ຄູ່ມືການສ້າງລະບົບ AI Governance ສຳລັບບໍລິສັດທີ່ຂະຫຍາຍຕົວໃນ ASEAN｜ການບໍລິຫານຄວາມສ່ຽງໃນການດຳເນີນທຸລະກິດຫຼາຍປະເທດ
ບົດນຳ
ລະບົບ AI Governance ແມ່ນລະບົບການຈັດການທີ່ອົງກອນຈັດຕັ້ງຂຶ້ນຢ່າງຄົບວົງຈອນ ເພື່ອໃຫ້ສາມາດນຳໃຊ້ AI ໄດ້ຢ່າງປອດໄພ ແລະ ມີຄວາມຮັບຜິດຊອບ ເຊິ່ງປະກອບດ້ວຍນະໂຍບາຍ, ການແບ່ງຄວາມຮັບຜິດຊອບ, ການຈັດການຄວາມສ່ຽງ ແລະ ກົນໄກການຕິດຕາມກວດກາ. ໃນຂະນະທີ່ການນຳໃຊ້ AI ເຂົ້າໃນວຽກງານຕ່າງໆມີການຂະຫຍາຍຕົວ, ການສືບຕໍ່ດຳເນີນງານໂດຍປາດສະຈາກລະບົບດັ່ງກ່າວ ຈະສົ່ງຜົນໂດຍກົງຕໍ່ຄວາມສ່ຽງທາງທຸລະກິດ ເຊັ່ນ: ການລະເມີດກົດລະບຽບ ແລະ ການຮົ່ວໄຫຼຂອງຂໍ້ມູນ.
ບົດຄວາມນີ້ມີຈຸດປະສົງເພື່ອແນະນຳຂັ້ນຕອນການສ້າງລະບົບ AI Governance ແຕ່ເລີ່ມຕົ້ນ ສຳລັບຜູ້ຮັບຜິດຊອບດ້ານການວາງແຜນທຸລະກິດ, ກົດໝາຍ, IT ແລະ ການປະຕິບັດຕາມກົດລະບຽບ (Compliance) ຂອງບໍລິສັດທີ່ມີການດຳເນີນທຸລະກິດໃນຫຼາຍປະເທດໃນພາກພື້ນ ASEAN. ບົດຄວາມຈະກ່າວເຖິງຫົວຂໍ້ຕ່າງໆຕາມລຳດັບ ເລີ່ມຈາກເຫດຜົນທີ່ຈຳເປັນຕ້ອງມີລະບົບດັ່ງກ່າວ ແລະ ເງື່ອນໄຂເບື້ອງຕົ້ນ, ຂັ້ນຕອນການສ້າງ 3 ຂັ້ນຕອນ, ແນວທາງການຈັດຕັ້ງປະຕິບັດ ແລະ ໄລຍະເວລາໂດຍປະມານ, ຂໍ້ຜິດພາດທີ່ພົບເລື້ອຍພ້ອມວິທີການຫຼີກລ່ຽງ, ຕະຫຼອດຈົນເຖິງວິທີການເຮັດໃຫ້ລະບົບດັ່ງກ່າວມີຄວາມໝັ້ນຄົງ ແລະ ຂະຫຍາຍຕົວໄດ້. ເມື່ອອ່ານຈົບ, ທ່ານຈະສາມາດເຫັນພາບໄດ້ຢ່າງຊັດເຈນວ່າຄວນເລີ່ມຕົ້ນຈາກຈຸດໃດໃນອົງກອນຂອງທ່ານ.
ເຫດຜົນທີ່ບໍລິສັດທີ່ຂະຫຍາຍຕົວໃນ ASEAN ຈຳເປັນຕ້ອງມີລະບົບ AI Governance
ສຳລັບວິສາຫະກິດທີ່ດຳເນີນທຸລະກິດຂ້າມຊາດໃນ ASEAN, ລະບົບການຄຸ້ມຄອງ AI (AI Governance) ກຳລັງກາຍເປັນ "ເງື່ອນໄຂເບື້ອງຕົ້ນໃນການດຳເນີນທຸລະກິດ" ບໍ່ແມ່ນພຽງແຕ່ "ສິ່ງທີ່ຄວນມີ". ເຫດຜົນແມ່ນຍ້ອນຄວາມຊັບຊ້ອນຂອງກົດລະບຽບໃນແຕ່ລະປະເທດ ແລະ ຄວາມສ່ຽງອັນໃຫຍ່ຫຼວງທີ່ເກີດຈາກການຂາດການຄຸ້ມຄອງ.
ກ່ອນອື່ນໝົດ, ພວກເຮົາຈະມາຈັດລະບຽບກ່ຽວກັບຄວາມຫຍຸ້ງຍາກທີ່ເປັນເອກະລັກຂອງການຂະຫຍາຍທຸລະກິດໄປຫຼາຍປະເທດ, ອັນຕະລາຍຂອງການບໍ່ມີລະບົບຄຸ້ມຄອງ, ແລະ ມຸມມອງໃນການປ່ຽນການຄຸ້ມຄອງໃຫ້ກາຍເປັນຄວາມສາມາດໃນການແຂ່ງຂັນ.
ຄວາມຊັບຊ້ອນຂອງກົດລະບຽບ ແລະ ຄວາມສ່ຽງທີ່ເກີດຈາກການດຳເນີນງານໃນຫຼາຍປະເທດ
ບັນດາປະເທດໃນ ASEAN ຕ່າງກໍໄດ້ພັດທະນາກົດໝາຍ ແລະ ລະບຽບການທີ່ກ່ຽວຂ້ອງກັບການປົກປ້ອງຂໍ້ມູນ ແລະ ການນຳໃຊ້ AI ດ້ວຍຕົນເອງ. ບໍ່ວ່າຈະເປັນ PDPA ຂອງໄທ, ກົດໝາຍວ່າດ້ວຍການປົກປ້ອງຂໍ້ມູນສ່ວນບຸກຄົນຂອງຫວຽດນາມ, ຫຼື ກົດໝາຍ PDP ຂອງອິນໂດເນເຊຍ, ເຊິ່ງຂອບເຂດການນຳໃຊ້, ຂໍ້ກຳນົດກ່ຽວກັບການຍິນຍອມ ແລະ ກົດລະບຽບການໂອນຂໍ້ມູນຂ້າມແດນແມ່ນມີຄວາມແຕກຕ່າງກັນໄປໃນແຕ່ລະປະເທດ.
ສຳລັບບໍລິສັດທີ່ດຳເນີນທຸລະກິດພຽງປະເທດດຽວ, ການປະຕິບັດຕາມກົດລະບຽບຂອງປະເທດນັ້ນກໍພຽງພໍແລ້ວ. ແຕ່ສຳລັບບໍລິສັດທີ່ມີຖານການຜະລິດ ຫຼື ສາຂາໃນຫຼາຍປະເທດ, ຈຳເປັນຕ້ອງປະຕິບັດຕາມຂໍ້ກຳນົດທີ່ແຕກຕ່າງກັນຂອງແຕ່ລະປະເທດໄປພ້ອມໆກັນ. ມັນອາດເກີດກໍລະນີທີ່ການນຳໃຊ້ AI ທີ່ບໍ່ມີບັນຫາໃນປະເທດໜຶ່ງ ອາດຈະຂັດກັບກົດລະບຽບໃນອີກປະເທດໜຶ່ງໄດ້. ຍິ່ງໄປກວ່ານັ້ນ, ເນື່ອງຈາກກົດລະບຽບຕ່າງໆຈະມີການອັບເດດຢູ່ສະເໝີ, ການດຳເນີນການພຽງຄັ້ງດຽວຈຶ່ງບໍ່ແມ່ນຈຸດສິ້ນສຸດ.
