FSB เสนอแนวทางการบริหารจัดการ AI สำหรับสถาบันการเงิน 12 ข้อ

เมื่อวันที่ 15 ตุลาคม 2026 คณะกรรมการเสถียรภาพทางการเงิน (FSB) ได้เผยแพร่รายงานฉบับสุดท้ายเรื่อง "แนวทางการใช้ AI อย่างรับผิดชอบในสถาบันการเงิน" โดยเสนอแนวทางการบริหารจัดการ 12 ข้อที่สถาบันการเงินสามารถนำไปใช้เป็นแนวทาง รายงานนี้ครอบคลุมกลยุทธ์ AI การประเมินความเสี่ยง การจัดการข้อมูล การควบคุมด้วยมนุษย์ ความปลอดภัยทางไซเบอร์ และบริการจากบุคคลที่สาม เพื่อตอบสนองต่อปัญหาการบริหารจัดการที่เกิดขึ้นจากการนำ AI แบบสร้างสรรค์และ AI ตัวแทนเข้ามาใช้ในสถาบันการเงินในช่วงไม่กี่ปีที่ผ่านมา

การบริหารจัดการ AI ในสถาบันการเงินเชื่อมโยงระหว่างผู้รับผิดชอบธุรกิจ ทีมความเสี่ยง และผู้ให้บริการภายนอก

รายงานนี้ได้ผ่านการเปิดรับความคิดเห็นจากสาธารณะก่อนที่จะจัดทำเป็นฉบับสุดท้าย โดยให้กรอบการปฏิบัติในระดับนานาชาติที่สถาบันสามารถนำไปปรับใช้ตามธุรกิจและความเสี่ยงของตนเองได้ สถาบันการเงินยังต้องพิจารณากฎหมายและข้อกำหนดการกำกับดูแลที่เฉพาะเจาะจงในแต่ละภูมิภาคด้วย

ทำไมแนวทางการบริหารจัดการถึงต้องครอบคลุมหลายด้านเช่น คณะกรรมการ ข้อมูล โมเดล และผู้ให้บริการ? สามารถเข้าใจได้จากโครงการทั่วไป: ธนาคารเตรียมให้ AI ช่วยในการจัดการสินเชื่อสำหรับธุรกิจขนาดเล็ก ทีมธุรกิจต้องการลดระยะเวลาในการตรวจสอบ ทีมโมเดลสนใจในความแม่นยำในการระบุ ทีมการปฏิบัติตามกฎหมายสนใจในข้อมูลลูกค้าและการอธิบายการตัดสินใจ ทีมปฏิบัติการต้องการให้แน่ใจว่าธุรกิจสินเชื่อสามารถดำเนินต่อไปได้แม้ผู้ให้บริการจะหยุดให้บริการ การตรวจสอบเพียงแค่ประสิทธิภาพของโมเดลไม่สามารถตอบคำถามจากหลายฝ่ายได้ รายงานนี้พยายามให้การตัดสินใจเหล่านี้เข้าสู่กระบวนการบริหารจัดการเดียวกัน

1. 12 แนวทางครอบคลุมการบริหารจัดการในทุกช่วงของ AI

FSB แบ่งแนวทาง 12 ข้อออกเป็นสองกลุ่ม กลุ่มแรกสี่ข้อมุ่งเน้นไปที่การบริหารจัดการในระดับสถาบัน ขณะที่อีกแปดข้อครอบคลุมตั้งแต่การนำเข้า การพัฒนา การใช้งานไปจนถึงการใช้งานอย่างต่อเนื่องของ AI

แนวทางการบริหารจัดการสถาบันทั้งสี่ข้อเริ่มจากการกำหนดความรับผิดชอบ การบันทึก และการปรับปรุงอย่างต่อเนื่องในกรอบการบริหารจัดการ

ส่วนการบริหารจัดการสถาบันเริ่มต้นด้วยการที่คณะกรรมการและผู้บริหารระดับสูงต้องพิจารณาการใช้ AI ร่วมกับรูปแบบธุรกิจ ความเสี่ยง และกลยุทธ์โดยรวม เมื่อ AI มีส่วนร่วมในการตรวจสอบสินเชื่อ การบริการลูกค้า การตรวจสอบการทำธุรกรรม หรือการตัดสินใจภายใน ผู้บริหารต้องเข้าใจว่า AI ถูกใช้ที่ไหน ทำหน้าที่อะไร และหากเกิดข้อผิดพลาดจะส่งผลอย่างไร

