AI ภัยคุกคามมนุษยชาติ?

ใครเป็นคนบอกว่า AI เป็นภัย? — ไม่ใช่แค่กระแสโซเชียล

ก่อนจะตอบว่า "จริงหรือ" ต้องดูก่อนว่าใครเป็นคนเตือน เพราะถ้าเป็นแค่กระแสในโซเชียลก็เรื่องหนึ่ง แต่ความจริงคือคำเตือนมาจากกลุ่มที่น่าเชื่อถือที่สุดในวงการ

เมื่อวันที่ 30 พฤษภาคม 2023 องค์กร Center for AI Safety เผยแพร่ "Statement on AI Risk" ที่มีใจความเพียงประโยคเดียวว่า "การลดความเสี่ยงของการสูญพันธุ์จาก AI ควรเป็นวาระระดับโลก เคียงข้างกับความเสี่ยงระดับสังคมอื่นๆ เช่น โรคระบาดและสงครามนิวเคลียร์" ผู้ลงนามมีทั้ง Geoffrey Hinton และ Yoshua Bengio (สองนักวิทยาศาสตร์คอมพิวเตอร์ที่งานถูกอ้างอิงมากที่สุดในโลก เจ้าของรางวัลทัวริง) พร้อมผู้บริหารระดับสูงของ OpenAI, Google DeepMind และ Anthropic เอง

ต่อมาในเดือนมกราคม 2025 ได้มี International AI Safety Report 2025 ซึ่งเป็นรายงานวิชาการฉบับแรกที่รวบรวมงานวิจัยเรื่องความเสี่ยงของ AI อย่างเป็นระบบ นำโดย Yoshua Bengio และผู้เชี่ยวชาญกว่า 100 คนจากหลายประเทศ รายงานจัดความเสี่ยงของ AI เอนกประสงค์ออกเป็น 3 กลุ่มใหญ่:

กลุ่มความเสี่ยง	หมายถึงอะไร	ตัวอย่าง
การใช้ในทางร้าย (Malicious use)	คนตั้งใจใช้ AI เป็นเครื่องมือทำร้าย	หลอกลวง (scam), โจมตีไซเบอร์, deepfake, ปั่นความคิดเห็นสาธารณะ
ความผิดพลาดของระบบ (Malfunctions)	AI ทำงานพลาดเองโดยไม่มีใครตั้งใจ	อคติ/เลือกปฏิบัติ, ตอบผิดอย่างมั่นใจ (hallucination), การสูญเสียการควบคุม
ความเสี่ยงเชิงระบบ (Systemic risks)	ผลกระทบต่อสังคม/เศรษฐกิจในภาพรวม	ตลาดแรงงาน, ความเหลื่อมล้ำ, ความเป็นส่วนตัว, การกระจุกตัวของอำนาจ

7 ด้านที่ AI เป็นภัย — เรียงจากใกล้ตัวที่สุด

เพื่อตอบคำถาม "ด้านไหน ยังไง" ให้ชัด เราแยกออกเป็น 7 ด้าน เรียงจากภัยที่ เกิดขึ้นแล้ววันนี้ ไปจนถึงภัยที่ ยังเป็นที่ถกเถียง ในอนาคต

ด้าน	เกิดขึ้นแล้ว?	ระดับความเร่งด่วน
1. งานและความเหลื่อมล้ำ	เกิดแล้ว	สูง
2. ข้อมูลเท็จและ Deepfake	เกิดแล้ว	สูง
3. อาชญากรรมไซเบอร์	เกิดแล้ว	สูง
4. ความเป็นส่วนตัวและความเป็นเจ้าของข้อมูล	เกิดแล้ว	ปานกลาง-สูง
5. อคติและการเลือกปฏิบัติ	เกิดแล้ว	ปานกลาง
6. การพึ่งพาเกินไป/ทักษะถดถอย	เริ่มเห็นผล	ปานกลาง
7. การสูญเสียการควบคุม (Existential)	ยังถกเถียง	ระยะยาว

