Name: ธรรมาภิบาล ความมั่นคง และการเข้าถึงถ้วนหน้า · หลักสูตร AI เพื่อภาครัฐและบริการประชาชน อย่างมืออาชีพ
Author: จักริน นพรุจนธาดา

3.1

โมดูล 3.1

ธรรมาภิบาล AI ภาครัฐ: วางกติกาก่อนวางระบบ

แนวทาง ETDA/สดช./ก.พ.ร. และหลักโปร่งใส รับผิดชอบได้ มีคนกำกับ

👋 สำหรับผู้เริ่มต้น — อ่านตรงนี้ก่อน

💡

เปรียบง่าย ๆ: ธรรมาภิบาล AI (AI governance) เหมือน 'กฎจราจร' ของการใช้ AI ในหน่วยงาน มันไม่ได้ห้ามขับรถ แต่บอกว่าใครขับได้ ขับเลนไหน ความเร็วเท่าไร และถ้าชนแล้วใครรับผิดชอบ พอมีกฎชัด ทุกคนก็ใช้ถนนร่วมกันได้อย่างปลอดภัย

🎯

ทำไมต้องรู้: ในภาครัฐ ความผิดพลาดของ AI กระทบสิทธิและชีวิตประชาชนโดยตรง ถ้าไม่วางกติกาไว้ก่อนตั้งแต่ต้น ทุกโครงการจะเสี่ยงทั้งเรื่องกฎหมาย ความเชื่อมั่น และการตรวจสอบย้อนหลัง การวางธรรมาภิบาลก่อนคือการป้องกันปัญหา ไม่ใช่ตามแก้ทีหลัง

🎯 สิ่งที่คุณจะทำได้หลังเรียนโมดูลนี้

อธิบายหลักธรรมาภิบาล AI ภาครัฐ 5 เสาได้ คือ ความโปร่งใส (transparency) ตรวจสอบและรับผิดชอบได้ (accountability) เป็นธรรมไม่เลือกปฏิบัติ (fairness) มีคนกำกับ (human oversight) และความมั่นคงปลอดภัย (security)
รู้จักหน่วยงานและแนวทางจริงของไทย ได้แก่ ศูนย์ธรรมาภิบาลปัญญาประดิษฐ์ (AI Governance Center - AIGC) ของ ETDA, แนวปฏิบัติจริยธรรม AI, บทบาท สดช. (ONDE) และมาตรฐานบริการภาครัฐของสำนักงาน ก.พ.ร.
ร่างนโยบายการใช้ AI ของหน่วยงาน (AI use policy) ที่ระบุขอบเขต ผู้อนุมัติ ข้อมูลที่ห้ามป้อน และผู้รับผิดชอบตามหลัก human-in-command ได้

เนื้อหา

ก่อนจะซื้อหรือสร้างระบบ AI ใด ๆ หน่วยงานต้องวาง 'กติกา' ที่เรียกว่าธรรมาภิบาล AI (AI governance) เสียก่อน หัวใจของมันในบริบทภาครัฐคือ 5 เสาหลัก: (1) ความโปร่งใส — ประชาชนต้องรู้ว่าตรงไหนมี AI เข้ามาเกี่ยวข้อง (2) ตรวจสอบและรับผิดชอบได้ (accountability) — ต้องระบุได้ว่าใครเป็นเจ้าของกระบวนการและใครรับผิดเมื่อพลาด (3) เป็นธรรม ไม่เลือกปฏิบัติ (fairness) — ระบบต้องไม่ทำให้กลุ่มใดเสียเปรียบอย่างไม่เป็นธรรม (4) มีคนกำกับสั่งการ (human oversight/human-in-command) — เจ้าหน้าที่ต้องเป็นผู้ตัดสินใจสุดท้ายเสมอ โดยเฉพาะเรื่องที่กระทบสิทธิ และ (5) ความมั่นคงปลอดภัย ของข้อมูลและระบบ ในประเทศไทยมีหน่วยงานและแนวทางจริงที่ควรอ้างอิง สำนักงานพัฒนาธุรกรรมทางอิเล็กทรอนิกส์ (ETDA) ตั้งศูนย์ธรรมาภิบาลปัญญาประดิษฐ์ (AI Governance Center - AIGC) และออกแนวปฏิบัติจริยธรรม AI (AI Ethics Guideline) กับแนวทางการประยุกต์ใช้ Generative AI อย่างมีธรรมาภิบาลสำหรับองค์กร; สำนักงานคณะกรรมการดิจิทัลเพื่อเศรษฐกิจและสังคมแห่งชาติ (สดช./ONDE) ดูภาพนโยบายดิจิทัลของประเทศและร่วมยกร่างกฎหมายส่งเสริม/กำกับ AI (ยังเป็นร่าง ต้องตรวจสอบสถานะล่าสุด); ส่วนสำนักงานคณะกรรมการพัฒนาระบบราชการ (ก.พ.ร./OPDC) เป็นเจ้าภาพเรื่องมาตรฐานและคุณภาพการให้บริการประชาชน ทั้งหมดนี้สอดคล้องกับหลักสากลอย่าง OECD AI Principles และข้อเสนอแนะว่าด้วยจริยธรรม AI ของ UNESCO ที่ไทยร่วมรับรอง โปรดจำไว้ว่าเอกสารแนวทางเหล่านี้ส่วนใหญ่เป็น 'แนวปฏิบัติโดยสมัครใจ' (soft law) ที่ยกระดับได้เป็นกฎภายในหน่วยงาน แต่ AI ยังชอบมั่วชื่อประกาศ เลขที่หนังสือ หรือปีที่ออก จึงต้องเปิดเอกสารฉบับจริงยืนยันทุกครั้งก่อนนำไปอ้างในเวทีทางการ

📖 คำศัพท์ในโมดูลนี้ (อธิบายง่าย ๆ)

AI Governance (ธรรมาภิบาล AI)ชุดกติกาว่าใครใช้ AI ได้ ใช้กับอะไร ตรวจสอบอย่างไร และใครรับผิดชอบ

Accountabilityการระบุตัวผู้รับผิดชอบได้ชัดเจน และตรวจย้อนกลับได้ว่าใครตัดสินใจอะไร

