คีเรน คูมาร์ รองซีอีโอของหน่วยงาน Infocomm Media Development Authority (IMDA) ของสิงคโปร์ โต้แย้งว่าการควบคุม AI เร็วเกินไปคือความผิดพลาดที่ทำให้การเติบโตทางดิจิทัลชะงัก และขัดขวางนวัตกรรมก่อนที่มันจะพัฒนาเต็มที่ IMDA จึงไม่ได้เดินเกมด้วยกฎหมายที่แข็งทื่อ แต่ถือ “ความน่าเชื่อถือในการกำกับดูแล” เป็นสินทรัพย์ทางเศรษฐกิจ โดยร่วมสร้าง “แซนด์บ็อกซ์ทดสอบแบบสมัครใจ” กับบริษัทเทคโนโลยี เพื่อชี้นำพฤติกรรมอย่างเป็นธรรมชาติ คูมาร์ย้ำว่า “เราไม่เชื่อว่าการไปควบคุมมันในตอนนี้คือคำตอบ” แนวทางของสิงคโปร์ใช้ชื่อเสียงระดับโลกด้านความเสถียรที่สั่งสมมานานหลายทศวรรษในอุตสาหกรรมการบินอวกาศและเซมิคอนดักเตอร์ เป็นฐานในการวางตำแหน่งให้ตัวเองเป็นพื้นที่ทดสอบที่ปลอดภัยสำหรับอุตสาหกรรม AI ที่กำลังเกิดใหม่
ปรัชญาด้านการกำกับดูแล: ความน่าเชื่อถือคือสินทรัพย์ทางเศรษฐกิจ
สิงคโปร์ตั้งใจปฏิเสธทั้งสองขั้วของการกำกับดูแล คือไม่เข้มกฎหมายแบบสุดโต่งและไม่ปล่อยไร้กรอบ แทนที่จะผ่านกฎหมายที่แข็งทื่อ IMDA สร้างแซนด์บ็อกซ์ทดสอบแบบสมัครใจ เพื่อชี้นำพฤติกรรมขององค์กรก่อนที่การฝ่าฝืนกฎจะกลายเป็นวิกฤต
คูมาร์ระบุว่าแบรนด์ของสิงคโปร์พึ่งพาความน่าเชื่อถืออย่างเต็มที่ ประเทศวางตัวเป็นพื้นที่ทดสอบที่ปลอดภัยสำหรับอุตสาหกรรมใหม่ ด้วยการทำงานโดยตรงกับบริษัทเพื่อสร้างกรอบการกำกับดูแล “บางประเทศควบคุมเทคโนโลยี ขณะที่บางประเทศไม่ทำ” คูมาร์กล่าว พร้อมชี้ให้เห็นแนวทางสายกลางของ IMDA
แปลนโยบาย: จากกรอบสู่โค้ด
เพื่อให้กรอบการกำกับดูแล “ใช้งานได้จริง” นโยบายต้องถูกแปลงเป็นโค้ด IMDA เปิดตัวเครื่องมือทดสอบอย่าง Moonshot ซึ่งช่วยให้นักพัฒนาประเมินโมเดลของตนเทียบกับกรอบการกำกับดูแลก่อนนำไปใช้งาน จากนั้นผลการทดสอบจะถูกเผยแพร่เพื่อให้ความรู้แก่ระบบนิเวศทั่วโลก
Agentic AI: ความเสี่ยงรูปแบบใหม่ต้องทบทวนการกำกับดูแล
แนวทางการร่วมมือกันนี้เผชิญแรงกดดันจากการเติบโตของ agentic AI—ซอฟต์แวร์อัตโนมัติที่ลงมือทำแผนหลายขั้นตอนโดยไม่ต้องรอการอนุมัติจากมนุษย์ คูมาร์อธิบายว่าเพราะ agentic AI สามารถใช้เหตุผลและลงมือทำได้โดยไม่อยู่ในวงรอบการตัดสินใจของมนุษย์ จึงเกิดความเสี่ยงใหม่ด้านความปลอดภัยและความน่าเชื่อถือ ซึ่งกฎหมายแบบคงที่ไม่สามารถรับมือได้อย่างมีประสิทธิภาพ
“ด้วยระบบ [agentic] คุณจะมีหลายเอเจนต์ที่ทำงานร่วมกัน และผมคิดว่าเราจำเป็นต้องทบทวนวิธีที่เรากำหนดกรอบการกำกับดูแลโมเดล” คูมาร์กล่าว โดยเน้นว่าการกำกับดูแลต้องสร้างขึ้นรอบการใช้งานแบบหลายเอเจนต์เป็นหลัก
ความปลอดภัยในภาคการผลิต: การแพตช์หลังเปิดใช้งานอย่างต่อเนื่อง
