รายงานห่วงโซ่อุปทาน AI ปี 2026 ของ Black Kite: ความเสี่ยงเบื้องหลังความสัมพันธ์ด้าน AI ของคุณ

รายงาน ห่วงโซ่อุปทาน AI ปี 2026: ความเสี่ยงเบื้องหลังความสัมพันธ์ด้าน AI ของคุณ ของ Black Kite พบว่า บริษัทที่จัดหา AI ขั้นสูงมักมีจุดอ่อนด้านความมั่นคงปลอดภัยไซเบอร์ที่พบได้ทั่วไป การประเมินจากภายนอกซึ่งครอบคลุมบริษัท AI 18,160 แห่งพบว่า องค์กรที่ศึกษา 34.2% มีช่องโหว่ระดับวิกฤตที่ยังไม่ได้ติดตั้งแพตช์ และมีสัดส่วนที่มีจุดอ่อนด้านการยืนยันตัวตนอีเมลสูงกว่านั้นอีก

ข้อเสนอหลักของรายงานคือ การซื้อ AI ทำให้เกิดความสัมพันธ์ที่มากกว่าความสัมพันธ์ด้านซอฟต์แวร์ ลูกค้ายังต้องเผชิญความเสี่ยงจากโครงสร้างพื้นฐานของซัพพลายเออร์ ส่วนประกอบที่อยู่เบื้องหลังผลิตภัณฑ์ และสิทธิ์ที่การผสานระบบได้รับ เมื่อเครื่องมือ AI มีความสามารถมากขึ้นในการดำเนินการภายในระบบธุรกิจ ความสัมพันธ์เหล่านี้ก็ควรได้รับการตรวจสอบอย่างเข้มงวดไม่ต่างจากซัพพลายเออร์รายสำคัญอื่น ๆ

“ห่วงโซ่อุปทาน AI ไม่ได้ล้มเหลวด้วยวิธีพิสดาร แต่ล้มเหลวด้วยวิธีธรรมดา ๆ” Ferhat Dikbiyik ประธานเจ้าหน้าที่ฝ่ายวิจัยและข่าวกรองของ Black Kite กล่าว ผลการศึกษาชี้ให้เห็นว่าการติดตั้งแพตช์ การปกป้องข้อมูลรับรอง และการกำกับสิทธิ์การเข้าถึงของการผสานระบบควรเป็นประเด็นสำคัญในการหารือ

ช่องโหว่ด้านความปลอดภัยพื้นฐานในกลุ่มซัพพลายเออร์ AI ขนาดใหญ่

Black Kite สร้างกลุ่มตัวอย่างสำหรับการศึกษาจากฐานข้อมูลบริษัทเชิงพาณิชย์ จากนั้นตรวจสอบคำอธิบายธุรกิจและเว็บไซต์สาธารณะเพื่อยืนยันว่า AI เป็นหัวใจสำคัญของผลิตภัณฑ์หรือบริการของแต่ละบริษัท ข้อมูลการประเมินความปลอดภัยระดับบริษัทมาจากเดือนกันยายนและตุลาคม 2026

ผลการประเมินพบว่า:

• 34.2% มีช่องโหว่ระดับวิกฤตที่ยังไม่ได้ติดตั้งแพตช์อย่างน้อยหนึ่งรายการ ซึ่งตรวจพบจากภายนอก
• 9.8% มีช่องโหว่ที่อยู่ในบัญชี Known Exploited Vulnerabilities ของ CISA
• 61.7% มีจุดอ่อนด้าน DMARC ขณะที่พบจุดอ่อนด้าน DKIM และ SPF ในสัดส่วน 37.3% และ 11.2% ตามลำดับ
• 29.7% มีคะแนนดัชนีความเสี่ยงต่อแรนซัมแวร์ (Ransomware Susceptibility Index) ของ Black Kite ตั้งแต่ 0.4 ขึ้นไป ซึ่งเป็นเกณฑ์ระดับวิกฤตของบริษัท
• 6.8% มีข้อมูลการเข้าสู่ระบบขององค์กรที่เชื่อมโยงกับบริษัทอยู่ในบันทึกข้อมูลที่รวบรวมโดยมัลแวร์ขโมยข้อมูล

