Name: บริการดิจิทัลและนโยบายที่ขับเคลื่อนด้วยข้อมูล · หลักสูตร AI เพื่อภาครัฐและบริการประชาชน อย่างมืออาชีพ
Author: จักริน นพรุจนธาดา

2.1

โมดูล 2.1

แชตบอตและ e-service ครบวงจร: คำร้อง นัดหมาย ติดตามเรื่อง

AI จัดคิว จัดหมวด และสรุปเรื่องได้ แต่ต้องส่งต่อเจ้าหน้าที่ทุกจุดที่ต้องใช้ดุลพินิจ

👋 สำหรับผู้เริ่มต้น — อ่านตรงนี้ก่อน

💡

เปรียบง่าย ๆ: e-service ที่มี AI ช่วย เหมือนเคาน์เตอร์บริการที่เปิด 24 ชั่วโมง มีพนักงานต้อนรับคอยรับเรื่อง แยกประเภท และบอกสถานะให้ แต่พอเป็นเรื่องที่ต้องใช้ดุลพินิจหรือกระทบสิทธิ พนักงานต้อนรับก็ต้องพาไปหาเจ้าหน้าที่ตัวจริง ไม่ตัดสินเอง

🎯

ทำไมต้องรู้: ประชาชนอยากได้บริการที่จบในที่เดียวและติดตามได้ ถ้าออกแบบ e-service ให้ AI ช่วยงานซ้ำ ๆ และส่งต่อคนเฉพาะเรื่องยาก เจ้าหน้าที่จะมีเวลาไปดูแลเรื่องที่ต้องใช้คนจริง ๆ มากขึ้น

🎯 สิ่งที่คุณจะทำได้หลังเรียนโมดูลนี้

ออกแบบขั้นตอน e-service ครบวงจร ตั้งแต่รับคำร้อง นัดหมาย ไปจนถึงติดตามสถานะเรื่อง โดยกำหนดจุดที่ AI ช่วยและจุดที่คนต้องตัดสิน
ใช้ AI ช่วยจัดหมวดคำร้อง (intent) สรุปเรื่องให้เจ้าหน้าที่ และร่างข้อความตอบกลับมาตรฐาน โดยมีเจ้าหน้าที่ตรวจก่อนส่ง
วางกติกาการส่งต่อเจ้าหน้าที่ (escalation) และการเก็บร่องรอย (audit log) เพื่อให้ตรวจสอบย้อนหลังได้และไม่ให้ AI ตัดสินสิทธิ์เอง

เนื้อหา

ในระดับพื้นฐานเราทำแชตบอตตอบ FAQ ได้แล้ว ระดับนี้เราขยับไปสู่ e-service ครบวงจร คือบริการที่รับเรื่องได้จริง ไม่ใช่แค่ตอบคำถาม เช่น ยื่นคำร้อง นัดหมายคิว และติดตามสถานะเรื่องของตัวเอง หลายบริการเชื่อมกับโครงสร้างกลางของรัฐบาลดิจิทัล เช่น แอป 'ทางรัฐ' หรือระบบของ DGA และช่องทางที่ประชาชนคุ้นเคยอย่าง LINE OA จุดที่ AI ช่วยได้ดีคืองานซ้ำ ๆ ที่มีปริมาณมาก ได้แก่ การจัดหมวดคำร้องที่เข้ามาว่าเป็นเรื่องประเภทไหน (intent classification) การสรุปเนื้อเรื่องยาว ๆ ให้เจ้าหน้าที่อ่านเร็วขึ้น และการร่างข้อความตอบกลับมาตรฐาน แต่หลักการยังเหมือนเดิม คือ AI ทำหน้าที่ 'คัดกรองและเตรียมงาน' ส่วนการตัดสินใจที่กระทบสิทธิ เช่น อนุมัติหรือปฏิเสธคำร้อง ต้องเป็นของเจ้าหน้าที่เสมอ การออกแบบที่ดีจึงต้องมี 3 อย่างเป็นอย่างน้อย: (1) เส้นทางส่งต่อเจ้าหน้าที่ (escalation/handoff) ที่ชัดเจนสำหรับเรื่องซับซ้อน เรื่องเฉพาะบุคคล หรือเรื่องที่ AI ไม่มั่นใจ (2) การจัดการความคาดหวังเรื่องระยะเวลา (SLA) และการแจ้งสถานะตามจริง และ (3) การเก็บร่องรอยการทำงานทุกขั้น (audit log) ว่าใครหรือระบบใดทำอะไรเมื่อไร เพื่อให้ตรวจสอบย้อนหลังได้และรับผิดชอบได้ ที่สำคัญ อย่าให้ระบบตอบแบบมั่นใจในเรื่องที่ไม่รู้จริง ควรออกแบบให้มี 'คำตอบสำรอง' (fallback) ที่พาไปหาเจ้าหน้าที่แทนการเดา

📖 คำศัพท์ในโมดูลนี้ (อธิบายง่าย ๆ)

e-serviceบริการภาครัฐแบบออนไลน์ที่ทำเรื่องได้จริง เช่น ยื่นคำร้อง นัดหมาย ติดตามสถานะ

Intent (เจตนา/ประเภทเรื่อง)การที่ระบบเดาว่าข้อความของประชาชนเป็นเรื่องประเภทไหน เพื่อจัดหมวดและส่งต่อให้ถูก

Escalation / Handoffการส่งเรื่องต่อให้เจ้าหน้าที่ที่เป็นคนดูแล เมื่อเจอเรื่องยากหรือกระทบสิทธิ

Audit logบันทึกร่องรอยว่าใครหรือระบบใดทำอะไรเมื่อไร ใช้ตรวจสอบย้อนหลังและรับผิดชอบได้