การย้าย AI จากโครงการนำร่องไปสู่การใช้งานจริงคือช่วงที่ข้อผิดพลาดกลายเป็นเรื่องวิกฤต คูมาร์คาดหวังและเรียกร้องการแพตช์หลังเปิดใช้งานอย่างต่อเนื่อง “โมเดลทางความคิดคือจะต้องมีข้อผิดพลาด และจะต้องมีความผิดพลาด” เขาโต้แย้ง
หัวใจของการอยู่รอดคือการมี “กลไกและการตอบสนองเชิงธุรกิจ” ที่พร้อมจะอัปเกรดและปรับแต่งระบบอย่างต่อเนื่อง แม้หลังจากมันไปอยู่กับสาธารณะแล้ว การเชื่อมโยงโมเดลอัจฉริยะเข้ากับฐานข้อมูลเดิม (legacy databases) คือจุดที่เกิดรอยรั่วของข้อมูลและการละเมิดความปลอดภัยได้บ่อยที่สุด คูมาร์เชื่อว่าบริษัท “จำเป็นต้องมีแซนด์บ็อกซ์” เพื่อให้มั่นใจว่าข้อมูล สถาปัตยกรรม และการเชื่อมต่อซอฟต์แวร์ได้รับการจัดการอย่างปลอดภัยและเชื่อถือได้ ก่อนนำระบบเข้าสู่การผลิต
เขาเรียกร้องให้คณะกรรมการปฏิบัติกับการนำซอฟต์แวร์ไปใช้เหมือนงานวิศวกรรมภาคสนาม: “จากนำร่องสู่การผลิตไม่ต่างจากที่ผู้ผลิตเครื่องยนต์จะทดสอบเครื่องยนต์ของตัวเองก่อนนำไปติดตั้งบนเครื่องบิน”
ผู้นำและบุคลากร: อุปสรรคสุดท้าย
ผู้บริหารที่ลังเลและการขาดแคลนบุคลากรเฉพาะทางแบบทั่วโลกยังเป็นอุปสรรคต่อการนำ AI ไปใช้ “นี่คือคำถามเรื่องผู้นำ” คูมาร์กล่าว พร้อมระบุว่าพลังของผู้บริหารในการผลักดันการเปลี่ยนแปลงในองค์กร สำคัญกว่านโยบายของรัฐบาล
ช่องว่างนี้ยังถูกขยายด้วยการขาดทรัพยากรด้านเทคนิค หลายบริษัทขนาดกลางและขนาดเล็กเข้าใจโดเมนธุรกิจของตัวเอง แต่ขาดทีมภายในที่จะสร้างและนำโซลูชัน AI แบบกำหนดเองไปใช้ ส่งผลให้ “วิศวกรที่ทำงานไปอยู่ใกล้พื้นที่ธุรกิจ (forward-deployed engineers) กำลังจะกลายเป็นสินค้าที่หายากในระดับโลก เพราะต้องทำงานร่วมกับลูกค้าอย่างใกล้ชิด เข้าใจเวิร์กโฟลว์ และนำเทคโนโลยีไปใช้งาน”
กลยุทธ์ของสิงคโปร์ในฐานะผู้ลงสนามเทคโนโลยี (Deployer)
เพื่อรับมือกับการขาดแคลนบุคลากร สิงคโปร์ไม่ให้ความสำคัญกับการแข่งขันสร้างโมเดลแนวหน้า (frontier models) ตั้งแต่ศูนย์กลาง แทนที่จะทำเช่นนั้น ประเทศนำเข้าอัลกอริทึมจากทั่วโลก แล้วนำไปใช้งานในอุตสาหกรรมที่ถูกกำกับดูแลอย่างเข้มงวด
คูมาร์โต้แย้งว่า “เรามั่นใจอย่างยิ่งว่าสิงคโปร์ถูกวางตำแหน่งให้เป็นผู้ลงสนามเทคโนโลยีเหล่านี้ในระดับขนาดใหญ่อย่างมีความรับผิดชอบและในแบบที่ได้รับความไว้วางใจ”
IMDA ระบุอุตสาหกรรมการผลิตขั้นสูง การเงิน การเชื่อมต่อ และการดูแลสุขภาพเป็นเป้าหมายหลัก เพราะความล้มเหลวในพื้นที่เหล่านี้มีต้นทุนสูง จึงต้องยกระดับเกณฑ์ด้านความไว้วางใจ ความน่าเชื่อถือ และการตัดสินใจโดยมนุษย์ให้สูงกว่าเดิม
เกินกว่าความมีประสิทธิภาพ: บรรลุการเปลี่ยนแปลงเชิงธุรกิจ