ຄວາມຊັບຊ້ອນນີ້ເກີນກວ່າທີ່ພະນັກງານໃນພາກສະໜາມຈະສາມາດຕັດສິນໃຈ ແລະ ຮັບມືໄດ້ດ້ວຍຕົນເອງ. ດັ່ງນັ້ນ, ຈຶ່ງມີຄວາມຈຳເປັນຕ້ອງມີໂຄງຮ່າງໂດຍລວມເພື່ອຈັດລະບຽບທິດທາງຂອງກົດລະບຽບໃນແຕ່ລະປະເທດ ແລະ ນຳມາປັບໃຊ້ເຂົ້າກັບການດຳເນີນງານຂອງບໍລິສັດຕົນເອງ. ສຳລັບຄວາມແຕກຕ່າງຂອງກົດລະບຽບໃນບັນດາປະເທດ ASEAN, ກະລຸນາອ້າງອີງຂໍ້ມູນເພີ່ມເຕີມໄດ້ທີ່ ທິດທາງການກຳກັບດູແລ AI ໃນ ASEAN ແລະ ການປຽບທຽບກົດໝາຍປົກປ້ອງຂໍ້ມູນຂອງ ASEAN.
ຄວາມສ່ຽງທາງທຸລະກິດທີ່ເກີດຈາກການຂາດລະບົບ Governance
ຖ້າຫາກການນຳໃຊ້ AI ພາຍໃນອົງກອນຂະຫຍາຍຕົວໂດຍປາດສະຈາກລະບົບການຄຸ້ມຄອງ (Governance), ຄວາມສ່ຽງທົ່ວໄປບາງຢ່າງກໍຈະປາກົດໃຫ້ເຫັນ.
ຢ່າງໜຶ່ງຄື ການນຳໃຊ້ AI ທີ່ຢູ່ນອກເໜືອການຄວບຄຸມ ຫຼືທີ່ເອີ້ນກັນວ່າ Shadow AI. ພະນັກງານອາດປ້ອນຂໍ້ມູນລັບເຂົ້າໄປໃນເຄື່ອງມືທີ່ບໍລິສັດບໍ່ໄດ້ຮັບຮູ້, ເຊິ່ງອາດກາຍເປັນຊ່ອງທາງໃຫ້ຂໍ້ມູນຮົ່ວໄຫຼອອກສູ່ພາຍນອກ. ອີກຢ່າງໜຶ່ງຄື ການລະເມີດກົດລະບຽບ. ຖ້າປ່ອຍໃຫ້ AI ຈັດການຂໍ້ມູນສ່ວນບຸກຄົນໃນຮູບແບບທີ່ຂັດກັບກົດໝາຍປົກປ້ອງຂໍ້ມູນຂອງແຕ່ລະປະເທດ ກໍອາດຕົກເປັນເປົ້າໝາຍຂອງການລົງໂທດ ຫຼື ການແນະນຳຈາກໜ່ວຍງານບໍລິຫານ. ນອກຈາກນີ້, ຍັງມີຄວາມເສຍຫາຍທີ່ເກີດຈາກການນຳໃຊ້ຜົນລັອບທີ່ຜິດພາດມາຕັດສິນໃຈໃນການເຮັດວຽກໂດຍກົງ, ລວມເຖິງການຫຼຸດລົງຂອງຄວາມເຊື່ອໝັ້ນຈາກຄູ່ຄ້າ ແລະ ລູກຄ້າເມື່ອບັນຫາດັ່ງກ່າວຖືກເປີດເຜີຍອອກມາ.
ບັນດາບໍລິສັດວິໄຈ ແລະ ບໍລິສັດທີ່ປຶກສາຕ່າງໆໄດ້ຊີ້ໃຫ້ເຫັນວ່າ ໂຄງສ້າງຂອງ AI Governance ກຳລັງປ່ຽນຕຳແໜ່ງຈາກ "ຄວາມສະໝັກໃຈ" ໄປສູ່ "ພື້ນຖານທີ່ຈຳເປັນ". ຍິ່ງເປັນບໍລິສັດທີ່ມີການດຳເນີນງານຫຼາຍປະເທດ, ຂອບເຂດຜົນກະທົບເມື່ອຄວາມສ່ຽງປາກົດຂຶ້ນກໍຍິ່ງກວ້າງຂວາງ. ຄວາມສ່ຽງທີ່ເກີດຈາກການນຳໃຊ້ AI ທີ່ຢູ່ນອກເໜືອການຄວບຄຸມ ໄດ້ຖືກກ່າວເຖິງຢ່າງລະອຽດໃນ Shadow AI ແມ່ນຫຍັງ? ຄວາມສ່ຽງທີ່ແຝງຢູ່ໃນອົງກອນ ແລະ ວິທີການຄຸ້ມຄອງ.
ມຸມມອງໃນການປ່ຽນ Governance ໃຫ້ເປັນຄວາມສາມາດໃນການແຂ່ງຂັນ
ລະບົບການຄຸ້ມຄອງ AI (AI Governance) ບໍ່ແມ່ນພຽງແຕ່ຄວາມພະຍາຍາມໃນການ "ປ້ອງກັນ" ເພື່ອຫຼຸດຜ່ອນຄວາມສ່ຽງເທົ່ານັ້ນ. ລະບົບທີ່ໄດ້ຮັບການຈັດຕັ້ງຢ່າງດີ ຍັງເປັນ "ພື້ນຖານໃນການບຸກ" ເພື່ອຊຸກຍູ້ການນຳໃຊ້ AI ໃຫ້ກ້າວໄປຂ້າງໜ້າອີກດ້ວຍ.
ຫາກກົດລະບຽບ ແລະ ຫຼັກການໃນການຕັດສິນໃຈຍັງບໍ່ມີຄວາມຊັດເຈນ, ພະນັກງານໃນພາກປະຕິບັດຕົວຈິງຈະເກີດຄວາມລັງເລວ່າ "ສາມາດນຳໃຊ້ໄດ້ຫຼືບໍ່" ຈົນບໍ່ກ້າເລີ່ມຕົ້ນນຳໃຊ້ AI, ເຊິ່ງໃນທາງກັບກັນ ມັນອາດຈະເຮັດໃຫ້ການນຳໃຊ້ທີ່ຢູ່ນອກເໜືອການຄວບຄຸມແຜ່ຂະຫຍາຍອອກໄປ. ຫາກມີນະໂຍບາຍ ແລະ ຂະບວນການອະນຸມັດທີ່ຊັດເຈນ, ພະນັກງານກໍຈະສາມາດນຳໃຊ້ AI ໄດ້ຢ່າງໝັ້ນໃຈພາຍໃນຂອບເຂດທີ່ໄດ້ຮັບອະນຸຍາດ, ເຊິ່ງສົ່ງຜົນໃຫ້ຄວາມໄວໃນການນຳໃຊ້ເພີ່ມຂຶ້ນ.
ສຳລັບບໍລິສັດທີ່ມີການດຳເນີນທຸລະກິດຫຼາຍປະເທດໃນ ASEAN, ການມີລະບົບການຄຸ້ມຄອງທີ່ພ້ອມສັບ ຖືເປັນຫຼັກຖານຢັ້ງຢືນເຖິງຄວາມໜ້າເຊື່ອຖືຕໍ່ຄູ່ຄ້າ ແລະ ໜ່ວຍງານກຳກັບດູແລ. ການເບິ່ງວ່າການຄຸ້ມຄອງ AI ບໍ່ແມ່ນ "ຕົ້ນທຶນ" ແຕ່ເປັນ "ການລົງທຶນເພື່ອສະໜັບສະໜູນການນຳໃຊ້ AI ຢ່າງມີຄວາມຮັບຜິດຊອບ" ຈະເປັນມຸມມອງທີ່ມີປະສິດທິຜົນໃນການຊຸກຍູ້ການສ້າງລະບົບດັ່ງກ່າວພາຍໃນອົງກອນ.
ເງື່ອນໄຂເບື້ອງຕົ້ນກ່ອນເລີ່ມສ້າງລະບົບ
ກ່ອນທີ່ຈະເລີ່ມຂັ້ນຕອນຕ່າງໆ, ຈຳເປັນຕ້ອງມີການກຳນົດເງື່ອນໄຂເບື້ອງຕົ້ນສອງຢ່າງໃຫ້ຊັດເຈນ. ນັ້ນຄື ການໃຫ້ຄຳໝັ້ນສັນຍາຈາກຝ່າຍບໍລິຫານ ແລະ ການແຕ່ງຕັ້ງຜູ້ຮັບຜິດຊອບ, ລວມເຖິງການກວດສອບສະຖານະການນຳໃຊ້ AI ພາຍໃນບໍລິສັດ. ຖ້າຂາດສິ່ງເຫຼົ່ານີ້ໄປ, ໂຄງສ້າງການຈັດຕັ້ງກໍມີແນວໂນ້ມທີ່ຈະເປັນພຽງຮູບແບບທີ່ບໍ່ມີເນື້ອໃນ.