ด้านที่ 1: งานและความเหลื่อมล้ำ — ภัยที่จับต้องได้ที่สุด

นี่คือด้านที่กระทบคนไทยเร็วที่สุด กองทุนการเงินระหว่างประเทศ (IMF) ประเมินไว้ตั้งแต่มกราคม 2024 ว่า ราว 40% ของตำแหน่งงานทั่วโลก จะได้รับผลกระทบจาก AI โดยในประเทศรายได้สูงตัวเลขสูงถึงราว 60% และ Kristalina Georgieva กรรมการผู้จัดการ IMF เตือนว่า "ในเกือบทุกฉากทัศน์ AI มีแนวโน้มจะทำให้ความเหลื่อมล้ำโดยรวมแย่ลง"

ฝั่ง World Economic Forum รายงาน Future of Jobs Report 2025 ให้ภาพที่สมดุลขึ้น: ภายในปี 2030 คาดว่า AI และเทคโนโลยีจะ สร้างงานใหม่ 170 ล้านตำแหน่ง และทำให้งานเดิมหายไป 92 ล้านตำแหน่ง — สุทธิเป็นบวก +78 ล้านตำแหน่ง แต่ตัวเลขที่ต้องระวังคือ:

• 22% ของตลาดแรงงานจะเกิดการปั่นป่วนเชิงโครงสร้าง (churn)
• 39% ของชุดทักษะที่ใช้อยู่จะล้าสมัยภายในปี 2025–2030
• 41% ของนายจ้างวางแผนลดกำลังคนในงานที่ AI ทำแทนได้

ยังไง: AI ทำงานที่เป็น "งานย่อย" (task) ซ้ำๆ ได้อัตโนมัติ ทำให้บางตำแหน่งหายเร็วกว่าที่คนจะปรับตัวทัน ความเจ็บปวดจริงไม่ได้อยู่ที่ "งานรวมหายไป" (เพราะสุทธิยังเพิ่ม) แต่อยู่ที่ คนที่ตกงานกับคนที่ได้งานใหม่มักไม่ใช่คนเดียวกัน — คนขับรถที่ถูกแทนไม่ได้กลายเป็นวิศวกร AI ในชั่วข้ามคืน นี่คือที่มาของความเหลื่อมล้ำ เราเคยเขียนมุมผู้บริหารเรื่องนี้ไว้ใน ก่อนเอา AI มาแทนคน และ ทำอย่างไรเมื่อ AI เก่งกว่าคน

ด้านที่ 2: ข้อมูลเท็จและ Deepfake — ภัยอันดับ 1 ของโลก

WEF Global Risks Report 2025 จัดให้ "ข้อมูลเท็จและการบิดเบือน" (misinformation and disinformation) เป็นความเสี่ยงระดับโลกอันดับ 1 ในกรอบ 2 ปี ติดต่อกันเป็นปีที่ 2 และระบุชัดว่า Generative AI คือปัจจัยหลักที่ทำให้ผลิตเนื้อหาเท็จ (วิดีโอ รูป เสียง ข้อความ) ได้ในปริมาณมหาศาลด้วยต้นทุนต่ำ

ยังไง: ก่อนยุค AI การทำคลิปปลอมที่แนบเนียนต้องใช้ทีมงานและงบประมาณ แต่วันนี้ต้นทุนการผลิตคอนเทนต์ปลอมลดลงเกือบเป็นศูนย์ ใครก็ปล่อยข่าวปลอม สร้างรีวิวปลอม หรือปลอมเสียงผู้บริหารได้ในสเกลที่ระบบตรวจจับตามไม่ทัน ผลที่ตามมาคือความไว้วางใจในข้อมูลทั้งระบบถูกบั่นทอน — ซึ่งเป็นรากของปัญหาด้านที่ 3