Human-in-commandคนเป็นผู้สั่งการและตัดสินใจสุดท้าย AI เป็นเพียงเครื่องมือช่วย

ETDA / AIGCหน่วยงานและศูนย์ธรรมาภิบาล AI ของไทยที่ออกแนวปฏิบัติจริยธรรม AI

ก.พ.ร. (OPDC)สำนักงานที่ดูแลมาตรฐานและคุณภาพการให้บริการประชาชนของหน่วยงานรัฐ

🧪 ตัวอย่างจริง + ผลลัพธ์ที่ได้

ร่างโครงนโยบายการใช้ AI ของหน่วยงาน

ช่วยร่างหัวข้อหลักของ 'นโยบายการใช้ AI อย่างมีธรรมาภิบาล' สำหรับหน่วยงานราชการไทยระดับกรม โดยยึดหลัก 5 เสา (โปร่งใส รับผิดชอบได้ เป็นธรรม มีคนกำกับ มั่นคงปลอดภัย) ให้ครอบคลุม: เครื่องมือที่อนุญาต/ห้ามใช้, ประเภทข้อมูลที่ห้ามป้อนเข้า AI สาธารณะ, ขั้นตอนขออนุมัติใช้เครื่องมือใหม่, การเปิดเผยต่อประชาชนว่ามีการใช้ AI, และผู้รับผิดชอบในแต่ละขั้น — ทำเป็นหัวข้อพร้อมคำอธิบายสั้น

✅ ผลลัพธ์ที่ได้

AI ร่างโครงนโยบายเป็นหมวด เช่น ขอบเขตและนิยาม, เครื่องมือที่อนุญาต (sanctioned) และต้องห้าม, การจำแนกชั้นข้อมูลก่อนใช้, กระบวนการขออนุมัติและทะเบียนระบบ AI, การเปิดเผยการใช้ AI ต่อประชาชน, การกำกับดูแลโดยเจ้าหน้าที่ และบทบาทผู้รับผิดชอบ/DPO เป็นร่างที่คณะทำงานเอาไปปรับตามภารกิจจริงต่อ

💡 จุดสอน

AI ช่วยร่าง 'โครง' ให้เร็วขึ้นมาก แต่นโยบายจริงต้องผ่านคณะทำงานของหน่วยงาน ปรับให้ตรงกับอำนาจหน้าที่ ระเบียบภายใน และกฎหมายที่เกี่ยวข้อง ก่อนประกาศใช้ อย่าปล่อยให้ร่างของ AI กลายเป็นนโยบายโดยไม่มีคนตรวจ เพราะนโยบายที่อ้างกฎหมายผิดมาตราจะสร้างปัญหาแทนที่จะป้องกัน

เคล็ดลับ: ตั้ง 'ทะเบียนระบบ AI' (AI inventory) ของหน่วยงาน บันทึกว่าแต่ละระบบใช้ทำอะไร ข้อมูลอะไร ใครเป็นเจ้าของ และระดับความเสี่ยง — นี่คือพื้นฐานที่ทำให้ตรวจสอบและกำกับได้จริง

แบบฝึกหัดท้ายโมดูล

เขียนนโยบายการใช้ AI ฉบับย่อ 1 หน้าสำหรับหน่วยงานของคุณ โดยระบุให้ครบทั้ง 5 เสา และยกตัวอย่างข้อมูล 3 ประเภทที่ห้ามป้อนเข้าเครื่องมือ AI สาธารณะ
ทำร่างทะเบียนระบบ AI (AI inventory) โดยลิสต์ระบบ/งานที่หน่วยงานคุณใช้หรือคิดจะใช้ AI อย่างน้อย 5 รายการ พร้อมระบุเจ้าของงาน ข้อมูลที่เกี่ยวข้อง และประเมินระดับความเสี่ยง (ต่ำ/กลาง/สูง)

3.2

โมดูล 3.2

จัดซื้อ AI อย่างรับผิดชอบ และ Algorithmic Accountability

เขียน TOR ให้ตรวจสอบได้ ประเมินความเสี่ยง และกันทุจริต

👋 สำหรับผู้เริ่มต้น — อ่านตรงนี้ก่อน

💡

เปรียบง่าย ๆ: การจัดซื้อ AI ที่ดีเหมือนการซื้อรถให้หน่วยงาน — เราไม่ได้ดูแค่ 'วิ่งเร็วไหม' แต่ต้องถามด้วยว่าเปิดฝากระโปรงตรวจเครื่องได้ไหม อะไหล่หาซื้อจากที่อื่นได้ไหม มีประกัน มีคู่มือ และถ้าพังใครรับผิดชอบ ไม่ใช่ซื้อกล่องดำที่เปิดดูข้างในไม่ได้

🎯

ทำไมต้องรู้: ถ้าเขียนข้อกำหนด (TOR) หลวม หน่วยงานจะได้ระบบที่เปิดตรวจไม่ได้ ผูกติดกับผู้ขายรายเดียว (vendor lock-in) และเมื่อ AI ตัดสินพลาดจนกระทบประชาชน จะไม่มีใครตอบได้ว่ามันตัดสินอย่างไร การเขียนสัญญาให้ดีตั้งแต่ต้นคือการซื้อ 'ความรับผิดชอบ' มาพร้อมกับระบบ

🎯 สิ่งที่คุณจะทำได้หลังเรียนโมดูลนี้

ใส่ข้อกำหนดสำคัญลงใน TOR/ขอบเขตงานจัดซื้อ AI ได้ เช่น สิทธิในการตรวจสอบ (right to audit), เอกสารกำกับโมเดล (model card/system card), ข้อห้ามนำข้อมูลไปเทรน, ความสามารถส่งออกข้อมูล (data portability) และเงื่อนไขเลิกใช้เพื่อกัน vendor lock-in
ทำการประเมินผลกระทบเชิงอัลกอริทึม (Algorithmic Impact Assessment - AIA) เบื้องต้น เพื่อจัดระดับความเสี่ยงและกำหนดมาตรการกำกับก่อนใช้จริง
เชื่อมโยงการจัดซื้อ AI เข้ากับหลักความโปร่งใสของ พ.ร.บ.การจัดซื้อจัดจ้างและการบริหารพัสดุภาครัฐ พ.ศ. 2560 และการป้องกันทุจริต