🧪 ตัวอย่างจริง + ผลลัพธ์ที่ได้

จัดหมวดคำร้องและแนะนำการส่งต่อ

ช่วยจัดหมวดข้อความคำร้องของประชาชนต่อไปนี้ว่าเป็นเรื่องประเภทใด (สอบถามทั่วไป / ยื่นคำร้องใหม่ / ติดตามสถานะ / ร้องเรียน / เรื่องกระทบสิทธิที่ต้องให้เจ้าหน้าที่ตัดสิน) พร้อมสรุปประเด็นสั้น ๆ และบอกว่าควรส่งต่อเจ้าหน้าที่หรือไม่ โดยไม่ต้องตัดสินผลลัพธ์: 'อยากทราบว่าเรื่องขออนุญาตที่ยื่นไปเดือนก่อนถึงขั้นไหนแล้ว และถ้าไม่ผ่านจะอุทธรณ์ได้อย่างไร'

✅ ผลลัพธ์ที่ได้

AI จัดเป็น 'ติดตามสถานะ' ผสม 'สอบถามสิทธิอุทธรณ์' สรุปว่าผู้ร้องต้องการทราบความคืบหน้าและช่องทางอุทธรณ์ และแนะนำให้ส่งต่อเจ้าหน้าที่เพื่อตรวจสถานะเฉพาะบุคคลและอธิบายสิทธิอุทธรณ์ โดยไม่ไปเดาผลว่าผ่านหรือไม่ผ่าน

💡 จุดสอน

AI ช่วยจัดหมวดและสรุปได้เร็ว ทำให้เจ้าหน้าที่หยิบเรื่องได้ตรงจุด แต่คำถามเรื่อง 'สถานะเฉพาะบุคคล' และ 'สิทธิอุทธรณ์' เป็นเรื่องที่ต้องให้คนจริงตอบ เพราะกระทบสิทธิและต้องอ้างข้อเท็จจริงเฉพาะราย การออกแบบให้ AI 'ส่งต่อ' แทนการเดา คือหัวใจของ e-service ที่รับผิดชอบ

ระวัง: อย่าให้ระบบอัตโนมัติ 'ปิดเรื่อง' หรือ 'ปฏิเสธคำร้อง' เอง ทุกการตัดสินที่กระทบสิทธิต้องมีเจ้าหน้าที่ยืนยัน และต้องเก็บ audit log ว่าใครตัดสิน ด้วยเหตุผลอะไร เพื่อรองรับการอุทธรณ์และการตรวจสอบ

แบบฝึกหัดท้ายโมดูล

วาดแผนผังขั้นตอน (flow) ของ e-service หนึ่งบริการในหน่วยงานคุณ ระบุจุดที่ AI ช่วย (จัดหมวด/สรุป/ร่างตอบ) และจุดที่ต้องส่งต่อเจ้าหน้าที่ พร้อมกำหนด SLA แต่ละขั้น
ออกแบบรายการ 'เงื่อนไขที่ต้อง escalation ทันที' อย่างน้อย 6 ข้อ และร่างข้อความ fallback ที่พาประชาชนไปหาเจ้าหน้าที่อย่างสุภาพเมื่อระบบไม่มั่นใจ

2.2

โมดูล 2.2

วิเคราะห์ข้อมูลเปิด (open data) เพื่อนโยบายเชิงประจักษ์

AI ช่วยอ่านและสรุปข้อมูลได้ แต่ตัวเลขทุกตัวต้องตรวจกับแหล่งจริง

👋 สำหรับผู้เริ่มต้น — อ่านตรงนี้ก่อน

💡

เปรียบง่าย ๆ: ข้อมูลเปิดเหมือนคลังตัวเลขสาธารณะที่ใครก็เข้าไปดูได้ AI ช่วยอ่านคลังนี้และเล่าให้ฟังเป็นภาษาคนได้เร็ว แต่บางทีมันก็คำนวณเลขผิดหรือสรุปเกินจริง เราจึงต้องเช็กตัวเลขกับต้นทางก่อนเอาไปตัดสินใจ

🎯

ทำไมต้องรู้: นโยบายที่อิงข้อมูลจริง (evidence-based) จะตรงปัญหาและอธิบายต่อสังคมได้ แต่ถ้าอิงตัวเลขที่ AI มั่ว นโยบายจะพลาดและเสียความน่าเชื่อถือ การตรวจตัวเลขจึงเป็นหัวใจ

🎯 สิ่งที่คุณจะทำได้หลังเรียนโมดูลนี้

ค้นและใช้ข้อมูลเปิดจากศูนย์กลางข้อมูลเปิดภาครัฐ data.go.th และ Government Data Catalog รวมถึงข้อมูลสถิติจากหน่วยงานอย่างสำนักงานสถิติแห่งชาติ
ใช้ AI ช่วยอ่าน สรุป และตั้งคำถามกับชุดข้อมูล เพื่อทำนโยบายเชิงประจักษ์ (evidence-based) ได้เร็วขึ้น
ตรวจสอบตัวเลข หน่วยวัด ปีของข้อมูล และคำอธิบายชุดข้อมูล (metadata) ทุกครั้ง เพราะ AI คำนวณผิดและตีความข้อมูลผิดได้