แนวทางที่สองเน้นการแบ่งหน้าที่ความรับผิดชอบ สถาบันต้องชัดเจนว่าทีมธุรกิจ ทีมเทคโนโลยี ทีมความเสี่ยง ทีมการปฏิบัติตามกฎหมาย และทีมตรวจสอบแต่ละทีมมีหน้าที่อะไร และต้องนำความเสี่ยงจาก AI เข้าไปในกรอบการบริหารจัดการความเสี่ยงที่มีอยู่ แนวทางที่สามต่อเนื่องจากแนวทางนี้ โดยกำหนดให้มีการบันทึกวิธีการใช้ AI การประเมินความเสี่ยง และการควบคุมที่เกี่ยวข้อง

คุณค่าของการบันทึกคือเมื่อเกิดปัญหา สถาบันสามารถย้อนกลับไปดูว่าระบบได้ทำการตัดสินใจอะไร ใช้ข้อมูลใด และใครเป็นผู้ตัดสินใจ รวมถึงการควบคุมใดที่ทำงานอยู่ในขณะนั้น แนวทางที่สี่เตือนสถาบันว่าทั้งสภาพแวดล้อมทางเทคโนโลยีและธุรกิจจะมีการเปลี่ยนแปลง ดังนั้นโครงสร้างการบริหารจัดการก็ต้องปรับเปลี่ยนตามไปด้วย

แนวทางทั้งสี่นี้กำหนดว่าโครงการ AI จะได้รับการอนุมัติจากใคร ดูแลโดยใคร และใครมีอำนาจในการหยุดโครงการ คณะกรรมการไม่จำเป็นต้องตรวจสอบพารามิเตอร์ของโมเดลแต่ละตัว แต่ควรทราบว่าสถาบันได้ใช้ AI ในธุรกิจที่สำคัญใดบ้าง คาดว่าจะได้รับผลประโยชน์อะไร และเตรียมรับความเสี่ยงในระดับใด ผู้บริหารจะต้องนำความต้องการโดยรวมไปสู่การอนุมัติผลิตภัณฑ์และหน้าที่การงาน ตัวอย่างเช่น ผู้รับผิดชอบธุรกิจสินเชื่อจะตัดสินใจว่า AI คำแนะนำจะเข้าสู่ขั้นตอนการอนุมัติใด ทีมความเสี่ยงของโมเดลจะออกแบบการทดสอบ ทีมการปฏิบัติตามกฎหมายจะตรวจสอบสิทธิของลูกค้า และการตรวจสอบภายในจะประเมินว่าการควบคุมที่กล่าวถึงก่อนหน้านี้ทำงานจริงหรือไม่ หากมีช่องว่างระหว่างหน้าที่ จะต้องมีการกำหนดผู้ตัดสินใจสุดท้ายก่อนที่จะเปิดตัว

เอกสารที่ FSB กล่าวถึงไม่ได้หมายถึงการเก็บรักษาคู่มือผลิตภัณฑ์เพียงอย่างเดียว กรณีการใช้งานอย่างน้อยต้องสามารถติดตามวัตถุประสงค์ทางธุรกิจ แหล่งข้อมูล รุ่นของโมเดล ผลลัพธ์การทดสอบ ตำแหน่งที่มีการแทรกแซงจากมนุษย์ การพึ่งพาบุคคลที่สาม และบันทึกการเปลี่ยนแปลงที่สำคัญ หากลูกค้าตั้งคำถามเกี่ยวกับผลการอนุมัติ สถาบันจึงสามารถย้อนกลับไปตามเอกสารเหล่านี้ได้ สำหรับซอฟต์แวร์สำนักงานที่ซื้อมาแล้วเช่นกัน: ผลิตภัณฑ์ที่เดิมไม่มี AI แต่เพิ่มฟังก์ชันการสรุปอัตโนมัติหรือการจัดประเภทลูกค้า สถาบันควรยืนยันเส้นทางข้อมูลที่ป้อนเข้าและขอบเขตการใช้งานอีกครั้ง

แปดข้อถัดไปเริ่มจากสถานการณ์การใช้งานที่เฉพาะเจาะจง ครอบคลุมความสำคัญและการประเมินความเสี่ยงของกรณีการใช้งาน AI การเลือกโมเดลและระบบ การจัดการข้อมูล ความสามารถในการอธิบายและความโปร่งใส แนวทางถัดไปยังเกี่ยวข้องกับประสิทธิภาพของระบบ การควบคุมด้วยมนุษย์ ความเสี่ยงด้านเทคโนโลยีสารสนเทศและการสื่อสาร (ICT) และการพึ่งพา AI จากบุคคลที่สาม