เนื้อหา

ภาครัฐไทยส่วนใหญ่ 'ซื้อ' ระบบ AI มากกว่าจะสร้างเอง ฉะนั้นทักษะสำคัญคือการเขียนข้อกำหนด (TOR) ให้ได้ของที่รับผิดชอบได้ (responsible AI procurement) หัวใจคือ 'ความสามารถในการตรวจสอบ' หลักที่ควรบรรจุใน TOR ได้แก่ สิทธิในการตรวจสอบระบบและผลลัพธ์ (right to audit), การส่งมอบเอกสารกำกับโมเดล (model card/system card) ที่บอกว่าโมเดลถูกฝึกด้วยข้อมูลลักษณะใด มีข้อจำกัดอะไร และวัดผลอย่างไร, ข้อห้ามผู้ขายนำข้อมูลของหน่วยงานหรือประชาชนไปฝึกโมเดลต่อ (no-training clause), การเก็บข้อมูลไว้ในเขตอำนาจไทยตามชั้นความลับ, ความสามารถส่งออกข้อมูลและย้ายระบบ (data portability/exit plan) เพื่อกันการผูกติดผู้ขายรายเดียว (vendor lock-in), และตัวชี้วัดคุณภาพขั้นต่ำที่วัดได้จริง เรื่องที่ขาดไม่ได้คือ 'การรับผิดชอบเชิงอัลกอริทึม' (algorithmic accountability) — ก่อนใช้ระบบที่อาจกระทบสิทธิ ควรทำการประเมินผลกระทบเชิงอัลกอริทึม (Algorithmic Impact Assessment) เพื่อระบุกลุ่มที่อาจได้รับผลกระทบ ความเสี่ยงเรื่องอคติ (bias) และมาตรการกำกับ ทั้งหมดนี้ต้องเดินคู่กับหลักความโปร่งใสของ พ.ร.บ.การจัดซื้อจัดจ้างและการบริหารพัสดุภาครัฐ พ.ศ. 2560 และระบบ e-GP ของกรมบัญชีกลาง โดยเฉพาะการเปิดเผยราคากลางและการเลี่ยงเงื่อนไขที่กีดกันการแข่งขัน ระวังคำโฆษณาของผู้ขายที่อ้างความแม่นยำสูงลิ่ว — ให้ขอหลักฐานการทดสอบกับข้อมูลบริบทไทยจริง และอย่าลืมว่าตัวเลขในเอกสารเสนอขายที่ AI ช่วยร่างก็อาจถูกปั้นแต่งหรือมั่วได้เช่นกัน

📖 คำศัพท์ในโมดูลนี้ (อธิบายง่าย ๆ)

TOR (ขอบเขตของงาน)เอกสารกำหนดว่าจ้างใครทำอะไร ส่งมอบอะไร และเงื่อนไขต้องเป็นอย่างไร

Right to auditสิทธิของหน่วยงานที่จะขอตรวจสอบระบบ ข้อมูล และผลลัพธ์ของผู้ขายได้

Vendor lock-inการติดกับผู้ขายรายเดียวจนย้ายไปเจ้าอื่นไม่ได้หรือแพงมาก

Algorithmic Impact Assessmentการประเมินล่วงหน้าว่าระบบอัลกอริทึมจะกระทบใครและเสี่ยงอย่างไร

Model cardเอกสารสรุปคุณสมบัติ ข้อจำกัด และการทดสอบของโมเดล AI

🧪 ตัวอย่างจริง + ผลลัพธ์ที่ได้

ร่างข้อกำหนดความรับผิดชอบใน TOR จัดซื้อ AI

ช่วยร่างหมวด 'ข้อกำหนดด้านธรรมาภิบาลและความรับผิดชอบ' ในเอกสารจัดซื้อระบบแชตบอตตอบประชาชนของหน่วยงานรัฐไทย ให้ครอบคลุม: สิทธิตรวจสอบระบบ (right to audit), การส่งมอบ model card, ข้อห้ามนำข้อมูลประชาชนไปเทรนโมเดล, การเก็บข้อมูลในไทยตามชั้นความลับ, แผนถ่ายโอนข้อมูลเมื่อสิ้นสุดสัญญา และตัวชี้วัดคุณภาพขั้นต่ำ — เขียนเป็นข้อ ๆ ในภาษาที่ใส่ในเอกสารราชการได้

✅ ผลลัพธ์ที่ได้

AI ร่างข้อกำหนดเป็นข้อ ๆ เช่น ผู้รับจ้างต้องยินยอมให้ตรวจสอบระบบและ log, ส่งมอบเอกสารกำกับโมเดลและผลทดสอบกับชุดข้อมูลไทย, ห้ามนำข้อมูลไปฝึกต่อโดยไม่ได้รับอนุญาต, จัดเก็บข้อมูลในราชอาณาจักรตามชั้นความลับ, จัดทำแผนส่งออกข้อมูลรูปแบบมาตรฐานเมื่อเลิกสัญญา และรับประกันตัวชี้วัดคุณภาพขั้นต่ำ ทีมจัดซื้อนำไปปรับถ้อยคำและตรวจกับระเบียบพัสดุต่อ

💡 จุดสอน

ข้อกำหนดที่ 'ตรวจสอบได้' คือเกราะป้องกันที่ดีที่สุด แต่ AI ไม่รู้บริบทระเบียบพัสดุและอำนาจอนุมัติของหน่วยงานคุณ ต้องให้นิติกรและเจ้าหน้าที่พัสดุตรวจถ้อยคำให้สอดคล้อง พ.ร.บ.จัดซื้อจัดจ้างฯ 2560 และหลีกเลี่ยงเงื่อนไขที่อาจถูกมองว่ากีดกันการแข่งขัน