มาตรวัดเหล่านี้ตอบคำถามคนละข้อ ช่องโหว่ที่อยู่ในบัญชี KEV มีประวัติการถูกใช้โจมตีที่บันทึกไว้ในที่ใดที่หนึ่งของโลก แต่การที่ช่องโหว่นั้นปรากฏอยู่ในบัญชีไม่ได้ยืนยันว่าซัพพลายเออร์ในการศึกษานี้ถูกโจมตี เช่นเดียวกัน คะแนนความเสี่ยงต่อแรนซัมแวร์เป็นตัวชี้วัดสำหรับจัดลำดับความสำคัญในการตรวจสอบ ไม่ใช่ความน่าจะเป็นที่บริษัทใดบริษัทหนึ่งจะถูกโจมตีด้วยแรนซัมแวร์

การยืนยันตัวตนอีเมลเป็นเรื่องสำคัญ เพราะซัพพลายเออร์ AI ยังคงใช้โดเมนองค์กรและกระบวนการทางธุรกิจทั่วไป การขาดมาตรการบังคับใช้หรือมีมาตรการที่ไม่เข้มงวดเพียงพออาจทำให้การปลอมแปลงโดเมนทำได้ง่ายขึ้น แม้ผลิตภัณฑ์ AI เองจะมีความซับซ้อนทางเทคนิคก็ตาม ตัวเลข DMARC, DKIM และ SPF มีส่วนทับซ้อนกัน จึงไม่ควรนำมาบวกกัน

บทบาทของซัพพลายเออร์สำคัญกว่าการสร้างภาพลักษณ์ว่าเป็น AI

รายงานแบ่งระบบนิเวศออกเป็นกิจกรรมกว้าง ๆ 6 กลุ่ม เทคโนโลยีพื้นฐาน ซึ่งรวมถึงโมเดล โครงสร้างพื้นฐานด้านการประมวลผล และบริการข้อมูล คิดเป็นประมาณ 10% ของกลุ่มตัวอย่าง แอปพลิเคชันธุรกิจที่ใช้ในชีวิตประจำวันมีสัดส่วนประมาณ 31% ส่วนบริษัทที่พัฒนาและนำ AI ไปใช้งานให้แก่องค์กรอื่นมีสัดส่วนราว 23%

ข้อมูลนี้ช่วยอธิบายว่าเหตุใดการมุ่งให้ความสนใจเฉพาะผู้ให้บริการโมเดลที่มีชื่อเสียงจึงทำให้มองข้ามความเสี่ยงต่อองค์กรไปเป็นสัดส่วนมาก ผู้ให้บริการผสานระบบ ผู้ให้บริการคลาวด์ ผู้ดูแลข้อมูล และแพลตฟอร์มบริการลูกค้า อาจทำงานใกล้ชิดกับระบบและข้อมูลของลูกค้า

พบประเด็นด้านข้อมูลรับรองเด่นชัดเป็นพิเศษในบทบาทเหล่านั้น Black Kite พบข้อมูลการเข้าสู่ระบบขององค์กรที่เชื่อมโยงกับบริษัทในบันทึกของมัลแวร์ขโมยข้อมูลที่ผู้ให้บริการโซลูชัน AI บนคลาวด์ 19.9% เทียบกับ 4.1% ของผู้พัฒนาโมเดลและแพลตฟอร์ม บริษัทด้านข้อมูลและการทำป้ายกำกับมีสัดส่วน 13.9% ส่วนแพลตฟอร์มบริการลูกค้าอยู่ที่ 11.5%

สิ่งที่น่ากังวลคือข้อมูลรับรองเหล่านั้นอาจเปิดทางให้เข้าถึงอะไรได้บ้างหากยังใช้งานได้ ไม่ใช่การตั้งสมมติฐานว่ามีการใช้ข้อมูลเข้าสู่ระบบที่รั่วไหลทุกรายการ การตรวจสอบซัพพลายเออร์จำเป็นต้องเชื่อมโยงผลการค้นพบเข้ากับบริการที่กำลังจัดซื้อ เพราะข้อมูลรับรองสำหรับเครื่องมือธุรกิจที่ไม่เกี่ยวข้องกับบริการนั้น กับข้อมูลที่เข้าถึงสภาพแวดล้อมการใช้งานจริงซึ่งลูกค้าใช้โดยตรง อาจก่อให้เกิดผลกระทบแตกต่างกันอย่างมาก

