ธนาคารในยุค Agentic AI

บทนำ

 

ในช่วงไม่กี่ปีที่ผ่านมา เทคโนโลยีปัญญาประดิษฐ์ (AI) ก้าวหน้าอย่างรวดเร็ว จากกระแสปัญญาประดิษฐ์นักสร้าง (Generative AI) ที่สามารถสร้างสรรค์สิ่งต่างๆ ได้ตามคำสั่งของมนุษย์ที่ได้รับความสนใจอย่างมากเมื่อ 2-3 ปีก่อน มาสู่ “ปัญญาประดิษฐ์นักปฏิบัติการ” หรือ Agentic AI ที่สามารถวิเคราะห์ วางแผน และลงมือทำได้ด้วยตนเอง 

Agentic AI ได้รับการจัดอันดับให้เป็นเทคโนโลยีเชิงกลยุทธ์ที่สำคัญของปี 2568^1/ ซึ่งเทคโนโลยีนี้จะสามารถเข้ามาเปลี่ยนแปลงการดำเนินธุรกิจได้ในหลากหลายอุตสาหกรรม สำหรับธุรกิจของธนาคาร Agentic AI จะเข้ามาเป็นผู้ช่วยอัจฉริยะที่สามารถประเมินสถานการณ์และตัดสินใจดำเนินงานต่างๆ ได้เองโดยอัตโนมัติ ซึ่งจะเป็นจุดเปลี่ยนสำคัญทั้งการดำเนินธุรกิจและการให้บริการลูกค้าของธนาคาร อย่างไรก็ตาม เมื่อเทคโนโลยีนี้มีอิสระในการคิดและตัดสินใจ ก็จะยิ่งเพิ่มความเสี่ยงต่อธุรกิจของธนาคารมากขึ้นด้วย ดังนั้น ธนาคารจำเป็นต้องเตรียมพร้อมรับมือกับความท้าทายที่มาพร้อมกับความฉลาดของ Agentic AI อย่างรอบคอบ

 

Agentic AI คืออะไร แตกต่างจาก AI ที่เราคุ้นเคยอย่างไร 

 

Artificial Intelligence (AI) หรือ ปัญญาประดิษฐ์ เป็นคำศัพท์ที่ถูกบัญญัติขึ้นครั้งแรกในปี 2499 ซึ่งหมายถึง เทคโนโลยีที่ทำให้เครื่องจักรหรือระบบคอมพิวเตอร์มีความคิดคล้ายมนุษย์ นับตั้งแต่นั้น เทคโนโลยี AI มีพัฒนาการอย่างต่อเนื่อง จนเริ่มเข้ามาเป็นส่วนหนึ่งของชีวิตประจำวันและมีความฉลาดที่เข้าใกล้ความฉลาดของมนุษย์^2/ 

เทคโนโลยี AI ในยุคแรกๆ หรือ Traditional AI สามารถทำงานเป็นขั้นตอนหรือทำตามกฎที่กำหนดไว้ (Rule-based) หรือแก้ไขปัญหาเฉพาะด้านได้เท่านั้น โดยหาก AI พบสถานการณ์ที่นอกเหนือจากกฎที่ตั้งไว้ มนุษย์ยังต้องเข้ามาช่วยตัดสินใจ เช่น แชตบอตที่ตอบคำถามได้เฉพาะที่เตรียมไว้ล่วงหน้า หรือ AI ที่ใช้อนุมัติสินเชื่อตามเกณฑ์ที่กำหนดไว้แบบตายตัว

Generative AI (GenAI) หรือ” ปัญญาประดิษฐ์นักสร้าง” ถือเป็นจุดเปลี่ยนสำคัญหนึ่งของเทคโนโลยี AI เพราะสามารถสร้างผลลัพธ์ใหม่ที่ไม่เคยมีมาก่อนจากข้อมูลที่มีอยู่ (Existing data) โดยมีความคิดสร้างสรรค์ และสร้างผลลัพธ์ (Output) ได้หลากหลายรูปแบบ ไม่ว่าจะเป็นข้อความ รูปภาพ เสียง วีดิโอ จึงอาจกล่าวได้ว่านับตั้งแต่ปี 2565 โลกได้เข้าสู่ยุคของ Gen AI เป็นที่เรียบร้อย อย่างไรก็ตามแม้ Gen AI จะมีความคิดสร้างสรรค์และทำงานได้หลากหลายประเภท แต่ก็ยังคอยรับและทำตามคำสั่งของมนุษย์ทีละขั้นตอน

เมื่อเข้าสู่ปี 2568 เทคโนโลยี AI ได้พัฒนาไปอีกขั้น จากเดิมที่มีเพียงความฉลาดและความคิดสร้างสรรค์สู่ Agentic AI หรือ “ปัญญาประดิษฐ์นักปฏิบัติการ” ซึ่งหมายถึงระบบ AI ที่สามารถคิด ตัดสินใจ ลงมือปฏิบัติ และปรับตัวให้เข้ากับสถานการณ์ที่เปลี่ยนแปลงไปได้อย่างอัตโนมัติ รวมถึงยังทำงานร่วมกับเครื่องมือดิจิทัลหรือแอปพลิเคชัน เพื่อบรรลุเป้าหมายที่มนุษย์มอบหมาย โดยไม่จำเป็นต้องสั่งการทุกขั้นตอน
 

Agentic AI อาศัยการทำงานร่วมกันของ “AI Agent หรือ “ตัวแทน AI” ที่มีความเชี่ยวชาญแตกต่างกัน สามารถทำงานได้ทั้งแบบอิสระและแบบร่วมมือกัน โดยตัวอย่างประเภทของ AI อยู่เบื้องหลัง Agentic AI เช่น

1. โมเดลภาษาขนาดใหญ่ (LLM) และ GenAI

LLM สามารถตอบสนองต่อข้อมูลหรือสถานการณ์ที่ไม่ได้กำหนดไว้ก่อน โดยทำหน้าที่เป็นตัวกลางรับคำสั่งจากมนุษย์แล้วประสานงานกับ AI Agents ที่เชี่ยวชาญในแต่ละด้าน รวมถึง GenAI ที่ช่วยสร้างเนื้อหาไม่ว่าจะเป็น เอกสาร รายงาน หรือข้อความเพื่อสนับสนุนการทำงานของ Agentic AI 

2. AI แบบดั้งเดิม (Traditional AI) 

AI แบบดั้งเดิมมักถนัดในการคิดหรือตัดสินใจตามตรรกะและกฎเกณฑ์ที่ชัดเจน จึงเหมาะสำหรับงานที่ต้องการความแม่นยำภายใต้เงื่อนไขที่ตายตัว อาทิ ปัญญาประดิษฐ์นักทำนาย (Predictive AI: PreAI) ซึ่งเชี่ยวชาญในการพยากรณ์ถึงโอกาสหรือความเป็นไปได้ของเหตุการณ์ เพื่อสนับสนุนการตัดสินใจ^3/ 