ຄວາມມຸ່ງໝັ້ນຂອງຝ່າຍບໍລິຫານ ແລະ ການແຕ່ງຕັ້ງຜູ້ຮັບຜິດຊອບ
ລະບົບການຄຸ້ມຄອງ AI (AI Governance) ເປັນການດຳເນີນງານທີ່ຕ້ອງອາໄສຄວາມຮ່ວມມືຈາກຫຼາຍພາກສ່ວນ. ເນື່ອງຈາກມີພະແນກກົດໝາຍ, ໄອທີ, ພະແນກທຸລະກິດຕ່າງໆ ແລະ ບໍລິສັດຍ່ອຍໃນທ້ອງຖິ່ນເຂົ້າມາກ່ຽວຂ້ອງ, ການຂັບເຄື່ອນດ້ວຍວິທີ Bottom-up ຈາກໜ້າວຽກພຽງຢ່າງດຽວຈຶ່ງບໍ່ມີພະລັງພຽງພໍ. ການທີ່ຄະນະບໍລິຫານເຂົ້າໃຈເຖິງຄວາມຈຳເປັນ ແລະ ໃຫ້ການສະໜັບສະໜູນຢ່າງຊັດເຈນ ຈຶ່ງເປັນຈຸດເລີ່ມຕົ້ນທີ່ສຳຄັນ.
ການແຕ່ງຕັ້ງຜູ້ຮັບຜິດຊອບໃນການປະຕິບັດວຽກງານຕົວຈິງກໍເປັນສິ່ງທີ່ຂາດບໍ່ໄດ້. ເຖິງວ່າການຈະສ້າງຕຳແໜ່ງໃໝ່ໂດຍສະເພາະ ຫຼື ໃຫ້ຜູ້ບໍລິຫານທີ່ມີຢູ່ແລ້ວມາຄວບຕຳແໜ່ງນັ້ນ ຈະຂຶ້ນຢູ່ກັບຂະໜາດຂອງບໍລິສັດ, ແຕ່ສິ່ງທີ່ຫ້າມເຮັດຄືການປ່ອຍໃຫ້ "ໃຜເປັນຜູ້ຮັບຜິດຊອບດ້ານ AI Governance" ມີຄວາມຄຸມເຄືອ. ຖ້າສ້າງພຽງແຕ່ຄະນະກຳມະການໂດຍທີ່ບໍ່ມີຜູ້ຮັບຜິດຊອບທີ່ຊັດເຈນ, ການຕັດສິນໃຈຈະຊັກຊ້າ ແລະ ການເຄື່ອນໄຫວກໍຈະຢຸດສະງັກ.
ໃນຊຸມປີມໍ່ໆມານີ້, ບໍລິສັດສ່ວນໃຫຍ່ທີ່ເລີ່ມນຳໃຊ້ AI ຢ່າງຈິງຈັງ ໄດ້ວາງຕຳແໜ່ງການຄຸ້ມຄອງໃຫ້ເປັນໂຄງການລະດັບອົງກອນທີ່ຜູ້ນຳເປັນຜູ້ຂັບເຄື່ອນ. ສຳລັບການອອກແບບອົງກອນທີ່ອີງໃສ່ AI ແລະ ບົດບາດຂອງຜູ້ຮັບຜິດຊອບນັ້ນ, ສາມາດສຶກສາເພີ່ມເຕີມໄດ້ຈາກ AIネイティブ組織とは?Chief AI Officerの役割.
ການກວດສອບສະຖານະການນຳໃຊ້ AI ພາຍໃນບໍລິສັດ
ຕໍ່ມາ, ແມ່ນການກວດສອບເບິ່ງວ່າປັດຈຸບັນພາຍໃນບໍລິສັດມີການນຳໃຊ້ AI ແນວໃດ. ນີ້ແມ່ນວຽກງານທີ່ເປັນພື້ນຖານໃນການອອກແບບໂຄງສ້າງ.
ສິ່ງທີ່ຕ້ອງກວດສອບຄື: ພະແນກໃດ, ສາຂາໃດ, ກຳລັງໃຊ້ເຄື່ອງມື AI ໃດ, ກັບວຽກງານໃດ ແລະ ໃຊ້ຮ່ວມກັບຂໍ້ມູນປະເພດໃດ. ຕ້ອງກວດສອບໃຫ້ກວມເອົາທັງສຳນັກງານໃຫຍ່ ແລະ ບໍລິສັດຍ່ອຍໃນແຕ່ລະປະເທດ. ຖ້າສ້າງນະໂຍບາຍໂດຍບໍ່ຮູ້ສະພາບຄວາມເປັນຈິງ, ມັນກໍຈະບໍ່ສອດຄ່ອງກັບການປະຕິບັດງານຕົວຈິງ ແລະ ກາຍເປັນພຽງທິດສະດີທີ່ບໍ່ສາມາດນຳໃຊ້ໄດ້.
ໃນຂະບວນການກວດສອບ, ບໍ່ແມ່ນເລື່ອງແປກທີ່ຈະພົບເຫັນການນຳໃຊ້ AI ທີ່ບໍ່ໄດ້ຄາດຄິດມາກ່ອນ. ສິ່ງນັ້ນເອງເປັນຫຼັກຖານຢືນຢັນວ່າຈຳເປັນຕ້ອງມີລະບົບການກຳກັບດູແລ (Governance). ສະຖານະການນຳໃຊ້ທີ່ກວດສອບໄດ້ນັ້ນ ຈະຖືກນຳມາອ້າງອີງຊ້ຳໆໃນການປະເມີນຄວາມສ່ຽງ ແລະ ການວາງນະໂຍບາຍໃນພາຍຫຼັງ. ແນວຄວາມຄິດໃນການຈັດການການດຳເນີນງານຂອງ AI Agent ຢ່າງເປັນລະບົບ ໄດ້ຖືກຮວບຮວມໄວ້ໃນ AgentOpsとは — AIエージェント運用組織の設計 ແລ້ວ.
ຂັ້ນຕອນການສ້າງລະບົບ AI Governance
ຈາກນີ້ໄປ, ຈະຂໍອະທິບາຍຂັ້ນຕອນການສ້າງລະບົບ AI Governance ຕົວຈິງໂດຍແບ່ງອອກເປັນ 3 ຂັ້ນຕອນ. ໂດຍຈະດຳເນີນການຕາມລຳດັບຄື: ການສ້າງຄະນະກຳມະການ ແລະ ນະໂຍບາຍ, ການປະເມີນຄວາມສ່ຽງ ແລະ ການວາງແຜນກົດລະບຽບຂອງແຕ່ລະປະເທດ, ແລະ ການລວມເອົາການຕິດຕາມກວດກາ ແລະ ການກວດສອບເຂົ້າໄປໃນລະບົບ.
Step 1: ການກຳນົດຄະນະກຳມະການ Governance ແລະ ນະໂຍບາຍ
ຂັ້ນຕອນທຳອິດແມ່ນການສ້າງຄະນະກຳມະການຄຸ້ມຄອງ AI ແລະ ກຳນົດນະໂຍບາຍການນຳໃຊ້ AI.
ຄະນະກຳມະການຄວນປະກອບດ້ວຍພາກສ່ວນຕ່າງໆທີ່ກ່ຽວຂ້ອງ. ນອກເໜືອໄປຈາກຝ່າຍບໍລິຫານ, ຝ່າຍກົດໝາຍ, ຝ່າຍ IT ແລະ ພາກສ່ວນທຸລະກິດຫຼັກແລ້ວ, ຖ້າມີສູນກາງຢູ່ໃນບັນດາປະເທດ ASEAN ກໍຄວນລວມເອົາຕົວແທນຂອງບໍລິສັດໃນທ້ອງຖິ່ນນັ້ນໆເຂົ້າຮ່ວມນຳ. ເນື່ອງຈາກກົດລະບຽບທີ່ກຳນົດໂດຍສຳນັກງານໃຫຍ່ພຽງຢ່າງດຽວອາດບໍ່ສາມາດສະທ້ອນເຖິງສະພາບການຕົວຈິງໃນທ້ອງຖິ່ນໄດ້ ແລະ ມັກຈະກາຍເປັນພຽງຮູບແບບທີ່ບໍ່ມີຜົນນຳໃຊ້ຈິງ. ບົດບາດຂອງຄະນະກຳມະການແມ່ນການອະນຸມັດນະໂຍບາຍ, ການກວດສອບກໍລະນີການນຳໃຊ້ AI ທີ່ສຳຄັນ, ແລະ ການຕັດສິນໃຈກ່ຽວກັບແນວທາງການຕອບສະໜອງຕໍ່ການປ່ຽນແປງຂອງກົດລະບຽບຕ່າງໆ.