เนื้อหา

ประเทศไทยเปิดข้อมูลภาครัฐผ่านศูนย์กลางข้อมูลเปิดภาครัฐ data.go.th และ Government Data Catalog ที่ดูแลโดย DGA รวมถึงข้อมูลสถิติจากหน่วยงานอย่างสำนักงานสถิติแห่งชาติและหน่วยงานเจ้าของเรื่องต่าง ๆ ข้อมูลเหล่านี้เป็นวัตถุดิบสำคัญของการทำนโยบายเชิงประจักษ์ (evidence-based policy) คือการตัดสินใจโดยดูข้อมูลจริง ไม่ใช่ความรู้สึก AI เข้ามาช่วยงานนี้ได้หลายอย่าง เช่น อ่านชุดข้อมูลขนาดใหญ่แล้วสรุปแนวโน้ม ช่วยตั้งคำถามเชิงวิเคราะห์ ช่วยร่างคำอธิบายกราฟ และช่วยเขียนสรุปเชิงนโยบายให้อ่านง่าย แต่จุดที่อันตรายที่สุดคือ 'ตัวเลข' เพราะ AI แบบภาษาไม่ได้คำนวณแบบเครื่องคิดเลขเสมอไป มันอาจบวกผิด หาค่าเฉลี่ยผิด ตีความหน่วยผิด (เช่น สับสนระหว่างล้านบาทกับพันบาท) หรือมั่วตัวเลขที่ไม่มีในข้อมูลจริงออกมาอย่างมั่นใจ นอกจากนี้ยังต้องระวังเรื่องคุณภาพข้อมูลต้นทางด้วย เช่น ข้อมูลเก่าเกินไป เก็บไม่ครบทุกพื้นที่ หรือมีอคติในการเก็บ วิธีทำงานที่ปลอดภัยคือ ให้ AI ช่วย 'อ่านและตั้งคำถาม' แต่ให้คนหรือเครื่องมือคำนวณที่เชื่อถือได้เป็นผู้ยืนยันตัวเลข ตรวจ metadata ทุกครั้งว่าเป็นข้อมูลปีไหน หน่วยอะไร ครอบคลุมแค่ไหน และก่อนนำตัวเลขใดไปใส่ในเอกสารนโยบายหรือแถลงต่อสาธารณะ ต้องเปิดตรวจกับชุดข้อมูลต้นทางจริงเสมอ

📖 คำศัพท์ในโมดูลนี้ (อธิบายง่าย ๆ)

Open data (ข้อมูลเปิด)ข้อมูลภาครัฐที่เปิดให้ทุกคนเข้าถึงและนำไปใช้ต่อได้ เช่น บน data.go.th

Metadataคำอธิบายกำกับชุดข้อมูล เช่น เก็บปีไหน หน่วยอะไร ใครเป็นเจ้าของ อัปเดตล่าสุดเมื่อไร

นโยบายเชิงประจักษ์ (Evidence-based)การกำหนดนโยบายโดยอิงข้อมูลและหลักฐานจริง แทนการเดาหรือความรู้สึก

คุณภาพข้อมูล (Data quality)ความถูกต้อง ครบถ้วน ทันสมัย และเป็นตัวแทนที่ดีของข้อมูล ซึ่งกระทบผลวิเคราะห์โดยตรง

🧪 ตัวอย่างจริง + ผลลัพธ์ที่ได้

สรุปแนวโน้มจากชุดข้อมูลเปิดพร้อมกำกับให้ตรวจตัวเลข

นี่คือข้อมูลจำนวนผู้มารับบริการรายเดือนที่ฉันดึงจาก data.go.th [วางตาราง] ช่วยสรุปแนวโน้ม จุดสูงสุด-ต่ำสุด และตั้งคำถามเชิงนโยบาย 3 ข้อ โดยคำนวณจากตัวเลขที่ให้เท่านั้น แสดงวิธีคิดของแต่ละตัวเลข และทำเครื่องหมาย [ต้องตรวจ] กำกับทุกตัวเลขที่คุณคำนวณ เพื่อให้ฉันไปยืนยัน อย่าเพิ่มข้อมูลที่ไม่มีในตาราง

✅ ผลลัพธ์ที่ได้

AI สรุปแนวโน้ม ระบุเดือนสูงสุด-ต่ำสุด แสดงวิธีคำนวณค่าเฉลี่ยและการเปลี่ยนแปลง พร้อมทำเครื่องหมาย [ต้องตรวจ] ทุกตัวเลข และตั้งคำถามเชิงนโยบาย 3 ข้อ เจ้าหน้าที่นำตัวเลขไปตรวจซ้ำกับต้นทางก่อนใช้

💡 จุดสอน

การบังคับให้ AI 'แสดงวิธีคิด' และ 'ทำเครื่องหมายกำกับตัวเลขที่ต้องตรวจ' ทำให้เราจับจุดผิดได้ง่ายและไม่เผลอเชื่อทันที ตัวเลขเชิงนโยบายที่จะเผยแพร่ต่อสาธารณะต้องยืนยันจากชุดข้อมูลต้นทางจริงเสมอ เพราะ AI คำนวณและตีความหน่วยผิดได้บ่อย

สิ่งที่ต้องตรวจก่อนใช้ข้อมูล	คำถามที่ต้องตอบให้ได้
ปีและความทันสมัยของข้อมูล	เป็นข้อมูลปีไหน อัปเดตล่าสุดเมื่อไร ยังใช้ได้อยู่ไหม
หน่วยวัดและนิยาม	ตัวเลขเป็นหน่วยอะไร นับอย่างไร นิยามตรงกับที่เราเข้าใจไหม
ความครอบคลุม	ครอบคลุมทุกพื้นที่/ทุกกลุ่มไหม หรือมีบางส่วนขาดหาย
การคำนวณของ AI	ตัวเลขที่ AI สรุปตรงกับที่คำนวณเองไหม มีที่ผิดหน่วยหรือเปล่า

แบบฝึกหัดท้ายโมดูล

เลือกชุดข้อมูลจริง 1 ชุดจาก data.go.th ที่เกี่ยวกับงานคุณ ให้ AI สรุปแนวโน้มแบบ 'คำนวณจากข้อมูลที่ให้เท่านั้น' แล้วตรวจตัวเลขอย่างน้อย 3 ตัวกับต้นทาง จดว่าตรงหรือไม่ตรง
ทำ checklist คุณภาพข้อมูล 6 ข้อสำหรับหน่วยงานคุณ (ปีข้อมูล หน่วยวัด ความครอบคลุม แหล่งที่มา ความถูกต้อง และข้อจำกัด) เพื่อใช้ก่อนนำข้อมูลไปประกอบนโยบายทุกครั้ง