ข้อควรระวัง: อย่าเชื่อตัวเลข 'ความแม่นยำ 99%' ในโบรชัวร์ผู้ขาย ให้ขอผลทดสอบกับข้อมูลบริบทไทยจริง และกำหนดใน TOR ให้มีช่วงทดลอง (pilot) ก่อนขยายผล — ระบบที่แม่นในห้องแล็บอาจพลาดกับสำเนียง คำสะกด และชื่อเฉพาะแบบไทย ๆ

แบบฝึกหัดท้ายโมดูล

เลือกระบบ AI ที่หน่วยงานคุณกำลังจะจัดซื้อ 1 ระบบ แล้วเขียนรายการข้อกำหนดด้านความรับผิดชอบอย่างน้อย 8 ข้อที่ต้องใส่ใน TOR
ทำแบบประเมินผลกระทบเชิงอัลกอริทึม (AIA) ฉบับย่อ ระบุกลุ่มประชาชนที่อาจได้รับผลกระทบ ความเสี่ยงเรื่องอคติ และมาตรการกำกับที่จะใช้ก่อนเปิดใช้จริง

3.3

โมดูล 3.3

ความมั่นคงไซเบอร์และอธิปไตยข้อมูล

ชั้นความลับ คลาวด์ภาครัฐ GDCC และเส้นแบ่งข้อมูลที่ห้ามหลุด

👋 สำหรับผู้เริ่มต้น — อ่านตรงนี้ก่อน

💡

เปรียบง่าย ๆ: อธิปไตยข้อมูล (data sovereignty) เหมือนกฎที่ว่าเอกสารลับของหน่วยงานต้องเก็บในตู้เซฟในอาคารของเราเอง ไม่ใช่ฝากไว้ในโกดังของคนอื่นในต่างประเทศที่เราคุมกุญแจไม่ได้ ส่วนการเอาข้อมูลลับไปพิมพ์ในแชตบอตสาธารณะก็เหมือนถ่ายเอกสารลับไปแปะบอร์ดหน้าอาคาร

🎯

ทำไมต้องรู้: ข้อมูลที่รัฐถือครองมีทั้งข้อมูลส่วนบุคคลของประชาชนและข้อมูลที่กระทบความมั่นคง ถ้าหลุดออกไปกู้คืนไม่ได้ และผิดกฎหมายหลายฉบับพร้อมกัน การรู้ว่าข้อมูลชั้นไหนใช้เครื่องมือแบบไหนได้ คือเส้นแบ่งความปลอดภัยที่สำคัญที่สุดข้อหนึ่ง

🎯 สิ่งที่คุณจะทำได้หลังเรียนโมดูลนี้

จำแนกชั้นความลับของข้อมูลราชการ (เปิดเผยได้/ใช้ภายใน/ลับ) และเลือกเครื่องมือ AI ที่เหมาะกับแต่ละชั้นได้
อธิบายแนวคิดอธิปไตยข้อมูล (data sovereignty), นโยบายคลาวด์ภาครัฐ (Cloud First) และบทบาทของระบบคลาวด์กลางภาครัฐ GDCC ได้
เชื่อมโยงหน้าที่ตาม พ.ร.บ.การรักษาความมั่นคงปลอดภัยไซเบอร์ พ.ศ. 2562 และบทบาท สกมช. (NCSA) กับการใช้ AI ในหน่วยงาน

เนื้อหา

ข้อมูลที่รัฐถือครองเป็นทรัพย์สินที่อ่อนไหวเป็นพิเศษ โมดูลนี้ให้กรอบตัดสินใจว่า 'ข้อมูลชั้นไหน ใช้เครื่องมือแบบไหนได้' เริ่มจากการจำแนกชั้นความลับ: ข้อมูลเปิดเผยได้ (เช่น ข้อมูลบน data.go.th) ใช้กับเครื่องมือ AI สาธารณะได้อย่างระมัดระวัง; ข้อมูลใช้ภายในและข้อมูลส่วนบุคคลของประชาชน ต้องใช้ระบบที่มีสัญญาคุ้มครองข้อมูลและตั้งค่าไม่ให้นำไปฝึกต่อ; ส่วนข้อมูลลับหรือกระทบความมั่นคง ห้ามป้อนเข้าเครื่องมือ AI สาธารณะเด็ดขาด ต้องใช้ระบบปิดในโครงสร้างพื้นฐานของรัฐเท่านั้น แนวคิดหลักคืออธิปไตยข้อมูล (data sovereignty) — ข้อมูลของคนไทยและของรัฐควรอยู่ภายใต้เขตอำนาจและกฎหมายไทย ประเทศไทยจึงมีนโยบายคลาวด์ภาครัฐ (Cloud First Policy) และระบบคลาวด์กลางภาครัฐ GDCC (Government Data Center and Cloud) เป็นโครงสร้างพื้นฐานให้หน่วยงานใช้ข้อมูลและประมวลผลภายในประเทศ ในด้านกฎหมาย พ.ร.บ.การรักษาความมั่นคงปลอดภัยไซเบอร์ พ.ศ. 2562 กำหนดหน้าที่ของหน่วยงานโครงสร้างพื้นฐานสำคัญ (CII) และให้อำนาจสำนักงานคณะกรรมการการรักษาความมั่นคงปลอดภัยไซเบอร์แห่งชาติ (สกมช./NCSA) กำกับดูแล ควบคู่กับ พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคล พ.ศ. 2562 (PDPA) ที่มีกติกาการส่งข้อมูลออกนอกประเทศ (cross-border transfer) ความเสี่ยงที่พบบ่อยที่สุดในทางปฏิบัติกลับเป็นเรื่องง่าย ๆ คือเจ้าหน้าที่เผลอวางข้อมูลประชาชน เลขบัตรประชาชน หรือร่างเอกสารลับลงในแชตบอตสาธารณะเพื่อให้ช่วยสรุป จำไว้ว่าสิ่งที่พิมพ์ลงเครื่องมือสาธารณะอาจถูกเก็บและนำไปใช้ต่อได้ จึงต้องลบตัวระบุตัวตนหรือใช้ระบบปิดเสมอเมื่อทำงานกับข้อมูลจริง

📖 คำศัพท์ในโมดูลนี้ (อธิบายง่าย ๆ)