ໃນນະໂຍບາຍການນຳໃຊ້ AI ຕ້ອງມີການລະບຸຢ່າງຊັດເຈນໂດຍແບ່ງແຍກລະຫວ່າງ ການນຳໃຊ້ທີ່ອະນຸຍາດ, ການນຳໃຊ້ທີ່ຫ້າມ, ແລະ ການນຳໃຊ້ທີ່ຕ້ອງໄດ້ຮັບການອະນຸມັດລ່ວງໜ້າ. ຕົວຢ່າງເຊັ່ນ: ກົດລະບຽບໃນການປ້ອນຂໍ້ມູນລັບ ຫຼື ຂໍ້ມູນສ່ວນບຸກຄົນເຂົ້າໃນການບໍລິການ AI ພາຍນອກ, ແລະ ຂັ້ນຕອນການກວດສອບເມື່ອນຳໃຊ້ຜົນລັດຈາກ AI ມາປະກອບການຕັດສິນໃຈໃນວຽກງານ. ສິ່ງທີ່ສຳຄັນຄືການເຮັດໃຫ້ນະໂຍບາຍມີຄວາມລະອຽດຊັດເຈນທີ່ພະນັກງານໜ້າວຽກສາມາດນຳໄປໃຊ້ໃນການຕັດສິນໃຈໄດ້, ບໍ່ແມ່ນພຽງແຕ່ຫຼັກການທີ່ເປັນນາມມະທຳເທົ່ານັ້ນ.
Step 2: ການປະເມີນຄວາມສ່ຽງ ແລະ ການວາງແຜນຮັບມືກັບກົດລະບຽບຂອງແຕ່ລະປະເທດ
ຕໍ່ໄປ, ປະເມີນຄວາມສ່ຽງທີ່ມາພ້ອມກັບການນຳໃຊ້ AI ແລະ ເຊື່ອມໂຍງມັນເຂົ້າກັບຂໍ້ກຳນົດດ້ານກົດລະບຽບຂອງແຕ່ລະປະເທດ.
ກ່ອນອື່ນ, ໃຫ້ລະບຸຄວາມສ່ຽງທີ່ມາພ້ອມກັບການນຳໃຊ້ AI ຂອງບໍລິສັດຕົນເອງ ແລະ ຈັດລະບຽບໄວ້ເປັນທະບຽນຄວາມສ່ຽງ. ໂດຍພິຈາລະນາຈາກມຸມມອງຕ່າງໆ ເຊັ່ນ: ການຮົ່ວໄຫຼຂອງຂໍ້ມູນ, ການລະເມີດກົດລະບຽບ, ຄວາມເສຍຫາຍທີ່ເກີດຈາກຜົນລວມທີ່ຜິດພາດ, ແລະ ຜົນລວມທີ່ມີລັກສະນະຈຳແນກ ຫຼື ບໍ່ຍຸຕິທຳ, ພ້ອມທັງປະເມີນຄວາມເປັນໄປໄດ້ໃນການເກີດຂຶ້ນ ແລະ ລະດັບຜົນກະທົບ.
ຈາກນັ້ນ, ໃຫ້ສ້າງການຈັດລຽງ (Mapping) ທີ່ເຊື່ອມໂຍງຂໍ້ກຳນົດດ້ານກົດລະບຽບຂອງແຕ່ລະປະເທດທີ່ບໍລິສັດໄດ້ເຂົ້າໄປດຳເນີນທຸລະກິດ ເຂົ້າກັບມາດຕະການທີ່ບໍລິສັດຄວນປະຕິບັດ. ຕົວຢ່າງເຊັ່ນ: ໃນປະເທດທີ່ມີຂໍ້ຈຳກັດກ່ຽວກັບການໂອນຂໍ້ມູນຂ້າມຊາຍແດນ, ໃຫ້ກຳນົດວິທີການຈັດການກັບຂໍ້ມູນຂອງປະເທດນັ້ນໆ. ໃນປະເທດທີ່ມີຂໍ້ກຳນົດເຂັ້ມງວດກ່ຽວກັບການຂໍຄວາມຍິນຍອມ, ໃຫ້ອອກແບບຂະບວນການຂໍຄວາມຍິນຍອມກ່ອນທີ່ຈະອະນຸຍາດໃຫ້ AI ນຳໃຊ້ຂໍ້ມູນສ່ວນບຸກຄົນ. ເນື້ອຫາລະອຽດຂອງກົດລະບຽບໃນແຕ່ລະປະເທດ ສາມາດເລີ່ມຕົ້ນຈັດລະບຽບໄດ້ຈາກ ການປຽບທຽບກົດໝາຍປົກປ້ອງຂໍ້ມູນຂອງ ASEAN. ການຈັດລຽງນີ້ຈະກາຍເປັນຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ທີ່ຊ່ວຍໃຫ້ພະນັກງານໃນພາກສະໜາມສາມາດຕັດສິນໃຈໄດ້ວ່າ "ໃນປະເທດນີ້ ຄວນປະຕິບັດແນວໃດ".
Step 3: ການຕິດຕັ້ງກົນໄກການຕິດຕາມກວດກາ ແລະ ການກວດສອບ
ຂັ້ນຕອນທີ 3 ຄືການສ້າງກົນໄກການຕິດຕາມກວດກາ ແລະ ການກວດສອບ ເພື່ອຢືນຢັນຢ່າງຕໍ່ເນື່ອງວ່າກົດລະບຽບທີ່ກຳນົດໄວ້ນັ້ນໄດ້ຮັບການປະຕິບັດຕາມ.
ນະໂຍບາຍ ແລະ ການຮັບມືກັບຄວາມສ່ຽງ ເຖິງວ່າຈະຖືກສ້າງຂຶ້ນຢ່າງຖືກຕ້ອງໃນຕອນເລີ່ມຕົ້ນ ແຕ່ກໍຈະບໍ່ມີຄວາມໝາຍຫາກບໍ່ມີການນຳໄປປະຕິບັດຈິງ. ຄວນມີການກຽມກົນໄກການບັນທຶກ Log ເພື່ອຕິດຕາມການນຳໃຊ້ AI, ການກວດສອບພາຍໃນຢ່າງສະໝໍ່າສະເໝີ, ລວມເຖິງຂະບວນການລາຍງານ ແລະ ການຮັບມືເມື່ອເກີດການລະເມີດນະໂຍບາຍ ຫຼື ເຫດການບໍ່ຄາດຝັນ. ສິ່ງນີ້ຈະຊ່ວຍໃຫ້ສາມາດຄົ້ນພົບບັນຫາໄດ້ໂດຍໄວ ແລະ ນຳໄປສູ່ການແກ້ໄຂ.
ນອກຈາກນີ້ ສິ່ງທີ່ສຳຄັນຄືການທົບທວນໂຄງສ້າງດັ່ງກ່າວຢ່າງສະໝໍ່າສະເໝີ. ກົດລະບຽບຂອງບັນດາປະເທດໃນ ASEAN ຈະມີການປ່ຽນແປງໃນອະນາຄົດ ແລະ ເຄື່ອງມື AI ໃໝ່ໆ ກໍຈະເປີດຕົວ ຫຼື Launch ອອກມາຢ່າງຕໍ່ເນື່ອງ. ຄະນະກຳມະການຄວນອັບເດດນະໂຍບາຍ ແລະ ບັນຊີລາຍຊື່ຄວາມສ່ຽງຕາມຄວາມຖີ່ທີ່ເໝາະສົມ ເພື່ອສ້າງການດຳເນີນງານທີ່ສາມາດຕິດຕາມການປ່ຽນແປງຂອງກົດລະບຽບ ແລະ ເຄື່ອງມືຕ່າງໆໄດ້. AI Governance ບໍ່ແມ່ນສິ່ງທີ່ "ສ້າງຄັ້ງດຽວແລ້ວຈົບ" ແຕ່ເປັນກົນໄກທີ່ຕ້ອງຂັບເຄື່ອນຢ່າງຕໍ່ເນື່ອງ.