12 แนวทางถูกจัดเรียงตามหัวข้อการบริหารจัดการ โดยหลายข้อมีความต้องการที่ข้ามหลายช่วงของการใช้ AI สถาบันสามารถพิจารณาขนาดของตน ความซับซ้อนของธุรกิจ บทบาทในระบบการเงิน และระดับการเข้าถึงธุรกิจที่สำคัญของ AI เพื่อกำหนดความลึกของมาตรการควบคุม

ที่นี่ "การประเมินความสำคัญ" (materiality assessment) กล่าวโดยง่ายคือการตัดสินใจว่าแอปพลิเคชัน AI ใดจะส่งผลกระทบต่อธุรกิจที่สำคัญของสถาบัน สิทธิของลูกค้า หรือการตัดสินใจด้านความเสี่ยง เครื่องมือที่ใช้ในการจัดระเบียบบันทึกการประชุมกับระบบที่มีส่วนร่วมในการอนุมัติสินเชื่อหรือการจัดการสินทรัพย์ของลูกค้า ต้องมีการกำหนดระดับการตรวจสอบที่แตกต่างกัน FSB เสนอให้กำหนดความเข้มข้นของการบริหารจัดการตามสถานการณ์การใช้งานและความเสี่ยง เพื่อให้สถาบันสามารถจัดสรรทรัพยากรการควบคุมไปยังการใช้งานที่มีผลกระทบมากกว่า

การจัดการวงจรชีวิตนี้ต้องการให้สถาบันพิจารณาข้อมูล โมเดล และสถานการณ์ทางธุรกิจร่วมกัน คุณภาพของข้อมูลในการฝึกอบรมและการทำงานจะส่งผลต่อผลลัพธ์ของโมเดล การอัปเดตโมเดลอาจเปลี่ยนแปลงประสิทธิภาพเดิม และวิธีการที่ลูกค้าและพนักงานใช้ก็อาจนำมาซึ่งความเสี่ยงใหม่ การประเมินความเสี่ยงจึงต้องครอบคลุมการเลือก การทดสอบ การเปิดตัว และการดำเนินงานอย่างต่อเนื่อง

แนวทางที่ห้าคือ "การประเมินความสำคัญและความเสี่ยง" เหมาะสำหรับการทำรอบแรกในช่วงการเริ่มต้นโครงการ หลังจากนั้นเมื่อมีการเปลี่ยนแปลงการใช้งาน ขอบเขตข้อมูลขยาย หรือมีการอัปเดตโมเดล จะต้องทำใหม่ ฐานข้อมูลความรู้ของบริการลูกค้าตอบคำถามเกี่ยวกับเวลาทำการของผลิตภัณฑ์ กับการแนะนำลูกค้าให้ซื้อผลิตภัณฑ์การลงทุนที่มีความเสี่ยงสูง จะมีผลกระทบที่แตกต่างกันต่อผู้บริโภค สถาบันสามารถนำจำนวนผู้ที่ได้รับผลกระทบ ความสามารถในการย้อนกลับการตัดสินใจ ความไวของข้อมูล ขอบเขตทางการเงิน และความสามารถในการเข้าควบคุมด้วยมนุษย์มารวมไว้ในตารางการประเมิน จากนั้นตัดสินใจว่าต้องการการทดสอบและการอนุมัติในระดับใด ด้วยวิธีนี้ ทรัพยากรจะถูกจัดสรรไปยังระบบที่อาจทำร้ายลูกค้าหรือหยุดให้บริการจริงๆ

แนวทางที่หกคือการเลือกโมเดล ในตลาดมีทั้งโมเดลที่สร้างขึ้นเองและฟังก์ชัน AI ที่ฝังอยู่ใน API ภายนอกและซอฟต์แวร์ที่ใช้กันทั่วไป ทีมธุรกิจมักจะเห็นราคาและฟังก์ชันก่อน ทีมความเสี่ยงต้องถามเพิ่มเติมว่า โมเดลสามารถทำงานได้อย่างเสถียรในภาษาของสถาบัน กลุ่มลูกค้า และเงื่อนไขทางการตลาดหรือไม่? ผู้ให้บริการจะแจ้งเมื่อมีการอัปเดตหรือไม่? ข้อมูลจะถูกใช้ในการฝึกอบรมเพิ่มเติมหรือไม่? หากสามารถเข้าถึงข้อมูลทางเทคนิคได้เพียงจำกัด สถาบันสามารถกำหนดการใช้งานและขอบเขตข้อมูลได้ก่อน และหลังจากเปิดตัวให้ใช้ตัวอย่างของตนเองในการทดสอบอย่างต่อเนื่อง แทนที่จะใช้การสาธิตที่ซื้อมาเป็นการตรวจสอบอย่างเป็นทางการ