Data Sovereignty (อธิปไตยข้อมูล)หลักที่ว่าข้อมูลต้องอยู่ภายใต้กฎหมายและเขตอำนาจของประเทศเจ้าของ

GDCCระบบคลาวด์กลางภาครัฐของไทย ให้หน่วยงานเก็บและประมวลผลข้อมูลในประเทศ

ชั้นความลับการจัดระดับข้อมูล เช่น เปิดเผยได้/ใช้ภายใน/ลับ เพื่อคุมการเข้าถึง

CIIโครงสร้างพื้นฐานสำคัญทางสารสนเทศ ที่ถ้าถูกโจมตีจะกระทบวงกว้าง

สกมช. (NCSA)หน่วยงานที่กำกับดูแลความมั่นคงปลอดภัยไซเบอร์ของชาติตามกฎหมาย

🧪 ตัวอย่างจริง + ผลลัพธ์ที่ได้

จำแนกชั้นข้อมูลก่อนเลือกเครื่องมือ AI

ช่วยจัดชั้นความลับของข้อมูลต่อไปนี้และบอกว่าควรใช้เครื่องมือ AI แบบใด (สาธารณะ / ระบบองค์กรที่มีสัญญาคุ้มครองข้อมูล / ระบบปิดภายในรัฐเท่านั้น): (1) สถิติจำนวนผู้มารับบริการรายเดือนที่เผยแพร่บนเว็บ (2) รายชื่อและเลขบัตรประชาชนผู้ยื่นคำร้อง (3) ร่างหนังสือราชการชั้นลับเรื่องความมั่นคง (4) คำถาม FAQ ทั่วไปของประชาชน — อธิบายเหตุผลสั้น ๆ ต่อข้อ

✅ ผลลัพธ์ที่ได้

AI จัดกลุ่ม: (1) และ (4) เป็นข้อมูลเปิดเผยได้ ใช้เครื่องมือสาธารณะได้อย่างระวัง; (2) เป็นข้อมูลส่วนบุคคล ต้องใช้ระบบที่มีสัญญาคุ้มครองข้อมูลและไม่นำไปเทรน หรือปิดตัวระบุตัวตนก่อน; (3) เป็นข้อมูลชั้นลับ ห้ามป้อนเข้าเครื่องมือสาธารณะ ต้องใช้ระบบปิดภายในรัฐเท่านั้น

💡 จุดสอน

การจำแนกชั้นข้อมูลก่อนเลือกเครื่องมือ คือทักษะความปลอดภัยที่ใช้ได้ทุกวัน แต่ AI ไม่รู้ระเบียบชั้นความลับภายในของหน่วยงานคุณ ให้ยึดระเบียบว่าด้วยการรักษาความลับของทางราชการเป็นหลัก และเมื่อไม่แน่ใจ ให้ถือว่าข้อมูลนั้นอ่อนไหวไว้ก่อน

ชั้นข้อมูล	ตัวอย่าง	เครื่องมือ AI ที่เหมาะสม
เปิดเผยได้	ข้อมูลเปิดบน data.go.th, FAQ ทั่วไป, ประกาศสาธารณะ	เครื่องมือสาธารณะได้ (ยังต้องตรวจความถูกต้อง)
ใช้ภายใน / ข้อมูลส่วนบุคคล	รายชื่อผู้รับบริการ, เลขบัตรประชาชน, คำร้อง	ระบบองค์กรที่มีสัญญาคุ้มครองข้อมูล ตั้งค่าไม่นำไปเทรน หรือลบตัวระบุตัวตนก่อน
ลับ / กระทบความมั่นคง	เอกสารชั้นลับ, ข้อมูลด้านความมั่นคง	ระบบปิดภายในรัฐ/GDCC เท่านั้น ห้ามใช้เครื่องมือสาธารณะ

แบบฝึกหัดท้ายโมดูล

ทำตารางจำแนกข้อมูลที่หน่วยงานคุณใช้บ่อย 10 ประเภท ตามชั้นความลับ แล้วระบุเครื่องมือ AI ที่อนุญาตให้ใช้กับแต่ละชั้น
เขียนกฎ 5 ข้อ 'ข้อมูลที่ห้ามป้อนเข้าเครื่องมือ AI สาธารณะเด็ดขาด' สำหรับติดไว้เตือนเจ้าหน้าที่ในหน่วยงาน

3.4

โมดูล 3.4

การเข้าถึงถ้วนหน้า: ออกแบบให้ทุกคนใช้ได้จริง

ผู้สูงอายุ ผู้พิการ ภาษาถิ่น และการลดช่องว่างดิจิทัล

👋 สำหรับผู้เริ่มต้น — อ่านตรงนี้ก่อน

💡

เปรียบง่าย ๆ: การเข้าถึงถ้วนหน้า (accessibility) เหมือนการสร้างทางลาดข้างบันได — ไม่ได้ทำเพื่อคนกลุ่มเดียว แต่ทำให้คนเข็นรถ คนแก่ คนถือของหนัก ใช้ได้หมด บริการรัฐก็เช่นกัน ถ้าออกแบบดี ผู้สูงอายุ คนพิการ และคนที่พูดภาษาถิ่นก็เข้าถึงสิทธิของตัวเองได้เท่าเทียมกัน

🎯

ทำไมต้องรู้: บริการรัฐเป็นสิทธิของประชาชนทุกคน ไม่ใช่เฉพาะคนที่ใช้สมาร์ตโฟนคล่อง ถ้าเราเอา AI มาใช้แล้วทิ้งคนบางกลุ่มไว้ข้างหลัง (digital divide) เท่ากับทำให้ความเหลื่อมล้ำหนักขึ้น การออกแบบให้ทุกคนเข้าถึงได้จึงเป็นทั้งหน้าที่และหัวใจของบริการที่เป็นธรรม