3. โมเดลการให้เหตุผล (Reasoning Models)^4/  

Reasoning Models สามารถแก้ปัญหาที่ต้องใช้การคิดเป็นลำดับขั้นตอน หรือการวิเคราะห์เชิงเหตุผล เช่น การวิเคราะห์ข้อมูลที่ซับซ้อน การจัดลำดับความสำคัญของงาน เพื่อทำหน้าที่วางแผนการทำงานให้ Agentic AI 

นอกจากนี้ Agentic AI ยังสามารถเชื่อมต่อและใช้งานเครื่องมือดิจิทัลได้เช่นเดียวกันมนุษย์ เช่น เข้าถึงฐานข้อมูล ใช้เว็บเบราว์เซอร์ คลิกเลือกข้อมูล หรือกรอกข้อมูลได้เอง โดยสามารถเชื่อมต่อกับระบบต่างๆ ผ่านช่องทางมาตรฐานของการสื่อสารระหว่างซอฟต์แวร์ (Application Programming Interface: API) และมาตรฐานการสื่อสารระหว่าง AI (Model Context Protocol: MCP)^5/ ซึ่งทำให้ AI สามารถสื่อสารกันเอง และทำงานร่วมกับเครื่องมือหรือระบบงานอื่นๆ ได้ 
 

 

 

 

 

โดยสรุป Agentic AI มีคุณสมบัติที่เป็นจุดเด่น ดังนี้ 

• สามารถตัดสินใจเพื่อบรรลุเป้าหมายได้ (Goal-oriented Decision-making) โดย Agentic AI สามารถตั้งเป้าหมายจากคำสั่งของมนุษย์แล้วรวบรวมและประมวลผลข้อมูลจากแหล่งต่าง ๆ เพื่อประเมินสถานการณ์ แล้วเลือกใช้เครื่องมือหรือสั่งการ AI ตัวอื่นที่เหมาะสมในการแก้ปัญหา เพื่อให้ทำงานได้ตั้งแต่ต้นจนจบ (End to end)

• มีอิสระในการทำงาน (Autonomy) Agentic AI สามารถวางแผนและดำเนินงานที่มีหลายขั้นตอนได้เองโดยไม่ต้องรอคำสั่งหรือการควบคุมจากมนุษย์ทีละขั้นตอน

• ประสานงานกับ AI ด้วยกัน (Coordination) Agentic AI สามารถทำงานร่วมกับ AI Agents ที่มีความเชี่ยวชาญแตกต่างกัน และสามารถใช้งานแอปพลิเคชันอื่นๆ ได้ หากได้รับอนุญาตหรือได้สิทธิ์การเข้าถึงที่มนุษย์กำหนดไว้

• สามารถเรียนรู้และปรับตัว (Adaptability) Agentic AI สามารถปรับปรุงการทำงานอย่างต่อเนื่อง โดยเรียนรู้จากผลลัพธ์และข้อเสนอแนะ (Feedback) เพื่อเพิ่มประสิทธิภาพการทำงานให้ดียิ่งขึ้น

 

ความเคลื่อนไหวในแวดวง Agentic AI ของบริษัทเทคโนโลยีชั้นนำ

บริษัทชั้นนำด้าน AI ต่างกำลังเร่งพัฒนาเทคโนโลยีเพื่อเข้าสู่ยุค Agentic AI ตัวอย่างเช่น OpenAI ผู้พัฒนา ChatGPT ได้เปิดตัว “Operator” ซึ่งเป็น AI Agent ที่สามารถเข้าใจเนื้อหาเว็บไซต์ และสามารถเลื่อนหน้า คลิก และกรอกข้อมูลได้เองโดยอัตโนมัติ ทำให้ Operator เป็นผู้ช่วยที่ทำตามคำสั่งของผู้ใช้ได้อย่างง่ายดาย อาทิ การจองที่พัก การจองร้านอาหาร ไปจนถึงการทำธุรกรรมออนไลน์^6/  นอกจากนี้ Open AI ยังมีแผนพัฒนา AI Agent ที่สามารถทำวิจัยในระดับปริญญาเอกได้ด้วย^7/ขณะที่ Google เร่งพัฒนา AI Agent ในลักษณะต่างๆ เช่น AI Agent ด้านการตลาดที่ทำงานได้ตั้งแต่ต้นจนจบ หรือตั้งแต่สร้างรูปภาพโฆษณา คิดแคมเปญการตลาด ไปจนถึงเสนอการตั้งราคาที่เหมาะสม^8/ ไม่เพียงเท่านี้ วงการ AI ของจีนก็มีความก้าวหน้าในด้านนี้เช่นกัน เช่น Monica สตาร์ทอัปสัญชาติจีน ได้พัฒนา AI Agent ชื่อ “Manus” ซึ่งสามารถทำงานซับซ้อนได้ อาทิ วิเคราะห์ธุรกรรมทางการเงิน และสร้างเว็บไซต์ด้วยตัวเอง^9/ 
Agentic AI จะกลายเป็นอนาคตของการทำงาน โดยจะเข้ามาเป็น “ผู้ร่วมทีม” ที่สามารถช่วยคิด วางแผน และปฏิบัติงานต่างๆ ได้ ซึ่ง Gartner ประเมินว่า ภายในปี 2571 Agentic AI จะมีบทบาทตัดสินใจในการทำงานถึงร้อยละ 15 และยิ่งไปกว่านั้น Agentic AI ยังทำให้เราเริ่มเห็นแนวทางการพัฒนา AI ไปสู่ AI แบบทั่วไป (Artificial General Intelligence: AGI) ซึ่งเป็นวิวัฒนาการอีกขั้นของ AI ที่สามารถวิเคราะห์ ตระหนักรู้ และแก้ไขปัญหาต่างๆ ได้เองคล้ายมนุษย์^10/

Agentic AI จะมาเปลี่ยนการดำเนินธุรกิจของธนาคารอย่างไร 

 