แนวทางที่เจ็ดและแปดเชื่อมโยงกับข้อมูลและการอธิบาย หากตัวอย่างประวัติการกู้ยืมขาดกลุ่มลูกค้าบางกลุ่ม โมเดลอาจไม่แม่นยำในการประมวลผลคำขอจากกลุ่มนี้ หากพนักงานแนวหน้ามิอาจอธิบายผลการแนะนำได้ การจัดการข้อโต้แย้งจากลูกค้าจะยิ่งยากขึ้น การจัดการข้อมูลจึงเกี่ยวข้องกับความสมบูรณ์ ความถูกต้อง การอนุญาตแหล่งที่มา สิทธิในการเข้าถึง และความปลอดภัย ความต้องการในการอธิบายควรจัดตามสถานการณ์: การให้แหล่งที่มาสำหรับการค้นหาภายใน กับการอธิบายการตัดสินใจที่มีผลกระทบต่อโอกาสในการจัดหาเงินทุนของลูกค้า ต้องการความชัดเจนในระดับที่แตกต่างกัน FSB อนุญาตให้สถาบันตั้งข้อจำกัดการใช้งาน การตรวจสอบ และการทดสอบเพิ่มเติมในโมเดลที่ยากต่อการอธิบาย โดยมุ่งเน้นให้ผู้ที่รับผิดชอบการตัดสินใจมีข้อมูลเพียงพอ

แนวทางที่เก้าและสิบเข้าสู่การดำเนินงานประจำวัน สถาบันควรตรวจสอบว่าประสิทธิภาพของโมเดลเปลี่ยนแปลงไปตามสภาพแวดล้อมทางธุรกิจหรือไม่ สังเกตอัตราความผิดพลาด การร้องเรียน การเรียกใช้ที่ผิดปกติ และการตัดสินใจใหม่จากมนุษย์; ตัวชี้วัดการตรวจสอบต้องเชื่อมโยงกับการใช้งานเดิม การควบคุมด้วยมนุษย์ต้องมีอำนาจที่แท้จริง หากผู้ตรวจสอบเพียงแค่คลิก "เห็นด้วย" บนหน้าจอ โดยไม่เห็นหลักฐานและไม่มีอำนาจในการเปลี่ยนแปลงผลลัพธ์ การควบคุมก็จะยากที่จะมีประสิทธิภาพ กระบวนการที่มีความเสี่ยงสูงสามารถตั้งค่าการยืนยันซ้ำที่บังคับ การตรวจสอบแบบสุ่ม และเกณฑ์การหยุดอัตโนมัติ; บันทึกว่ามนุษย์ทำไมถึงรับหรือปฏิเสธคำแนะนำของโมเดล ซึ่งจะช่วยปรับปรุงการทดสอบ

สองข้อสุดท้ายกลับไปที่สภาพแวดล้อมทางเทคโนโลยีและห่วงโซ่อุปทาน โมเดลอินเตอร์เฟซ ตัวเชื่อมข้อมูล และเครื่องมือ Agent อาจกลายเป็นจุดเข้าถึงใหม่สำหรับการโจมตี การฝึกซ้อมด้านความปลอดภัยทางไซเบอร์ต้องครอบคลุมการฉีดคำแนะนำ การรั่วไหลของกุญแจ การเรียกใช้เครื่องมือที่ผิดพลาด และการหยุดบริการจากภายนอก ความเสี่ยงจากผู้ให้บริการยังรวมถึงประสิทธิภาพของโมเดล ความโปร่งใส คุณภาพของข้อมูลในการฝึกอบรมและการทำงาน ห่วงโซ่การจ้างงาน และการพึ่งพาที่รวมศูนย์ ธนาคารหลายแห่งที่ใช้แพลตฟอร์มคลาวด์หรือโมเดลพื้นฐานเพียงไม่กี่แห่ง หากผู้ให้บริการบางรายเกิดข้อผิดพลาด อาจส่งผลกระทบต่อธุรกิจในวงกว้าง สถาบันต้องทราบว่าการพึ่งพาที่สำคัญอยู่ที่ไหน และใครจะเข้ามาดูแลเมื่อธุรกิจสำคัญหยุดชะงัก

2. การเปิดรับความคิดเห็นทำให้ฉบับสุดท้ายมีรายละเอียดในระดับการดำเนินงาน

FSB ได้เผยแพร่ร่างคำปรึกษาในเดือนมิถุนายน 2026 และสิ้นสุดการเปิดรับความคิดเห็นในวันที่ 22 กรกฎาคม ได้รับความคิดเห็นประมาณ 160 รายการจากธนาคาร บริษัทประกันภัย สถาบันการเงินอื่น ๆ สมาคมอุตสาหกรรม ผู้ให้บริการด้านเทคโนโลยี สถาบันการศึกษา และภาครัฐ โดยรวมแล้ว ผู้ตอบแบบสอบถามสนับสนุนแนวทางที่เน้นหลักการและความเหมาะสม; พร้อมทั้งเสนอปัญหาที่เกิดขึ้นในการดำเนินการ

