ทำไมการปฏิวัติ AI ของรัฐบาลเริ่มต้นด้วยเครื่องมือที่ดีกว่า ไม่ใช่แค่ข้อมูลที่ดีกว่า

ในหลายทศวรรษที่ผ่านมา การตัดสินใจในภาคสาธารณะได้ดำเนินไปบนระบบที่เปราะบางและกระจัดกระจาย ในยุคของการเปลี่ยนแปลงนโยบายที่รวดเร็วและข้อมูลในเวลาจริง อุปสรรคไม่ใช่การเข้าถึงข้อมูลอีกต่อไป แต่เป็นการขาดเครื่องมือที่พร้อมสำหรับการตัดสินใจที่มีบริบท ความถูกต้อง และความปลอดภัยในกระบวนการทำงานที่เจ้าหน้าที่ต้องดำเนินการ ความสามารถในการใช้งานมีความสำคัญมากกว่าการสะสมข้อมูลที่ไม่ได้ประมวลผล และคำถามคือรัฐบาลสามารถปรับตัวได้อย่างไรโดยการสร้างหรือซื้อเครื่องมือที่มี AI ที่ช่วยให้การดำเนินนโยบายเร็วขึ้น ปลอดภัยขึ้น และมีความรับผิดชอบมากขึ้น

อุปสรรค: ความสามารถในการใช้งาน ไม่ใช่การเข้าถึงข้อมูล

รัฐบาลมีข้อมูลมากมาย เช่น ติดตามกฎหมาย ใบอนุญาตด้านกฎระเบียบ ตัวชี้วัดเศรษฐกิจ ภาพถ่ายดาวเทียม สื่อเปิด และรายงานภายใน ปัญหาหลักคือว่าข้อมูลนั้นถึงมือผู้ตัดสินใจอย่างไร ซึ่งเป็นกระบวนการที่ช้า และมักจะขาดบริบทหรือความถูกต้องที่จำเป็นสำหรับการตัดสินใจ องค์กรกำกับดูแลของสหรัฐฯ ได้เน้นย้ำว่า ไม่มีการกำกับดูแลที่เข้มแข็ง การบูรณาการ และการตรวจสอบย้อนกลับ AI และการวิเคราะห์ข้อมูลจะดิ้นรนในการตัดสินใจปฏิบัติการในสถานการณ์ที่มีความสำคัญต่อภารกิจ

เครื่องมือวิเคราะห์ข้อมูลและคลังข้อมูลเพียงอย่างเดียวไม่เคยแก้ปัญหานี้ได้ การวิจัยด้านการจัดการแสดงให้เห็นว่า เครื่องมือวิเคราะห์ข้อมูลสามารถทำให้ผู้ใช้เข้าใจผิดหรือทำให้เข้าใจผิด และไม่ได้ปรับปรุงการตัดสินใจโดยไม่ต้องเชื่อมต่อกับการตัดสินใจและกระบวนการปฏิบัติอย่างใกล้ชิด การวิเคราะห์ข้อมูลควรขับเคลื่อนด้วยการตัดสินใจ ไม่ใช่การสะสมข้อมูลเพียงอย่างเดียว การศึกษายังชี้ให้เห็นว่าคุณค่าแท้จริงของการวิเคราะห์ข้อมูลเกิดขึ้นเมื่อข้อมูลถูกจัดเรียงใหม่รอบการตัดสินใจ ไม่ใช่การสะสมข้อมูลเพียงอย่างเดียว

ทำไมสถานะปัจจุบันพร้อมสำหรับการเปลี่ยนแปลงด้วย AI

รัฐบาลทั่วโลกกำลังดิ้นรนในการจัดการกับระบบเก่า ที่มีหน่วยความจำของสถาบันที่บางลง และความต้องการนโยบายที่ซับซ้อนมากขึ้น ปัญหาโครงสร้างที่มีมานานกำลังรวมตัวกันในขณะเดียวกับที่เครื่องมือ AI กำลังพัฒนาให้มีความสามารถมากขึ้นในการแก้ไขปัญหาเหล่านี้ ทำให้สถานะปัจจุบันไม่ยั่งยืนและกรณีสำหรับการเปลี่ยนแปลงมีความจำเป็น

