ผู้นำทางความคิด

ทำไมการปฏิวัติ AI ของรัฐบาลเริ่มต้นด้วยเครื่องมือที่ดีกว่า ไม่ใช่แค่ข้อมูลที่ดีกว่า

Joe Scheidler
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญรัฐบาลต้องให้ความสำคัญกับเครื่องมือ AI…
ดูเพิ่มเติม
  • รัฐบาลต้องให้ความสำคัญกับเครื่องมือ AI ที่ฝังบริบทและที่มาของข้อมูลลงในขั้นตอนการตัดสินใจโดยตรง แทนที่จะเพียงสะสมข้อมูลเพิ่มขึ้น
  • AI ในภาครัฐที่มีประสิทธิภาพจำเป็นต้องสามารถอธิบายที่มาของข้อมูลได้ พร้อมเชื่อมโยงแหล่งที่มาและปฏิบัติตามมาตรฐานความปลอดภัยโดยอัตโนมัติ เพื่อรักษาความไว้วางใจ
  • การจัดซื้อจัดจ้างต้องปรับไปสู่การให้รางวัลตามผลลัพธ์และความสามารถในการทำงานร่วมกัน เพื่อแก้ปัญหาความไม่เชื่อมโยงของระบบเดิมและเร่งการนำมาใช้

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

โจ เชดเลอร์ เป็นผู้ร่วมก่อตั้งและ CEO ของ Helios ซึ่งเป็นแพลตฟอร์มที่ออกแบบโดยใช้ AI เป็นแกนหลักตั้งแต่ต้น และกำลังสร้างระบบปฏิบัติการสำหรับปฏิสัมพันธ์ระหว่างภาครัฐกับภาคเอกชน โดยเริ่มจากข้อมูลเชิงลึกด้านกฎหมาย การคาดการณ์การปฏิบัติตามกฎระเบียบ และการทำงานด้านความสัมพันธ์กับรัฐบาลแบบอัตโนมัติ ก่อนก่อตั้ง Helios โจเคยเป็นที่ปรึกษาด้านนโยบายและกลยุทธ์ในสำนักงานรัฐมนตรีว่าการกระทรวงการต่างประเทศสหรัฐฯ โดยเป็นผู้นำการประสานงานกับสภาคองเกรสเพื่อสนับสนุนการประสานงานของรัฐบาลสหรัฐฯ ในกรอบความร่วมมือด้านโครงสร้างพื้นฐานและการลงทุนระดับโลก (PGI) ก่อนหน้านั้น เขาทำงานที่ทำเนียบขาวเป็นเวลาสองปี รวมถึงเป็นที่ปรึกษาพิเศษในสำนักงานผู้อำนวยการด้านไซเบอร์แห่งชาติ (ONCD) และเป็นรองผู้อำนวยการฝ่ายบุคลากรด้านความมั่นคงแห่งชาติและนโยบายต่างประเทศ

ในช่วงต้นของอาชีพ โจเคยดำรงตำแหน่งในสำนักงานผู้บริหาร USAID วุฒิสภารัฐเวอร์จิเนีย และแคมเปญหาเสียงเลือกตั้งหลายแคมเปญในระดับท้องถิ่น สภาคองเกรส และประธานาธิบดี เขาเริ่มต้นอาชีพในองค์กรไม่แสวงหาผลกำไรที่มุ่งสนับสนุนทหารผ่านศึกและครอบครัวทหาร

โจสำเร็จการศึกษาระดับปริญญาตรี B.A. จากมหาวิทยาลัยนิวแฮมป์เชียร์ เรียนรายวิชาระดับบัณฑิตศึกษาที่มหาวิทยาลัยฮาร์วาร์ดจนจบ และได้รับปริญญาโท M.A. จากวิทยาลัยการสงครามทางเรือสหรัฐฯ (U.S. Naval War College) โดยเน้นด้านปฏิบัติการสารสนเทศและข่าวกรองทางทหาร เขาเป็นสมาชิกของโครงการ Young Professionals Briefing Series ของ Council on Foreign Relations และโครงการ Foreign Policy for America Next Gen Initiative โจมีภูมิลำเนาเดิมอยู่ที่นิวแฮมป์เชียร์ และปัจจุบันอาศัยอยู่ในนิวยอร์กซิตี้ เขาชอบเดินป่า อาหารทะเล บาสเก็ตบอล และใช้เวลากับสุนัขของเขาชื่อ Scout