ฉบับสุดท้ายยังคงรักษากรอบการทำงานที่เน้นหลักการและเป็นกลางทางเทคโนโลยี และเสริมคำอธิบายเกี่ยวกับวิธีที่สถาบันขนาดเล็กสามารถใช้ตำแหน่งงานที่มีอยู่และความเชี่ยวชาญจากภายนอกในการดำเนินการบริหารจัดการ ส่วนของกรณีศึกษายังเพิ่มการปฏิบัติของบริษัทประกันภัย สถาบันการจัดการสินทรัพย์ และผู้ให้บริการชำระเงิน ทำให้แนวทางนี้สามารถนำไปใช้กับสถาบันประเภทอื่น ๆ ได้ FSB ใช้กรณีศึกษาเป็นการแสดงเส้นทางการปฏิบัติ แต่การจัดการเฉพาะยังต้องพิจารณาจากสถานการณ์ของแต่ละสถาบัน

AI จากบุคคลที่สามเป็นหนึ่งในปัญหาที่มีการตอบกลับมากที่สุด เมื่อสถาบันการเงินใช้โมเดลภายนอกหรือผลิตภัณฑ์ AI ที่ฝังอยู่ ข้อมูลเกี่ยวกับโมเดล ข้อมูล และห่วงโซ่อุปทานมักจะมีจำกัด ทำให้การประเมินความเสี่ยงอย่างอิสระยากขึ้น ผู้ให้บริการที่สำคัญบางรายมีส่วนแบ่งในโครงสร้างพื้นฐาน AI เพิ่มขึ้นอย่างต่อเนื่อง ทำให้สถาบันให้ความสนใจเกี่ยวกับวิธีการเปลี่ยนผู้ให้บริการและฟื้นฟูธุรกิจเมื่อเกิดการหยุดให้บริการ

การพึ่งพาบุคคลที่สามและความปลอดภัยทางไซเบอร์ยังเข้าสู่การบริหารจัดการวงจรชีวิต AI

ฉบับสุดท้ายจึงขยายการอภิปรายเกี่ยวกับ AI จากบุคคลที่สาม รวมถึง AI ที่ฝังอยู่ บริการที่จ้างทำ และการพึ่งพาห่วงโซ่อุปทาน และเน้นการจัดการความเข้มข้น ความต่อเนื่องของธุรกิจ และการจัดการการออกจากบริการ สำหรับการออกจากบริการของบริการที่สำคัญ กล่าวโดยง่ายคือ เมื่อผู้ให้บริการหยุดให้บริการ สัญญาสิ้นสุด หรือความเสี่ยงเกินกว่าที่สถาบันจะรับได้ สถาบันจะเปลี่ยนบริการหรือรักษาการดำเนินงานอย่างไร

ในการเจรจาสัญญา สถาบันการเงินสามารถขอข้อมูลเกี่ยวกับสี่เรื่อง: ผู้ให้บริการจัดการข้อมูลนำเข้าและส่งออกอย่างไร การเปลี่ยนแปลงโมเดลหรือบริการที่สำคัญจะแจ้งให้ทราบอย่างไร บันทึกใดที่สามารถให้ในกรณีเกิดเหตุการณ์ และข้อมูลจะถูกส่งคืนหรือถูกลบอย่างไรเมื่อสิ้นสุดความร่วมมือ ผู้ให้บริการขนาดใหญ่ไม่จำเป็นต้องยอมรับข้อกำหนดที่กำหนดเองจากลูกค้าทุกคน แต่สถาบันยังสามารถลดการพึ่งพาจุดเดียวได้โดยการจำกัดขอบเขตการเข้าถึง เก็บรักษากระบวนการสำรองข้อมูลภายใน และทดสอบเส้นทางสำรองเป็นระยะ ๆ สิ่งที่เรียกว่าการจัดการการออกจากบริการจะต้องพิจารณาในด้านบุคคล รูปแบบข้อมูล และเวลาที่ต้องใช้ในการแปลง ไม่สามารถอยู่ในสัญญาเพียงแค่ "สามารถยุติได้"