แม้ว่าปัจจุบันธนาคารเกือบทุกแห่งได้ประยุกต์ใช้เทคโนโลยี AI แล้ว แต่การใช้งานยังเป็นลักษณะแยกส่วนหรือไม่เชื่อมโยงกันอย่างเป็นระบบ เมื่อดูจากลักษณะการปฏิบัติงานของธนาคารแล้ว พบว่าธนาคารมีกิจกรรมหลายส่วนที่เป็นงานที่ต้องทำซ้ำๆ (Repetitive tasks) และต้องตัดสินใจตามข้อบังคับอย่างเคร่งครัด โดย Citi ประเมินว่า ร้อยละ 54 ของงานในภาคธนาคารมีศักยภาพสูงที่จะถูกปรับให้เป็นการทำงานโดยอัตโนมัติ (Automated)^11/ จึงเหมาะต่อการประยุกต์ใช้ Agentic AI ซึ่งมีแนวโน้มที่จะเข้ามาเปลี่ยนแปลงการดำเนินธุรกิจครั้งใหญ่ของธนาคาร ทั้งในกระบวนการทำงานภายในไปจนถึงการให้บริการลูกค้า

ในช่วง 5 ปีนี้ มูลค่าตลาดของ Agentic AI ในอุตสาหกรรมการเงินการธนาคารทั่วโลกจะเติบโตอย่างก้าวกระโดด จากมูลค่าเพียง 1.3 พันล้านดอลลาร์สหรัฐในปี 2567 เป็น 7.2 พันล้านดอลลาร์สหรัฐในปี 2572 หรือคิดเป็นอัตราการเติบโตเฉลี่ยสะสมต่อปี (CAGR) ที่ร้อยละ 41 โดยมูลค่าตลาดของ Agentic AI ในอุตสาหกรรมการเงินการธนาคารจะมีสัดส่วนประมาณ 1 ใน 4 ของมูลค่าตลาดรวมทุกอุตสาหกรรม ซึ่งบ่งชี้ว่าภาคการเงินการธนาคารมีความพร้อมสูงในการประยุกต์ใช้เทคโนโลยีนี้ 
 

 

 

ตัวอย่างกรณีการใช้งาน (Use cases) ของ Agentic AI ในภาคธนาคาร 


กิจกรรมหน้าบ้านที่ต้องพบปะกับลูกค้า (Front-office functions) 

  

• การเริ่มต้นทำธุรกรรมครั้งแรกกับธนาคาร (Onboarding) 

ขั้นตอนการ Onboarding ของทั้งลูกค้าบุคคลและลูกค้าธุรกิจเป็นกระบวนการที่ต้องใช้พนักงานที่เป็นมนุษย์จำนวนมาก และมีลักษณะงานที่ต้องทำซ้ำๆ โดย McKinsey ประเมินว่าธนาคารอาจต้องใช้พนักงานเต็มเวลาประมาณร้อยละ 10-15 ของพนักงานทั้งหมดในกระบวนการทำความรู้จักลูกค้า (Know Your Customer: KYC) และการป้องกันการฟอกเงิน (Anti-Money Laundering: AML)^12/ ตั้งแต่ต้นจนจบ

ทั้งนี้ Agentic AI สามารถเข้ามาช่วยได้ตั้งแต่ขั้นตอนการรวบรวมข้อมูล ตรวจสอบเอกสารและข้อมูลของลูกค้า ประเมินระดับความเสี่ยงลูกค้า หรือแม้กระทั่งติดต่อลูกค้าเพื่อให้ส่งเอกสารเพิ่มเติมได้เองโดยอัตโนมัติ ซึ่งจะช่วยลดภาระงาน เพิ่มความรวดเร็ว และลดข้อผิดพลาดจากการดำเนินงานของมนุษย์ โดย McKinsey ประเมินว่า Agentic AI สามารถช่วยเพิ่มผลิตภาพการทำงานในงานด้าน KYC ได้มากถึง 20 เท่า^12/

• การให้บริการลูกค้า (Customer service) 

ธนาคารสามารถประยุกต์ใช้ Agentic AI เพื่อพัฒนาการให้บริการลูกค้า จากเดิมที่เน้นตอบสนองต่อคำขอของลูกค้า สู่การนำเสนอผลิตภัณฑ์และบริการทางการเงินที่ตรงใจลูกค้าแต่ละรายมากยิ่งขึ้น หรือที่เรียกว่า “Hyper-personalization”^13/ โดย Agentic AI สามารถวิเคราะห์ข้อมูลจำนวนมากแบบเรียลไทม์ เพื่อส่งมอบคำแนะนำหรือผลิตภัณฑ์ทางการเงินที่เหมาะกับแต่ละบุคคล พร้อมปรับเปลี่ยนตามพฤติกรรม ความชอบ และความต้องการที่เปลี่ยนแปลงของลูกค้าได้โดยอัตโนมัติ เช่น นำเสนอแผนการออมเงินให้สอดคล้องกับพฤติกรรมการใช้จ่ายของลูกค้า

นอกจากนี้ ธนาคารสามารถพัฒนาผู้ช่วยเสมือน (Virtual assistant) ที่ไม่เพียงตอบคำถามทั่วไป แต่สามารถทำตามคำสั่งที่ซับซ้อน รวมถึงเรียนรู้พฤติกรรมของลูกค้าได้อีกด้วย ตัวอย่างเช่น เมื่อลูกค้าขอเพิ่มวงเงินบัตรเครดิต Agentic AI จะตรวจสอบประวัติทางการเงิน ประเมินความสามารถในการชำระหนี้ และแจ้งผลให้ลูกค้าทราบได้ด้วยตัวเอง 

จะเห็นได้ว่า Agentic AI จะเป็น “ผู้ช่วยเสมือน” ของลูกค้าได้ใกล้เคียงมนุษย์ยิ่งขึ้น เพราะสามารถลงมือทำหรือช่วยเหลือลูกค้าได้จริง ต่างจาก GenAI ที่เก่งในเรื่องการให้ข้อมูลหรือคำแนะนำแก่ลูกค้าเท่านั้น
 

กิจกรรมส่วนกลางที่ไม่ต้องพบปะลูกค้า (Middle-office functions)

 

• การวิเคราะห์และอนุมัติสินเชื่อ 

ในการทำงานวิเคราะห์สินเชื่อแบบเดิม นักวิเคราะห์สินเชื่ออาจต้องใช้เวลานับสัปดาห์สำหรับจัดทำเอกสารการประเมินความเสี่ยงทางด้านเครดิต (Credit risk memo) เพื่อประกอบการพิจารณาอนุมัติสินเชื่อและปฏิบัติให้เป็นไปตามข้อกำหนดของธนาคาร กระบวนการดังกล่าวต้องรวบรวมข้อมูลจากแหล่งต่างๆ เช่น รายได้ กระแสเงินสด ข้อมูลหลักประกันสินเชื่อ รวมถึงต้องอาศัยการวิเคราะห์เชิงเหตุผล 

Agentic AI สามารถเปลี่ยนแปลงกระบวนการดังกล่าวให้เป็นแบบอัตโนมัติได้ โดยสามารถทำงานได้ตั้งแต่รวบรวมข้อมูล ร่างเอกสาร และประเมินสินเชื่อได้โดยอัตโนมัติ ส่งผลให้ช่วยเพิ่มผลิตภาพในการทำงานได้ถึงร้อยละ 60 และสามารถตัดสินใจได้เร็วขึ้นราวร้อยละ 30^14/ 