1) ระบบที่เป็นปะติดปะต่อยังคงอยู่ ระบบ IT ของรัฐบาลยังคงเป็นโมเสคของแอปพลิเคชันเก่า การทำงานผ่านอีเมล และฐานข้อมูลที่ไม่เชื่อมต่อกัน สำนักงานการบัญชีของสหรัฐฯ (GAO) ได้เน้นย้ำถึงระบบที่มีอายุหลายทศวรรษที่มีความสำคัญต่อภารกิจซึ่งมีค่าใช้จ่ายสูงในการบำรุงรักษาและยากต่อการปรับปรุง โดยมีการอัปเดตในปี 2025 ที่แสดงถึงแพลตฟอร์มที่มีความเสี่ยงมากที่สุด ทั่วโลก รัฐบาลกำลังผลักดันสู่ความสามารถระดับแพลตฟอร์ม แต่ความก้าวหน้าไม่เท่าเทียมกัน ดัชนีความ숙ุม GovTech ของธนาคารโลกเป็นเลนส์ที่มีประโยชน์ในการมองเห็นว่าบล็อกการสร้างดิจิทัลของรัฐบาลอยู่ที่ไหนและไม่ได้อยู่ที่ไหน

2) ความทรงจำของสถาบันหายไป การลาออกและการเปลี่ยนแปลงบุคลากรทำให้ขาดบริบท – ผู้ตัดสินใจอะไร ทำไม และภายใต้ข้อจำกัดใด ในสหรัฐฯ สถาบันการบริการสาธารณะรายงาน อัตราการลาออกของรัฐบาลทั่วไป 5.9% ในปีงบประมาณ 2023 ซึ่งต่ำกว่าปี 2022 แต่ยังคงมีนัยสำคัญต่อความต่อเนื่องของความรู้ การวิจัยเกี่ยวกับการจัดสรรบุคลากรระดับสูงยังแสดงให้เห็นว่าการเปลี่ยนแปลงบุคลากร ทำให้ความเชี่ยวชาญและความสัมพันธ์เสื่อมถอย ซึ่งเป็นสิ่งสำคัญสำหรับการประสานงานข้ามสาขาของฝ่ายบริหาร

3) ความซับซ้อนของนโยบายกำลังเพิ่มขึ้น ปริมาณการออกกฎและคำแนะนำสร้างจุดบอดสำหรับองค์กรที่ไม่มีการตรวจจับการเปลี่ยนแปลงอัตโนมัติ ทะเบียนของรัฐบาลกลาง ตีพิมพ์สถิติประจำปีเกี่ยวกับกฎ ข้อเสนอการเปลี่ยนแปลง และจำนวนหน้าทั้งหมด ซึ่งแสดงถึงขนาดและความแปรผันของสิ่งที่หน่วยงาน (และหน่วยงานที่ได้รับการควบคุม) ต้องติดตาม โครงการข้อมูลเป็นข้อความ เช่น RegData จะวัดการเติบโตและการกระจายของข้อจำกัดด้านกฎระเบียบตามเวลา โดยให้หลักฐานที่อ่านได้จากเครื่องจักรว่าภาระการตรวจสอบเป็นจริง

จากวิเคราะห์ไปสู่การปฏิบัติ: ตัวแทน AI ที่มีจุดมุ่งหมายสำหรับนโยบาย

คลื่นลูกต่อไปจะพัฒนาไปไกลกว่า AI ที่วิเคราะห์ไปสู่ AI ที่ทำให้เกิดการปฏิบัติ ตัวแทน AI ที่มีจุดมุ่งหมายสำหรับภาคสาธารณะควร:

• ติดตามแหล่งข้อมูลที่เกี่ยวข้องอย่างต่อเนื่อง ทั่วเขตอำนาจศาลและภาษา (เช่น สัญญาณสื่อสามารถติดตามได้ในระดับใหญ่)
• แสดงการเปลี่ยนแปลงพร้อมบริบทและความถูกต้อง โดยการแสดงว่าข้อกำหนดใด มีการเปลี่ยนแปลง และทำไมจึงมีความสำคัญ
• สร้างร่างเอกสารและบันทึกผลกระทบ ที่เชื่อมโยงกับข้อความแหล่งที่มาและเจ้าของนโยบายที่รับผิดชอบ
• รักษาแผนที่ผู้มีส่วนได้ส่วนเสียที่มีชีวิต ที่สะท้อนถึงการเปลี่ยนแปลงของอำนาจและอิทธิพลมากกว่าแผนผังองค์กรที่คงที่
• รวมเข้ากับจุดการดำเนินการโดยตรง เช่น การกำหนดงาน พอร์ทัลสำหรับการแสดงความคิดเห็น ระบบการวางแผนด้านลอจิสติกส์ และโซนเวลาที่ชัดเจน เพื่อให้ข้อมูลสามารถกลายเป็นการดำเนินการในหน้าต่างเดียวกัน

คำแนะนำของภาคสาธารณะสนับสนุนการเปลี่ยนแปลงนี้ เฟรมเวิร์กการจัดการความเสี่ยง AI ของ NIST (AI RMF 1.0) อธิบายแนวปฏิบัติในการทำให้ AI มีความถูกต้อง น่าเชื่อถือ ปลอดภัย มั่นคง และยืดหยุ่น มีความรับผิดชอบ โปร่งใส อธิบายได้ และมีการปกป้องความเป็นส่วนตัว ในปี 2024 สำนักงานการบริหารและงบประมาณของสหรัฐฯ ได้สั่งให้หน่วยงาน รักษาไว้ซึ่งคลังเก็บกรณีการใช้งาน AI และใช้แนวปฏิบัติขั้นต่ำในการจัดการความเสี่ยงสำหรับการใช้งานที่ส่งผลกระทบต่อสิทธิหรือความปลอดภัยของสาธารณะ

สิ่งที่ “ดี” ดูเหมือนสำหรับเครื่องมือ AI ของรัฐบาล

ไม่ใช่วิธีแก้ปัญหา AI ทุกวิธีที่เหมาะสำหรับภาคสาธารณะ เพื่อรักษาความไว้วางใจและความน่าเชื่อถือ เครื่องมือเหล่านั้นต้องตอบสนองมาตรฐานที่สูงกว่า และสร้างขึ้นโดยมีการออกแบบที่มุ่งเน้นไปที่ความโปร่งใส ความปลอดภัย และการทำงานร่วมกัน ในขณะเดียวกันก็รับประกันว่ากรอบการซื้อจัดหาเน้นย้ำถึงความรับผิดชอบ

1) ออกแบบมาเพื่อการตัดสินใจ โดยเริ่มต้นจากการตัดสินใจที่มีความเสี่ยงสูง (เช่น การออกใบอนุญาตฉุกเฉิน การแสดงความคิดเห็นเกี่ยวกับข้อเสนอการเปลี่ยนแปลง หรือเมื่อใดที่จะกระตุ้นการปรึกษาหารือระหว่างหน่วยงาน) ทำงานย้อนกลับไปที่หลักฐานและความถูกต้องที่จำเป็นสำหรับการดำเนินการ นำเสนอทางเลือก ไม่ใช่แค่ข้อมูลเชิงลึก และทำให้ “การดำเนินการถัดไป” ชัดเจน ซึ่งสอดคล้องกับการเน้นของ AI RMF ในการทำความเข้าใจบริบท การวัดความเสี่ยง และการจัดการการควบคุมตลอดวงจรชีวิต

2) ความสามารถในการอธิบายและเชื่อมโยงแหล่งที่มาโดยค่าเริ่มต้น ทุกคำกล่าวอ้างควรสามารถติดตามแหล่งที่มาได้พร้อมกับอ้างอิงและเวลา สิ่งนี้เป็นทั้งความต้องการด้าน UX และความต้องการด้านการกำกับดูแล กรอบการบัญชีของ GAO เน้นย้ำถึงความสำคัญของเอกสารและความสามารถในการตรวจสอบ เพื่อให้ AI สามารถติดตามได้และ สามารถควบคุม ในภารกิจสาธารณะ