ซัพพลายเออร์ AI ต่างก็มีการพึ่งพาส่วนประกอบอื่น

รายงานชั้นที่สองตรวจสอบส่วนประกอบซอฟต์แวร์ที่อยู่เบื้องหลังผลิตภัณฑ์ AI Black Kite ระบุบริษัท AI 105 แห่งที่มีข้อค้นพบเกี่ยวข้องกับ n8n, Langflow หรือ LiteLLM ซึ่งเป็นเครื่องมือที่อาจทำหน้าที่เชื่อมต่อโมเดล เวิร์กโฟลว์ และบริการต่าง ๆ เข้าด้วยกัน

การพึ่งพาส่วนประกอบร่วมกันอาจก่อให้เกิดความเสี่ยงจากการกระจุกตัว แม้ทะเบียนผู้ขายจะดูเหมือนมีความหลากหลายก็ตาม บริการ AI หลายรายการที่จัดซื้อแยกกันอาจอาศัยแพลตฟอร์มเวิร์กโฟลว์ ตัวจัดเส้นทางโมเดล ไลบรารี หรือโครงสร้างพื้นฐานคลาวด์เดียวกัน ดังนั้น ปัญหาด้านความปลอดภัยในชั้นส่วนประกอบร่วมนี้จึงอาจทำให้ต้องประสานงานดำเนินการกับความสัมพันธ์ของซัพพลายเออร์หลายราย

คำถามในทางปฏิบัติคือ ซัพพลายเออร์สามารถระบุส่วนประกอบที่ได้รับผลกระทบ ตรวจสอบได้ว่าส่วนประกอบนั้นถูกใช้งานในสภาพแวดล้อมใดบ้าง และแก้ไขหรือแยกส่วนประกอบดังกล่าวออกได้อย่างรวดเร็วหรือไม่ ลูกค้ายังจำเป็นต้องเข้าใจด้วยว่าส่วนประกอบนั้นถือครองข้อมูลรับรองและสิทธิ์ใดบ้าง เพราะการเปิดเผยช่องโหว่ของซอฟต์แวร์จะยิ่งส่งผลร้ายแรงขึ้นเมื่อซอฟต์แวร์นั้นเป็นช่องทางเข้าสู่ระบบอื่น ๆ

ข้อค้นพบเกี่ยวกับ MCP ชี้ให้เห็นความสำคัญของสิทธิ์ในการผสานระบบ

Black Kite ตรวจสอบรายการเซิร์ฟเวอร์ Model Context Protocol ที่ค้นพบได้จากสาธารณะ 305 รายการ ซึ่งระบุว่าเกี่ยวข้องกับบริษัท AI 179 แห่งแยกต่างหาก จากรายการเหล่านี้ พบข้อค้นพบ 1,732 รายการ โดย 48.8% ถูกจัดระดับว่าสูงหรือวิกฤต ในบรรดาข้อค้นพบระดับวิกฤต 77 รายการนั้น 87% เกี่ยวข้องกับการแทรกโค้ดหรือคำสั่ง

MCP มอบอินเทอร์เฟซมาตรฐานให้แอปพลิเคชัน AI เชื่อมต่อกับเครื่องมือและแหล่งข้อมูลได้ ทั้งนี้ เซิร์ฟเวอร์ที่เชื่อมต่ออาจเปิดให้ใช้งานฟังก์ชันต่าง ๆ ตามวิธีติดตั้งใช้งาน เช่น อ่านเอกสาร สืบค้นฐานข้อมูล อัปเดตระเบียน หรือดำเนินการอื่น ๆ ดังนั้น หากส่วนประกอบมีช่องโหว่และได้รับสิทธิ์อย่างกว้างขวาง ก็อาจทำให้สิ่งอื่นนอกเหนือจากแอปพลิเคชัน AI ตกอยู่ในความเสี่ยงด้วย

ตัวหารมีความสำคัญ: ตัวเลข 48.8% หมายถึงสัดส่วนของข้อค้นพบที่บันทึกไว้ ไม่ใช่สัดส่วนของบริษัท AI ทั้งหมดหรือการติดตั้งใช้งาน MCP ในระบบจริงที่มีช่องโหว่ ชุดข้อมูลนี้ครอบคลุมที่เก็บโค้ด แพ็กเกจ และส่วนประกอบที่ให้บริการผ่านโฮสต์ซึ่งค้นพบได้จากสาธารณะ การระบุโดเมนไม่ได้ยืนยันว่ามีการใช้งานจริงในระบบผลิตภัณฑ์ และการวิเคราะห์นี้ไม่ได้ครอบคลุมสภาพแวดล้อม MCP ส่วนตัว

