การออกแบบงานใหม่เมื่อ AI เข้ามาในงานคือการแตกกระบวนการเป็นงานย่อย กำหนดระดับการใช้ AI 0–5 ของแต่ละงาน แล้วเขียนหน้าที่และชุดทักษะใหม่ ตามคู่มือ AI Job Redesign ของ AIGC สพธอ. บทความนี้เหมาะกับฝ่ายบุคคลและผู้บริหาร ได้ขั้นตอนทำงาน และข้อควรระวังเมื่อใช้ AI ประเมินพนักงาน
- คู่มือ AIGC ให้วิเคราะห์ที่ระดับงานย่อย (Task) เพราะเห็นชัดที่สุดว่าส่วนไหน AI ทำแทนได้ ส่วนไหนคนต้องคุม
- ระดับการใช้ AI มี 0–5 ตั้งแต่คนทำเองทั้งหมดจนถึงอัตโนมัติเต็มรูปแบบ แต่ทุกระดับต้องระบุคนที่รับผิดชอบผลลัพธ์
- ผลงานที่ต้องได้มี 3 ชิ้น คือผัง Human–AI Collaboration Workflow หน้าที่ความรับผิดชอบใหม่ และชุดทักษะสำหรับแผน Upskill/Reskill
- คู่มือเขียนไว้ชัดว่าไม่ได้ให้ใช้เป็นเหตุผลรองรับการลดจำนวนบุคลากร
- AI ที่ประเมินผลงานพนักงานเข้าเกณฑ์ความเสี่ยงสูงตามแนวทาง สคส. ควรทำ DPIA และแจ้งพนักงานล่วงหน้าพร้อมคำอธิบาย
หลายบริษัทใช้ AI ในงานบุคคลแล้ว ทั้งร่างประกาศรับสมัคร คัดใบสมัคร สรุปประวัติผู้สมัคร หรือตอบคำถามพนักงานเรื่องสวัสดิการ แต่คำบรรยายลักษณะงาน (JD) ของคนที่ทำงานเหล่านั้นยังเป็นฉบับเดิม ไม่มีใครเขียนไว้ว่าตอนนี้เขาต้องตรวจอะไร ตัดสินอะไร และรับผิดชอบอะไรเพิ่มขึ้น
ช่องว่างนี้คือเรื่องที่ คู่มือการออกแบบงานเพื่อรองรับการทำงานร่วมกับเทคโนโลยี AI (AI Job Redesign Guideline) ของศูนย์ธรรมาภิบาลปัญญาประดิษฐ์ (AIGC) ภายใต้สำนักงานพัฒนาธุรกรรมทางอิเล็กทรอนิกส์ (สพธอ.) ตั้งใจแก้ คู่มือเขียนให้ฝ่ายบุคคลและผู้บริหารใช้ เป็นแนวปฏิบัติ (★2) ไม่ใช่กฎหมาย
บทความนี้สรุปวิธีทำตามคู่มือทีละขั้น แล้วต่อด้วยเรื่องที่คู่มือไม่ได้ลงรายละเอียด คือหน้าที่ตาม พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคล พ.ศ. 2562 เมื่อ AI ถูกใช้ดูหรือประเมินพนักงาน โดยอ้างแนวทาง AI ของคณะกรรมการคุ้มครองข้อมูลส่วนบุคคล
ทำไมซื้อเครื่องมือ AI มาแล้ว พนักงานยังไม่ยอมใช้
คู่มือ AIGC อธิบายว่าการเลือกโครงการด้วยเครื่องมืออย่าง AI use case canvas ตอบได้แค่ว่าจะเอา AI ไปใช้ตรงไหนและคุ้มหรือไม่ แต่ยังไม่ตอบว่าคนที่ทำงานนั้นอยู่จะทำงานต่ออย่างไร ถ้าข้ามขั้นนี้ไป คู่มือบอกผลที่ตามมาไว้ตรง ๆ
หากองค์กรใช้เพียง AI use case canvas เพื่อเลือกโครงการ AI แต่ไม่ทำ AI Job Redesign ต่อ อาจเกิดช่องว่างหลายด้าน เช่น พนักงานไม่เข้าใจว่าหน้าที่ของตนเปลี่ยนไปอย่างไร งานบางส่วน ถูกระบบทำแทน แต่ไม่มีการออกแบบบทบาทใหม่อย่างเหมาะสม หรือไม่มีแผนพัฒนาทักษะรองรับ ทำให้เกิดความกังวล และการต่อต้านการเปลี่ยนแปลง ทั้งที่ Use case ถูกออกแบบมาอย่างดีแล้ว