กิจกรรมหลังบ้านของธนาคาร (Back-office functions)

 

• การกำกับดูแลการปฏิบัติงาน (Compliance) 

งานส่วนนี้ต้องใช้มนุษย์จำนวนมากเพื่อตีความกฎระเบียบและการร่างเอกสาร โดย Agentic AI สามารถปฏิบัติงานได้ครอบคลุมตั้งแต่การเข้าถึงข้อมูล ตรวจสอบการปฏิบัติตามกฎระเบียบ รวมถึงสามารถปรับเปลี่ยนกระบวนการทำงานให้สอดคล้องกับกฎระเบียบใหม่ได้อย่างอัตโนมัติ 
เมื่อธนาคารนำ Agentic AI มาใช้ในงาน Compliance จะช่วยเพิ่มประสิทธิภาพการทำงาน ลดความผิดพลาดที่เกิดจากมนุษย์ (Human error) เสริมความโปร่งใสในการดำเนินงาน อีกทั้งยังช่วยให้ธนาคารปรับตัวต่อแนวนโยบายหรือกฏระเบียบของหน่วยงานกำกับดูแล15/ ได้อย่างรวดเร็วอีกด้วย

• การตรวจสอบธุรกรรมที่เข้าข่ายการฉ้อโกง (Fraud detection) 

AI แบบดั้งเดิมจะสามารถตรวจสอบธุรกรรมการฉ้อโกงตามกฎเกณฑ์ที่กำหนดไว้ล่วงหน้าเท่านั้น ซึ่งมักทำให้เกิดข้อผิดพลาดในลักษณะ False positive หรือตรวจจับว่าธุรกรรมมีความเสี่ยงทั้งที่เป็นธุรกรรมปกติ16/ ความผิดพลาดดังกล่าวส่งผลให้พนักงานต้องเสียเวลาตรวจสอบธุรกรรมที่ไม่ผิดปกติโดยไม่จำเป็น และทำให้ต้นทุนการดำเนินงานสูงขึ้น อย่างไรก็ตาม Agentic AI สามารถช่วยตรวจสอบธุรกรรม เรียนรู้เพื่อปรับปรุงวิธีการตรวจจับ และระงับธุรกรรมที่เข้าข่ายการฉ้อโกงได้แบบเรียลไทม์ ทำให้กระบวนการตรวจสอบมีความแม่นยำมากขึ้น และลดภาระของพนักงานได้ 

• การวิเคราะห์ข้อมูลเพื่อเพิ่มโอกาสทางธุรกิจ 

Agentic AI สามารถวิเคราะห์ข้อมูลจำนวนมากได้อย่างรวดเร็วและแม่นยำ ด้วยการจัดสรรงานให้ AI Agents หลายหน่วยประมวลผลข้อมูลชุดหลายชุดได้พร้อมกัน รวมถึงสามารถค้นหาความเชื่อมโยงและสรุปข้อมูลเชิงลึก (Insight) ได้โดยอัตโนมัติ ธนาคารจึงสามารถวิเคราะห์แนวโน้มหรือวางแผนธุรกิจได้ดีขึ้นและช่วยเพิ่มโอกาสทางธุรกิจได้มากยิ่งขึ้น  จะเห็นได้ว่า Agentic AI มีบทบาทในธุรกิจธนาคาร ทั้งในการสร้างความประทับใจให้กับลูกค้าผ่านบริการที่รวดเร็วและตรงกับความต้องการ การเพิ่มประสิทธิภาพการทำงาน รวมถึงยังเป็นเครื่องมือที่ช่วยให้ธนาคารประหยัดต้นทุนการดำเนินงาน และช่วยค้นหาโอกาสการสร้างรายได้เพื่อการเติบโตอีกด้วย

 

ความท้าทายและข้อควรระวัง 

 

แม้ Agentic AI จะสามารถวางแผนและทำงานได้โดยอัตโนมัติ แต่หากธนาคารไว้ใจการตัดสินใจและการทำงานของ Agentic AI มากเกินไป โดยขาดการตรวจสอบความถูกต้องและการกำกับดูแลที่เข้มงวด อาจส่งผลกระทบต่อความน่าเชื่อถือของธนาคารรวมถึงเสถียรภาพรวมถึงระบบการเงินโดยรวม ธนาคารจึงควรตระหนักถึงความท้าทายและข้อควรระวังจากการประยุกต์ใช้ Agentic AI ดังนี้
 

• การควบคุมการตัดสินใจของ Agentic AI 

เมื่อ Agentic AI สามารถคิด วางแผน และตัดสินใจได้เอง ทำให้กระบวนการตรวจสอบการทำงานจะซับซ้อนยิ่งขึ้นเมื่อเทียบกับ GenAI ที่รอรับคำสั่งจากมนุษย์ทีละขั้นตอน หากธนาคารอนุญาตให้ Agentic AI ตัดสินใจในธุรกรรมทางการเงินได้ด้วยตัวเองโดยขาดการตรวจสอบการทำงานโดยมนุษย์ อาจสร้างความเสี่ยงเชิงระบบ (Systemic Risk) ได้ ตัวอย่างเช่น หาก Agentic AI ตัดสินใจผิดพลาดในการซื้อขายสินทรัพย์จำนวนมาก อาจส่งผลให้ราคาสินทรัพย์ผันผวน หรือหาก Agentic AI ตัดสินใจผิดพลาดในการปล่อยสินเชื่อ อาจทำให้เกิดหนี้เสียและอาจลุกลามจนเป็นความเสี่ยงเชิงระบบที่กระทบต่อเสถียรภาพของภาคธนาคารได้

ด้วยเหตุนี้ มนุษย์ยังจำเป็นต้องกำกับดูแลกระบวนการทำงานของ Agentic AI และเข้าควบคุมเมื่อจำเป็น ธนาคารจึงต้องหาทางออกด้วยการออกแบบกระบวนการทำงานที่ให้มนุษย์และ Agentic AI ทำงานร่วมกันได้ เพื่อให้มั่นใจว่าทุกกระบวนการทำงานสอดคล้องกับกฎระเบียบของหน่วยงานกำกับและถูกต้องตามจริยธรรมของธนาคาร ซึ่งแม้การกำกับดูแลโดยมนุษย์จะทำให้การทำงานช้าลงไปบ้าง แต่ก็จะช่วยเพิ่มความน่าเชื่อถือและความปลอดภัยมากขึ้น