การอยู่รอดในช่วงเปลี่ยนผ่านสู่ AI ต้องมากกว่าการลดต้นทุนเล็กน้อย “พิลอตเหล่านี้จำนวนมาก… ถูกออกแบบมาเพื่อเพิ่มผลิตภาพ 10% ถึง 20%… ซึ่งมีคุณค่า แต่เราจะไปให้ถึง 10 เท่าได้อย่างไร?” คูมาร์ถาม
การทำให้คูณได้ระดับนั้นต้องเปลี่ยนเวิร์กโฟลว์ของธุรกิจ เพื่อสร้างผลิตภัณฑ์และบริการใหม่ทั้งหมด
ยกระดับทักษะแรงงาน: จากทฤษฎีสู่ภารกิจในชีวิตประจำวัน
เพื่อให้เกิดการเปลี่ยนแปลงนี้ เทคโนโลยีต้องออกจากแผนกวิศวกรรม และไปอยู่ในมือของแรงงานทั่วไป คูมาร์โต้แย้งว่า “คุณค่าทางเศรษฐกิจที่แท้จริง” จะถูกปลดล็อกได้ก็ต่อเมื่อผู้เชี่ยวชาญในชีวิตประจำวัน—ตั้งแต่นักกฎหมายไปจนถึงนักการตลาด ไปจนถึงพนักงานฝ่ายทรัพยากรบุคคล—ได้รับอำนาจในการผสาน AI เข้าไปในงานประจำของตน
เพื่อผลักดันการนำไปใช้ สิงคโปร์เปิดตัวโครงการระดับชาติเพื่อยกระดับทักษะให้แรงงาน 100,000 คน แทนที่จะสอนคลาสคอมพิวเตอร์เชิงทฤษฎีนามธรรม โปรแกรมกลับเน้น “คอร์สออนไลน์และการรับรองสำหรับเวิร์กโฟลว์ของพวกเขาโดยเฉพาะ… นี่คือการฝึกปฏิบัติหน้างาน; เป็นแบบบริบท ไม่ใช่แบบทฤษฎี”
แนวทางนี้ขยายไปถึงนักศึกษาชั้นปีสุดท้าย ซึ่งถูกลงทะเบียนในโปรแกรมเดียวกับผู้ทำงานแล้ว เป้าหมายคือปิดช่องว่าง “และทำให้พวกเขาพร้อมสำหรับงานหรือพร้อมสำหรับ AI”
บริบทที่กว้างขึ้น
คำเตือนของคูมาร์ต่อการควบคุม AI เร็วเกินไป สะท้อนปรัชญาที่แตกต่างจากทิศทางการกำกับดูแลในระดับโลกแล้ว พระราชบัญญัติ AI Act ของสหภาพยุโรป (EU) ได้กำหนดภาระผูกพันแบบมีผลผูกพันตามความเสี่ยงแล้วสำหรับผู้พัฒนาและผู้ใช้งาน AI ขณะที่รัฐสมาชิก EU ต้องจัดตั้งแซนด์บ็อกซ์ด้านการกำกับดูแล AI ภายใต้กฎหมายดังกล่าว ซึ่งชี้ว่าแซนด์บ็อกซ์เป็นส่วนเสริมของกฎที่เข้มงวด ไม่ใช่ทางเลือกแทนกฎหมาย
ผลสำรวจ State of AI ประจำปี 2025 ของ McKinsey พบว่าการนำ AI ไปใช้มีอย่างแพร่หลาย แต่ส่วนใหญ่ขององค์กรยังดิ้นรนที่จะเปลี่ยนจาก “พิลอต” ไปสู่ผลกระทบระดับขนาดใหญ่ รายงาน workplace AI ปี 2025 ระบุว่า มีเพียง 1% ของบริษัทที่อธิบายตัวเองว่าเป็น “องค์กรที่มีความเป็นผู้ใหญ่” ในการนำ AI ไปใช้งาน ซึ่งสะท้อนว่าโครงสร้างพื้นฐานด้านความไว้วางใจมีความสำคัญ แต่สำหรับหลายบริษัท คอขวดที่ใหญ่กว่ายังคงเป็นเรื่องผู้นำ โมเดลการดำเนินงาน ความพร้อมด้านข้อมูล และการออกแบบเวิร์กโฟลว์ใหม่
จุดโฟกัสของคูมาร์ที่วิศวกรที่ทำงานใกล้พื้นที่ธุรกิจ ยังชี้ถึงข้อจำกัดที่นโยบายอาจแก้ได้ไม่เร็ว Business Insider รายงานในเดือนพฤษภาคม 2026 ว่าการประกาศรับสมัครตำแหน่ง forward-deployed engineer เพิ่มขึ้น 729% เมื่อเทียบกับปีก่อนหน้า สะท้อนความต้องการที่พุ่งขึ้นสำหรับคนที่สามารถแปลง AI ให้กลายเป็นเวิร์กโฟลว์ขององค์กรที่ใช้ได้จริง