🎯 สิ่งที่คุณจะทำได้หลังเรียนโมดูลนี้

ออกแบบบริการ AI ตามหลักการออกแบบเพื่อทุกคน (universal design) และมาตรฐานการเข้าถึงเว็บ (WCAG/TWCAG) เพื่อรองรับผู้พิการทางสายตาและการได้ยิน
ใช้ AI ช่วยรองรับหลายภาษาและภาษาถิ่น (เหนือ อีสาน ใต้ มลายูถิ่น) รวมถึงภาษาของแรงงานข้ามชาติ พร้อมเข้าใจข้อจำกัดของการรู้จำเสียงและการแปล
วางแผนลดช่องว่างดิจิทัล (digital divide) โดยคงช่องทางที่ไม่ใช่ดิจิทัลไว้เสมอ และไม่บังคับให้ทุกคนต้องผ่าน AI

เนื้อหา

บริการภาครัฐเป็นสิทธิของประชาชนทุกคน การเอา AI มาใช้จึงต้องยึดหลักการออกแบบเพื่อทุกคน (universal design) ไม่ใช่ออกแบบเพื่อคนที่ใช้เทคโนโลยีคล่องเท่านั้น เริ่มจากการเข้าถึงสำหรับผู้พิการ: หน้าเว็บและแชตบอตต้องผ่านมาตรฐานการเข้าถึงเนื้อหาเว็บ (WCAG) และแนวทางฉบับไทย (TWCAG) ที่ DGA/ETDA ผลักดัน เช่น อ่านออกเสียงด้วยโปรแกรมอ่านหน้าจอ (screen reader) ได้ มีคำบรรยายแทนภาพ ปรับขนาดตัวอักษรได้ และใช้สีที่ตัดกันชัดเจน สอดคล้องเจตนารมณ์ของ พ.ร.บ.ส่งเสริมและพัฒนาคุณภาพชีวิตคนพิการ พ.ศ. 2550 ถัดมาคือเรื่องภาษา ประเทศไทยมีทั้งภาษาถิ่น (เหนือ อีสาน ใต้ และมลายูถิ่นในชายแดนใต้) และแรงงานข้ามชาติหลายภาษา AI ช่วยได้มากในการแปลและปรับข้อความ แต่ต้องระวังว่าการรู้จำเสียง (ASR) และการแปลภาษาถิ่นยังแม่นน้อยกว่าภาษากลาง จึงควรมีเจ้าหน้าที่ที่เข้าใจภาษาถิ่นช่วยตรวจในเรื่องสำคัญ ประเด็นใหญ่ที่สุดคือช่องว่างดิจิทัล (digital divide) — ผู้สูงอายุ คนในพื้นที่ห่างไกล และผู้มีรายได้น้อยจำนวนมากยังเข้าไม่ถึงสมาร์ตโฟนหรืออินเทอร์เน็ตที่เสถียร ดังนั้นหลักการทองคือ AI และช่องทางดิจิทัลต้องเป็น 'ทางเลือกที่เพิ่มขึ้น' ไม่ใช่ 'ทางเดียวที่บังคับ' ต้องคงเคาน์เตอร์ สายด่วนที่มีคนรับ และบริการเชิงรุกผ่านอาสาสมัคร (เช่น อสม. หรือ กำนัน/ผู้ใหญ่บ้าน) ไว้เสมอ เพื่อไม่ให้ใครถูกทิ้งไว้ข้างหลัง

📖 คำศัพท์ในโมดูลนี้ (อธิบายง่าย ๆ)

Accessibility (การเข้าถึง)การออกแบบให้คนทุกกลุ่มรวมถึงผู้พิการใช้บริการได้จริง

Universal Designการออกแบบครั้งเดียวให้ทุกคนใช้ได้ ไม่ต้องทำแยกเฉพาะกลุ่ม

WCAG / TWCAGมาตรฐานการเข้าถึงเนื้อหาเว็บระดับสากลและฉบับแนวทางของไทย

Digital Divideช่องว่างระหว่างคนที่เข้าถึงเทคโนโลยีได้กับคนที่เข้าไม่ถึง

ASR (การรู้จำเสียงพูด)เทคโนโลยีแปลงเสียงพูดเป็นข้อความ ซึ่งยังแม่นน้อยกับภาษาถิ่น

🧪 ตัวอย่างจริง + ผลลัพธ์ที่ได้

แปลงประกาศราชการให้เข้าใจง่ายและหลายรูปแบบ

ช่วยแปลงประกาศนี้ให้ประชาชนทั่วไปเข้าใจง่าย โดยทำ 3 รูปแบบ: (1) ภาษาไทยกลางแบบอ่านง่าย ประโยคสั้น (2) ฉบับอ่านง่ายพิเศษ (easy-read) สำหรับผู้สูงอายุ เป็นข้อ ๆ พร้อมบอกว่าต้องทำอะไรบ้าง (3) แปลเป็นภาษาอังกฤษสำหรับชาวต่างชาติ — ประกาศ: 'ผู้ประสงค์ยื่นคำขอรับเบี้ยยังชีพผู้สูงอายุประจำปีงบประมาณถัดไป ให้มาลงทะเบียน ณ ที่ทำการ อบต. ภายในเดือนที่กำหนด พร้อมบัตรประชาชนและสมุดบัญชีธนาคาร'

✅ ผลลัพธ์ที่ได้

AI ให้ 3 เวอร์ชัน: ฉบับอ่านง่ายบอกชัดว่า 'ใครลงได้ ต้องเอาอะไรมา ไปที่ไหน ภายในเมื่อไร', ฉบับ easy-read เป็นข้อ ๆ สั้น ๆ เหมาะให้ อสม. อ่านให้ผู้สูงอายุฟัง และฉบับภาษาอังกฤษสำหรับผู้ที่อ่านไทยไม่ได้ เจ้าหน้าที่ตรวจความถูกต้องของวันเวลาและเงื่อนไขก่อนเผยแพร่

💡 จุดสอน

AI ช่วยผลิตหลายรูปแบบได้เร็ว ทำให้ประกาศเดียวเข้าถึงคนหลายกลุ่ม แต่ตัวเลข วันเวลา และเงื่อนไขสิทธิ ต้องให้เจ้าหน้าที่ตรวจเทียบกับต้นฉบับทุกครั้ง เพราะ AI อาจเผลอเปลี่ยนหรือมั่วรายละเอียดที่เป็นสาระสำคัญ ส่วนฉบับภาษาถิ่นควรให้คนในพื้นที่ช่วยตรวจสำนวน