2.3

โมดูล 2.3

จัดซื้อจัดจ้าง งบประมาณ และการตรวจสอบด้วย AI อย่างโปร่งใส

AI ช่วยหาความผิดปกติได้ แต่ 'ธง' ที่ AI ยกไม่ใช่คำตัดสินว่าทุจริต

👋 สำหรับผู้เริ่มต้น — อ่านตรงนี้ก่อน

💡

เปรียบง่าย ๆ: AI ในงานจัดซื้อเหมือนผู้ช่วยตรวจบัญชีที่ไล่ดูเอกสารเป็นพัน ๆ หน้าแล้วชี้จุดที่ 'น่าสงสัย' ให้เราไปดูต่อ แต่การชี้ว่าน่าสงสัยยังไม่ใช่การตัดสินว่าใครผิด คนที่ตัดสินคือคณะกรรมการและกระบวนการตามกฎหมาย

🎯

ทำไมต้องรู้: งานจัดซื้อและงบประมาณเป็นจุดเสี่ยงทุจริตที่สังคมจับตา ถ้าใช้ AI ช่วยตรวจอย่างโปร่งใสและมีคนกำกับ จะเพิ่มความน่าเชื่อถือ แต่ถ้าใช้ผิด กลับสร้างความอยุติธรรมและกล่าวหาคนผิดได้

🎯 สิ่งที่คุณจะทำได้หลังเรียนโมดูลนี้

ใช้ AI ช่วยงานจัดซื้อจัดจ้างตามกรอบ พ.ร.บ.การจัดซื้อจัดจ้างและการบริหารพัสดุภาครัฐ พ.ศ. 2560 เช่น ร่างและตรวจความครบถ้วนของขอบเขตงาน (TOR) และเอกสารประกวดราคา
ใช้ AI ช่วยตรวจหาความผิดปกติ (anomaly) หรือสัญญาณเสี่ยง (red flag) ในข้อมูลจัดซื้อและงบประมาณ เพื่อป้องกันทุจริตและเพิ่มความโปร่งใส
เข้าใจว่า 'ธง' ที่ AI ยกขึ้นเป็นเพียงเบาะแสให้ตรวจสอบต่อ ไม่ใช่คำตัดสินว่าทุจริต และการตัดสินต้องเป็นไปตามกระบวนการและองค์คณะที่กฎหมายกำหนด

เนื้อหา

งานจัดซื้อจัดจ้างและงบประมาณเป็นหัวใจของความโปร่งใสภาครัฐ กรอบหลักคือ พ.ร.บ.การจัดซื้อจัดจ้างและการบริหารพัสดุภาครัฐ พ.ศ. 2560 ที่วางหลักความคุ้มค่า โปร่งใส มีประสิทธิภาพ และตรวจสอบได้ โดยดำเนินการผ่านระบบจัดซื้อจัดจ้างภาครัฐด้วยอิเล็กทรอนิกส์ (e-GP) ของกรมบัญชีกลาง และมีเครื่องมือเสริมความโปร่งใสอย่างข้อตกลงคุณธรรม (Integrity Pact) รวมถึงข้อมูลเปิดด้านการใช้จ่ายภาครัฐที่ภาคประชาชนใช้ตรวจสอบได้ AI ช่วยงานนี้ได้หลายด้าน ด้านการเตรียมงาน เช่น ช่วยร่างและตรวจความครบถ้วนของขอบเขตงาน (TOR) ช่วยดูว่ามีการกำหนดคุณสมบัติที่อาจ 'ล็อกสเปก' เอื้อผู้เสนอราคารายใดรายหนึ่งหรือไม่ และช่วยสรุปเอกสารประกวดราคาจำนวนมาก ด้านการตรวจสอบ เช่น ช่วยไล่ข้อมูลการจัดซื้อจำนวนมากเพื่อหาความผิดปกติหรือสัญญาณเสี่ยง (red flag) เช่น ราคาสูงผิดปกติ ผู้ชนะรายเดิมซ้ำ ๆ หรือการแบ่งซื้อแบ่งจ้างเพื่อเลี่ยงวิธี แต่มีเส้นที่ต้องขีดให้ชัดมาก คือสิ่งที่ AI ชี้เป็นเพียง 'เบาะแสให้ไปตรวจสอบต่อ' ไม่ใช่คำตัดสินว่าใครทุจริต การกล่าวหาหรือชี้ผิดต้องผ่านกระบวนการตามกฎหมาย องค์คณะที่มีอำนาจ และการเปิดโอกาสให้ผู้ถูกกล่าวหาชี้แจง (เช่น การตรวจสอบของหน่วยตรวจสอบภายใน สตง. หรือ ป.ป.ช. ตามอำนาจหน้าที่) เพราะถ้าปล่อยให้ AI ตัดสินว่าใครผิดโดยอัตโนมัติ นอกจากจะขัดหลักความเป็นธรรมแล้ว ตัวโมเดลเองก็อาจมีอคติ (bias) และชี้ผิดพลาดได้ ความโปร่งใสจึงต้องมาคู่กับการอธิบายได้ว่า AI ยกธงด้วยเหตุผลอะไร และให้คนเป็นผู้ตัดสินสุดท้ายเสมอ

📖 คำศัพท์ในโมดูลนี้ (อธิบายง่าย ๆ)

e-GPระบบจัดซื้อจัดจ้างภาครัฐด้วยอิเล็กทรอนิกส์ของกรมบัญชีกลาง ที่หน่วยงานใช้ดำเนินการจัดซื้อ

TOR (ขอบเขตงาน)เอกสารกำหนดรายละเอียดและคุณสมบัติของงานที่จะจัดซื้อจัดจ้าง เป็นจุดเสี่ยง 'ล็อกสเปก'

ข้อตกลงคุณธรรม (Integrity Pact)ข้อตกลงให้มีผู้สังเกตการณ์อิสระเข้าร่วม เพื่อเพิ่มความโปร่งใสในโครงการขนาดใหญ่

Red flag / Anomalyสัญญาณหรือความผิดปกติที่ควรตรวจสอบเพิ่ม เช่น ราคาสูงผิดปกติ ไม่ใช่ข้อสรุปว่าทุจริต