ໂຄງສ້າງ ແລະ ໄລຍະເວລາໂດຍປະມານໃນການດຳເນີນ 3 ຂັ້ນຕອນ
ເມື່ອເລີ່ມດຳເນີນການຕາມ 3 ຂັ້ນຕອນຕົວຈິງ, ການກຳນົດໂຄງສ້າງວ່າໃຜຈະເປັນຜູ້ຂັບເຄື່ອນ ແລະ ກຳນົດລຳດັບຄວາມສຳຄັນວ່າຄວນເລີ່ມຈາກຈຸດໃດກ່ອນ ຈະຊ່ວຍໃຫ້ການສ້າງລະບົບບໍ່ຢຸດສະງັກ.
ໂຄງສ້າງການຂັບເຄື່ອນ ແລະ ວິທີການມີສ່ວນຮ່ວມຂອງແຕ່ລະສາຂາ
ການສ້າງລະບົບການຄຸ້ມຄອງ AI ບໍ່ສາມາດເຮັດແບບຜິວເຜີນໄດ້. ກ່ອນອື່ນໝົດ, ຄວນຈັດຕັ້ງບຸກຄະລາກອນ ຫຼື ທີມງານທີ່ເປັນ ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ໃນການຂັບເຄື່ອນໄວ້ທີ່ສຳນັກງານໃຫຍ່ ເພື່ອເຮັດໜ້າທີ່ເປັນຕົວເຊື່ອມຕໍ່ລະຫວ່າງຄະນະກຳມະການ ແລະ ໜ້າວຽກຕົວຈິງ.
ນອກຈາກນີ້, ຄວນຕັດສິນໃຈແຕ່ຫົວທີວ່າຈະດຶງເອົາບັນດາສູນປະຕິບັດງານໃນປະເທດຕ່າງໆຂອງ ASEAN ເຂົ້າມາມີສ່ວນຮ່ວມແນວໃດ. ເນື່ອງຈາກການເຄື່ອນໄຫວທຸກສູນພ້ອມກັນຈະສ້າງພາລະໜັກເກີນໄປ, ຈຶ່ງຄວນເລີ່ມຕົ້ນຈາກສູນຫຼັກກ່ອນ ແລ້ວໃຊ້ສູນນັ້ນເປັນກໍລະນີຕົວຢ່າງໃນການຂະຫຍາຍໄປຍັງປະເທດອື່ນໆ. ຄວນແຕ່ງຕັ້ງຜູ້ຮັບຜິດຊອບເປັນຈຸດປະສານງານໃນແຕ່ລະສູນ ເພື່ອສ້າງຊ່ອງທາງໃນການ ສົ່ງຂໍ້ມູນຕໍ່ໃຫ້ ກັບທີມງານຂັບເຄື່ອນຂອງສຳນັກງານໃຫຍ່ຢ່າງສະໝໍ່າສະເໝີ.
ສິ່ງທີ່ມັກຈະພາດໃນການສ້າງລະບົບຂັບເຄື່ອນ ຄືການປະຕິບັດຕໍ່ມັນເປັນພຽງໂຄງການຊົ່ວຄາວໃນໄລຍະການສ້າງເທົ່ານັ້ນ. ເນື່ອງຈາກລະບົບດັ່ງກ່າວຈຳເປັນຕ້ອງໄດ້ດຳເນີນການຕໍ່ເນື່ອງເຖິງແມ່ນວ່າຈະເຂົ້າສູ່ໄລຍະການປະຕິບັດງານແລ້ວ, ຈຶ່ງຕ້ອງກຳນົດໃຫ້ຊັດເຈນຕັ້ງແຕ່ຕົ້ນວ່າ ໃຜຈະເປັນຜູ້ຮັບຜິດຊອບໃນການຮັກສາລະບົບດັ່ງກ່າວໄວ້ຫຼັງຈາກການສ້າງສຳເລັດ.
ການຈັດລຳດັບຄວາມສຳຄັນ ແລະ ການເລີ່ມຕົ້ນແບບ Small Start
ການພະຍາຍາມນຳໃຊ້ 3 ຂັ້ນຕອນດັ່ງກ່າວໃຫ້ກັບທຸກປະເທດ ແລະ ທຸກວຽກງານພ້ອມກັນໃນຄັ້ງດຽວ ຈະເຮັດໃຫ້ເກີດພາລະໜັກ ແລະ ມີໂອກາດລົ້ມເຫຼວໄດ້ງ່າຍ. ການຈັດລຳດັບຄວາມສຳຄັນ ແລະ ເລີ່ມຕົ້ນຈາກຈຸດນ້ອຍໆ (Small start) ແມ່ນວິທີທີ່ເປັນໄປໄດ້ຫຼາຍທີ່ສຸດ.
ການຈັດລຳດັບຄວາມສຳຄັນແມ່ນໃຫ້ຕັດສິນຈາກລະດັບຄວາມສ່ຽງ. ວຽກງານທີ່ຈັດການກັບຂໍ້ມູນສ່ວນບຸກຄົນຫຼາຍ, ສາຂາໃນປະເທດທີ່ມີກົດລະບຽບເຄັ່ງຄັດ, ແລະ ພະແນກທີ່ມີການນຳໃຊ້ AI ແຜ່ຫຼາຍແລ້ວ ແມ່ນຄວນເລີ່ມຕົ້ນກ່ອນ ເພາະຈະເຫັນຜົນໄດ້ຊັດເຈນ. ໃນທາງກົງກັນຂ້າມ, ຂົງເຂດທີ່ຍັງມີການນຳໃຊ້ AI ໜ້ອຍ ແມ່ນສາມາດເກັບໄວ້ເຮັດໃນພາຍຫຼັງໄດ້.
ໃນເບື້ອງຕົ້ນ, ຄວນສ້າງໂຄງຮ່າງຂອງຄະນະກຳມະການ, ນະໂຍບາຍ ແລະ ການຕິດຕາມກວດກາໃຫ້ຄົບຖ້ວນຢູ່ສຳນັກງານໃຫຍ່ ແລະ ສາຂາຫຼັກເສຍກ່ອນ, ຈາກນັ້ນຈຶ່ງນຳເອົາຄວາມຮູ້ທີ່ໄດ້ຮັບໄປຂະຫຍາຍສູ່ສາຂາອື່ນໆ. ບໍ່ຄວນຕັ້ງເປົ້າໝາຍໃຫ້ສົມບູນແບບຕັ້ງແຕ່ຕົ້ນ, ແຕ່ໃຫ້ເລີ່ມສ້າງ ແລະ ດຳເນີນງານໃນຂະໜາດນ້ອຍ, ພ້ອມທັງປັບປຸງໄປພ້ອມກັບການຂະຫຍາຍຂອບເຂດ. ວິທີການດຳເນີນງານແບບນີ້ ຈະຊ່ວຍໃຫ້ສາມາດປັບຕົວໄດ້ຢ່າງຍືດຫຍຸ່ນ ເຖິງແມ່ນວ່າກົດລະບຽບ ຫຼື ເຄື່ອງມືຕ່າງໆຈະມີການປ່ຽນແປງໃນລະຫວ່າງທາງກໍຕາມ.
ຂໍ້ຜິດພາດທີ່ພົບເລື້ອຍໃນການສ້າງລະບົບ
ໂຄງຮ່າງການຄຸ້ມຄອງ AI ບໍ່ແມ່ນສ້າງແລ້ວຈົບ ແຕ່ຈະມີຄວາມໝາຍກໍຕໍ່ເມື່ອມີການນຳໄປໃຊ້ງານຈິງເທົ່ານັ້ນ. ຄວນທຳຄວາມເຂົ້າໃຈກ່ຽວກັບຮູບແບບຄວາມຜິດພາດສອງຢ່າງທີ່ມັກພົບເຫັນເລື້ອຍໆໃນບໍລິສັດທີ່ມີການຂະຫຍາຍຕົວໄປຫຼາຍປະເທດ.
