คอลัมน์ : นอกรอบ ผู้เขียน : ณรัณ โพธิ์พัฒนชัย ผอ.ฝ่ายวิเคราะห์ผลกระทบของกฎหมายสำนักงานคณะกรรมการกฤษฎีกา เจ้าของเพจ Narun on Fintech Law
ในฐานะนักกฎหมายภาครัฐ ผมไม่ได้มีโอกาสได้ร่วม “การออกแบบนโยบาย (Policy Design)” บ่อยนักครับ
งานกฎหมายส่วนใหญ่จะเน้นการให้คำปรึกษาเพื่อแก้ไขปัญหาการทำงานของหน่วยงานของรัฐ หรือหาทางออกให้กับหน่วยงานที่ต้องการแนวทางดำเนินการตามประสงค์และอยู่ภายใต้ขอบเขตที่กฎหมายที่เกี่ยวข้องบัญญัติไว้ หากช่วงไหนได้รับมอบหมายให้ตรวจร่างกฎหมาย มาตรการต่าง ๆ ที่ปรากฏอยู่ในกฎหมายนั้นก็มักตั้งอยู่บนเป้าหมายเชิงนโยบายและแนวทางที่หน่วยงานเจ้าของเรื่องได้กำหนดไว้ล่วงหน้าแล้ว
อย่าเข้าใจผิดนะครับ งานกฎหมายเป็นงานที่สนุกและท้าทายครับ “การออกแบบกฎหมาย (Legislative Design)” ก็มีความน่าสนใจในแบบที่หาไม่ได้จากงานอื่น ๆ เช่นเดียวกัน และผมมักสนับสนุนและให้กำลังใจน้อง ๆ นิสิตนักศึกษาที่เรียนกับผมและมาขอคำปรึกษาเกี่ยวกับการวางแผนอาชีพกฎหมายเสมอ ๆ
แต่เมื่อสัปดาห์ที่ผ่านมาผมมีโอกาสได้ถอดหมวกนักกฎหมาย แล้วสวมหมวกของคนทำนโยบายอย่างเต็มตัว ในการเข้าร่วมการประชุมเชิงปฏิบัติการที่จัดร่วมกันระหว่าง The Stimson Center และ Microsoft Responsible AI Office โดยมีจุดประสงค์เพื่อพิจารณาและออกแบบแนวนโยบายที่ตอบสนองต่อฉากทัศน์ต่าง ๆ ที่ปัญญาประดิษฐ์ หรือ AI ได้แทรกซึมเข้าไปอยู่ในแทบทุกมิติของชีวิต เศรษฐกิจ และสังคมของกลุ่มประเทศกำลังพัฒนา รวมถึงประเทศไทยของเราด้วยครับ
เครื่องมือสำคัญที่เราใช้ในการทำงานครั้งนี้คือ Strategic Foresight หรือกระบวนการมองอนาคตเชิงยุทธศาสตร์ครับ
ผู้อ่านเคยรู้จักกับการมองอนาคตในลักษณะนี้มั้ยครับ
สิ่งที่ผมชอบมากเกี่ยวกับวิธีการนี้คือ มันไม่ได้เป็นการ “ทำนายอนาคต” แต่เป็นการสร้างกระบวนการคิดอย่างเป็นระบบ ร่วมมือกัน และมีวินัย เพื่อมองหาแนวโน้ม ความเสี่ยง สัญญาณอ่อน โอกาส และความเป็นไปได้ในอนาคต แล้วนำข้อมูลเหล่านั้นกลับมาใช้ประกอบการตัดสินใจเชิงนโยบายในปัจจุบัน
พูดง่าย ๆ คือ Strategic Foresight ช่วยให้เราไม่ออกแบบนโยบายจากปัญหาของเมื่อวาน หรือจากกระแสของวันนี้เท่านั้น แต่ช่วยให้เราสามารถเตรียมยุทธศาสตร์ที่ “พร้อมรับอนาคต” สำหรับองค์กร เมือง หรือประเทศได้อย่างรอบด้านมากขึ้น
การทำ Strategic Foresight มีขั้นตอนสรุปได้ง่าย ๆ ประมาณนี้ครับ
ประการแรก กำหนดคำถามหลัก ตั้งคำถามให้ชัดว่าเราต้องการมองอนาคตเรื่องอะไร เช่น อนาคตของ AI ต่อเศรษฐกิจไทยจะเป็นอย่างไร หรือภาครัฐควรกำกับ AI อย่างไรให้ไม่ปิดกั้นนวัตกรรม
ประการที่สอง สำรวจแนวโน้มและสัญญาณการเปลี่ยนแปลง
Trends คือแนวโน้มใหญ่ เช่น การใช้ AI ในภาคธุรกิจเพิ่มขึ้น ประชากรสูงวัย การขาดแคลนแรงงานทักษะสูง การแข่งขันด้านเทคโนโลยีระหว่างประเทศ กฎระเบียบด้าน AI ที่เข้มข้นขึ้นทั่วโลก ส่วน Signals คือสัญญาณเล็ก ๆ ที่อาจกลายเป็นเรื่องใหญ่ เช่น โรงเรียนเริ่มใช้ AI Tutor หรือบริษัทเริ่มใช้ AI คัดกรองพนักงาน หรือเกิดกรณี Deepfake หรือการหลอกลวงด้วย AI มากขึ้น เป็นต้น
สัญญาณเหล่านี้อาจดูเล็กในวันนี้ แต่สามารถบอกทิศทางของอนาคตได้