ย่อหน้านี้ควรอยู่ในสไลด์แรกที่ HR ใช้คุยกับผู้บริหาร เพราะย้ายคำถามจาก "จะซื้อระบบอะไร" ไปเป็น "งานของใครเปลี่ยน และเขาต้องได้อะไรบ้างถึงจะทำงานใหม่ได้"
คู่มือมองผลกระทบ 3 ระดับ คือ ระดับงานย่อย ระดับตำแหน่งงาน และระดับองค์กร แต่เลือกเริ่มที่ระดับงานย่อย เพราะเป็นจุดที่เห็นชัดที่สุดว่าขั้นไหนกลายเป็นงานของ AI ขั้นไหนต้องเพิ่มการกำกับของคน และลำดับงานเปลี่ยนไปอย่างไร
งานไหนให้ AI ทำ งานไหนคนต้องทำเอง
คู่มือแบ่งการทำงานร่วมกันเป็น 3 ประเภท คือ คนทำทั้งหมด (Human-only) คนกับ AI ทำร่วมกัน (Augmentation) และ AI ทำแทน (Automation) แล้วซอยเป็นระดับการใช้ AI 0 ถึง 5 สำหรับกำหนดให้งานย่อยแต่ละชิ้น
| ระดับ | คนต้องทำอะไร | ตัวอย่างในงาน HR |
|---|---|---|
| 0 – No Automation | ตัดสินใจและลงมือเองทุกขั้น | คุยกับพนักงานเรื่องอ่อนไหว เช่น ข้อร้องเรียนหรือปัญหาส่วนตัว (ผู้เขียนยกเอง) |
| 1 – Assistance | ใช้ระบบช่วย แต่ควบคุมและลงมือเอง | AI ร่างประกาศรับสมัครจาก JD คนตรวจถ้อยคำแล้วโพสต์ (ตัวอย่างในคู่มือ) |
| 2 – Partial Automation | ตรวจและยืนยันผลทุกครั้งก่อนดำเนินการ | AI คัดใบสมัครตามเกณฑ์และแสดงร้อยละความตรง คนตัดสินขั้นสุดท้าย (ตัวอย่างในคู่มือ) |
| 3 – Conditional Automation | เฝ้าระวัง พร้อมเข้าควบคุมเมื่อระบบผิดพลาด | แชตบอตตอบเรื่องสวัสดิการ ส่งต่อเจ้าหน้าที่เมื่อเจอคำถามนอกขอบเขต (ผู้เขียนยกเอง) |
| 4 – High Automation | ดูแลคุณภาพ ตรวจทวนเมื่อจบภารกิจ | ส่งอีเมลข้อมูลผู้สมัครถึงกรรมการหลังคนยืนยันขั้นก่อนหน้า (ตัวอย่างในคู่มือ) |
| 5 – Full Automation | กำกับเชิงนโยบายและรับผิดชอบผลลัพธ์ | ส่งอีเมลแจ้งสถานะใบสมัครอัตโนมัติ (ผู้เขียนยกเอง) |
ระดับสูงไม่ได้แปลว่าไม่มีใครต้องรับผิดชอบ คู่มือนิยามคำว่าหน้าที่ความรับผิดชอบ (Responsibility) ไว้ตั้งแต่บทที่ 3 ว่า
แม้ในบาง Task การปฏิบัติงานจะดำเนินการโดยระบบหรือเทคโนโลยีปัญญาประดิษฐ์ แต่ความรับผิดชอบสุดท้าย ต่อผลลัพธ์ ยังคงต้องระบุให้ชัดเจนว่าอยู่กับบุคคล หรือตำแหน่งงานหรือหน่วยงานใด
ในทางปฏิบัติ ให้ใส่ชื่อตำแหน่งผู้รับผิดชอบไว้ในทุกแถวของผังงาน แม้แต่แถวที่เป็นระดับ 5 ถ้าแถวไหนเขียนได้แค่ว่า "ระบบ" แปลว่าการออกแบบยังไม่เสร็จ
ขั้นตอน AI Job Redesign ทำอย่างไรทีละขั้น