ນະໂຍບາຍທີ່ບໍ່ຖືກນຳໄປໃຊ້ຈິງໃນພາກປະຕິບັດ
ຄວາມຜິດພາດທີ່ພົບເຫັນຫຼາຍທີ່ສຸດ ຄືການທີ່ນະໂຍບາຍກາຍເປັນພຽງຮູບແບບທີ່ບໍ່ມີຜົນນຳໃຊ້ຈິງໃນໜ້າວຽກ.
ເຖິງແມ່ນວ່າຈະສ້າງເອກະສານນະໂຍບາຍທີ່ດີເລີດຂຶ້ນມາ ແຕ່ຖ້າມັນບໍ່ຖືກສົ່ງຕໍ່ໄປຍັງໜ້າວຽກ ຫຼື ເນື້ອໃນມີຄວາມເປັນນາມມະທຳເກີນໄປຈົນບໍ່ສາມາດນຳໄປໃຊ້ໃນການຕັດສິນໃຈທີ່ເປັນຮູບປະທຳໄດ້ ກໍຈະບໍ່ມີໃຜອ້າງອີງເຖິງມັນ. ຖ້າບໍ່ມີກົນໄກໃນການກວດສອບວ່າໄດ້ມີການປະຕິບັດຕາມຫຼືບໍ່ ກໍຈະບໍ່ສາມາດຮູ້ໄດ້ເລີຍວ່າເກີດການລະເມີດຂຶ້ນ.
ວິທີແກ້ໄຂມີສອງທາງ. ທາງທີໜຶ່ງ ຄືການຂຽນນະໂຍບາຍໃຫ້ມີຄວາມລະອຽດຊັດເຈນທີ່ໜ້າວຽກສາມາດນຳໄປໃຊ້ໄດ້ແທ້. ປ່ຽນຈາກການໃຊ້ຄຳວ່າ "ຈັດການຢ່າງເໝາະສົມ" ມາເປັນລະດັບທີ່ລະບຸວ່າ "ຂໍ້ມູນປະເພດນີ້ ຫ້າມປ້ອນເຂົ້າໃນເຄື່ອງມືນີ້" ເປັນຕົ້ນ. ທາງທີສອງ ຄືການສົ່ງຂໍ້ມູນຕໍ່ໃຫ້ໜ້າວຽກຢ່າງຕໍ່ເນື່ອງຜ່ານການຝຶກອົບຮົມ ແລະ ການຕິດຕາມກວດກາ ເພື່ອກວດສອບສະຖານະການດຳເນີນງານຢູ່ສະເໝີ. ຄວນໃຫ້ຄວາມສຳຄັນກັບປະສິດທິຜົນໃນການນຳໃຊ້ຈິງຫຼາຍກວ່າຄວາມສົມບູນແບບຂອງເອກະສານ.
ການດຳເນີນງານທີ່ແຕກຕ່າງກັນໃນແຕ່ລະບໍລິສັດຍ່ອຍຂອງແຕ່ລະປະເທດ
ຄວາມຜິດພາດທີ່ມັກພົບເຫັນສະເພາະໃນບໍລິສັດທີ່ມີການດຳເນີນງານຫຼາຍປະເທດ ຄືການທີ່ການດຳເນີນງານໃນແຕ່ລະບໍລິສັດຍ່ອຍຂອງແຕ່ລະປະເທດມີຄວາມແຕກຕ່າງກັນ.
ນະໂຍບາຍທີ່ສຳນັກງານໃຫຍ່ກຳນົດໄວ້ອາດຈະບໍ່ສາມາດເຂົ້າເຖິງທ້ອງຖິ່ນໄດ້ຢ່າງເຕັມທີ່ ເນື່ອງຈາກຄວາມແຕກຕ່າງດ້ານພາສາ, ວັດທະນະທຳ ແລະ ລະບົບກົດໝາຍ. ເຮັດໃຫ້ເກີດການນຳໃຊ້ AI ແບບສະເພາະຂອງທ້ອງຖິ່ນໂດຍທີ່ຜູ້ຮັບຜິດຊອບຢູ່ສຳນັກງານໃຫຍ່ບໍ່ຮັບຮູ້, ເຊິ່ງກໍ່ໃຫ້ເກີດຊ່ອງວ່າງໃນການກຳກັບດູແລ.
ວິທີການແກ້ໄຂບັນຫາດັ່ງກ່າວທີ່ມີປະສິດທິຜົນ ຄືການແຕ່ງຕັ້ງຜູ້ຮັບຜິດຊອບດ້ານການກຳກັບດູແລປະຈຳທ້ອງຖິ່ນໃນແຕ່ລະສາຂາ ເພື່ອໃຫ້ມີບົດບາດໃນການເຊື່ອມຕໍ່ລະຫວ່າງສຳນັກງານໃຫຍ່ກັບທ້ອງຖິ່ນ. ນະໂຍບາຍ ແລະ ເອກະສານຝຶກອົບຮົມຄວນໄດ້ຮັບການແປເປັນພາສາທ້ອງຖິ່ນ ແລະ ເພີ່ມເຕີມຂໍ້ມູນໃຫ້ສອດຄ່ອງກັບກົດລະບຽບຂອງແຕ່ລະປະເທດ. ແທນທີ່ຈະບັງຄັບໃຊ້ນະໂຍບາຍຂອງສຳນັກງານໃຫຍ່ແບບດຽວກັນທັງໝົດ, ແນວຄິດ "ກອບວຽກຮ່ວມກັນ + ການປັບຕົວໃຫ້ເຂົ້າກັບທ້ອງຖິ່ນ" ໂດຍຮັກສາກອບວຽກຫຼັກໄວ້ແລ້ວປັບປ່ຽນການດຳເນີນງານໃຫ້ເໝາະສົມກັບສະຖານະການຂອງແຕ່ລະປະເທດນັ້ນ ເປັນວິທີທີ່ສາມາດປະຕິບັດໄດ້ຈິງ.
ວິທີການເຮັດໃຫ້ລະບົບມີຄວາມໝັ້ນຄົງ ແລະ ຂະຫຍາຍຕົວ
ເພື່ອບໍ່ໃຫ້ລະບົບດັ່ງກ່າວເປັນພຽງສິ່ງທີ່ເກີດຂຶ້ນຊົ່ວຄາວ ແຕ່ສາມາດເຮັດໃຫ້ມັນໝັ້ນຄົງ ແລະ ຂະຫຍາຍຕົວຕໍ່ໄປໄດ້ນັ້ນ, ການປູກຝັງວັດທະນະທຳດ້ານການກຳກັບດູແລຜ່ານການສຶກສາອົບຮົມ ແລະ ການນຳໃຊ້ເຄື່ອງມື ຫຼື ແພລດຟອມຕ່າງໆ ຈຶ່ງຖືເປັນ ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ.
ການສຶກສາອົບຮົມ ແລະ ການສ້າງວັດທະນະທຳ Governance ໃຫ້ແຜ່ຫຼາຍ
ບົດບາດຂອງການສຶກສາມີຄວາມສຳຄັນຢ່າງຍິ່ງໃນການສ້າງ AI Governance ໃຫ້ມີຄວາມໝັ້ນຄົງ. ຖ້າພະນັກງານເຂົ້າໃຈເຖິງເຫດຜົນທີ່ວ່າເປັນຫຍັງກົດລະບຽບເຫຼົ່ານັ້ນຈຶ່ງມີຄວາມຈຳເປັນ, ບໍ່ແມ່ນພຽງແຕ່ການບັງຄັບໃຊ້ກົດລະບຽບເທົ່ານັ້ນ, ນະໂຍບາຍຕ່າງໆກໍຈະປ່ຽນຈາກ "ສິ່ງທີ່ຖືກບັງຄັບໃຫ້ປະຕິບັດ" ໄປສູ່ "ສິ່ງທີ່ປະຕິບັດໂດຍທຳມະຊາດ".