🧪 ตัวอย่างจริง + ผลลัพธ์ที่ได้

ตรวจ TOR หาจุดที่อาจล็อกสเปก

ช่วยอ่านร่าง TOR นี้แล้วชี้จุดที่อาจเป็นการกำหนดคุณสมบัติแคบเกินจำเป็นจนเอื้อผู้เสนอราคารายเดียว (ล็อกสเปก) หรือขัดหลักการแข่งขันอย่างเป็นธรรม พร้อมอธิบายเหตุผลของแต่ละจุด และเสนอทางแก้ให้เปิดกว้างขึ้น โดยระบุชัดว่านี่เป็นข้อสังเกตให้เจ้าหน้าที่พิจารณา ไม่ใช่คำตัดสิน: [วางร่าง TOR]

✅ ผลลัพธ์ที่ได้

AI ชี้จุดที่คุณสมบัติอาจแคบเกินจำเป็น เช่น การระบุยี่ห้อ/รุ่นเฉพาะ หรือประสบการณ์ที่สูงเกินงาน พร้อมอธิบายเหตุผลและเสนอถ้อยคำที่เปิดกว้างขึ้น และย้ำว่าเป็นข้อสังเกตให้คณะกรรมการพิจารณา

💡 จุดสอน

AI ช่วยเจ้าหน้าที่เห็นจุดเสี่ยงได้เร็วขึ้นมาก แต่ต้องกรอบให้ชัดว่าผลลัพธ์เป็น 'ข้อสังเกตเพื่อตรวจสอบ' ไม่ใช่การชี้ว่าใครตั้งใจทุจริต การตัดสินใจเรื่อง TOR และผลการจัดซื้อยังเป็นของคณะกรรมการตามกระบวนการใน พ.ร.บ.จัดซื้อจัดจ้างฯ ความโปร่งใสที่แท้จริงคือการอธิบายได้ว่าทำไมจึงยกหรือไม่ยกข้อสังเกตนั้น

ระวังอย่างยิ่ง: ห้ามใช้ 'ธง' ที่ AI ยกขึ้นไปกล่าวหาหรือชี้ว่าใครทุจริตโดยตรง โมเดลอาจมีอคติและชี้ผิดได้ ทุกข้อกล่าวหาต้องผ่านกระบวนการตามกฎหมาย เปิดให้ผู้เกี่ยวข้องชี้แจง และตัดสินโดยองค์คณะที่มีอำนาจ พร้อมเก็บหลักฐานการตรวจสอบไว้อย่างโปร่งใส

แบบฝึกหัดท้ายโมดูล

เอาร่าง TOR หรือเอกสารจัดซื้อจริง (ปิดข้อมูลอ่อนไหว) มาให้ AI ตรวจความครบถ้วนและหาจุดเสี่ยงล็อกสเปก แล้วสรุปเป็นข้อสังเกตพร้อมเหตุผลเสนอคณะกรรมการ
ออกแบบรายการ 'สัญญาณเสี่ยง (red flag)' ในงานจัดซื้อของหน่วยงานคุณ 6 ข้อ และเขียนขั้นตอนว่าเมื่อ AI ยกธงแล้ว จะให้ใครตรวจสอบต่อ ด้วยกระบวนการอะไร และบันทึกผลอย่างไร

2.4

โมดูล 2.4

บริการท้องถิ่น (อปท.): ร้องเรียน สาธารณูปโภค ภาษี และเมืองอัจฉริยะ

AI ช่วยจัดการเรื่องร้องเรียนและงานประจำ แต่การประเมินภาษี/ค่าปรับต้องเจ้าหน้าที่

👋 สำหรับผู้เริ่มต้น — อ่านตรงนี้ก่อน

💡

เปรียบง่าย ๆ: องค์กรปกครองส่วนท้องถิ่น (อปท.) คือหน่วยงานที่ใกล้ชีวิตประชาชนที่สุด ตั้งแต่ถนน ไฟฟ้า ประปา ขยะ ไปจนถึงภาษีท้องถิ่น AI ช่วยรับเรื่องร้องเรียนและส่งให้หน่วยที่รับผิดชอบได้เร็ว เหมือนมีเจ้าหน้าที่รับแจ้งเหตุที่ไม่มีวันหยุด

🎯

ทำไมต้องรู้: ท้องถิ่นมีเรื่องเข้ามาเยอะและหลากหลาย ถ้าใช้ AI ช่วยจัดหมวดและติดตามเรื่อง ปัญหาจะได้รับการแก้เร็วขึ้นและประชาชนเห็นความคืบหน้า แต่ต้องระวังไม่ให้ AI ไปตัดสินเรื่องเงินหรือสิทธิของคนเอง

🎯 สิ่งที่คุณจะทำได้หลังเรียนโมดูลนี้

ใช้ AI ช่วยจัดการเรื่องร้องเรียนของท้องถิ่น เช่น จัดหมวดปัญหา ระบุหน่วยที่รับผิดชอบ และสรุปสถานะ เชื่อมกับแพลตฟอร์มอย่าง Traffy Fondue
เข้าใจการนำ AI มาช่วยงานสาธารณูปโภคและภาษีท้องถิ่น เช่น ภาษีที่ดินและสิ่งปลูกสร้าง โดยรู้ว่าการประเมินและการเรียกเก็บต้องเป็นอำนาจเจ้าหน้าที่ตามกฎหมาย
วางแนวคิดเมืองอัจฉริยะ (smart city) ที่คำนึงถึงการเข้าถึงของทุกกลุ่มและช่องว่างดิจิทัล (digital divide) ในพื้นที่

