ผู้บริหาร 78% ไม่ค่อยมั่นใจว่าจะผ่านการตรวจสอบด้านการกำกับดูแล AI (AI governance) โดยผู้ตรวจสอบอิสระได้ภายใน 90 วัน ตัวเลขนี้จากผลสำรวจผู้บริหารระดับ C-suite และผู้นำอาวุโส 950 คนของ Grant Thornton ที่เผยแพร่ในเดือนนี้ สะท้อนปัญหาที่แวดวง compliance พยายามอธิบายมาระยะหนึ่ง นั่นคือองค์กรส่วนใหญ่กำลังนำ AI มาใช้โดยไม่สามารถอธิบาย วัดผล หรือแสดงเหตุผลรองรับได้ Grant Thornton เรียกปัญหานี้ว่า AI proof gap
ผลกระทบเชิงธุรกิจเกิดขึ้นจริง องค์กรที่ผสานรวม AI อย่างเต็มรูปแบบมีโอกาสรายงานการเติบโตของรายได้จาก AI สูงกว่าองค์กรที่ยังอยู่ในขั้นทดลองเกือบ 4 เท่า คือ 58% เทียบกับ 15% เกือบครึ่งหนึ่งระบุว่าความล้มเหลวด้านการกำกับดูแลและ compliance เป็นสาเหตุหลักที่ทำให้ AI ไม่ได้ผลตามเป้า แต่ถึงอย่างนั้น 3 ใน 4 ของคณะกรรมการบริษัทได้อนุมัติการลงทุนด้าน AI ครั้งใหญ่ ขณะที่เกือบครึ่งหนึ่งยังไม่ได้กำหนดความคาดหวังด้านการกำกับดูแล หรือบรรจุความเสี่ยงด้าน AI เป็นวาระประจำ
คณะกรรมการบริษัทอนุมัติการลงทุนด้าน AI โดยไม่ได้ถามว่าจะเกิดอะไรขึ้นเมื่อมีบางอย่างผิดพลาด
การกำกับดูแลคือสิ่งที่ทำให้ความเร็วยั่งยืน
ช่องว่างด้านความมั่นใจในข้อมูลชุดนี้บอกเล่าเรื่องราวได้ชัดเจน ในกลุ่มองค์กรที่ยังทดลองใช้ AI มีเพียง 7% ที่มั่นใจมากว่าจะผ่านการตรวจสอบด้านการกำกับดูแลโดยผู้ตรวจสอบอิสระภายใน 90 วัน ส่วนในกลุ่มที่ผสานรวม AI อย่างเต็มรูปแบบ ตัวเลขนี้อยู่ที่ 74% ต่างกันถึง 10 เท่า และสอดคล้องเกือบพอดีกับความแตกต่างของผลลัพธ์ทางธุรกิจ
เมื่อคุณแสดงได้ว่าการตัดสินใจเกิดขึ้นอย่างไรและใครรับผิดชอบต่อผลลัพธ์ คุณก็ไม่ต้องชะลอทุกครั้งที่มี use case ใหม่ส่งเข้าคณะกรรมการความเสี่ยง เพราะคุณมีระบบที่รองรับเรื่องนี้อยู่แล้ว นี่คือสิ่งที่ Maven AGI หมายถึงด้วยแนวคิด “Built In, Not Bolted On” คือการฝังการกำกับดูแลไว้ในแพลตฟอร์มตั้งแต่ต้น ไม่ใช่เสริมเข้ามาภายหลัง การเพิ่ม compliance ให้ระบบ AI ที่ใช้งานไปแล้วมีต้นทุนสูงกว่า สร้างความปั่นป่วนมากกว่า และน่าเชื่อถือน้อยกว่าการออกแบบไว้ตั้งแต่แรกอย่างมาก
ปัญหาความเห็นไม่ตรงกันในระดับ C-Suite