ໂດຍສະເພາະ, ສາມາດພິຈາລະນາໂຄງການຝຶກອົບຮົມຕາມລະດັບຊັ້ນ ເຊັ່ນ: ການຝຶກອົບຮົມຄວາມຮູ້ດ້ານ AI (AI Literacy) ສຳລັບພະນັກງານທຸກຄົນ, ການຝຶກອົບຮົມການຕັດສິນໃຈດ້ານຄວາມສ່ຽງສຳລັບຜູ້ບໍລິຫານ, ແລະ ການຝຶກອົບຮົມພາກປະຕິບັດສຳລັບຜູ້ທີ່ຮັບຜິດຊອບໃນການຈັດການກັບ AI ໂດຍກົງ. ໃນກໍລະນີທີ່ມີການດຳເນີນທຸລະກິດຫຼາຍປະເທດໃນ ASEAN, ຄວນສະໜອງການຝຶກອົບຮົມເປັນພາສາທ້ອງຖິ່ນ ແລະ ຄວນມີເນື້ອຫາທີ່ກ່ຽວຂ້ອງກັບກົດລະບຽບຂອງແຕ່ລະປະເທດນຳອີກ.
ໃນຊຸມປີມໍ່ໆມານີ້, ບໍລິສັດສ່ວນໃຫຍ່ທີ່ກຳລັງພັດທະນາການນຳໃຊ້ AI ໄດ້ວາງ "ການສຶກສາ" ໃຫ້ເປັນ ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ຂອງຍຸດທະສາດດ້ານບຸກຄະລາກອນ. ເຖິງແມ່ນວ່າຈະມີການນຳເອົາເຄື່ອງມື ຫຼື ກົດລະບຽບຕ່າງໆມາໃຊ້, ແຕ່ຖ້າຜູ້ທີ່ນຳໃຊ້ບໍ່ມີຄວາມເຂົ້າໃຈທີ່ພຽງພໍ, ລະບົບກໍຈະບໍ່ສາມາດຮາກຖານໄດ້. ການສ້າງວັດທະນະທຳດ້ານ Governance ອາດຈະໃຊ້ເວລາ, ແຕ່ມັນກໍເປັນພື້ນຖານທີ່ເຮັດໃຫ້ລະບົບມີຄວາມຍືນຍົງ.
ການນຳໃຊ້ເຄື່ອງມື ແລະ ແພລັດຟອມ
ເພື່ອຫຼຸດຜ່ອນພາລະໃນການດຳເນີນງານຂອງໂຄງຮ່າງອົງກອນ, ຍັງມີທາງເລືອກໃນການນຳໃຊ້ເຄື່ອງມື ຫຼື ແພລດຟອມທີ່ຊ່ວຍສະໜັບສະໜູນດ້ານ AI Governance.
ປັດຈຸບັນມີເຄື່ອງມືທີ່ມາພ້ອມກັບຟັງຊັນຕ່າງໆ ເຊັ່ນ: ການເກັບກຳຂໍ້ມູນການໃຊ້ງານ AI, ການກວດຈັບການລະເມີດນະໂຍບາຍ, ການຈັດການການປະເມີນຄວາມສ່ຽງ, ແລະ ການເຮັດໃຫ້ສະຖານະການຕອບສະໜອງຕໍ່ກົດລະບຽບຂອງແຕ່ລະປະເທດສາມາດເບິ່ງເຫັນໄດ້. ເມື່ອຂະໜາດຂອງວຽກງານໃຫຍ່ຂຶ້ນຈົນຍາກທີ່ຈະຈັດການດ້ວຍມື, ການພິຈາລະນານຳໃຊ້ແພລດຟອມເຫຼົ່ານີ້ກໍຖືວ່າມີຄວາມຄຸ້ມຄ່າ.
ຢ່າງໃດກໍຕາມ, ເຄື່ອງມືເປັນພຽງແຕ່ຊ່ອງທາງໜຶ່ງເທົ່ານັ້ນ. ຖ້ານຳໃຊ້ພຽງແຕ່ເຄື່ອງມືໂດຍທີ່ໂຄງຮ່າງອົງກອນເຊັ່ນ: ຄະນະກຳມະການ, ນະໂຍບາຍ, ແລະ ການແບ່ງຄວາມຮັບຜິດຊອບຍັງບໍ່ທັນມີຄວາມພ້ອມ, ປະສິດທິຜົນທີ່ໄດ້ຮັບກໍຈະມີຈຳກັດ. ການວາງຮາກຖານຂອງໂຄງຮ່າງອົງກອນຕາມຂັ້ນຕອນທີ່ໄດ້ອະທິບາຍໄວ້ໃນບົດຄວາມນີ້ໃຫ້ໝັ້ນຄົງເສຍກ່ອນ, ແລ້ວຈຶ່ງນຳໃຊ້ເຄື່ອງມືເຂົ້າມາເປັນອຸປະກອນໃນການເພີ່ມປະສິດທິພາບການດຳເນີນງານ, ນັ້ນຄືລຳດັບທີ່ຖືກຕ້ອງ.
ຄຳຖາມທີ່ພົບເລື້ອຍ (FAQ)
ຂໍ້ສົງໄສທີ່ມັກພົບເລື້ອຍໃນການສ້າງລະບົບ AI Governance ຈະຖືກສະຫຼຸບ ແລະ ຕອບໃນ 3 ປະເດັນດັ່ງນີ້:
ການສ້າງລະບົບ AI Governance ໃນ ASEAN ຕ້ອງໃຊ້ເວລາຫຼາຍປານໃດ?
ເນື່ອງຈາກມີຄວາມແຕກຕ່າງກັນໄປຕາມຂະໜາດຂອງບໍລິສັດ ແລະ ຈຳນວນສາຂາ ຈຶ່ງບໍ່ສາມາດລະບຸໄດ້ຢ່າງຊັດເຈນ ແຕ່ຫາກລວມເຖິງການກຽມຄວາມພ້ອມດ້ານເງື່ອນໄຂເບື້ອງຕົ້ນ, ການສ້າງຄະນະກຳມະການ, ການກຳນົດນະໂຍບາຍ ແລະ ການເຮັດ Mapping ກົດລະບຽບຂອງແຕ່ລະປະເທດແລ້ວ ຈຳເປັນຕ້ອງໄດ້ກຽມໄລຍະເວລາທີ່ເໝາະສົມ. ແທນທີ່ຈະຕັ້ງເປົ້າໝາຍໃຫ້ລະບົບສົມບູນແບບໃນຄັ້ງດຽວ, ການເລີ່ມສ້າງໂຄງຮ່າງຈາກສຳນັກງານໃຫຍ່ ແລະ ສາຂາຫຼັກໆກ່ອນ ແລ້ວຄ່ອຍໆຂະຫຍາຍຂອບເຂດປະເທດ ແລະ ວຽກງານທີ່ກ່ຽວຂ້ອງອອກໄປເທື່ອລະຂັ້ນຈະມີຄວາມເປັນໄປໄດ້ຫຼາຍກວ່າ.
ສາຂາຂະໜາດນ້ອຍໃນ ASEAN ຈຳເປັນຕ້ອງມີລະບົບ Governance ບໍ?
ເຖິງແມ່ນວ່າສາຂາຈະມີຂະໜາດນ້ອຍ ແຕ່ກົດໝາຍປົກປ້ອງຂໍ້ມູນຂອງປະເທດນັ້ນໆກໍຍັງມີຜົນບັງຄັບໃຊ້. ໃນມຸມມອງຂອງການປະຕິບັດຕາມກົດລະບຽບ, ຂະໜາດຂອງສາຂາບໍ່ສາມາດນຳມາເປັນຂໍ້ອ້າງໄດ້. ຢ່າງໃດກໍຕາມ, ຄວາມໜັກແໜ້ນຂອງລະບົບສາມາດປັບປ່ຽນໄດ້ຕາມຂະໜາດ. ສຳລັບສາຂາຂະໜາດນ້ອຍ ສາມາດເລີ່ມຕົ້ນດ້ວຍຮູບແບບທີ່ເບົາບາງ ເຊັ່ນ: ການນຳໃຊ້ນະໂຍບາຍຂອງສຳນັກງານໃຫຍ່ເປັນກອບການເຮັດວຽກຮ່ວມກັນ ແລະ ແຕ່ງຕັ້ງຜູ້ຮັບຜິດຊອບໃນທ້ອງຖິ່ນພຽງໜຶ່ງຄົນເພື່ອດຳເນີນການ.