เนื้อหา

องค์กรปกครองส่วนท้องถิ่น (อปท.) ทั้งเทศบาล องค์การบริหารส่วนตำบล (อบต.) และองค์การบริหารส่วนจังหวัด (อบจ.) เป็นด่านหน้าที่ดูแลชีวิตประจำวันของประชาชน AI ช่วยงานท้องถิ่นได้ชัดที่สุดในเรื่องการจัดการเรื่องร้องเรียนและงานบริการที่มีปริมาณมาก ตัวอย่างที่ใช้จริงในไทยคือแพลตฟอร์มแจ้งและติดตามปัญหาเมืองอย่าง Traffy Fondue (พัฒนาโดยศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ หรือ NECTEC และใช้กว้างขวางในกรุงเทพมหานครและท้องถิ่นหลายแห่ง) ที่ให้ประชาชนถ่ายรูปแจ้งปัญหา เช่น ถนนชำรุด ไฟดับ ท่อรั่ว แล้วระบบช่วยส่งเรื่องไปยังหน่วยที่รับผิดชอบและติดตามจนแก้เสร็จ AI มาเสริมตรงการจัดหมวดปัญหาอัตโนมัติ การจับพิกัด/พื้นที่ การสรุปเรื่องซ้ำ และการช่วยร่างข้อความอัปเดตสถานะให้ประชาชน อีกกลุ่มงานคือภาษีท้องถิ่น เช่น ภาษีที่ดินและสิ่งปลูกสร้าง (ตาม พ.ร.บ.ภาษีที่ดินและสิ่งปลูกสร้าง พ.ศ. 2562) ซึ่ง AI ช่วยตอบคำถามทั่วไป ช่วยจัดเรียงเอกสาร และช่วยประมาณการเบื้องต้นให้ประชาชนเข้าใจได้ แต่ 'การประเมินภาษีจริง' และ 'การเรียกเก็บ/ค่าปรับ' เป็นอำนาจของเจ้าหน้าที่ตามกฎหมาย ห้ามให้ AI ชี้ขาดตัวเลขที่ผูกกับหน้าที่ทางกฎหมายของประชาชนเอง สุดท้ายคือแนวคิดเมืองอัจฉริยะ (smart city) ที่ส่งเสริมโดยสำนักงานส่งเสริมเศรษฐกิจดิจิทัล (depa) ซึ่งต้องออกแบบให้คำนึงถึงประชาชนทุกกลุ่ม ไม่ใช่แค่คนที่ใช้สมาร์ตโฟนคล่อง เพราะในท้องถิ่นยังมีผู้สูงอายุและผู้ที่เข้าไม่ถึงอินเทอร์เน็ต (digital divide) ที่ต้องมีช่องทางแบบเดิมรองรับควบคู่ไปด้วย

📖 คำศัพท์ในโมดูลนี้ (อธิบายง่าย ๆ)

อปท.องค์กรปกครองส่วนท้องถิ่น เช่น เทศบาล อบต. อบจ. ที่ดูแลบริการใกล้ตัวประชาชน

Traffy Fondueแพลตฟอร์มแจ้งและติดตามปัญหาเมืองของ NECTEC ที่ท้องถิ่นหลายแห่งใช้จริง

ภาษีที่ดินและสิ่งปลูกสร้างภาษีท้องถิ่นตาม พ.ร.บ. พ.ศ. 2562 ที่การประเมินและเรียกเก็บเป็นอำนาจเจ้าหน้าที่

เมืองอัจฉริยะ (Smart city)การนำเทคโนโลยีมาพัฒนาเมืองและบริการ โดยต้องคำนึงถึงการเข้าถึงของทุกกลุ่ม

🧪 ตัวอย่างจริง + ผลลัพธ์ที่ได้

จัดหมวดเรื่องร้องเรียนและระบุหน่วยรับผิดชอบ

ช่วยจัดหมวดเรื่องร้องเรียนของประชาชนต่อไปนี้ ระบุประเภทปัญหา ระดับความเร่งด่วน และหน่วยงานที่ควรรับผิดชอบในเทศบาล พร้อมร่างข้อความแจ้งผู้ร้องว่ารับเรื่องแล้วและกำลังส่งต่อ โดยไม่รับปากกำหนดวันเสร็จที่ตายตัว: 'หน้าปากซอย 5 มีน้ำท่วมขังหลังฝนตกทุกครั้ง มีท่อระบายน้ำอุดตัน กลิ่นเหม็นและเสี่ยงอุบัติเหตุตอนกลางคืน'

✅ ผลลัพธ์ที่ได้

AI จัดเป็นปัญหา 'ระบบระบายน้ำ/สาธารณูปโภค' ระดับเร่งด่วนปานกลาง-สูง (มีความเสี่ยงอุบัติเหตุ) เสนอส่งกองช่าง/งานระบายน้ำ พร้อมร่างข้อความแจ้งรับเรื่องที่สุภาพ ไม่รับปากวันเสร็จตายตัว และบอกช่องทางติดตามสถานะ

💡 จุดสอน

AI ช่วยจัดหมวดและร่างการตอบกลับได้เร็ว ทำให้เรื่องเข้าถึงหน่วยที่รับผิดชอบไวขึ้น แต่การจัด 'ระดับความเร่งด่วน' และการตอบกลับต้องมีเจ้าหน้าที่ยืนยัน เพราะบางเรื่องเสี่ยงต่อความปลอดภัยและต้องรีบจริง อย่าให้ระบบรับปากเวลาที่ทำไม่ได้ เพราะจะกระทบความเชื่อมั่น

ข้อสังเกต: งานท้องถิ่นที่ผูกกับ 'เงินและสิทธิ' เช่น การประเมินภาษี การลดหย่อน การปรับ หรือการอนุญาต เป็นคำสั่งทางปกครองที่ต้องเป็นดุลพินิจของเจ้าหน้าที่ AI ช่วยได้แค่ตอบคำถามทั่วไป จัดเอกสาร และประมาณการเบื้องต้นเพื่อความเข้าใจ ไม่ใช่ตัวชี้ขาดตัวเลขที่มีผลทางกฎหมาย