ข้อควรระวัง: การแปลและการรู้จำเสียงภาษาถิ่น/ภาษาชนกลุ่มน้อยของ AI ยังผิดพลาดได้มาก อย่าใช้ผลแปลดิบ ๆ กับเรื่องสิทธิ กฎหมาย หรือสุขภาพ ให้มีคนที่เข้าใจภาษานั้นตรวจก่อนเสมอ และอย่าบังคับให้ประชาชนต้องใช้ช่องทาง AI เป็นทางเดียว

แบบฝึกหัดท้ายโมดูล

เลือกประกาศหรือแบบฟอร์มของหน่วยงานคุณ 1 ชิ้น แล้วใช้ AI ช่วยทำฉบับอ่านง่าย (easy-read) และฉบับสำหรับผู้พิการทางสายตา จากนั้นตรวจความถูกต้องกับต้นฉบับ
ทำแผนที่ช่องทางบริการของหน่วยงาน ระบุว่ากลุ่มไหน (ผู้สูงอายุ/ผู้พิการ/คนพื้นที่ห่างไกล) อาจเข้าไม่ถึงช่องทางดิจิทัล และออกแบบช่องทางสำรองที่ไม่ใช่ดิจิทัลให้เขา

3.5

โมดูล 3.5

กฎหมาย จริยธรรม และสิทธิพลเมือง

PDPA ความโปร่งใส สิทธิอุทธรณ์ อคติ และเส้นที่ห้ามข้าม

👋 สำหรับผู้เริ่มต้น — อ่านตรงนี้ก่อน

💡

เปรียบง่าย ๆ: เมื่อรัฐใช้อำนาจกับประชาชน — อนุมัติ ปฏิเสธ หรือลงโทษ — ต้องมีคนจริงเป็นผู้เซ็นและอธิบายเหตุผลได้ เหมือนคำพิพากษาที่ต้องมีผู้พิพากษาลงนาม ไม่ใช่ปล่อยให้เครื่องกดปุ่มตัดสินชะตาคนแล้วไม่มีใครตอบได้ว่าทำไม

🎯

ทำไมต้องรู้: การตัดสินใจของรัฐกระทบสิทธิ เสรีภาพ และปากท้องของคน กฎหมายไทยให้ประชาชนมีสิทธิรู้เหตุผลและอุทธรณ์ได้ ถ้าเอา AI มาตัดสินแทนคนโดยไม่มีใครกำกับ เท่ากับพรากสิทธิเหล่านี้ไป การเข้าใจเส้นที่ห้ามข้ามคือหัวใจของการใช้ AI ในรัฐอย่างชอบธรรม

🎯 สิ่งที่คุณจะทำได้หลังเรียนโมดูลนี้

ระบุได้ว่ากระบวนการใดที่ AI 'ช่วยได้' (คัดกรอง จัดลำดับ ร่าง) และกระบวนการใดที่ 'ห้ามให้ AI ตัดสินเองอัตโนมัติ' เพราะกระทบสิทธิพลเมือง
เชื่อมโยงหน้าที่ตาม PDPA, สิทธิรู้เหตุผลและสิทธิอุทธรณ์ตาม พ.ร.บ.วิธีปฏิบัติราชการทางปกครอง พ.ศ. 2539 และความโปร่งใสตาม พ.ร.บ.ข้อมูลข่าวสารของราชการ พ.ศ. 2540
ตรวจหาความเสี่ยงเรื่องอคติ (bias) และเลือกปฏิบัติในระบบ AI และวางกลไกเปิดเผยการใช้ AI (AI disclosure) ต่อประชาชน

เนื้อหา

โมดูลปิดท้ายนี้รวมเส้นแบ่งทางกฎหมายและจริยธรรมที่สำคัญที่สุดของการใช้ AI ในภาครัฐ หลักที่ย้ำตลอดหลักสูตรคือ 'ห้ามให้ AI ตัดสินสิทธิ์หรือลงโทษประชาชนโดยอัตโนมัติ' การตัดสินใจที่กระทบสิทธิ เช่น อนุมัติ/ปฏิเสธสวัสดิการ ใบอนุญาต หรือการดำเนินการทางปกครอง เป็น 'คำสั่งทางปกครอง' ที่ตาม พ.ร.บ.วิธีปฏิบัติราชการทางปกครอง พ.ศ. 2539 ต้องมีเจ้าหน้าที่ผู้มีอำนาจเป็นผู้ทำ ต้องระบุเหตุผล และเปิดสิทธิให้ประชาชนอุทธรณ์ได้ ดังนั้น AI ทำได้เพียง 'ช่วยคัดกรอง จัดลำดับ หรือร่าง' แต่คนต้องเป็นผู้ตัดสินและรับผิดชอบสุดท้ายเสมอ ด้าน PDPA (พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคล พ.ศ. 2562) หน่วยงานต้องมีฐานการประมวลผลที่ชอบด้วยกฎหมาย เคารพสิทธิเจ้าของข้อมูล และตั้งแต่ 9 ต.ค. 2025 หน่วยงานรัฐถูกกำหนดให้ต้องมีเจ้าหน้าที่คุ้มครองข้อมูลส่วนบุคคล (DPO) โดยมี PDPC เป็นผู้กำกับซึ่งช่วงปี 2025–2026 บังคับใช้เข้มขึ้นมาก เรื่องความโปร่งใส พ.ร.บ.ข้อมูลข่าวสารของราชการ พ.ศ. 2540 ให้ประชาชนมีสิทธิเข้าถึงข้อมูลการปฏิบัติงานของรัฐ ซึ่งควรรวมถึงการเปิดเผยว่ามีการใช้ AI ในกระบวนการใด (AI disclosure) และประเด็นสำคัญคืออคติ (bias): ถ้าข้อมูลที่ใช้ฝึกหรือใช้ตัดสินมีความลำเอียง ระบบอาจเลือกปฏิบัติต่อบางกลุ่มโดยไม่ตั้งใจ จึงต้องทดสอบความเป็นธรรมและมีช่องให้ประชาชนโต้แย้งได้ ท้ายที่สุด อย่าลืมว่า AI ชอบมั่วเลขมาตรา ชื่อ พ.ร.บ. และคำพิพากษา ทุกครั้งที่อ้างกฎหมายต้องเปิดตัวบทฉบับจริงตรวจ ไม่เชื่อสิ่งที่ AI สรุปมาลอย ๆ