ຖ້າກົດລະບຽບຂອງແຕ່ລະປະເທດມີການປ່ຽນແປງ ຄວນຮັບມືແນວໃດ?
ສິ່ງສຳຄັນຄືການກຽມຄວາມພ້ອມໃນການຮັບມືກັບການປ່ຽນແປງຂອງກົດລະບຽບໄວ້ໃນລະບົບຕັ້ງແຕ່ຕົ້ນ. ໂດຍສະເພາະ, ຄວນກຳນົດວິທີການດຳເນີນງານໃຫ້ຄະນະກຳມະການ Governance ມີການທົບທວນທິດທາງກົດລະບຽບຂອງແຕ່ລະປະເທດຢ່າງສະໝໍ່າສະເໝີ ແລະ ອັບເດດນະໂຍບາຍລວມເຖິງບັນຊີຄວາມສ່ຽງຕາມຄວາມຈຳເປັນ. ຄວນອອກແບບລະບົບໂດຍຕັ້ງສົມມຸດຕິຖານວ່າ ການປ່ຽນແປງຂອງກົດລະບຽບບໍ່ແມ່ນເຫດການຍົກເວັ້ນ ແຕ່ເປັນສິ່ງທີ່ຈະເກີດຂຶ້ນຢ່າງຕໍ່ເນື່ອງ.
ສະຫຼຸບ
ສຳລັບວິສາຫະກິດທີ່ມີການດຳເນີນທຸລະກິດຫຼາຍປະເທດໃນ ASEAN, ລະບົບການຄຸ້ມຄອງ AI (AI Governance) ແມ່ນໂຄງສ້າງພື້ນຖານ ຫຼື Infrastructure ທີ່ເປັນເງື່ອນໄຂເບື້ອງຕົ້ນໃນການດຳເນີນທຸລະກິດຢ່າງຕໍ່ເນື່ອງ. ໃນສະພາບການທີ່ແຕ່ລະປະເທດມີກົດລະບຽບທີ່ແຕກຕ່າງກັນ ແລະ ມີຄວາມສ່ຽງສູງຈາກການຂາດການຄຸ້ມຄອງ, ການສ້າງລະບົບດັ່ງກ່າວຈຶ່ງເປັນຫົວຂໍ້ທີ່ບໍ່ສາມາດຜັດຜ່ອນໄດ້.
ການສ້າງລະບົບດັ່ງກ່າວຈະດຳເນີນໄປຕາມ 3 ຂັ້ນຕອນ ຫຼັງຈາກທີ່ໄດ້ກຳນົດເງື່ອນໄຂເບື້ອງຕົ້ນຢ່າງຊັດເຈນແລ້ວ ເຊັ່ນ: ຄວາມມຸ່ງໝັ້ນຂອງຄະນະບໍລິຫານ, ການແຕ່ງຕັ້ງຜູ້ຮັບຜິດຊອບ, ແລະ ການກວດສອບສະຖານະການນຳໃຊ້ AI: ໄດ້ແກ່ ການສ້າງຄະນະກຳມະການແລະນະໂຍບາຍ, ການປະເມີນຄວາມສ່ຽງແລະການວາງແຜນຜັງກົດລະບຽບຂອງແຕ່ລະປະເທດ, ແລະ ການນຳເອົາລະບົບຕິດຕາມກວດກາແລະການກວດສອບເຂົ້າມາປະຕິບັດ. ໂດຍການຈັດຕັ້ງລະບົບການຂັບເຄື່ອນ, ການຈັດລຳດັບຄວາມສຳຄັນ ແລະ ການເລີ່ມຕົ້ນແບບຂະໜາດນ້ອຍ (Small Start), ພ້ອມທັງຫຼີກລ່ຽງຄວາມຜິດພາດເຊັ່ນ: ນະໂຍບາຍທີ່ບໍ່ມີຜົນບັງຄັບໃຊ້ຈິງ ຫຼື ຄວາມບໍ່ສອດຄ່ອງໃນການປະຕິບັດງານຂອງແຕ່ລະປະເທດ, ຈະຊ່ວຍໃຫ້ລະບົບດັ່ງກ່າວມີຄວາມໝັ້ນຄົງແລະຂະຫຍາຍຕົວຜ່ານການສຶກສາອົບຮົມແລະການນຳໃຊ້ເຄື່ອງມືຕ່າງໆ.
ສິ່ງທີ່ເປັນຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ຄືການຮັບຮູ້ວ່າການຄຸ້ມຄອງ AI ບໍ່ແມ່ນສິ່ງທີ່ເຮັດຄັ້ງດຽວແລ້ວຈົບ, ແຕ່ເປັນກົນໄກທີ່ຕ້ອງດຳເນີນການຢ່າງຕໍ່ເນື່ອງໃຫ້ສອດຄ່ອງກັບການປ່ຽນແປງຂອງກົດລະບຽບແລະເຄື່ອງມືຕ່າງໆ. ແທນທີ່ຈະຕັ້ງເປົ້າໝາຍສ້າງລະບົບທີ່ສົມບູນແບບໃນຄັ້ງດຽວ, ການມີທັດສະນະຄະຕິໃນການສ້າງໂຄງຮ່າງພື້ນຖານແລ້ວພັດທະນາໄປພ້ອມກັບການປະຕິບັດງານຕົວຈິງ ຈະນຳໄປສູ່ລະບົບທີ່ມີປະສິດທິຜົນໃນທີ່ສຸດ.
ຫາກທ່ານມີຂໍ້ສົງໄສກ່ຽວກັບການສ້າງລະບົບການຄຸ້ມຄອງ AI ໃນປະເທດຕ່າງໆຂອງ ASEAN ຫຼື ການບໍລິຫານຈັດການຄວາມສ່ຽງໃນການນຳໃຊ້ AI, ກະລຸນາ ຕິດຕໍ່ຫາພວກເຮົາ.
ຜູ້ຂຽນ · ຜູ້ກວດທານ
Chi
ສຳເລັດການສຶກສາສາຂາວິທະຍາສາດຄອມພິວເຕີ (Information Science) ຈາກມະຫາວິທະຍາໄລແຫ່ງຊາດລາວ ໂດຍໃນລະຫວ່າງການສຶກສາມີສ່ວນຮ່ວມໃນການພັດທະນາຊອບແວສະຖິຕິ (Statistical Software) ຈາກປະສົບການຕົວຈິງ ຈຶ່ງໄດ້ສ້າງພື້ນຖານດ້ານການວິເຄາະຂໍ້ມູນ (Data Analysis) ແລະ ການໂປຣແກຣມມິງ (Programming) ຢ່າງເຂັ້ມແຂງ. ຕັ້ງແຕ່ປີ 2021 ໄດ້ກ້າວເຂົ້າສູ່ເສັ້ນທາງການພັດທະນາ Web ແລະ ແອັບພລິເຄຊັນ (Application) ແລະ ຕັ້ງແຕ່ປີ 2023 ເປັນຕົ້ນມາ ໄດ້ສັ່ງສົມປະສົບການພັດທະນາຢ່າງເຕັມຮູບແບບທັງໃນດ້ານ Frontend ແລະ Backend. ໃນບໍລິສັດ ຮັບຜິດຊອບການອອກແບບ ແລະ ພັດທະນາ Web Service ທີ່ນຳໃຊ້ AI ພ້ອມທັງມີສ່ວນຮ່ວມໃນໂຄງການທີ່ປະສົມປະສານ ການປະມວນຜົນພາສາທຳມະຊາດ (NLP: Natural Language Processing), ການຮຽນຮູ້ຂອງເຄື່ອງ (Machine Learning), Generative AI ແລະ ໂມເດນພາສາຂະໜາດໃຫຍ່ (LLM: Large Language Model) ເຂົ້າກັບລະບົບທຸລະກິດ. ມີຄວາມກະຕືລືລົ້ນໃນການຕິດຕາມເທັກໂນໂລຊີໃໝ່ລ່າສຸດຢູ່ສະເໝີ ແລະ ໃຫ້ຄວາມສຳຄັນກັບຄວາມວ່ອງໄວໃນທຸກຂັ້ນຕອນ ຕັ້ງແຕ່ການທົດສອບດ້ານເທັກນິກ ຈົນເຖິງການນຳໄປໃຊ້ງານຈິງໃນລະບົບ Production.