ธนาคารอาจเลือกใช้วิธี Human over the loop หรือ Human in the loop ขึ้นกับความเสี่ยงต่อลูกค้าและธุรกิจของธนาคาร โดย Human over the loop จะยังคงมีมนุษย์คอยกำกับดูแล AI หรือระงับการทำงานเพื่อป้องกันความเสี่ยงเชิงระบบและเน้นการเฝ้าระวังและแทรกแซงเมื่อจำเป็น ขณะที่วิธี Human in-the loop มนุษย์ต้องมีส่วนร่วมในทุกการตัดสินใจ ซึ่งเหมาะกับธุรกรรมที่อาจสร้างผลกระทบสูง เช่น การอนุมัติสินเชื่อที่มีมูลค่าสูง เพื่อลดความเสี่ยง 

นอกจากนี้ ธนาคารควรทดสอบการทำงานของ Agentic AI อย่างรอบคอบก่อนนำไปใช้จริง เช่น ทดสอบภาวะวิกฤติ (Stress test) เพื่อประเมินความเสี่ยงที่อาจเกิดขึ้นจากการที่ Agentic AI ทำงานผิดพลาด รวมทั้งควรมีมาตรการหยุดการทำงานชั่วคราว (Circuit breaker) เพื่อควบคุมความเสี่ยงในกรณีที่ AI ทำงานผิดปกติ เช่น การอนุมัติสินเชื่อให้ลูกค้าที่ไม่ตรงตามหลักเกณฑ์ที่กำหนด 
 

• กฎระเบียบและการกำกับดูแลการใช้งาน

กฎระเบียบและแนวทางกำกับดูแลการใช้ AI อาจต้องเข้มงวดมากขึ้น เพื่อป้องกันไม่ให้ Agentic AI ตัดสินใจโดยมีอคติ (Bias) หรือขัดต่อหลักจริยธรรม ดังนั้น ธนาคารจึงต้องรักษาสมดุลระหว่างความรวดเร็วที่ได้จากการใช้ Agentic AI และการกำกับดูแลที่เข้มงวด โดยต้องให้ความสำคัญกับประเด็นต่อไปนี้ (1) กฎระเบียบและการกำกับดูแลที่ใช้อยู่ในปัจจุบันมีความเหมาะสมกับการประยุกต์ใช้ Agentic AI ได้อย่างมีประสิทธิภาพและปลอดภัยหรือไม่ (2) กระบวนการตรวจสอบย้อนกลับการทำงานของ AI (Traceability) เช่น การตรวจสอบได้ว่า AI ใช้ข้อมูลอะไรในการตัดสินใจและทำตามขั้นตอนที่กำหนดหรือไม่ (3) การป้องกันความเสี่ยงจากการตัดสินใจที่อาจมีอคติหรือละเมิดสิทธิ์ของลูกค้า^24/ (4) ความโปร่งใสในการตัดสินใจของ AI โดยอาจพัฒนาโมเดล AI ที่สามารถอธิบายเหตุผลในการตัดสินใจได้ (Explainable AI)^25/ 

นอกจากนี้ ธนาคารควรติดตามกฎหมายหรือแนวทางการกำกับดูแลการใช้ AI อย่างใกล้ชิด โดยกฎหมายที่ถือเป็นต้นแบบระดับโลกในเรื่องนี้คือ EU AI Act26/ ซึ่งจำแนกระดับความเสี่ยงของการใช้ AI^27/ เพื่อกำหนดเกณฑ์การบริหารจัดการความเสี่ยงในแต่ละระดับ โดยกิจกรรมในภาคการเงิน เช่น การให้คะแนนเครดิตเพื่อประเมินคุณภาพสินเชื่อ (Credit scoring) ถูกจัดอยู่ในกลุ่มที่มีความเสี่ยงสูง เนื่องจากอาจส่งผลกระทบต่อการเข้าถึงสินเชื่อและสร้างความเหลื่อมล้ำได้ หาก AI มีอคติหรือขาดความโปร่งใส จึงเป็นกิจกรรมที่ต้องกำกับดูแลอย่างเข้มงวด

สำหรับประเทศไทย ธนาคารแห่งประเทศไทย (ธปท.) ได้ออกแนวนโยบาย เรื่อง “การบริหารจัดการความเสี่ยงของการใช้งานระบบปัญญาประดิษฐ์”^28/  ซึ่งกำหนดให้ผู้ให้บริการทางการเงินต้องบริหารจัดการความเสี่ยงของการใช้งานระบบ AI ที่รัดกุม เพื่อป้องกันความเสี่ยงต่อการดำเนินธุรกิจ 

• การรักษาความปลอดภัยทางไซเบอร์

• การพัฒนาทักษะและการสื่อสารกับพนักงาน 

1. ความเข้าใจในความสามารถและข้อจำกัดของ Agentic AI พนักงานควรทราบว่า Agentic AI สามารถช่วยงานด้านใดได้บ้าง มีข้อจำกัดอะไร และสถานการณ์ใดที่ยังต้องให้มนุษย์เข้ามาตรวจสอบ เพื่อป้องกันความเสี่ยงจากการใช้งานและรักษามาตรฐานด้านจริยธรรม 

2. การกำหนดโจทย์และควบคุมการทำงาน พนักงานควรกำหนดเป้าหมายและสื่อสารโจทย์กับ Agentic AI ผ่านคำสั่ง (Prompt) ได้อย่างชัดเจน รวมถึงสามารถตรวจสอบ ติดตามผล และให้ข้อเสนอแนะเพื่อให้ Agentic AI ทำงานได้อย่างแม่นยำขึ้น

มุมมองวิจัยกรุงศรี

Agentic AI กำลังจะเข้ามาพลิกโฉมการทำงานและการดำเนินธุรกิจ โดยอาจสร้างการเปลี่ยนแปลงครั้งใหญ่ยิ่งกว่าที่เราได้เห็นจากการเข้ามาของ GenAI ธนาคารจึงต้องเตรียมความพร้อมอย่างรอบด้าน เพื่อให้การประยุกต์ใช้ Agentic AI เกิดประโยชน์สูงสุดและลดความเสี่ยงจากการใช้งาน ดังนี้ 

1) ธนาคารควรพัฒนาระบบ IT ให้เข้าถึงและเชื่อมโยงข้อมูลได้รอบด้าน เนื่องจาก Agentic AI ต้องใช้ข้อมูลและเชื่อมต่อกับระบบต่างๆ ของธนาคารเพื่อให้ทำงานได้อย่างมีประสิทธิภาพ ทั้งนี้ ธนาคารส่วนใหญ่ยังเผชิญกับอุปสรรคด้านระบบ IT ก่อนที่จะก้าวเข้าสู่ยุค Agentic AI อย่างเต็มรูปแบบ ซึ่งสะท้อนจากผลสำรวจผู้บริหารธนาคารชั้นนำของโลก 50 แห่งของ Evident ในปี 2568 พบว่า มีธนาคารเพียง 3 แห่งเท่านั้นที่ประเมินว่า โครงสร้างพื้นฐานภายในพร้อมรองรับกับการใช้งาน Agentic AI^32/  