ด้านที่ 3: อาชญากรรมไซเบอร์ — เมื่อ AI ติดอาวุธให้มิจฉาชีพ

ด้านนี้มีตัวเลขความเสียหายเป็นเงินจริง กรณีที่โด่งดังที่สุดคือบริษัทวิศวกรรม Arup: เดือนกุมภาพันธ์ 2024 พนักงานฝ่ายการเงินที่ฮ่องกงถูกหลอกให้เข้าร่วมประชุมทางวิดีโอ ที่ผู้เข้าร่วมทุกคน — รวมถึง "CFO" — ล้วนเป็น deepfake ที่สร้างด้วย AI สุดท้ายพนักงานโอนเงินออกไป 15 ครั้ง รวมมูลค่ากว่า 25.6 ล้านดอลลาร์สหรัฐ

ยังไง: AI ลดกำแพงด้านทักษะและต้นทุนของผู้โจมตี — เมื่อก่อนการปลอมเสียงหรือเขียนฟิชชิงระดับมืออาชีพต้องใช้คนเก่ง แต่ตอนนี้คนทั่วไปก็ทำได้ ทำให้จำนวนและคุณภาพการโจมตีเพิ่มพร้อมกัน องค์กรไทยควรอ่านเพิ่มที่ Cyber = ความเสี่ยงอันดับ 1 ธุรกิจไทย 2569 และทบทวนมาตรการพื้นฐานอย่าง การยืนยันตัวตนสองชั้น (2FA) รวมถึงแนวทางใน ความปลอดภัยของระบบ ERP

ด้านที่ 4: ความเป็นส่วนตัวและความเป็นเจ้าของข้อมูล

AI เรียนรู้จากข้อมูลมหาศาล และทุกครั้งที่องค์กรป้อนข้อมูลให้ AI บนคลาวด์ คำถามที่มักถูกมองข้ามคือ "ข้อมูลนั้นไปประมวลผลที่ไหน ใครเข้าถึงได้ และถูกนำไปใช้ต่ออย่างไร" International AI Safety Report 2025 จัดเรื่องความเป็นส่วนตัวไว้เป็นหนึ่งในความเสี่ยงเชิงระบบ

ยังไง: เมื่อข้อมูลธุรกิจ ข้อมูลลูกค้า หรือเอกสารภายในไหลออกไปยังเซิร์ฟเวอร์ของผู้ให้บริการ AI (ซึ่งมักอยู่ต่างประเทศ) องค์กรอาจสูญเสียการควบคุมทั้งในแง่ความลับทางธุรกิจและการปฏิบัติตาม PDPA นี่คือเหตุผลที่ "ข้อมูลควรอยู่ในระบบที่องค์กรเป็นเจ้าของ" — ประเด็นเดียวกับที่เราวิเคราะห์ไว้ใน ก่อนเอา AI มาแทนคน และความเสี่ยงเฉพาะของผู้ให้บริการบางรายใน DeepSeek กับความเสี่ยง AI จากจีน

ด้านที่ 5: อคติและการเลือกปฏิบัติ (Bias)

AI เรียนรู้จากข้อมูลในอดีต และถ้าข้อมูลนั้นมีอคติแฝงอยู่ AI ก็จะ ผลิตซ้ำและขยายอคติออกไปในสเกลใหญ่ International AI Safety Report จัดเรื่องอคติและความเป็นธรรม (fairness) ไว้ในกลุ่มความผิดพลาดของระบบและความเสี่ยงเชิงระบบ

ยังไง: เมื่อนำ AI ไปใช้ในการตัดสินใจที่กระทบคน เช่น คัดกรองใบสมัครงาน อนุมัติสินเชื่อ หรือให้คะแนนความเสี่ยง โมเดลที่ฝึกจากข้อมูลลำเอียงจะตัดสินใจลำเอียง "อย่างเป็นระบบ" และทำซ้ำกับคนจำนวนมากโดยอ้างความเป็นกลางของเครื่องจักร อันตรายคือมันดู "เป็นกลาง" ทั้งที่ไม่ใช่