คู่มือวางกรอบเป็นปัจจัยนำเข้า กระบวนการ และผลลัพธ์ โดยตั้งต้นจาก AI Use case ที่ผ่านการประเมินคุณค่าและความเป็นไปได้มาแล้ว จากนั้นทำ 3 ขั้นหลัก เรียงตามเวลาได้ดังนี้
- ก่อนเริ่มเลือก AI Use case ที่ชัด ระบุกระบวนการ ข้อมูล และผู้มีส่วนได้ส่วนเสีย แล้วตั้งทีม 5 บทบาท ได้แก่ ผู้บริหาร เจ้าของกระบวนการ ผู้แทน HR ไอที และผู้ปฏิบัติงานคู่มือ 5.1–5.3
- ขั้นที่ 1วิเคราะห์ภาระงาน แตกกระบวนการเป็นกระบวนการย่อยและงานย่อย ระบุว่างานไหน AI ช่วยได้ด้วยความสามารถประเภทใดคู่มือบทที่ 6
- ขั้นที่ 2ประชุมทบทวนกับผู้มีส่วนได้ส่วนเสีย ไอทีเสนอระดับ AI สูงสุดที่ทำได้ทางเทคนิค เจ้าของกระบวนการและผู้ปฏิบัติงานดูว่าทำได้จริงแค่ไหน แล้วตกลงระดับของแต่ละงานคู่มือบทที่ 7
- ขั้นที่ 3เขียนหน้าที่ความรับผิดชอบใหม่ ปรับ JD และกำหนดชุดทักษะสำหรับแผนพัฒนาคู่มือบทที่ 8
- หลังเปิดใช้ผู้ปฏิบัติงานติดตามคุณภาพของ AI ในแต่ละงานและรายงานความผิดปกติ เพื่อนำไปปรับกระบวนการและระบบคู่มือ 5.2
ขั้นที่ 2 เป็นจุดที่บทบาทของ HR ต่างจากเดิม คู่มือให้ HR เป็นผู้ประสานและอำนวยความสะดวกให้ที่ประชุมได้ข้อสรุป ไม่ใช่ผู้ตัดสินแทนเจ้าของงาน
เพื่อให้การกำหนดระดับการใช้ AI (AI Level) เป็นไปอย่างรอบด้าน ขั้นตอนนี้แนะนำให้ดำเนินการ ในรูปแบบการหารือร่วมกัน ระหว่างผู้มีส่วนได้ส่วนเสีย เช่น ผู้บริหารที่รับผิดชอบ ผู้ปฏิบัติงาน ที่เกี่ยวข้องโดยตรง ฝ่ายเทคโนโลยีสารสนเทศ เป็นต้น โดยมีฝ่ายทรัพยากรบุคคล (HR) ทำหน้าที่ ประสาน และอำนวยความสะดวก เพื่อสรุปผลเป็น Human–AI Collaboration Workflow สำหรับใช้ ในขั้นตอนถัดไป
เอกสารที่คู่มือให้เตรียมเข้าห้องประชุมรวมถึงนโยบายคุ้มครองข้อมูลส่วนบุคคลและเกณฑ์ประเมินความเสี่ยงขององค์กรด้วย จึงควรชวนเจ้าหน้าที่คุ้มครองข้อมูลส่วนบุคคล (DPO) เข้าประชุมรอบนี้ตั้งแต่แรก ไม่ใช่ส่งผลให้ดูหลังตกลงกันไปแล้ว
ตัวอย่างจากคู่มือ: เจ้าหน้าที่สรรหาบุคลากร
คู่มือใช้ตำแหน่งเจ้าหน้าที่สรรหาบุคลากร (Recruiter) ระดับต้นเป็นตัวอย่างตลอดเล่ม ตารางนี้ย่อหน้าที่เดิมกับหน้าที่หลังนำ AI มาใช้ สองแถวล่างคือหน้าที่ที่ไม่เคยมีมาก่อน
| เดิม | หลังนำ AI มาใช้ |
|---|---|
| ร่างและโพสต์ประกาศรับสมัครเอง | ให้ AI ร่างจาก JD ตาม Template ตรวจถ้อยคำ เลือกช่องทาง และยืนยันการโพสต์ |
| อ่านใบสมัคร ตรวจคุณสมบัติ และตัดสินผลคัดกรอง | ให้ AI คัดตามเกณฑ์ ดูค่า Matching Percentage ตรวจผล แล้วตัดสินขั้นสุดท้ายเอง |