2) นอกเหนือจากการทำงานร่วมกับ Agentic AI แล้ว ธนาคารยังควรให้ความสำคัญกับการพัฒนาทักษะเชิงพฤติกรรม (Soft skills) ที่ยังคงเป็นจุดแข็งของมนุษย์ เช่น ความคิดสร้างสรรค์ (Creativity) การคิดเชิงวิพากษ์ (Critical Thinking) การแก้ปัญหา (Problem-Solving) และการคิดนอกกรอบ (Lateral Thinking) ซึ่งล้วนเป็นพื้นฐานสำคัญในการสร้างนวัตกรรมใหม่ ๆ ให้กับองค์กร 

นอกจากนี้ ทักษะการสื่อสารที่ชัดเจนและความสามารถในการทำงานเป็นทีมจะช่วยให้บุคลากรของธนาคารเข้าใจบทบาทหน้าที่ใหม่และปรับตัวต่อการทำงานร่วมกับทั้งมนุษย์และ AI ได้อย่างรวดเร็ว ซึ่งทักษะเหล่านี้จะส่งเสริมวัฒนธรรมการทำงานที่ดีในระยะยาว โดยเมื่อ Agentic AI เข้ามาช่วยทำงาน ธนาคารสามารถส่งเสริมให้พนักงานมนุษย์ปรับบทบาทใหม่ โดยเปลี่ยนจาก “ผู้ปฏิบัติงาน” เป็น “ผู้จัดการ” (Manager) และ “ผู้ฝึกสอน” (Coach) ที่มี AI เป็นลูกทีม โดยมนุษย์ต้องทำหน้าที่กำหนดทิศทางของงาน ตรวจสอบผลลัพธ์ จัดลำดับความสำคัญ และตัดสินใจปรับการทำงานของ AI ให้สอดคล้องกับเป้าหมายองค์กร บทบาทใหม่ดังกล่าวนับเป็นโอกาสอันดีที่จะพัฒนาทักษะทั้งด้านการทำงานร่วมกับ AI เสริมด้วยทักษะที่ยังเป็นจุดแข็งของมนุษย์ ซึ่งจะสร้างคุณค่าในการทำงานมากขึ้นด้วย

3) ธนาคารอาจนำร่องใช้งาน Agentic AI ในรูปแบบที่มีความเสี่ยงต่ำและวัดผลได้ชัดเจนก่อน โดยจำกัดสิทธิ์การเข้าถึงเครื่องมือกับพนักงานกลุ่มเล็กๆ ก่อนในระยะแรก แล้วจึงขยายขอบเขตการใช้งานเมื่อมั่นใจว่าสามารถจัดการความเสี่ยงจากการใช้งานได้ ตัวอย่างเช่น ธนาคาร Capital One^33/ ที่ใช้แนวทางนี้โดยเริ่มจากทดลองใช้ในกลุ่มเล็กๆ จากนั้นขยายการใช้งานในวงกว้างขึ้น และต่อยอดไปสู่การให้บริการลูกค้า 

นอกจากนี้ เพื่อกระตุ้นให้ทุกฝ่ายเห็นประโยชน์ของ Agentic AI ธนาคารอาจส่งเสริมให้พนักงานสร้าง AI Agent ของตนเอง และสำรวจอุปสรรคหรือ Pain point ที่เกิดขึ้นจากการทำงาน แล้วนำข้อมูลมาพัฒนา Agentic AI ให้ตอบโจทย์และแก้ปัญหาได้ตรงจุด ซึ่งจะช่วยให้พนักงานทำงานได้อย่างมีความสุขยิ่งขึ้นด้วย 

ท้ายที่สุด แม้เทคโนโลยี AI จะพัฒนาอย่างต่อเนื่องแบบก้าวกระโดด จนดูราวกับว่า AI เข้ามา “สั่นคลอน” ทุกแวดวงอาชีพ แต่มนุษย์ที่สามารถใช้ AI ได้อย่างคล่องแคล่ว พร้อมกับพัฒนาทักษะและจุดแข็งที่ AI ยังไม่อาจทัดเทียมจะเป็นผู้ที่ได้รับประโยชน์และสามารถปรับตัวอยู่รอดได้ ในขณะเดียวกันภาคธุรกิจรวมถึงภาคธนาคารควรวางแผนประยุกต์ใช้ Agentic AI และเตรียมความพร้อมของบุคลากร เพื่อรับมือกับการมาถึงของเทคโนโลยีนี้ที่อาจจะพลิกโฉมการดำเนินธุรกิจต่อจากนี้ไปโดยสิ้นเชิง
 

แหล่งอ้างอิง

ภาษาไทย
Smart (2025). “ล้ำ! Google เปิดตัว AI Agent แชทสั่ง Optimize แอด-วิเคราะห์ข้อมูล ทำแคมเปญให้ปังดัน Conversion” Retrieved September 7, 2025, from ล้ำ! Google เปิดตัว AI Agent แชทสั่ง Optimize แอด-วิเคราะห์ข้อมูล ทำแคมเปญให้ปังดัน Conversion
Thairath money (2025). ““AI ที่ฉลาดกว่ามนุษย์เราอาจได้เห็นเร็วสุดปีนี้” แซม อัลท์แมน เผย OpenAI ค้นพบแนวทางสร้าง AGI แล้ว” Retrieved September 17, 2025, from https://www.thairath.co.th/money/tech_innovation/tech_companies/2834839
Yannapat Kunakornskajonsak (2025). “Hey CHAT !! อธิบาย Prompt Injection” Retrieved September 20, 2025, from https://incognitolab.com/blogs/hey-chat-prompt-injection
Yijun (2025). “MCP (Model Context Protocol) คืออะไรและทำงานอย่างไร” Retrieved October 2, 2025, from https://blog.logto.io/th/what-is-mcp