สำหรับทีมองค์กร ข้อสรุปที่นำไปใช้ได้คือควรจัดทำบัญชีรายการการเชื่อมต่อ จำกัดสิทธิ์ให้เท่าที่จำเป็นต่อการทำงาน และทดสอบว่าจะเพิกถอนสิทธิ์ได้รวดเร็วเพียงใด การตรวจสอบซัพพลายเออร์จากภายนอกไม่อาจเปิดเผยสิทธิ์ทุกอย่างที่ลูกค้าอนุญาตไว้ในสภาพแวดล้อมของตนเอง

วิธีใช้ข้อค้นพบโดยไม่ตีความเกินขอบเขต

การวิจัยนี้ดำเนินการจากภายนอก โดยไม่ได้เข้าถึงระบบของบริษัทที่ได้รับการประเมิน โดยทั่วไป ข้อค้นพบเกี่ยวกับช่องโหว่ระดับวิกฤตเกิดจากการจับคู่เวอร์ชันซอฟต์แวร์ที่ตรวจพบกับช่องโหว่ที่มีการเปิดเผยข้อมูล แต่ Black Kite ไม่ได้ทดสอบการโจมตีเพื่อใช้ประโยชน์จากช่องโหว่ สัญญาณที่เกี่ยวข้องกับบอตเน็ต ซึ่งพบในบริษัท 6.5% และกิจกรรมเครือข่ายที่ผิดปกติ ซึ่งพบในบริษัท 44.3% ควรได้รับการตรวจสอบ แต่ไม่ได้เป็นหลักฐานยืนยันการถูกเจาะระบบโดยลำพัง

ระดับการมองเห็นข้อมูลยังส่งผลต่อการเปรียบเทียบด้วย ในกลุ่ม Forbes AI 50 ที่นำมาวิเคราะห์เพิ่มเติม 52% พบข้อค้นพบเกี่ยวกับช่องโหว่ระดับวิกฤต และ 28% มีข้อมูลรับรองบัญชีที่เกี่ยวข้องอยู่ในบันทึกของมัลแวร์ขโมยข้อมูล ร่องรอยดิจิทัลที่มากกว่าย่อมเปิดโอกาสให้ตรวจพบปัญหาได้มากกว่า ดังนั้นจึงไม่ควรนำตัวเลขเหล่านี้ไปใช้จัดอันดับอย่างง่าย ๆ ว่าบริษัทประเภทใดปลอดภัยที่สุด

Black Kiteจำหน่ายข้อมูลข่าวกรองและบริการตรวจสอบความเสี่ยงด้านไซเบอร์ของบุคคลที่สาม ซึ่งรวมถึงการวิเคราะห์การเปิดรับความเสี่ยงของซัพพลายเออร์และตัวบ่งชี้ความเสี่ยงต่อแรนซัมแวร์ รายงานนี้เป็นงานวิจัยที่ผู้จำหน่ายจัดทำขึ้น โดยระบุประชากรที่ศึกษาและระเบียบวิธีไว้ชัดเจน ไม่ใช่การสำรวจบริษัท AI ทุกแห่งอย่างครบถ้วน หรือหลักฐานว่าระบบที่ถูกระบุทั้งหมดถูกเจาะระบบแล้ว

ข้อสรุปเชิงปฏิบัติการที่สำคัญที่สุดคือ ควรประเมินสามสิ่งที่เชื่อมโยงกันไปพร้อมกัน ได้แก่ ซัพพลายเออร์ สิ่งที่ซัพพลายเออร์ต้องพึ่งพา และสิทธิ์เข้าถึงที่ผลิตภัณฑ์ของซัพพลายเออร์ได้รับ รายงานฉบับเต็ม รายงานห่วงโซ่อุปทาน AI ปี 2026: ความเสี่ยงเบื้องหลังความสัมพันธ์ด้าน AI ของคุณ นำเสนอข้อค้นพบโดยละเอียดและระเบียบวิธีของ Black Kite สำหรับนำแนวทางนี้ไปใช้ในการประเมินผู้จำหน่าย AI