ข้อมูลของ Grant Thornton ชี้ให้เห็นความตึงเครียดที่ผมได้ยินอยู่บ่อยครั้ง CIO และ CTO มีแนวโน้มมากกว่า COO ถึง 5 เท่าที่จะบอกว่าบุคลากรพร้อมเต็มที่สำหรับการนำ AI มาใช้ และเฉพาะเรื่อง agentic AI นั้น COO ถึง 54% กังวลเรื่องความไม่แน่นอนด้านกฎระเบียบและ compliance เทียบกับ CIO และ CTO เพียง 20%
ช่องว่างด้านความกังวลนี้เองก็เป็นความเสี่ยงด้านการกำกับดูแล คนที่นำเทคโนโลยีมาใช้กับคนที่ดูแลการปฏิบัติงานที่ได้รับผลกระทบมองภาพไม่ตรงกัน เมื่อความไม่สอดคล้องนี้ยังคงอยู่ ประเด็นด้านการกำกับดูแลก็ถูกเลื่อนออกไป เพราะฝ่ายที่กังวลไม่มีอำนาจด้านงบประมาณ ส่วนฝ่ายที่มีอำนาจด้านงบประมาณกลับไม่เห็นว่ามีปัญหา
Agentic AI คือช่องว่างด้านความรับผิดชอบถัดไป
ส่วนของผลสำรวจที่ทีม compliance ควรให้ความสนใจมากที่สุดคือเรื่อง agentic AI องค์กรเกือบ 3 ใน 4 เปิดให้ agentic AI เข้าถึงข้อมูลและกระบวนการแล้ว ไม่ว่าจะอยู่ในขั้นทดลอง ขยายผล หรือใช้งานจริงใน production แต่มีเพียง 1 ใน 5 ที่มีแผนรับมือเหตุการณ์ (incident response plan) ที่ผ่านการทดสอบแล้วสำหรับกรณีที่ระบบล้มเหลว
นี่ไม่ใช่ปัญหาใหม่ที่ต้องสร้างโปรแกรมใหม่ องค์กรส่วนใหญ่มีศักยภาพด้าน incident response จากงาน cybersecurity อยู่แล้ว ทั้งการเฝ้าติดตามอย่างต่อเนื่อง การตรวจจับ เส้นทางการยกระดับปัญหาที่ชัดเจน audit trail และความรับผิดชอบที่ชัดเจน โครงสร้างพื้นฐานมีอยู่แล้ว สิ่งที่ขาดคือการเชื่อมโยงเข้ากับการนำ AI มาใช้ องค์กรมองการกำกับดูแล AI เป็นศาสตร์ที่แยกออกมาต่างหาก ทั้งที่ความสามารถที่จำเป็นส่วนใหญ่มีอยู่แล้ว
โดยเฉพาะในด้านประสบการณ์ลูกค้า (CX) ระดับองค์กร เอเจนต์ AI กำลังแก้ไขคำถาม ประมวลผลการชำระเงิน นัดหมาย และเข้าถึงข้อมูลบัญชีในปริมาณมากแบบเรียลไทม์ ทีมปฏิบัติการที่รับผิดชอบผลลัพธ์ด้านลูกค้าและการปฏิบัติตามกฎระเบียบมีคำถามที่สมเหตุสมผลว่าเอเจนต์เหล่านั้นทำงานอย่างไรในกรณีที่ไม่ปกติ จะเกิดอะไรขึ้นเมื่อบางอย่างล้มเหลว และ audit trail เชื่อถือได้หรือไม่ คำถามเหล่านี้ควรได้รับคำตอบในระดับระบบ ไม่ใช่แค่คำรับรองด้วยวาจา
สิ่งที่ทีม Compliance ระดับองค์กรควรทำตอนนี้
- สำรวจขอบเขตการใช้ agentic AI ก่อนจะกำกับดูแล คุณไม่สามารถกำกับดูแลสิ่งที่ยังไม่ได้ทำบัญชีไว้ องค์กรส่วนใหญ่ยังไม่มีภาพที่ชัดเจนว่าเอเจนต์ AI กำลังทำอะไร เข้าถึงข้อมูลใด และทำงานด้วยระดับความเป็นอิสระแค่ไหน นี่คือก้าวแรกที่จำเป็น และองค์กรส่วนใหญ่ยังไม่ได้เริ่ม