📖 คำศัพท์ในโมดูลนี้ (อธิบายง่าย ๆ)

คำสั่งทางปกครองการใช้อำนาจรัฐที่กระทบสิทธิของบุคคล ต้องมีเหตุผลและอุทธรณ์ได้

สิทธิอุทธรณ์สิทธิของประชาชนที่จะโต้แย้งคำสั่งของรัฐที่ตนเห็นว่าไม่ถูกต้อง

Automated Decisionการตัดสินใจโดยเครื่องล้วน ๆ ซึ่งเรื่องกระทบสิทธิห้ามทำแบบนี้

Bias (อคติ)ความลำเอียงในข้อมูลหรือระบบ ที่ทำให้บางกลุ่มเสียเปรียบอย่างไม่เป็นธรรม

AI Disclosureการแจ้งประชาชนอย่างเปิดเผยว่ามีการใช้ AI ในกระบวนการใด

🧪 ตัวอย่างจริง + ผลลัพธ์ที่ได้

ตรวจจุดที่กระทบสิทธิในกระบวนการที่ใช้ AI

หน่วยงานจะใช้ AI ช่วยคัดกรองใบสมัครขอรับความช่วยเหลือทางสังคม โดยให้ AI ให้คะแนนความเร่งด่วนและจัดลำดับ ช่วยวิเคราะห์ว่ากระบวนการนี้มีจุดใดที่กระทบสิทธิประชาชนและต้องมีเจ้าหน้าที่เป็นผู้ตัดสิน จุดใดเสี่ยงเรื่องอคติ (bias) และควรเปิดเผยอะไรต่อประชาชนบ้าง — ตอบเป็นข้อ ๆ

✅ ผลลัพธ์ที่ได้

AI ชี้ว่า การให้คะแนน/จัดลำดับใช้เป็น 'ตัวช่วย' ได้ แต่การอนุมัติ/ปฏิเสธความช่วยเหลือเป็นคำสั่งทางปกครองที่เจ้าหน้าที่ต้องตัดสินและระบุเหตุผล; จุดเสี่ยงอคติคือถ้าข้อมูลอดีตสะท้อนการเข้าถึงที่ไม่เท่ากันของแต่ละพื้นที่; และควรเปิดเผยว่าใช้ AI ช่วยจัดลำดับ พร้อมช่องทางอุทธรณ์และการติดต่อเจ้าหน้าที่

💡 จุดสอน

เส้นแบ่งอยู่ตรงที่ผลลัพธ์กระทบสิทธิโดยตรงหรือไม่ AI จัดลำดับความเร่งด่วนได้ แต่ห้ามให้มัน 'ปฏิเสธ' สิทธิของใครเอง คนต้องเป็นผู้ตัดสิน ระบุเหตุผล และเปิดช่องอุทธรณ์เสมอ นี่คือหลักที่กันไม่ให้ AI พรากสิทธิพลเมืองไปเงียบ ๆ

เส้นที่ห้ามข้าม: ห้ามให้ AI ตัดสินสิทธิ์ ปฏิเสธคำขอ หรือลงโทษประชาชนโดยอัตโนมัติ ต้องมีเจ้าหน้าที่ผู้มีอำนาจเป็นผู้ตัดสิน ระบุเหตุผลได้ และเปิดสิทธิอุทธรณ์เสมอ และห้ามอ้างเลขมาตรา/ชื่อกฎหมายจากคำตอบ AI โดยไม่เปิดตัวบทจริงตรวจ

แบบฝึกหัดท้ายโมดูล

เลือกกระบวนการหนึ่งในหน่วยงานที่อาจนำ AI มาช่วย แล้วแยกให้ชัดว่าขั้นตอนไหน AI ช่วยได้ และขั้นตอนไหนที่เจ้าหน้าที่ต้องเป็นผู้ตัดสินเพราะกระทบสิทธิ พร้อมออกแบบข้อความเปิดเผยการใช้ AI และช่องทางอุทธรณ์
ทำ checklist ตรวจอคติ (bias) 5 ข้อสำหรับระบบ AI ที่หน่วยงานใช้ เช่น ข้อมูลฝึกครอบคลุมทุกกลุ่มไหม มีการทดสอบผลต่างระหว่างกลุ่มหรือยัง และมีช่องให้ประชาชนโต้แย้งหรือไม่

🎯 Capstone: กรอบธรรมาภิบาล AI ฉบับหน่วยงานของคุณ

เขียน 'นโยบายการใช้ AI อย่างมีธรรมาภิบาล' ของหน่วยงาน ครบทั้ง 5 เสา (โปร่งใส รับผิดชอบได้ เป็นธรรม มีคนกำกับ มั่นคงปลอดภัย) พร้อมทะเบียนระบบ AI และการจำแนกความเสี่ยง
ออกแบบชุดข้อกำหนดจัดซื้อ AI อย่างรับผิดชอบ (right to audit, model card, no-training, exit plan) สำหรับหนึ่งโครงการจริง พร้อมทำการประเมินผลกระทบเชิงอัลกอริทึม (AIA) ฉบับย่อ
ทำตารางจำแนกชั้นข้อมูลกับเครื่องมือ AI ที่อนุญาต และแผนคุ้มครองอธิปไตยข้อมูล (data sovereignty) โดยระบุว่าข้อมูลใดต้องอยู่ในระบบปิด/GDCC
วางแผนการเข้าถึงถ้วนหน้าและกลไกสิทธิพลเมือง: ช่องทางสำรองที่ไม่ใช่ดิจิทัล การเปิดเผยการใช้ AI และช่องทางอุทธรณ์สำหรับทุกกระบวนการที่กระทบสิทธิ

ก้าวต่อไป

ดูตัวอย่างการใช้งานจริงในภาครัฐแบบครบทุกภารกิจ

ไปดู Use Cases ภาครัฐ →