ภาษาอังกฤษ
Aisha S Gani (2025). “Citi Sees AI Displacing More Bank Jobs Than Any Other Sector” Retrieved September 21, 2025, from https://www.bloomberg.com/news/articles/2024-06-19/citi-sees-ai-displacing-more-finance-jobs-than-any-other-sector
Alex Woodie (2025). “What Are Reasoning Models and Why You Should Care” Retrieved September 15, 2025, from https://www.bigdatawire.com/2025/02/04/what-are-reasoning-models-and-why-you-should-care/
Anthophic (2025). “Detecting and countering misuse of AI: August 2025” Retrieved September 22, 2025, from https://www.anthropic.com/news/detecting-countering-misuse-aug-2025
Capital One Tech (2025). “Driving the future of car buying with agentic AI” Retrieved September 11, 2025, from https://www.capitalone.com/tech/ai/future-of-ai-car-dealerships-shopping/
Demandteq (2025). “Capital One Unlocks New Agentic AI Capabilities to Revolutionize Financial Services” Retrieved September 11, 2025, from https://demandteq.com/capital-one-unlocks-new-agentic-ai-capabilities-to-revolutionize-financial-services/
Dominic O’Neill (2025). “Prem Natarajan on Capital One’s AI stairway to heaven” Retrieved September 11, 2025, from https://www.euromoney.com/article/2eh2s01l11023kmxtleyo/fintech/prem-natarajan-on-capital-ones-ai-stairway-to-heaven/
Evidentinsights (2025). “Evident AI Outcomes Report” Retrieved September 14, 2025, from https://evidentinsights.com/reports/evident-ai-outcomes-report-2025-excerpt?id=7b4ceabc29
Gene Alvarez (2024). “Gartner Top 10 Strategic Technology Trends for 2025” Retrieved September 1, 2025, from https://www.gartner.com/en/articles/top-technology-trends-2025
KPMG (2025). “AI governance for the agentic AI era” Retrieved September 18, 2025, from https://kpmg.com/us/en/articles/2025/ai-governance-for-the-agentic-ai-era.html
Kyle Wiggers (2025). “OpenAI reportedly plans to charge up to $20,000 a month for specialized AI ‘agents’” Retrieved October 4, 2025, from OpenAI reportedly plans to charge up to $20,000 a month for specialized AI 'agents' | TechCrunch
Mathieu Auger-Perreault (2025). “The rise of agentic AI: transforming fraud risk management” Retrieved September 8, 2025, from https://www.ey.com/en_ca/insights/banking-capital-markets/the-rise-of-agentic-ai-transforming-fraud-risk-management
McKinsey & Company (2025). “How agentic AI can change the way banks fight financial crime” Retrieved September 12, 2025, from https://www.mckinsey.com/capabilities/risk-and-resilience/our-insights/how-agentic-ai-can-change-the-way-banks-fight-financial-crime
McKinsey & Company (2025). “Seizing the agentic AI advantage” Retrieved September 14, 2025, from https://www.mckinsey.com/capabilities/quantumblack/our-insights/seizing-the-agentic-ai-advantage
McKinsey & Company (2025). “Technology Trends Outlook 2025” Retrieved September 1, 2025, from
Microsoft (2025). “Agents of change” Retrieved September 15, 2025, from https://www.microsoft.com/en-us/worklab/agents-of-change?msockid=01d94409710961f5127c568670ba60f0
MUFG (2025). “MUFG Invests in LayerX” Retrieved September 16, 2025, from https://www.mufg.jp/dam/pressrelease/2025/pdf/news-20250902-001_en.pdf
OpenAI (2025). “Introducing Operator” Retrieved October 4, 2025, from https://openai.com/index/introducing-operator/
Pallav Kumar Kaulwar (2025). “Agentic AI-Driven Risk Management And Compliance: Enabling Resilience In A Changing Regulatory Landscape” Retrieved September 15, 2025, from https://www.forbes.com/councils/forbestechcouncil/2025/05/13/agentic-ai-driven-risk-management-and-compliance-enabling-resilience-in-a-changing-regulatory-landscape/
The Brief (2025). “Banks go agentic” Retrieved September 15, 2025, from https://evidentinsights.com/bankingbrief/banks-go-agentic/
McKinsey & Company (2025). “How agentic AI can change the way banks fight financial crime” Retrieved September 12, 2025, from https://www.mckinsey.com/capabilities/risk-and-resilience/our-insights/how-agentic-ai-can-change-the-way-banks-fight-financial-crime
McKinsey & Company (2025). “Seizing the agentic AI advantage” Retrieved September 14, 2025, from https://www.mckinsey.com/capabilities/quantumblack/our-insights/seizing-the-agentic-ai-advantage
McKinsey & Company (2025). “Technology Trends Outlook 2025” Retrieved September 1, 2025, from https://www.mckinsey.com/~/media/mckinsey/business%20functions/mckinsey%20digital/our%20insights/the%20top%20trends%20in%20tech%202025/mckinsey-technology-trends-outlook-2025.pdf
Microsoft (2025). “Agents of change” Retrieved September 15, 2025, from https://www.microsoft.com/en-us/worklab/agents-of-change?msockid=01d94409710961f5127c568670ba60f0
MUFG (2025). “MUFG Invests in LayerX” Retrieved September 16, 2025, from https://www.mufg.jp/dam/pressrelease/2025/pdf/news-20250902-001_en.pdf
OpenAI (2025). “Introducing Operator” Retrieved October 4, 2025, from https://openai.com/index/introducing-operator/
Pallav Kumar Kaulwar (2025). “Agentic AI-Driven Risk Management And Compliance: Enabling Resilience In A Changing Regulatory Landscape” Retrieved September 15, 2025, from https://www.forbes.com/councils/forbestechcouncil/2025/05/13/agentic-ai-driven-risk-management-and-compliance-enabling-resilience-in-a-changing-regulatory-landscape/
The Brief (2025). “Banks go agentic” Retrieved September 15, 2025, from https://evidentinsights.com/bankingbrief/banks-go-agentic/