ด้านที่ 6: การพึ่งพาเกินไปและทักษะการคิดที่ถดถอย

ด้านนี้เป็นภัยที่เงียบที่สุดแต่กระทบทุกคน งานวิจัยของ Michael Gerlich ตีพิมพ์ในวารสาร Societies ปี 2025 สำรวจผู้เข้าร่วม 666 คน พบ ความสัมพันธ์เชิงลบที่มีนัยสำคัญระหว่างการใช้เครื่องมือ AI บ่อยกับทักษะการคิดเชิงวิพากษ์ ผ่านกลไกที่เรียกว่า "cognitive offloading" หรือการโยนภาระการคิดให้เครื่องมือ ที่น่าสนใจคือคนรุ่นใหม่พึ่งพา AI มากกว่าและมีคะแนนการคิดเชิงวิพากษ์ต่ำกว่า

ยังไง: ทักษะก็เหมือนกล้ามเนื้อ — เมื่อโยนการคิด การเขียน การวิเคราะห์ให้ AI ทุกครั้ง สิ่งที่ไม่ได้ใช้ก็ค่อยๆ ฝ่อลง องค์กรที่ให้ทั้งทีมพึ่ง AI โดยไม่รักษาทักษะแกนของคนไว้ อาจพบว่าวันหนึ่งไม่มีใครตรวจสอบงานของ AI ได้เลย เราขยายมุมนี้ไว้ใน ทำอย่างไรเมื่อ AI เก่งกว่าคน

ด้านที่ 7: การสูญเสียการควบคุม (Existential) — ด้านที่ยังถกเถียง

นี่คือด้านที่ดราม่าที่สุดและถูกพูดถึงในข่าวมากที่สุด แต่ก็เป็นด้านที่ ยังไม่มีฉันทามติทางวิทยาศาสตร์ คำเตือนเรื่อง "ความเสี่ยงสูญพันธุ์" และ "การสูญเสียการควบคุม" ของระบบที่เก่งเกินมนุษย์ มาจากคนระดับผู้สร้าง AI เอง จึงปัดทิ้งทั้งหมดไม่ได้ — แต่ในขณะเดียวกันก็ยังไม่มีหลักฐานว่าจะเกิดขึ้นเมื่อไรหรืออย่างไร

ความเห็นในวงการแบ่งเป็นสองค่ายชัดเจน ค่ายหนึ่งมองว่าเป็นความเสี่ยงที่ต้องเตรียมรับมือตั้งแต่วันนี้ อีกค่ายมองว่าการโฟกัสเรื่องวันสิ้นโลกเป็นการเบี่ยงความสนใจจากภัยที่เกิดขึ้นจริงแล้ว (ด้านที่ 1–6) สิ่งที่ทั้งสองค่ายเห็นตรงกันคือ ในระยะใกล้ ภาพ "AI ครองโลก" ยังเกินจริง — สะท้อนจากการที่ผู้เชี่ยวชาญ WEF จัดความเสี่ยงนี้ไว้เกือบท้ายสุดในกรอบ 2 ปี

ยังไง (ตามสมมติฐาน): ความเสี่ยงนี้จะเกิดได้ก็ต่อเมื่อมีระบบที่ความสามารถสูงมาก เป้าหมายไม่ตรงกับมนุษย์ (misaligned) และมนุษย์มอบอำนาจตัดสินใจให้มากเกินไปโดยไม่มีกลไกหยุด — สังเกตว่าเงื่อนไขสุดท้ายเป็นเรื่องที่ "มนุษย์ควบคุมได้"

