตภาพ ตลาดแรงงาน และความเสี่ยงต่อเสถียรภาพทางการเงิน

ปัญหาคือความร่วมมือระหว่างฝ่ายต่าง ๆ ยังเกิดขึ้นช้ากว่าความก้าวหน้าของเทคโนโลยี

Georgieva จึงเปรียบสถานการณ์นี้กับการแข่งขัน Formula 1 ที่รถกำลังเร่งความเร็ว แต่ยังไม่มีรั้วกั้นหรือมาตรฐานความปลอดภัยเพียงพอ หากรถหลุดออกจากสนามก็อาจพุ่งเข้าใส่ผู้คนที่ไม่ได้มีส่วนเกี่ยวข้องกับการแข่งขัน

เธอยังอ้างถึงการที่สมเด็จพระสันตะปาปาฟรานซิสเคยหยิบยกเรื่องจริยธรรม AI ขึ้นมาพูดในการประชุม G7 เพื่อย้ำว่า ต่อให้ AI สร้างประโยชน์ต่อมนุษยชาติมากเพียงใด สังคมก็ยังต้องตกลงร่วมกันว่าอะไรคือสิ่งที่เทคโนโลยีไม่ควรทำ

Clark บอกว่าสถานการณ์อาจแย่กว่าที่ Georgieva อธิบายไว้ เพราะจริง ๆ แล้ว AI เป็นเหมือนการแข่งขัน F1 ตอนกลางคืน และรถอาจไม่มีเบรก

แต่เขามองว่ายังมีสิ่งที่สามารถลงมือทำได้ อย่างน้อยต้องมีข้อมูลติดตามสถานะการทำงานของรถ ต้องติดตั้งไฟให้มองเห็นทาง และต้องตรวจสอบให้แน่ใจว่ารถมีเบรกจริง

สำหรับ AI สิ่งเหล่านี้หมายถึงการสร้างมาตรฐานร่วม การเปิดเผยข้อมูลที่จำเป็นต่อการตรวจสอบ และการมีระบบป้องกันความเสี่ยงที่สามารถประเมินได้

Clark ยกตัวอย่างที่ใกล้ตัวกว่านั้นคือของเล่นเด็ก ซึ่งต้องมีฉลาก มาตรฐานการทดสอบ และข้อกำหนดด้านความปลอดภัย แม้เด็กจะนำของเล่นเข้าปากโดยไม่ได้ตั้งใจ ของเล่นก็ต้องไม่ก่อให้เกิดอันตราย

เขาตั้งข้อสังเกตว่า ของเล่นที่ซื้อให้ลูกกลับถูกกำกับดูแลมากกว่าระบบ Superintelligence ที่เขากำลังพัฒนาอยู่เสียอีก

ที่สำคัญ ประเทศต่าง ๆ สามารถซื้อขายของเล่นระหว่างกันได้ เพราะมีมาตรฐานการทดสอบร่วมและยอมรับผลการตรวจสอบของกันและกัน

Clark จึงมองว่าระบบ AI ก็ควรมีมาตรฐานความปลอดภัยที่สามารถใช้ร่วมกันระหว่างประเทศได้ในลักษณะเดียวกัน

อย่างไรก็ตาม Quest ตั้งคำถามกลับทันทีว่า Clark เองก็เป็นหนึ่งในผู้สร้างเทคโนโลยี ข้อเสนอของเขาจึงฟังดูคล้ายการเรียกร้องให้ใครสักคนเข้ามาทำอะไรบางอย่าง

Clark ตอบว่า Anthropic มีการทดสอบระบบ เผยแพร่รายละเอียดการทดสอบ และสร้างระบบติดตามข้อมูลการทำงานโดยสมัครใจอยู่แล้ว รวมถึงเปิดให้ผู้ประเมินจากภายนอกเข้ามาตรวจสอบบางส่วนของระบบ