- มอง AI compliance เป็นงานที่ต้องทำต่อเนื่อง ไม่ใช่โปรเจกต์ประจำปี ข้อกำหนดของ EU AI Act สำหรับระบบ AI ความเสี่ยงสูงจะมีผลบังคับใช้เต็มรูปแบบในวันที่ 2 สิงหาคม 2026 และ ISO 42001 ก็ปรากฏในเช็กลิสต์การจัดซื้อขององค์กรบ่อยขึ้นเรื่อยๆ รอบการทบทวนปีละครั้งตามไม่ทันอีกต่อไป
- ปิดช่องว่างความเห็นในระดับ C-suite ก่อนจะกลายเป็นเหตุการณ์จริง หาก CIO และ COO ของคุณมองตำแหน่งของความเสี่ยงด้าน AI ต่างกันโดยสิ้นเชิง ความไม่สอดคล้องนี้จะปรากฏออกมาในรูปของความล้มเหลว ไม่ใช่การหารือเชิงวางแผน คำนิยามร่วมเรื่องความพร้อมด้าน AI ความรับผิดชอบ และความเสี่ยงต้องมีก่อนการนำไปใช้งาน
- สร้างและทดสอบแผนรับมือเหตุการณ์ด้าน AI ไม่ใช่แค่เอกสารนโยบาย แต่เป็นขั้นตอนที่ผ่านการทดสอบแล้ว กำหนดผู้รับผิดชอบ บันทึกวิธีที่ระบบ AI ตัดสินใจ และซ้อมการรับมือก่อนที่จะต้องใช้จริง องค์กรที่เคยทำสิ่งนี้สำหรับ cybersecurity จะปรับใช้ได้ค่อนข้างเร็ว
- กำหนดให้ผู้ให้บริการ AI มีการรับรองจากบุคคลที่สาม หากคุณใช้แพลตฟอร์ม AI จากผู้ให้บริการภายนอก สถานะด้าน compliance ของพวกเขาก็เป็นส่วนหนึ่งของคุณ ผู้ให้บริการที่มีการรับรองจริงจะเปิดเผยข้อมูลโดยไม่ลังเล
ราคาของการรอ
AI proof gap จะยิ่งขยายตัวขึ้นเรื่อยๆ ทุกสัปดาห์ที่เลื่อนการกำกับดูแลออกไปจะปิดช่องว่างได้ยากกว่าสัปดาห์ก่อนหน้า เพราะทุกโครงการที่ไม่มีการกำกับดูแลทำให้โครงการถัดไปวัดผลและแสดงเหตุผลรองรับได้ยากขึ้น
องค์กรที่สร้างโครงสร้างพื้นฐานด้านความรับผิดชอบไว้ตั้งแต่เนิ่นๆ กำลังทิ้งห่างคู่แข่ง ไม่ใช่เพราะระมัดระวังกว่า แต่เพราะเตรียมพร้อมมากกว่า พวกเขาขยายผลได้อย่างมั่นใจ ส่วนองค์กรที่ไม่ได้เตรียมกำลังต้องรับมือกับความเสี่ยงที่ไม่ได้วางแผนไว้
หากต้องการดูว่า Maven AGI จัดการเรื่องความน่าเชื่อถือและ compliance ในทางปฏิบัติอย่างไร Trust Center ของเราเปิดให้เข้าชมได้ที่ https://trust.mavenagi.com
หากคุณกำลังประเมินแพลตฟอร์ม AI สำหรับประสบการณ์ลูกค้า (CX) ระดับองค์กร เรายินดีพูดคุย จองเดโมได้ที่ https://www.mavenagi.com/demo
ทดลองกับบทสนทนาของคุณเอง
ขอรับเดโมเฉพาะสำหรับคุณฟรี