| สรุปข้อมูลผู้สมัครตามแบบฟอร์ม | ให้ AI สรุป แล้วตรวจความถูกต้องครบถ้วนก่อนส่งคณะกรรมการสรรหา |
| — | กำกับการส่งข้อมูลผู้สมัครผ่านระบบอัตโนมัติและติดตามสถานะเป็นระยะ |
| — | ดูแลการใช้ข้อมูลผู้สมัครให้ตรงนโยบายข้อมูลส่วนบุคคลและแนวทางกำกับดูแล AI ขององค์กร |
Upskill กับ Reskill ต่างกันอย่างไร และต้องสอนอะไร
คู่มือแยกสองคำนี้ไว้ชัด Upskill คือเพิ่มทักษะในสายงานเดิมเพื่อทำงานเดิมให้ดีขึ้น เช่น ใช้ AI ช่วยให้ทำงานเร็วขึ้น ส่วน Reskill คือเรียนทักษะชุดใหม่เมื่อบทบาทเปลี่ยนไปอย่างมีนัยสำคัญ ตัวอย่าง Recruiter ในคู่มือแบ่งไว้น่าสนใจ
ตามตัวอย่างข้างต้น ในตำแหน่ง เจ้าหน้าที่สรรหาบุคลากร การใช้เครื่องมือ AI และเขียนคำสั่ง (Prompt) เพื่อสั่งงานเครื่องมือ AI ถือเป็น Upskill ส่วนทักษะการจัดการอคติ (Bias) และการปฏิบัติตามแนวทางกำกับดูแล AI (AI Governance) ถือเป็น Reskill เป็นต้น
ความหมายสำหรับ HR คือ การอบรมใช้เครื่องมือหนึ่งวันยังไม่พอ เรื่องอคติและธรรมาภิบาล AI ถูกจัดเป็นทักษะใหม่ที่ต้องวางแผนสอนจริงจัง คู่มือยืมกรอบทักษะ AI ของรัฐบาลสหราชอาณาจักรมาแบ่งเป็น 3 ด้าน ตัวอย่างของ Recruiter มีดังนี้
- ด้านเทคนิค ใช้ระบบคัดกรองและระบบสรุปข้อมูลผู้สมัครให้ถูกวิธี เขียนคำสั่งให้ AI ร่างประกาศได้ตรงโจทย์ อ่านและตีความผลจากระบบ
- ด้านความรับผิดชอบและจริยธรรม ตั้งคำถามกับผลที่ขัดเกณฑ์วิชาชีพ รู้ว่าปัจจัยไหนทำให้ระบบเลือกปฏิบัติต่อผู้สมัครบางกลุ่ม และใช้กับจัดเก็บข้อมูลผู้สมัครตามหลัก PDPA
- ด้านที่ไม่ใช่เทคนิค อธิบายผลจาก AI ให้คณะกรรมการสรรหาเข้าใจ แจ้งปัญหาจากการใช้งานจริงให้ทีมพัฒนา และเรียนรู้ต่อเนื่อง
ระดับบริหารมีชุดทักษะของตัวเอง เช่น บริหารการปฏิบัติตามกฎหมายคุ้มครองข้อมูลส่วนบุคคลในกระบวนการที่ใช้ AI และกำหนดความรับผิดชอบต่อผลกระทบจากการใช้ AI ในทีม หัวหน้างานจึงต้องเข้าอบรมด้วย ไม่ใช่ส่งแต่ลูกทีม
จะบอกพนักงานอย่างไรไม่ให้กลัวตกงาน
เริ่มจากสิ่งที่คู่มือเขียนเองในบทขอบเขตและข้อจำกัด ข้อความนี้ HR ยกไปพูดในที่ประชุมพนักงานได้ทั้งท่อน
อย่างไรก็ตาม เนื้อหาในคู่มือฉบับนี้มิได้มีจุดประสงค์เพื่อเสนอแนะว่า AI ควรถูกนำมาใช้ในลักษณะ ที่ทำให้เกิดการสูญเสียงาน หรือใช้เป็นเหตุผลรองรับการปรับปรุงจำนวนบุคลากรขององค์กร แต่อย่างใด
จากคู่มือ ผู้เขียนสรุปเรื่องที่ควรบอกพนักงานให้ชัดได้ 4 เรื่อง
- งานของใครเปลี่ยน เปลี่ยนที่งานย่อยไหน และงานนั้นอยู่ระดับ AI เท่าไร