แต่เขาย้ำว่า ในระยะยาว เรื่องเหล่านี้ไม่ควรขึ้นอยู่กับความสมัครใจของบริษัท

เขาสนับสนุนให้รัฐบาลของประเทศผู้พัฒนา AI วางมาตรฐานด้านความปลอดภัยที่ชัดเจนและสมเหตุสมผล เพราะมาตรฐานเหล่านี้จะช่วยสร้างความเชื่อมั่นต่อเทคโนโลยีและสนับสนุนการเติบโตทางเศรษฐกิจ

ประเทศผู้ใช้ AI ต้องมีสิทธิ์ตรวจสอบด้วย

Khanna มองว่า สิ่งที่โลกต้องการไม่ใช่เพียงคำเตือนหรือกฎระเบียบ แต่ต้องมีเครื่องมือที่ช่วยให้องค์กรป้องกันตัวเองจากความเสี่ยงได้จริง โดยเฉพาะเครื่องมือโอเพนซอร์สสำหรับรับมือภัยคุกคามทางไซเบอร์

ส่วน Meyer เสนอให้เริ่มต้นจากหลักการร่วมและพัฒนามาตรฐานในลักษณะเดียวกับ ISO เพราะการมีมาตรฐานที่ทุกฝ่ายเข้าใจตรงกันจะช่วยวางพื้นฐานสำหรับการบังคับใช้ในอนาคต

เขายังเตือนว่า การออกแบบระบบ AI ต้องคำนึงถึงการกระจายมูลค่าทางเศรษฐกิจ ไม่ใช่ปล่อยให้ประโยชน์กระจุกอยู่กับบริษัทเทคโนโลยีเพียงไม่กี่แห่ง ธุรกิจขนาดกลางและขนาดเล็กควรได้รับประโยชน์ด้วย และองค์กรควรออกแบบระบบให้ไม่ต้องพึ่งพาผู้ให้บริการรายใดรายหนึ่งมากเกินไป

Macklem ขยายประเด็นไปถึงบทบาทของประเทศผู้ใช้ AI โดยมองว่า การรอให้สหรัฐฯ จีน และยุโรปตกลงกันเรื่องกฎระเบียบฉบับใหญ่อาจไม่ทันความเร็วของเทคโนโลยี

สิ่งที่จำเป็นจึงเป็นความร่วมมือระหว่างภาครัฐและเอกชน รวมถึงการเปิดให้ประเทศผู้ใช้เทคโนโลยีเข้ามามีส่วนร่วมด้วย

"เราต้องเข้าถึงเทคโนโลยีล่าสุด เพื่อที่จะทดสอบระบบของเราเองได้ด้วย" Macklem กล่าว

ประเด็นนี้มีความสำคัญสำหรับประเทศอย่างไทยที่นำ AI จากผู้พัฒนารายใหญ่มาใช้งาน เพราะการกำกับ AI ไม่ควรจบอยู่ที่ว่าประเทศผู้ผลิตมีกฎหมายหรือมาตรฐานอะไรบ้าง

หากประเทศผู้ใช้ไม่มีบุคลากรที่มีความเชี่ยวชาญทางเทคนิค ไม่สามารถเข้าถึงระบบเพื่อทดสอบ หรือไม่มีกลไกตรวจสอบที่เป็นอิสระมากพอ ก็อาจต้องพึ่งพาผลการประเมินจากผู้ผลิตหรือประเทศอื่น โดยไม่สามารถตรวจสอบความเสี่ยงที่เกี่ยวข้องกับการใช้งานในบริบทของตนเองได้อย่างเต็มที่

Clark เสนอแนวคิด 'Test once, run anywhere' หรือการทดสอบในประเทศหนึ่งแล้วสามารถนำผลไปใช้ในประเทศอื่นได้

แนวคิดนี้ไม่ได้หมายความว่า AI ทุกระบบจะผ่านการทดสอบเพียงครั้งเดียวแล้วปลอดภัยในทุกสถานการณ์ แต่เป็นการสร้างมาตรฐานที่ทำให้ผลการทดสอบจากประเทศหนึ่งได้รับการยอมรับในอีกประเทศหนึ่งได้ โดยแต่ละประเทศอาจมีความเชี่ยวชาญในการออกแบบการทดสอบต่างกัน