3) ความปลอดภัยและความสอดคล้องที่ถูกสร้างขึ้น เครื่องมือการปฏิบัติงานต้องสอดคล้องกับโครงสร้างพื้นฐานที่ไม่ไว้วางใจและความเป็นจริงของเครือข่ายหลายคลาวด์ และในกรณีที่เหมาะสม เครือข่ายที่มีการจำแนกประเภท ในสหรัฐฯ สิ่งนี้หมายถึงการออกแบบเพื่อการรับรอง FedRAMP สำหรับบริการคลาวด์ และการนำยุทธศาสตร์ Zero Trust ของ OMB และโมเดลความต่อเนื่องของ Zero Trust ของ CISA v2.0 ไปใช้

4) สามารถทำงานร่วมกันได้ตั้งแต่วันแรก การดำเนินนโยบายข้ามหน่วยงาน ระดับของรัฐบาล และพรมแดน API ภาษาที่ใช้ร่วมกัน และมาตรฐานเมตาดาต้าเป็นข้อกำหนดเบื้องต้นสำหรับเครื่องมือ AI ที่มีประโยชน์ พระราชบัญญัติ Interoperable Europe ของสหภาพยุโรปเป็นแบบจำลองที่มีลักษณะก้าวหน้าซึ่งสนับสนุนการนำกลับมาใช้และความสามารถในการทำงานร่วมกันข้ามพรมแดนโดยการออกแบบ โดยเริ่มใช้ในปี 2024 และขยายข้อผูกพันเพิ่มเติมในปี 2025 หลักฐานของ GTMI จากธนาคารโลกแสดงให้เห็นว่าความสามารถระดับแพลตฟอร์มสอดคล้องกับการจัดส่งบริการที่ดีขึ้นและความยืดหยุ่น

5) การจัดซื้อจัดจ้างที่ให้รางวัลผลลัพธ์ หน่วยงานรายงานอย่างต่อเนื่องว่ากฎการจัดซื้อจัดจ้างและความซับซ้อนของการปฏิบัติตามกฎข้อบังคับชะลอการนำ AI มาใช้ การประเมินล่าสุดเน้นย้ำถึง ความจำเป็นในการสร้างข้อกำหนดความเสี่ยง AI เข้าไปในข้อตกลงและใช้การซื้อจัดหาเป็นเครื่องมือสำหรับ AI ที่น่าเชื่อถือ การทบทวนของ GAO ในปี 2025 เกี่ยวกับการใช้ AI ที่สร้างขึ้นในหน่วยงานของรัฐบาลกลาง การตรวจสอบการใช้ AI ที่สร้างขึ้น พบความท้าทายรวมถึงการปฏิบัติตามนโยบายที่มีอยู่ การจำกัดทรัพยากรทางเทคนิค และการรักษานโยบายการใช้ที่เหมาะสมให้ถูกต้อง

ความเสี่ยงและโอกาส

ความเสี่ยงและโอกาสนั้นชัดเจน ในด้านความมั่นคงแห่งชาติและนโยบายเศรษฐกิจ การดำเนินการมีเวลาเพียงไม่กี่วันหรือไม่กี่ชั่วโมง รายงานสุดท้ายของคณะกรรมการความมั่นคงแห่งชาติเกี่ยวกับ AI รายงานสุดท้าย เตือนว่ารัฐบาลที่ล้มเหลวในการปรับตัวให้เข้ากับกระบวนการทำงานที่ได้รับการปรับปรุงด้วย AI จะเสียเปรียบในการตัดสินใจ เครื่องมือที่เปลี่ยนข้อมูลให้เป็นตัวเลือกพร้อมกับการกำกับดูแลที่ถูกสร้างขึ้นสามารถเป็นความแตกต่างระหว่างการดำเนินการตามเวลาที่เหมาะสมและความล่าช้าที่สามารถหลีกเลี่ยงได้ การปฏิวัติจริงจะไม่ใช่คลังข้อมูลอีกตัวหนึ่น แต่จะเป็นเครื่องมือ AI ที่ใช้งานได้ซึ่งฝังตัวบริบท ความถูกต้อง และความรับผิดชอบ ณ จุดการตัดสินใจ เมื่อทำได้ดี AI จะเสริมสร้างการตัดสินใจของมนุษย์มากกว่าที่จะแทนที่การตัดสินใจที่เป็นศูนย์กลางของการปกครองในระบอบประชาธิปไตย