สรุปภาพรวม: ภัยที่เกิดแล้ว vs ภัยที่ยังถกเถียง

ถ้าจัดกลุ่มให้ง่ายต่อการตัดสินใจ ภัยจาก AI แบ่งได้เป็นสองชั้นชัดเจน — และข่าวดีคือชั้นที่เร่งด่วนที่สุดเป็นชั้นที่ "จัดการได้ด้วยการกำกับดูแลที่ดีตั้งแต่วันนี้"

มิติ	ภัยที่เกิดขึ้นแล้ว (ด้าน 1–6)	ภัยระยะยาวที่ยังถกเถียง (ด้าน 7)
หลักฐาน	มีตัวเลข/กรณีจริงแล้ว	ยังเป็นสมมติฐาน ไม่มีฉันทามติ
กรอบเวลา	วันนี้ – 5 ปี	ไม่ทราบแน่ชัด (ระยะยาว)
ต้นเหตุหลัก	วิธีที่มนุษย์นำ AI ไปใช้	ความสามารถของระบบ + การออกแบบ
องค์กรทำอะไรได้	วาง governance ลดความเสี่ยงได้ทันที	ติดตามนโยบาย + งานวิจัยด้าน AI safety

คำถามที่สำคัญกว่าไม่ใช่ว่า "AI จะทำลายมนุษยชาติไหม" แต่คือ "เราจะใช้ AI อย่างไรไม่ให้ตกเป็นเหยื่อของคนที่ใช้มันในทางที่ผิด"

- มุมมองด้านความปลอดภัยและการกำกับดูแล AI

ภัยที่แท้จริงคือ "วิธีที่เราใช้ AI" ไม่ใช่ตัว AI

ถ้าสังเกตให้ดี ภัยทั้ง 6 ด้านที่เกิดขึ้นแล้วมีเส้นใยร่วมกันเส้นเดียว: ทุกด้านเกิดจาก "ช่องว่างของการกำกับดูแล" ไม่ใช่จากตัว AI ที่มีเจตนาร้าย — Arup เสียเงินเพราะไม่มีขั้นตอนยืนยันตัวตนก่อนโอน ข้อมูลรั่วเพราะไม่มีนโยบายควบคุมว่าอะไรป้อนให้ AI ได้บ้าง อคติขยายเพราะไม่มีคนตรวจสอบผลลัพธ์ ทักษะถดถอยเพราะไม่มีการรักษาบทบาทของคน

นั่นแปลว่า "ทางแก้" ไม่ใช่การกลัวหรือปฏิเสธ AI แต่คือการวาง กรอบการกำกับดูแล (AI governance) ที่ทำให้มนุษย์ยังคุมเกมได้ เราเขียนเรื่องหลักการกำกับดูแลไว้ใน AI Governance — กำกับดูแล AI อย่างไรให้ปลอดภัย

5 หลักให้องค์กรไทยใช้ AI โดยไม่ตกเป็นเหยื่อ

1. คนต้องอยู่ในวงตัดสินใจ (Human-in-the-loop): อย่าให้ AI เป็นผู้ตัดสินใจสุดท้ายในเรื่องเงิน คน หรือกฎหมาย ให้ AI "เสนอ" แล้วคน "อนุมัติ"
2. ควบคุมข้อมูลและรู้ว่าข้อมูลไปไหน: กำหนดชัดว่าข้อมูลประเภทใดป้อนให้ AI ภายนอกได้ และเก็บข้อมูลแกนไว้ในระบบที่องค์กรเป็นเจ้าของ
3. ตรวจสอบทุกผลลัพธ์ (Verify): AI ตอบผิดได้อย่างมั่นใจ (hallucination) ผลลัพธ์ที่ใช้ตัดสินใจสำคัญต้องมีคนสอบทาน
4. ตั้งกระบวนการยืนยันตัวตนกัน deepfake: คำสั่งโอนเงิน/อนุมัติที่มาทางวิดีโอหรือเสียง ต้องมีการยืนยันซ้ำผ่านช่องทางอื่น (call-back) เสมอ
5. รักษาทักษะแกนของคน: ใช้ AI เพื่อ "เสริม" ไม่ใช่ "แทน" จนทีมไม่มีใครตรวจงาน AI ได้