เขามองว่าหลายฝ่ายเริ่มมีจุดร่วมด้านความปลอดภัยอยู่แล้ว เช่น การป้องกันไม่ให้ AI ถูกนำไปใช้พัฒนาอาวุธชีวภาพ หรือใช้โจมตีระบบไซเบอร์

Georgieva ก็เห็นว่ายังมีโอกาสสร้างความสอดคล้องระหว่างแนวทางกำกับดูแลของประเทศต่าง ๆ แม้สหรัฐฯ จีน และสหภาพยุโรปจะใช้วิธีแตกต่างกัน เพราะทุกฝ่ายมีผลประโยชน์ร่วมกันที่จะไม่ปล่อยให้ผู้ใช้ AI ในทางที่เป็นอันตรายก้าวนำหน้าผู้ที่พยายามใช้อย่างรับผิดชอบ

แต่คำถามสำคัญยังคงอยู่ ใครจะเป็นผู้ตรวจสอบว่า AI ละเมิดมาตรฐานเหล่านี้หรือไม่

เมื่อ Quest ถามคำถามนี้ Clark เสนอว่าอาจเริ่มจาก AI Safety Institutes (AISIs) หรือสถาบันความปลอดภัย AI ที่หลายรัฐบาลจัดตั้งขึ้น

สถาบันเหล่านี้มีบุคลากรที่มีความเชี่ยวชาญทางเทคนิค สามารถเข้าถึงระบบ AI ผ่าน API เพื่อดำเนินการทดสอบและประเมินความเสี่ยงได้ และยังมีเครือข่ายความร่วมมือระหว่างประเทศ จึงอาจเป็นจุดตั้งต้นของกลไกตรวจสอบโดยบุคคลที่สามในอนาคต

อย่างไรก็ตาม Clark ย้ำว่านี่เป็นเพียงแนวคิดเบื้องต้นที่เขาเสนอระหว่างการเสวนา ยังไม่ใช่ข้อเสนอเชิงนโยบายที่ผ่านการพิจารณาอย่างรอบด้าน

แม้เวทีนี้จะยังไม่มีข้อสรุปว่าใครควรเป็นผู้ตรวจสอบ AI อย่างเป็นอิสระ หรือจะทำอย่างไรให้ผลการตรวจสอบได้รับความเชื่อถือระหว่างประเทศ แต่สิ่งหนึ่งที่ผู้ร่วมเสวนาเห็นไปในทิศทางเดียวกันคือ การปล่อยให้บริษัทเทคโนโลยีเป็นผู้กำหนดและรับรองความปลอดภัยของระบบตัวเองเพียงฝ่ายเดียวอาจไม่เพียงพออีกต่อไป

สำหรับประเทศผู้ใช้ AI รวมถึงไทย โจทย์สำคัญจึงไม่ใช่แค่การนำเทคโนโลยีเข้ามาเพิ่มประสิทธิภาพทางเศรษฐกิจ แต่ต้องสร้างความสามารถในการประเมินความเสี่ยง เข้าถึงเครื่องมือทดสอบ และมีส่วนร่วมกำหนดมาตรฐานที่ส่งผลต่อการใช้งานในประเทศของตนเอง

ดูเหมือนว่าสิ่งที่โลกต้องการไม่ใช่เพียงรถที่เร็วขึ้น แต่ต้องรู้ด้วยว่ารถกำลังวิ่งไปทางไหน มีระบบความปลอดภัยอะไรบ้าง และใครมีหน้าที่ตรวจสอบว่าระบบเหล่านั้นทำงานได้จริง

อ้างอิง : เซสชัน 'AI and the Global Economy: From Risk to Opportunity' ในงาน 2026 Annual Meetings of the IMF and the World Bank Group