ประการที่สาม วิเคราะห์แรงขับเคลื่อนของการเปลี่ยนแปลง เมื่อเห็นแนวโน้มและสัญญาณแล้ว ต้องถามต่อว่าอะไรคือปัจจัยที่ผลักดันให้เกิดการเปลี่ยนแปลง ในกรณี AI ตัวอย่างแรงขับเคลื่อน เช่น ความก้าวหน้าของ Generative AI การแข่งขันด้าน Productivity ของประเทศ หรือความกังวลเรื่องข้อมูลส่วนบุคคล เป็นต้น
ประการที่สี่ ระบุความไม่แน่นอนสำคัญ Strategic Foresight ไม่ได้สนใจเฉพาะสิ่งที่ “น่าจะเกิด” แต่สนใจสิ่งที่ “ไม่แน่นอนแต่สำคัญมาก” ในเรื่อง AI อาจมีความไม่แน่นอนดังต่อไปนี้ คนไทยจะยอมรับ AI มากน้อยแค่ไหน ภาครัฐจะกำกับ AI แบบส่งเสริมหรือแบบควบคุมเข้ม หรือธุรกิจขนาดเล็กจะเข้าถึง AI ได้จริงหรือไม่
คำถามเหล่านี้ไม่มีคำตอบแน่นอน แต่มีผลอย่างมากต่อการออกแบบนโยบาย
ประการที่ห้า สร้างฉากทัศน์อนาคต ขั้นนี้คือหัวใจของ Foresight เรานำแนวโน้ม แรงขับเคลื่อน และความไม่แน่นอนมาสร้างเป็น Scenario หรือ “ฉากทัศน์อนาคต” หลายแบบ ไม่ใช่เพื่อบอกว่าอนาคตแบบไหนจะเกิดแน่ ๆ แต่เพื่อช่วยให้เราคิดกว้างขึ้น
ตัวอย่างฉากทัศน์เกี่ยวกับ AI ของประเทศ เช่น AI เพื่อการเติบโตทั่วถึง AI ถูกใช้ในภาครัฐ ธุรกิจ และการศึกษาอย่างกว้างขวาง ประชาชนเข้าถึงเครื่องมือ AI ได้ แรงงานได้รับการพัฒนาทักษะ และเศรษฐกิจเติบโตอย่างทั่วถึง
ประการที่หก ทดสอบนโยบายกับแต่ละฉากทัศน์ เมื่อมีหลายฉากทัศน์แล้วเรานำแนวคิดนโยบายมาทดสอบว่า นโยบายนี้ใช้ได้ในอนาคตแบบใดบ้าง ถ้าอนาคตเปลี่ยนไป นโยบายนี้ยังยืดหยุ่นหรือไม่มีความเสี่ยงอะไรที่ยังไม่ได้คิด ต้องมีมาตรการสำรองอะไร มีสัญญาณอะไรที่ต้องติดตามเพื่อปรับนโยบายให้ทัน ตัวอย่างเช่น ถ้ารัฐต้องการผลักดันการใช้ AI ใน SMEs ก็ต้องถามว่า ถ้า SMEs ขาดทักษะดิจิทัลจะทำอย่างไร หรือถ้าแพลตฟอร์ม AI กระจุกตัวอยู่กับต่างชาติจะมีผลอย่างไร เป็นต้น
ประการสุดท้าย ออกแบบยุทธศาสตร์หรือนโยบายที่พร้อมรับอนาคต ผลลัพธ์สุดท้ายไม่ใช่แค่รายงานฉากทัศน์ แต่ต้องนำไปสู่การตัดสินใจ เช่น การกำหนดเป้าหมายเชิงนโยบาย การออกแบบมาตรการส่งเสริม รวมถึงการวางกฎกำกับดูแล
หากกล่าวโดยสรุปแล้ว Strategic Foresight มี 6 ขั้นตอนสำคัญครับ
มองหา –> วิเคราะห์ –> จินตนาการ –> ทดสอบ –> ออกแบบ –> ปรับตัว
เมื่อมองกลับมาที่ประเทศไทย วันนี้เรากำลังเห็นนโยบาย โครงการ และความริเริ่มเกี่ยวกับ AI จำนวนมาก ทั้งในภาครัฐและภาคเอกชน บางเรื่องอาจมีไว้เพื่อแสดงให้เห็นว่า “เราก็มี AI แล้วนะ” อันนี้เข้าใจได้ และในระดับหนึ่งก็ไม่ใช่เรื่องผิด
แต่ที่น่าเป็นห่วงกว่าคือ หลายโครงการยังถูกออกแบบโดยไม่มีการระบุปัญหาที่ชัดเจน ไม่มีตัวชี้วัดความสำเร็จที่ประเมินได้จริง ขาดยุทธศาสตร์สนับสนุน ขาดการประเมินความเสี่ยง และไม่มีระบบตรวจจับสัญญาณหรือแนวโน้มที่จะกระทบต่อการดำเนินนโยบายในระยะยาว
หากเราไม่ต้องการให้ AI กลายเป็นเพียง “กระแสนโยบายชั่วคราว” หรือ Policy Fad การใช้กระบวนการ Foresight อาจเป็นหนึ่งในเครื่องมือสำคัญที่จะช่วยทำให้การขับเคลื่อนนโยบาย AI ของประเทศมีทิศทาง มีความยืดหยุ่น และสร้างโอกาสทางเศรษฐกิจและสังคมได้จริง