- อะไรที่คนยังต้องทำและยังต้องรับผิดชอบ คู่มือยกตัวอย่างว่าผู้ที่เคยทำงานประจำอาจขยับไปเป็นผู้ตัดสินใจหรือผู้กลั่นกรองผลที่ AI สร้าง
- บริษัทจะสอนอะไร เมื่อไร และใครเป็นคนสอน
- ข้อมูลของพนักงานจะถูกระบบ AI ใช้หรือไม่ ใช้ทำอะไร และใครเห็นผล
เรื่องที่ 4 คือจุดที่ HR มักลืม และเป็นจุดที่กฎหมายคุ้มครองข้อมูลส่วนบุคคลเข้ามาเกี่ยวโดยตรง
ถ้า AI ประเมินหรือเฝ้าดูพนักงาน PDPA ว่าอย่างไร
แนวทาง AI ของ สคส. จัดการใช้ AI ประเมินผลการปฏิบัติงานของพนักงานไว้ในกลุ่มความเสี่ยงสูง ที่ควรทำการประเมินผลกระทบด้านการคุ้มครองข้อมูลส่วนบุคคล (DPIA) ก่อนเริ่ม
หากมีการดำเนินการเก็บรวบรวม ใช้ หรือเปิดเผยข้อมูลส่วนบุคคลกับระบบ AI ที่มีลักษณะความเสี่ยงสูง (High Risk) และควรจัดทำ DPIA ได้แก่ การนำระบบ AI มาใช้ในกระบวนการตัดสินใจอัตโนมัติ (Automated Decision-Making) ที่มีผลกระทบทางกฎหมายหรือผลกระทบอย่างมีนัยสำคัญต่อบุคคล เช่น การใช้ AI ในการพิจารณาอนุมัติสินเชื่อ การคัดกรองการจ้างงาน หรือการประเมินผลการปฏิบัติงานของพนักงาน
ถ้าผลจาก AI ถูกใช้ประกอบเรื่องที่มีผลสำคัญต่อตัวพนักงาน เช่น คัดเลือก เลื่อนตำแหน่ง หรือประเมินผลงาน หัวข้อ 5.4 ของแนวทางเดียวกันขอให้บอกล่วงหน้าและอธิบายวิธีที่ใช้จริง
ผู้ควบคุมข้อมูลส่วนบุคคลควรแจ้งให้เจ้าของข้อมูลส่วนบุคคลทราบล่วงหน้าว่ามีการใช้การตัดสินใจอัตโนมัติหรือผลลัพธ์ของระบบที่มีอิทธิพลชี้ขาดต่อการตัดสินใจ พร้อมคำอธิบายขั้นตอนและหลักการที่ใช้จริงอย่างกระชับและเข้าใจได้เพียงพอให้เจ้าของข้อมูลส่วนบุคคลเข้าใจว่าข้อมูลใดของตนถูกใช้และมีผลต่อผลลัพธ์อย่างไร โดยไม่จำเป็นต้องเปิดเผยอัลกอริทึมหรือซอร์สโค้ด และไม่อาจอ้างความลับทางการค้าเพื่อปฏิเสธการอธิบายโดยสิ้นเชิง
เรื่องฐานทางกฎหมาย หลายบริษัทจะอ้างฐานประโยชน์โดยชอบด้วยกฎหมายตามมาตรา 24 (5) แนวทาง สคส. ให้ทำการประเมินประโยชน์โดยชอบด้วยกฎหมาย (LIA) ประกอบ และเตือนจุดที่ HR พลาดบ่อยไว้ว่า
ความคาดหมายตามสมควรของเจ้าของข้อมูลส่วนบุคคลเป็นปัจจัยสำคัญ โดยการระบุไว้ในประกาศความเป็นส่วนตัวเพียงอย่างเดียวไม่เพียงพอที่จะถือว่าเจ้าของข้อมูลส่วนบุคคลคาดหมายได้
พูดแบบ HR คือ เขียนในประกาศความเป็นส่วนตัวของพนักงานว่า "บริษัทอาจใช้เทคโนโลยีวิเคราะห์ผลการทำงาน" ยังไม่พอ ต้องดูบริบทจริงด้วย เช่น ความสัมพันธ์ระหว่างพนักงานกับบริษัท และพนักงานรู้หรือไม่ว่าข้อมูลอะไรของตนถูกใช้ หัวข้อเดียวกันยังย้ำว่าเมื่อใช้ฐานนี้ เจ้าของข้อมูลมีสิทธิคัดค้านตามมาตรา 32 (1)