แบบฝึกหัดท้ายโมดูล

เก็บตัวอย่างเรื่องร้องเรียนจริงในท้องถิ่นคุณ 10 เรื่อง ให้ AI จัดหมวดและระบุหน่วยรับผิดชอบ แล้วเทียบกับการจัดของเจ้าหน้าที่ ดูว่า AI จัดถูกกี่เรื่องและพลาดเพราะอะไร
ออกแบบบริการท้องถิ่นหนึ่งอย่างให้ 'เข้าถึงถ้วนหน้า' โดยระบุช่องทางสำหรับผู้สูงอายุและผู้ที่ไม่มีสมาร์ตโฟน (เช่น สายด่วน จุดบริการ อาสาสมัคร) ควบคู่กับช่องทางดิจิทัล

2.5

โมดูล 2.5

การสื่อสารภาครัฐและการรับมือข่าวลวง (misinformation) อย่างมีจริยธรรม

AI ช่วยตรวจจับและร่างคำชี้แจงได้ แต่ต้องยึดข้อเท็จจริงและไม่ละเมิดเสรีภาพ

👋 สำหรับผู้เริ่มต้น — อ่านตรงนี้ก่อน

💡

เปรียบง่าย ๆ: ข่าวลวงแพร่เร็วเหมือนไฟลามทุ่ง หน้าที่ของหน่วยงานคือรีบเอา 'ข้อเท็จจริงที่ถูกต้อง' ออกไปดับ AI ช่วยจับสัญญาณข่าวลวงและช่วยร่างคำชี้แจงได้ไว แต่ตัวข้อเท็จจริงต้องจริงและตรวจแล้ว ไม่ใช่ให้ AI แต่งขึ้นมาสู้ข่าวลวงด้วยข่าวมั่วอีกชุด

🎯

ทำไมต้องรู้: ข่าวลวงเรื่องภัยพิบัติ สุขภาพ หรือสิทธิประโยชน์ ทำให้ประชาชนเสียหายจริง การสื่อสารที่เร็ว ถูกต้อง และโปร่งใสจึงสำคัญ แต่ต้องทำอย่างมีจริยธรรม ไม่ใช้อำนาจปิดกั้นเสียงที่เห็นต่างเกินเหตุ

🎯 สิ่งที่คุณจะทำได้หลังเรียนโมดูลนี้

ใช้ AI ช่วยติดตามและสรุปประเด็นข่าวลวงที่กระทบหน่วยงาน และร่างคำชี้แจงเชิงข้อเท็จจริง (fact-based) ที่อ้างข้อมูลจริงและตรวจแล้ว
เข้าใจกรอบที่เกี่ยวข้อง เช่น บทบาทของศูนย์ต่อต้านข่าวปลอมของกระทรวงดิจิทัลฯ และขอบเขตของ พ.ร.บ.ว่าด้วยการกระทำความผิดเกี่ยวกับคอมพิวเตอร์ พ.ศ. 2550 (แก้ไขเพิ่มเติม พ.ศ. 2560)
ยึดหลักจริยธรรมการสื่อสารภาครัฐ ทั้งความถูกต้อง ความโปร่งใส การไม่บิดเบือน การไม่ใช้ AI สร้างโฆษณาชวนเชื่อหรือภาพปลอม (deepfake) และการเคารพเสรีภาพในการแสดงออก

เนื้อหา

การสื่อสารภาครัฐยุคนี้ต้องแข่งกับความเร็วของข่าวลวง (misinformation คือข้อมูลผิดที่แชร์ต่อโดยไม่ได้ตั้งใจ ส่วน disinformation คือข้อมูลเท็จที่จงใจสร้างเพื่อหลอก) ในไทยมีกลไกอย่างศูนย์ต่อต้านข่าวปลอม (Anti-Fake News Center) ของกระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม และการสื่อสารผ่านกรมประชาสัมพันธ์และช่องทางของแต่ละหน่วยงาน AI ช่วยงานนี้ได้หลายด้าน เช่น ช่วยติดตามและสรุปว่ามีประเด็นข่าวลวงอะไรกำลังแพร่และกระทบหน่วยงานอย่างไร ช่วยร่างคำชี้แจงที่กระชับเข้าใจง่าย และช่วยทำเนื้อหาให้ความรู้เพื่อสร้างภูมิคุ้มกันข่าวลวง แต่มีหลักจริยธรรมที่ต้องยึดอย่างเคร่งครัด ข้อแรกคือ 'ข้อเท็จจริงต้องจริงและตรวจแล้ว' ห้ามให้ AI แต่งตัวเลขหรือข้อมูลขึ้นมาเพื่อโต้ข่าวลวง เพราะจะกลายเป็นการสร้างข่าวมั่วซ้อนข่าวมั่ว และทำลายความน่าเชื่อถือของรัฐเอง ข้อสองคือความโปร่งใสและการอ้างอิงแหล่ง คำชี้แจงที่ดีควรบอกที่มาของข้อมูลให้ประชาชนตรวจสอบได้ ข้อสามคือห้ามใช้ AI ในทางที่ไม่ถูกต้อง เช่น สร้างโฆษณาชวนเชื่อ (propaganda) ปั่นกระแส หรือทำภาพ/เสียง/วิดีโอปลอม (deepfake) ไม่ว่าจะเพื่อวัตถุประสงค์ใด และข้อสี่คือการเคารพเสรีภาพในการแสดงออกและการวิพากษ์วิจารณ์โดยสุจริต การใช้อำนาจรัฐหรือกฎหมายอย่าง พ.ร.บ.คอมพิวเตอร์ฯ ต้องอยู่ในกรอบและสัดส่วนที่เหมาะสม มุ่งที่ข้อมูลเท็จที่ก่อความเสียหายจริง ไม่ใช่การปิดปากผู้เห็นต่าง สุดท้ายอย่าลืมว่า AI เองก็เป็นเครื่องมือสร้างข่าวลวงและ deepfake ที่แนบเนียนได้ เจ้าหน้าที่จึงต้องรู้เท่าทันทั้งสองด้าน คือใช้ AI ช่วยรับมือ และระวังไม่ให้ตัวเองตกเป็นเหยื่อหรือเป็นผู้เผยแพร่เสียเอง