AI ตัวแทนยังกลายเป็นจุดสำคัญในการแก้ไข มันแตกต่างจากเครื่องมือการสร้างข้อความทั่วไป สามารถดำเนินการหลายขั้นตอนอย่างต่อเนื่องหลังจากตั้งเป้าหมาย บางระบบยังสามารถเรียกใช้เครื่องมือภายนอกหรือเข้าถึงข้อมูลธุรกิจ ข้อเสนอแนะจากความคิดเห็นได้แก่ การอนุญาตก่อนการดำเนินการ การให้สิทธิ์ขั้นต่ำ การบันทึกการดำเนินการที่ไม่สามารถเปลี่ยนแปลงได้ และการตรวจสอบในระหว่างการทำงาน รายงานฉบับสุดท้ายได้เพิ่มการพิจารณาที่เกี่ยวข้องนี้ และชี้แจงว่าการปฏิบัติเส้นทางนี้ยังอยู่ในระหว่างการพัฒนา อาจต้องการแนวทางที่ลึกซึ้งยิ่งขึ้นในอนาคต

ความคิดเห็นจากการปรึกษายังกล่าวถึงว่า หากสถาบันหลายแห่งพึ่งพาโมเดลเดียวกันหรือผู้ให้บริการเพียงไม่กี่ราย พฤติกรรมในตลาดอาจมีแนวโน้มไปในทิศทางเดียวกัน และความเสี่ยงอาจขยายตัวซึ่งกันและกัน รายงานฉบับสุดท้ายมุ่งเน้นไปที่วิธีที่สถาบันการเงินแต่ละแห่งจะนำ AI ไปใช้อย่างรับผิดชอบ ความเสี่ยงระบบที่กว้างขึ้นจะยังคงถูกตรวจสอบผ่านการประเมินเสถียรภาพทางการเงินอื่น ๆ

3. สำหรับสถาบันการเงิน งานสำคัญคือการนำหลักการไปใช้ในกระบวนการประจำวัน

แนวทางทั้ง 12 ข้อนี้จะต้องนำไปใช้ภายในสถาบัน โดยเริ่มต้นจากการจัดทำรายการการใช้ AI ที่สามารถปรับปรุงได้อย่างต่อเนื่อง รายการนี้ควรระบุว่าระบบให้บริการธุรกิจใด ใครเป็นผู้รับผิดชอบ จะส่งผลกระทบต่อผู้ใช้หรือกระบวนการสำคัญใดบ้าง พึ่งพาโมเดลและบริการคลาวด์จากภายนอกใดบ้าง และเมื่อเกิดข้อผิดพลาดจะหยุดหรือเปลี่ยนแปลงอย่างไร ความสามารถของ AI อาจถูกฝังอยู่ในซอฟต์แวร์สำนักงาน การบริการลูกค้า หรือผลิตภัณฑ์การวิเคราะห์ที่ใช้กันทั่วไป ดังนั้นรายการจึงต้องครอบคลุมซอฟต์แวร์และเครื่องมือทางธุรกิจที่ใช้ในชีวิตประจำวันนอกเหนือจากโครงการที่ซื้อมา

ประการที่สอง การประเมินความเสี่ยงของ AI ต้องเริ่มตั้งแต่ขั้นตอนการจัดซื้อและทดลองใช้งาน ทีมธุรกิจจะต้องชี้แจงวัตถุประสงค์ในการใช้งาน ทีมเทคโนโลยีจะประเมินโมเดลและข้อมูล ทีมความเสี่ยงและการปฏิบัติตามกฎหมายจะตัดสินใจว่ามันส่งผลกระทบต่อการตัดสินใจของลูกค้า ธุรกิจที่สำคัญ หรือข้อผูกพันตามกฎหมายอย่างไร หลังจากระบบเปิดตัวแล้ว สถาบันยังต้องติดตามประสิทธิภาพการทำงานอย่างต่อเนื่อง และตรวจสอบว่าการอัปเดตข้อมูลหรือโมเดลนำมาซึ่งความเสี่ยงใหม่หรือไม่

เมื่อเส้นทางการตัดสินใจของโมเดลยากที่จะอธิบาย สถาบันสามารถลดความเสี่ยงได้โดยการจำกัดการใช้งาน เพิ่มการตรวจสอบด้วยมนุษย์ หรือกำหนดการทดสอบเพิ่มเติม การควบคุมที่เรียกว่า "การควบคุมชดเชย" นี้ใช้เพื่อลดความเสี่ยงที่เกิดจากความโปร่งใสของโมเดลที่ไม่เพียงพอ และต้องดำเนินการร่วมกับการปกป้องข้อมูลและสิทธิของผู้บริโภคตามข้อกำหนดทางกฎหมาย