เป็นการประเมินผลการปฏิบัติงานที่มีผลต่อรายได้ ควรแจ้งล่วงหน้า อธิบายเกณฑ์ และให้หัวหน้าที่มีอำนาจแก้คะแนนทบทวนได้จริง
ตรงกับระดับ 2 ในคู่มือ AIGC แต่ยังเป็นการคัดกรองการจ้างงานที่ สคส. ถือว่าเสี่ยงสูง จึงควรมี DPIA และตรวจอคติของเกณฑ์เป็นระยะ
ยังควรบอกพนักงานว่ากำลังคุยกับระบบอัตโนมัติ จำกัดสิทธิการเข้าถึงข้อมูล และไม่เก็บบทสนทนาเกินจำเป็น
ข้อที่ต้องจำเพิ่มคือ หัวหน้าที่กดอนุมัติผลจาก AI ทุกครั้งโดยไม่ได้ดูอะไรเพิ่ม ไม่นับเป็นการทบทวน แนวทาง สคส. หัวข้อ 5.4 ต้องการให้ผู้ทบทวนดูปัจจัยอื่นประกอบ มีอำนาจกลับผลได้ และผ่านการอบรมเรื่องการคล้อยตามระบบ HR จึงควรใส่การอบรมเรื่องนี้ไว้ในแผนพัฒนาหัวหน้างานด้วย
เมื่อออกแบบงานเสร็จ อย่าลืมเพิ่มกิจกรรมใหม่ลงในบันทึกรายการกิจกรรมการประมวลผล (RoPA) แนวทาง สคส. หัวข้อ 5.1 บอกว่าถ้านำข้อมูลไปใช้นอกวัตถุประสงค์เดิม ต้องแจ้งวัตถุประสงค์ใหม่และปรับ RoPA ให้ตรงข้อเท็จจริง วิธีเลือกฐานทางกฎหมายอยู่ที่ คู่มือฐานทางกฎหมาย และวิธีเขียนประกาศอยู่ที่ คู่มือประกาศความเป็นส่วนตัว
เช็กลิสต์ HR ก่อนเปิดใช้ AI กับงานจริง
- เลือก Use case เดียวที่ชัด แล้วตั้งทีม 5 บทบาทตามคู่มือ AIGC
- แตกกระบวนการเป็นงานย่อย และตกลงระดับ AI 0–5 ของแต่ละงานในที่ประชุมร่วม
- ใส่ชื่อตำแหน่งผู้รับผิดชอบผลลัพธ์ไว้ทุกแถวของผังงาน
- เขียน JD ใหม่ เพิ่มหน้าที่ตรวจ กำกับ และดูแลข้อมูล
- ทำแผน Upskill/Reskill แยกตามระดับตำแหน่ง รวมหัวหน้างานด้วย
- ถ้า AI แตะการคัดเลือก การประเมินผล หรือการเฝ้าดูพนักงาน ให้ DPO ทำ DPIA และ LIA ก่อนเปิดใช้
- ปรับประกาศความเป็นส่วนตัวสำหรับพนักงานและผู้สมัคร บอกว่าใช้ AI ทำอะไร
- เปิดช่องทางให้พนักงานขอให้คนทบทวนผลและโต้แย้งได้ แล้วเก็บสถิติการกลับผลไว้
AIPDPA มีนโยบายการใช้ AI ในที่ทำงานพร้อมแบบทดสอบพนักงาน และพื้นที่ทำ DPIA ที่ HR กับ DPO ทำงานร่วมกันได้ ดูบัญชีตัวอย่าง ถ้ายังไม่มีนโยบายเลย เริ่มจาก คู่มือนโยบาย Generative AI แล้วอ่านมุมของผู้บริหารต่อได้ที่ บอร์ดต้องถามอะไรก่อนอนุมัติโครงการ AI
คำถามที่พบบ่อย
คู่มือ AI Job Redesign บังคับใช้กับบริษัทเอกชนหรือไม่?
ไม่บังคับ เป็นแนวปฏิบัติของศูนย์ธรรมาภิบาลปัญญาประดิษฐ์ (AIGC) ภายใต้ สพธอ. บริษัทเลือกนำไปปรับใช้ตามความเหมาะสม แต่หน้าที่ตาม พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคล พ.ศ. 2562 ที่เกิดขึ้นเมื่อ AI ใช้ข้อมูลพนักงานยังมีผลตามปกติ
ต้องออกแบบงานใหม่ทุกตำแหน่งพร้อมกันไหม?