📖 คำศัพท์ในโมดูลนี้ (อธิบายง่าย ๆ)

Misinformation / Disinformationข้อมูลผิด: แบบแรกแชร์ผิดโดยไม่ตั้งใจ แบบหลังจงใจสร้างเท็จเพื่อหลอกลวง

Deepfakeภาพ เสียง หรือวิดีโอปลอมที่ AI สร้างให้เหมือนจริง ใช้หลอกลวงหรือใส่ร้ายได้

ศูนย์ต่อต้านข่าวปลอมหน่วยงานของกระทรวงดิจิทัลฯ ที่ตรวจสอบและชี้แจงข่าวปลอมต่อสาธารณะ

Fact-check (ตรวจสอบข้อเท็จจริง)การตรวจว่าข้อมูลจริงหรือเท็จ โดยอ้างหลักฐานและแหล่งที่เชื่อถือได้

🧪 ตัวอย่างจริง + ผลลัพธ์ที่ได้

ร่างคำชี้แจงข้อเท็จจริงตอบข่าวลวง

มีข่าวลวงแพร่ว่า 'หน่วยงานจะยกเลิกสิทธิสวัสดิการ X ทั้งหมดในเดือนหน้า' ช่วยร่างคำชี้แจงสั้น กระชับ ภาษาที่ประชาชนเข้าใจง่าย โดยให้ฉันเป็นผู้กรอกข้อเท็จจริงที่ถูกต้องในช่อง [ข้อเท็จจริงที่ตรวจแล้ว] และช่อง [แหล่งอ้างอิง/ช่องทางตรวจสอบ] ห้ามแต่งตัวเลขหรือรายละเอียดเอง ให้เว้นช่องไว้ถ้าไม่มีข้อมูล และปิดท้ายด้วยช่องทางตรวจสอบข้อมูลจริงกับหน่วยงาน

✅ ผลลัพธ์ที่ได้

AI ร่างคำชี้แจงที่มีโครงชัดเจน (ข่าวที่แพร่คืออะไร / ข้อเท็จจริงที่ถูกต้อง / ช่องทางตรวจสอบ) โดยเว้นช่อง [ข้อเท็จจริงที่ตรวจแล้ว] และ [แหล่งอ้างอิง] ให้เจ้าหน้าที่กรอกเอง ไม่แต่งตัวเลขหรือรายละเอียดขึ้นเอง

💡 จุดสอน

เทคนิคสำคัญคือให้ AI ทำ 'โครงและสำนวน' แต่บังคับให้เว้นช่องข้อเท็จจริงและแหล่งอ้างอิงให้คนกรอก วิธีนี้ได้ความเร็วโดยไม่เสี่ยงให้ AI มั่วข้อมูลจนกลายเป็นข่าวลวงชุดใหม่ คำชี้แจงของรัฐต้องอ้างข้อมูลจริงและบอกช่องทางตรวจสอบได้ จึงจะสร้างความเชื่อมั่นและไม่ละเมิดจริยธรรม

เส้นจริยธรรม: ห้ามใช้ AI แต่งข้อเท็จจริงเพื่อโต้ข่าวลวง ห้ามสร้างโฆษณาชวนเชื่อหรือ deepfake และการใช้อำนาจ/กฎหมายต้องได้สัดส่วน มุ่งที่ข้อมูลเท็จที่ก่อความเสียหายจริง ไม่ใช่ปิดกั้นการวิพากษ์วิจารณ์โดยสุจริตหรือเสียงของประชาชนที่เห็นต่าง

แบบฝึกหัดท้ายโมดูล

เลือกข่าวลวงสมมติที่อาจกระทบหน่วยงานคุณ 1 เรื่อง ใช้ AI ร่างคำชี้แจงแบบ 'เว้นช่องข้อเท็จจริงให้คนกรอก' แล้วเติมข้อเท็จจริงที่ตรวจแล้วพร้อมแหล่งอ้างอิงจริง
เขียนแนวปฏิบัติจริยธรรมการสื่อสารด้วย AI ของหน่วยงาน 5 ข้อ ครอบคลุมการยึดข้อเท็จจริง การอ้างอิงแหล่ง การห้ามสร้าง deepfake/โฆษณาชวนเชื่อ และการเคารพเสรีภาพในการแสดงออก

🎯 Capstone: ออกแบบบริการดิจิทัลและนโยบายจากข้อมูลจริงหนึ่งชุด

เลือกบริการหนึ่งอย่างในหน่วยงานคุณ แล้วออกแบบ e-service ครบวงจร (รับคำร้อง–นัดหมาย–ติดตาม) ระบุจุดที่ AI ช่วย จุดที่ต้องส่งต่อเจ้าหน้าที่ (escalation) และการเก็บ audit log
เลือกชุดข้อมูลเปิดจริงจาก data.go.th มาวิเคราะห์ด้วย AI แบบ 'คำนวณจากข้อมูลที่ให้เท่านั้น' แล้วสรุปเป็นข้อเสนอเชิงนโยบาย พร้อมตารางตรวจตัวเลขและคุณภาพข้อมูล
ทำรายการสัญญาณเสี่ยง (red flag) สำหรับงานจัดซื้อ/งบประมาณของหน่วยงาน พร้อมกระบวนการตรวจสอบต่อโดยคน และการบันทึกอย่างโปร่งใส
ร่างแนวปฏิบัติการสื่อสารและรับมือข่าวลวงด้วย AI ที่ยึดข้อเท็จจริง อ้างอิงแหล่งได้ เคารพเสรีภาพ และย้ำหลัก 'ห้ามให้ AI ตัดสินสิทธิ์ประชาชนอัตโนมัติ' ตลอดทั้งบริการ

ก้าวต่อไป

ธรรมาภิบาล ความมั่นคง และการเข้าถึงถ้วนหน้า

ไปต่อ →