รายการกระบวนการภายในที่ใช้งานได้ควรแยก "การทดลอง" ออกจาก "การผลิต" สภาพแวดล้อมการทดลองสามารถใช้ข้อมูลที่ถูกทำให้ไม่สามารถระบุได้หรือข้อมูลที่สร้างขึ้น โดยจำกัดผู้ใช้และจำนวนการเรียกใช้ ก่อนที่จะเข้าถึงข้อมูลลูกค้าจริงและระบบธุรกิจ ทีมธุรกิจ ทีมเทคโนโลยี ทีมความปลอดภัย และทีมกฎหมายจะต้องยืนยันข้อมูลและสิทธิ์ร่วมกัน การอนุมัติการเปิดตัวไม่ควรเป็นจุดสิ้นสุด สถาบันสามารถตั้งค่าตัวกระตุ้นการเปลี่ยนแปลงเวอร์ชัน: เมื่อเปลี่ยนโมเดลพื้นฐาน เชื่อมต่อเครื่องมือภายนอกใหม่ ขยายไปยังกลุ่มลูกค้าใหม่ หรือปรับระดับการทำงานอัตโนมัติ จะต้องเริ่มการตรวจสอบโดยอัตโนมัติ หลาย ๆ ความเสี่ยงของ AI เกิดขึ้นหลังจากการใช้งานขยายตัวอย่างช้า ๆ ในขณะที่เอกสารการเริ่มต้นโครงการยังคงอยู่ในสถานการณ์ที่มีความเสี่ยงต่ำเดิม

การบริหารจัดการบุคคลที่สามยังต้องเข้าสู่กระบวนการจัดซื้อและสัญญา สถาบันต้องเข้าใจว่าผู้ให้บริการสามารถให้ข้อมูลเกี่ยวกับโมเดลใดบ้าง ข้อมูลจะถูกจัดการอย่างไร บริการได้รับการสนับสนุนจากบริษัทใดบ้าง และจะมีการแจ้งลูกค้าอย่างไรเมื่อมีการอัปเดตที่สำคัญ และมีทางเลือกใดบ้างเมื่อบริการที่สำคัญหยุดชะงัก

ในกรณีที่ผู้ให้บริการให้ข้อมูลทางเทคนิคของโมเดลเพียงบางส่วน สถาบันการเงินสามารถบันทึกข้อมูลที่ได้รับ ความเสี่ยงที่ต้องจัดการ และการจัดการการดำเนินงานเป็นหลักฐานสำหรับการตรวจสอบและการบริหารจัดการในอนาคต

สำหรับ AI ตัวแทน ยังต้องชี้แจงขอบเขตการอนุญาต: มันสามารถเข้าถึงข้อมูลใดได้บ้าง สามารถเรียกใช้เครื่องมือใดได้บ้าง การดำเนินการใดที่ต้องได้รับการยืนยันจากพนักงาน และจะหยุดงานอย่างไรเมื่อเกิดข้อผิดพลาด ผู้ควบคุมต้องมีอำนาจในการเข้าแทรกแซง เวลาที่เพียงพอ และบันทึกการดำเนินการที่สามารถตรวจสอบได้

ตัวอย่างเช่น สถาบันอนุญาตให้ Agent จัดเรียงเอกสารการสมัครของลูกค้า สามารถให้มันอ่านโฟลเดอร์ที่กำหนด สร้างรายการที่ต้องตรวจสอบ แต่การเปลี่ยนแปลงวงเงินสินเชื่อและการส่งการตัดสินใจไปยังภายนอกจะต้องทำโดยพนักงาน หาก Agent เดียวกันต้องทำการค้นหา เขียน และแจ้งสามขั้นตอน ระบบสามารถออกใบรับรองชั่วคราวในแต่ละขั้นตอนและบันทึกการเรียกใช้แต่ละครั้ง ด้วยวิธีนี้ ทีมความเสี่ยงจะไม่เห็นเพียงแค่ "ใช้ Agent" เป็นแท็กที่เป็นนามธรรม แต่จะเห็นเป็นโซ่การดำเนินการที่สามารถทดสอบ ตรวจสอบ และหยุดได้