ไม่จำเป็น คู่มือให้เริ่มจาก AI Use case ที่ชัด และวิเคราะห์ที่ระดับงานย่อยเป็นหลัก เพราะเห็นการเปลี่ยนแปลงชัดที่สุดและใกล้งานจริงที่สุด จากนั้นค่อยขยายไประดับตำแหน่งและระดับองค์กร
บริษัทเล็กที่ HR มีคนเดียวทำตามคู่มือได้ไหม?
ได้ คู่มือเขียนไว้ว่าบางบทบาทเป็นคนเดียวกันได้ เช่น ใน Use case คัดเลือกใบสมัคร ผู้บริหาร เจ้าของกระบวนการ และ HR อาจเป็นคนเดียวกัน สิ่งที่ไม่ควรข้ามคือการฟังผู้ปฏิบัติงานจริงก่อนตกลงระดับ AI
ใช้ AI ประเมินผลงานพนักงานต้องขอความยินยอมไหม?
แนวทาง สคส. ไม่ได้บอกว่าต้องใช้ความยินยอมเสมอ และมองว่าความยินยอมควรเป็นทางเลือกสุดท้าย ถ้าใช้ฐานประโยชน์โดยชอบด้วยกฎหมายต้องมี LIA ส่วนการประเมินผลงานด้วย AI จัดเป็นความเสี่ยงสูงที่ควรทำ DPIA ก่อน และควรแจ้งพนักงานล่วงหน้าพร้อมคำอธิบาย
ให้หัวหน้ากดอนุมัติผลจาก AI ทุกครั้ง ถือว่ามีคนทบทวนแล้วหรือยัง?
ยังไม่พอถ้าแค่กดยืนยัน แนวทาง สคส. หัวข้อ 5.4 ถือว่าการให้คนเพียงยืนยันผล (Rubber-stamping) ไม่ใช่การทบทวนที่มีความหมาย ผู้ทบทวนต้องดูข้อมูลอื่นประกอบ มีอำนาจกลับผล และผ่านการอบรมเรื่องการคล้อยตามระบบ
ตัวบทและแหล่งอ้างอิง
- คู่มือการออกแบบงานเพื่อรองรับการทำงานร่วมกับเทคโนโลยี AI (AI Job Redesign Guideline) — ศูนย์ธรรมาภิบาลปัญญาประดิษฐ์ (AIGC) สพธอ. (แนวปฏิบัติ ไม่ใช่กฎหมาย) — บทสรุปผู้บริหาร · บทที่ 2 · 3 · 4.1 · 4.5 · 5.2 · 7.1 · 8.3 · 8.4
- แนวทางการดำเนินการด้านการคุ้มครองข้อมูลส่วนบุคคลเกี่ยวกับการพัฒนาและการใช้งานเทคโนโลยีปัญญาประดิษฐ์ version 1.0 — คณะกรรมการคุ้มครองข้อมูลส่วนบุคคล (แนวทาง ไม่ใช่กฎหมาย) — 4.5 · 5.1 · 5.4 · 6.2
ตัวบทที่ยกมาในกรอบ "ตัวบท" คัดคำต่อคำจากคลังกฎหมายของ AIPDPA ซึ่งถอดจากราชกิจจานุเบกษาและเอกสารของหน่วยงานรัฐ แล้วระบบตรวจทุกครั้งที่แก้บทความว่าตรงกับคลังทุกตัวอักษร · บทความนี้เป็นความรู้ทั่วไป ไม่ใช่คำปรึกษากฎหมายสำหรับกรณีใดกรณีหนึ่ง
ลงมือในระบบได้ที่
ใครรับผิดชอบเนื้อหานี้?
เรียบเรียงโดยทีมกฎหมาย AIPDPA · ผู้รับผิดชอบเนื้อหา ภูวรา ครอบตะคุ ทนายความ · เนติบัณฑิตไทย · ที่ปรึกษากฎหมายเทคโนโลยีและทรัพย์สินทางปัญญา
ใบอนุญาตทนายความ 477/2558 · เนติบัณฑิตไทย · นิติศาสตรมหาบัณฑิต กฎหมายทรัพย์สินทางปัญญาและสารสนเทศ (เหรียญทอง)