เชื่อมกับ Saeree ERP: ทำไม "แกนข้อมูลที่คุณคุมเอง" ถึงสำคัญในยุค AI

ในยุคที่ AI ภายนอกเก่งขึ้นทุกวัน สิ่งที่องค์กรขาดไม่ได้คือ "แหล่งความจริงเดียว" (single source of truth) ที่องค์กรควบคุมเอง — และนี่คือบทบาทของระบบ ERP: เก็บข้อมูลธุรกรรม การเงิน และพัสดุไว้ในระบบที่องค์กรเป็นเจ้าของ ทั้งแบบ on-premise หรือคลาวด์ที่ควบคุมได้ เมื่อมีแกนข้อมูลที่เชื่อถือได้และคุมการเข้าถึงได้ องค์กรจะนำ AI มาช่วยวิเคราะห์ได้อย่างปลอดภัยขึ้น แทนที่จะปล่อยให้ข้อมูลกระจัดกระจายและไหลออกไปโดยไม่รู้ตัว ประเด็น "มีข้อมูลเยอะแต่ไม่มีสารสนเทศ" เราเขียนไว้ใน ทำไมผู้บริหารไม่เคยเห็นรายงานที่ต้องการ

สรุป: เมื่อไรไว้ใจ AI ได้ เมื่อไรต้องมีคนกำกับ

งานที่ไว้ใจ AI ช่วยได้ (มีคนคุมหลวมๆ)	งานที่ต้องมีคนกำกับเสมอ
ร่างเอกสาร/สรุปข้อมูลเบื้องต้น	อนุมัติการโอนเงิน/จ่ายเงิน
ช่วยค้นหา/จัดหมวดข้อมูล	ตัดสินใจเรื่องคน (จ้าง/เลิกจ้าง)
เสนอไอเดีย/ทางเลือก	ตัดสินใจที่มีผลทางกฎหมาย/สัญญา
งานที่ตรวจสอบผลได้ง่าย	งานที่ใช้ข้อมูลส่วนบุคคล/ความลับธุรกิจ

AI จะเป็นภัยคุกคามต่อมนุษยชาติจริงหรือไม่ จึงขึ้นอยู่กับมนุษย์มากกว่าตัว AI — ในระยะใกล้ ภัยที่แท้จริงไม่ใช่ "AI ฉลาดเกินไป" แต่คือ "เราไว้ใจมันมากเกินไปโดยไม่มีคนกำกับ" องค์กรที่วางระบบควบคุมที่ดีจะได้ประโยชน์จาก AI โดยไม่ตกเป็นเหยื่อ

แหล่งอ้างอิง

• Center for AI Safety, "Statement on AI Risk" (30 พ.ค. 2023) — safe.ai/work/statement-on-ai-risk
• International AI Safety Report 2025 (ม.ค. 2025), chaired by Yoshua Bengio — internationalaisafetyreport.org
• World Economic Forum, "Future of Jobs Report 2025" (ม.ค. 2025) — weforum.org
• World Economic Forum, "Global Risks Report 2025" (ม.ค. 2025) — weforum.org
• IMF, K. Georgieva, "AI Will Transform the Global Economy. Let's Make Sure It Benefits Humanity." (14 ม.ค. 2024) — imf.org
• World Economic Forum, "Cybercrime: lessons learned from a $25m deepfake attack" (กรณี Arup, ก.พ. 2025) — weforum.org
• Surfshark Research, "Deepfake fraud losses" (2025) — surfshark.com
• Gerlich, M. (2025). "AI Tools in Society: Impacts on Cognitive Offloading and the Future of Critical Thinking." Societies, 15(1), 6 — mdpi.com