ในทางปฏิบัติ สามารถบีบอัด 12 แนวทางลงในสี่ประเภทของเอกสาร: หลักการการใช้ AI ที่ได้รับการอนุมัติโดยคณะกรรมการ รายการการใช้งานและการพึ่งพาที่อัปเดตอย่างต่อเนื่อง บันทึกการประเมินและการทดสอบสำหรับกรณีการใช้งานที่สำคัญแต่ละกรณี และแผนการหยุดใช้งานและฟื้นฟูเมื่อเกิดข้อผิดพลาด เอกสารทั้งสี่ประเภทนี้เชื่อมโยงกัน รายการจะแจ้งให้ผู้บริหารทราบว่ามีโครงการใดบ้าง การประเมินจะตัดสินใจว่าควบคุมใดเข้มงวดกว่า การทดสอบจะพิสูจน์ว่าการควบคุมมีประสิทธิภาพหรือไม่ และบันทึกเหตุการณ์จะผลักดันการแก้ไขกฎระเบียบ สถาบันขนาดเล็กก็สามารถนำกระบวนการประชุมความเสี่ยงและการจัดซื้อที่มีอยู่มาใช้ได้ สิ่งสำคัญคือให้ความรับผิดชอบและหลักฐานสามารถติดตามได้

4. นี่คือแนวทางการบริหารจัดการที่ต้องพิจารณาในการดำเนินการตามเขตอำนาจศาล

FSB กำหนดให้ 12 แนวทางนี้เป็นเครื่องมือการปฏิบัติที่สามารถปรับให้เข้ากับสถานการณ์ของสถาบันได้ สถาบันเมื่อใช้กรอบนี้ยังต้องเปรียบเทียบกรณีการใช้งาน AI กับข้อกำหนดเฉพาะเกี่ยวกับการปกป้องข้อมูล สิทธิของผู้บริโภค การจัดการการจ้างงาน ความเสี่ยงของโมเดล หรือการบริหารจัดการสถาบันการเงินในเขตอำนาจศาลที่ตนอยู่

บทบาทที่แท้จริงของมันคือการให้รายการการบริหารจัดการร่วมกัน: ตั้งแต่ความรับผิดชอบของคณะกรรมการ เอกสารภายใน ไปจนถึงการเลือกโมเดล การควบคุมด้วยมนุษย์ และการบริหารจัดการผู้ให้บริการ สถาบันสามารถใช้รายการนี้เพื่อตรวจสอบว่ากระบวนการที่มีอยู่ครอบคลุมจุดสำคัญอย่างไร เมื่อ AI เข้ามาในธุรกิจการเงินมากขึ้น รายชื่อผู้รับผิดชอบ มาตรการควบคุม และการจัดการฉุกเฉินที่อยู่เบื้องหลังรายการนี้ก็ต้องได้รับการปรับปรุงอย่างต่อเนื่อง

จากมุมมองของนโยบายระหว่างประเทศ แนวทางของ FSB ยังมีคุณค่าอีกประการหนึ่ง: เขตอำนาจศาลที่แตกต่างกันสามารถใช้ปัญหาที่คล้ายกันในการตรวจสอบการใช้งาน AI ของสถาบันการเงิน ผู้กำกับดูแลอาจไม่ได้ใช้รายการเดียวกัน แต่จะสนใจว่าใครเป็นผู้รับผิดชอบความเสี่ยง โมเดลทำงานอย่างไรในธุรกิจที่สำคัญ และลูกค้าได้รับผลกระทบเมื่อการพึ่งพาภายนอกเกิดข้อผิดพลาดหรือไม่ หากสถาบันสามารถเตรียมหลักฐานดังกล่าวได้ เมื่อต้องเผชิญกับข้อกำหนดด้านข้อมูล การปกป้องผู้บริโภค และการกำกับดูแลอย่างรอบคอบในภูมิภาคต่าง ๆ ก็จะสามารถอธิบายการจัดการควบคุมของตนได้ง่ายขึ้น

เนื้อหานี้จัดทำขึ้นเพื่อวัตถุประสงค์ด้านการให้ข้อมูลทั่วไปเท่านั้น และไม่ถือเป็นคำแนะนำด้านการเงิน การลงทุน กฎหมาย หรือภาษี อีเวนต์ รีวอร์ด โปรโมชันออนไลน์ หรือข้อมูลที่เกี่ยวข้องใดๆ ที่กล่าวถึงในที่นี้ ไม่ควรถือเป็นคำแนะนำ การชักชวน หรือคำเชิญชวนให้ซื้อ ขาย เทรด หรือดำเนินการอื่นใดเกี่ยวกับสินทรัพย์คริปโต สินทรัพย์คริปโตมีความผันผวนสูงและอาจส่งผลให้เกิดการขาดทุน ความพร้อมให้บริการของบริการ ผลิตภัณฑ์ และอีเวนต์ที่เกี่ยวข้องของ WEEX อาจแตกต่างกันไปตามภูมิภาค คุณมีหน้าที่ตรวจสอบให้แน่ใจว่าการเข้าร่วมของคุณเป็นไปตามกฎหมายและข้อบังคับท้องถิ่นที่ใช้บังคับ