1/ https://www.gartner.com/en/articles/top-technology-trends-2025 และ mckinsey-technology-trends-outlook-2025.pdf
2/ สามารถอ่านรายละเอียดวิวัฒนาการของเทคโนโลยี AI และทำความรู้จัก GenAI เพิ่มเติมได้ จากบทความของวิจัยกรุงศรีเรื่อง Generative AI เทคโนโลยีพลิกโฉมโลก
3/ อ่านรายละเอียดของ PreAI และตัวอย่างการประยุกต์ใช้ในเรื่อง Hyper-personalization ได้จากบทความของวิจัยกรุงศรีเรื่อง Hyper-personalization: เมื่อ AI ช่วยให้ธนาคารรู้ใจลูกค้าขั้นสุด
4/ Reasoning models เป็น GenAI ประเภทหนึ่ง โดยได้รับการฝึกเพื่อให้คิดเป็นระบบก่อนตอบคำถาม เพื่อช่วยลดข้อผิดพลาดในงานที่ซับซ้อน (ที่มา: What Are Reasoning Models and Why You Should Care | www.bigdatawire.com)
5/ MCP คือมาตรฐานที่พัฒนาโดย Anthorpic ผู้พัฒนาแชตบอต Claude ทำหน้าที่เป็นตัวกลางและกำหนดวิธีที่ LLM สามารถเข้าถึงข้อมูลและ ใช้ฟังก์ชันของเครื่องมือภายนอกได้ และทำให้โมเดล AI สามารถทำงานร่วมกันได้ (ที่มา: MCP (Model Context Protocol) คืออะไร และทำงานอย่างไร) | https://blog.logto.io/)
6/ https://openai.com/index/introducing-operator/
7/ OpenAI reportedly plans to charge up to $20,000 a month for specialized AI 'agents' | TechCrunch
8/ ล้ำ! Google เปิดตัว AI Agent แชทสั่ง Optimize แอด-วิเคราะห์ข้อมูล ทำแคมเปญให้ปังดัน Conversion
9/ Manus: General AI agent that bridges mind and action
10/ Sam Altman ซีอีโอของ OpenAI เคยเปิดเผยว่า OpenAI รู้วิธีสร้าง AGI และคาดว่าเราอาจได้เห็นความก้าวหน้าครั้งสำคัญในอีกไม่กี่ปีข้างหน้า ที่มา: “AI ที่ฉลาดกว่ามนุษย์เราอาจได้เห็นเร็วสุดปีนี้” แซม อัลท์แมน เผย OpenAI ค้นพบแนวทางสร้าง AGI แล้ว
11/ https://www.bloomberg.com/news/articles/2024-06-19/citi-sees-ai-displacing-more-finance-jobs-than-any-other-sector
12/ https://www.mckinsey.com/capabilities/risk-and-resilience/our-insights/how-agentic-ai-can-change-the-way-banks-fight-financial-crime
13/ อ่านรายละเอียดประโยชน์ของการทำ Hyper-personalization ต่อธุรกิจของธนาคารได้ที่ Hyper-personalization: เมื่อ AI ช่วยให้ธนาคารรู้ใจลูกค้าขั้นสุด
14/ https://www.mckinsey.com/capabilities/quantumblack/our-insights/seizing-the-agentic-ai-advantage
15/ https://www.forbes.com/councils/forbestechcouncil/2025/05/13/agentic-ai-driven-risk-management-and-compliance-enabling-resilience-in-a-changing-regulatory-landscape/
16/ https://www.ey.com/en_ca/insights/banking-capital-markets/the-rise-of-agentic-ai-transforming-fraud-risk-management
17/ ข้อมูลสังเคราะห์หมายถึงชุดข้อมูลที่ถูกสร้างขึ้นโดยกลไกการทำงานของ AI ที่ได้รับการฝึกให้เรียนรู้คุณลักษณะและ ความสัมพันธ์ของข้อเท็จจริงต่างๆ แล้วสร้างข้อมูลจำลองชุดใหม่ขึ้นมาตามเงื่อนไขที่กำหนดไว้
18/ https://www.microsoft.com/en-us/worklab/agents-of-change?msockid=01d94409710961f5127c568670ba60f0
19/ Capital One เป็นธนาคารรายใหญ่อันดับ 9 ในสหรัฐฯ เมื่อพิจารณาจากสินทรัพย์รวม ซึ่งเชี่ยวชาญในธุรกิจบัตรเครดิตและสินเชื่อรถยนต์ (ดูรายละเอียดเพิ่มเติมได้ที่ BankFind Suite: Find Institution Financial & Regulatory Data)
20/ นอกจากตัวอย่างที่ได้กล่าวถึง Capital One วางแผนที่จะนำผู้ช่วย Agentic AI ให้บริการการเงินด้านอื่นๆ เพื่อเพิ่มความประทับใจในการบริการลูกค้าและลดภาระงานของพนักงานด้วย (ดูรายละเอียดเพิ่มเติมได้ที่ AI for Car Dealerships: Smarter Car Shopping | Capital One และ Capital One Unlocks New Agentic AI Capabilities to Revolutionize)
21/  ChatIT ช่วยให้พนักงานได้รับคำตอบเฉลี่ยภายใน 9 วินาที และได้ความช่วยเหลือเสร็จสิ้นในเวลาไม่ถึง 2 นาที ซึ่งเร็วขึ้นกว่าเดิมถึง 7 เท่า
22/ Banks go agentic | https://evidentinsights.com/
23/ https://www.mufg.jp/dam/pressrelease/2025/pdf/news-20250902-001_en.pdf
24/ AI governance for the agentic AI era | https://kpmg.com/
25/ AI ที่สามารถอธิบายได้ (Explainable AI: XAI) คือ AI ที่สามารถให้คำอธิบายหรือเหตุผลเบื้องหลังการทำงานได้อย่างเข้าใจง่าย ผู้ใช้งานจึงสามารถ ตรวจสอบและทำความเข้าใจการทำงาน AI ได้ นอกจากนี้ หากข้อมูลไม่เพียงพอหรือไม่น่าเชื่อถือ XAI จะไม่แสดงผลลัพธ์ เพื่อความปลอดภัย
26/ EU AI Act เริ่มมีผลบังคับใช้เมื่อปี 2567 แต่จะบังคับใช้แบบค่อยเป็นค่อยไปและมีผลบังคับใช้เต็มรูปแบบในปี 2569 ดูรายละเอียด ได้ที่: AI Act | Shaping Europe’s digital future
27/ EU AI Act กำหนดระดับความเสี่ยงไว้ 4 ระดับได้แก่ (1) ความเสี่ยงที่ยอมไม่ได้ (Unacceptable risk) เช่น ระบบการให้คะแนนทางสังคม (2) ความเสี่ยงสูง (High risk) เช่น การใช้งาน AI ในสาธารณูปโภค การศึกษา (3) ความเสี่ยงจำกัด เช่น การใช้งานแชตบอต (4) ความเสี่ยงน้อยที่สุด เช่น AI ในวิดิโอเกม 
28/ ดูรายละเอียดได้ที่ 25680178.pdf
29/ เช่น การแทรกคำสั่งเพื่อขอรหัสผ่านหรืออนุมัติการทำธุรกรรมที่เข้าข่ายการฉ้อโกง Hey CHAT !! อธิบาย Prompt Injection | Incognito Lab
30/ https://www.anthropic.com/news/detecting-countering-misuse-aug-2025
31/ ตำแหน่งงานดังกล่าวทำหน้าที่กำกับดูแลให้การตัดสินใจของ Agentic ของ AI สอดคล้องกับมาตรฐานทางจริยธรรม ลดอคติที่อาจจะเกิดขึ้น เพื่อให้การใช้งานปลอดภัย โปร่งใส และยั่งยืน
32/ https://evidentinsights.com/reports/evident-ai-outcomes-report-2025-excerpt?id=7b4ceabc29
33/ Prem Natarajan on Capital One’s AI stairway to heaven - Euromoney