เมื่อเมืองเปลี่ยนเร็วขึ้น ระบบบริหารจะตามทันได้อย่างไรในยุคของ AI

รูปแบบการเดินทางของคนในเมืองเปลี่ยน พฤติกรรมทางเศรษฐกิจและการจับจ่ายใช้สอยของประชาชน ย้ายเข้าสู่แพลตฟอร์มมากขึ้น ประชาชนเข้าถึงข้อมูลที่อัปเดตแทบจะทันที (near real time) โครงสร้างประชากรก็เปลี่ยน โดยไทยมีสัดส่วนประชากรสูงวัยเพิ่มขึ้นจนเข้าสู่สังคมสูงวัยอย่างสมบูรณ์แล้ว (สำนักงานสถิติแห่งชาติ, 2569) ขณะที่ปัญหาสิ่งแวดล้อม ภัยพิบัติ และเทคโนโลยีมีความซับซ้อนขึ้น

ภายใต้สภาพแวดล้อมเช่นนี้ คำถามสำคัญของภาครัฐจึงอาจไม่ใช่เพียงว่า “เรามีเทคโนโลยีใหม่ใช้งานแล้วหรือยัง” แต่ต้องถามต่อว่า ระบบบริหารสามารถเรียนรู้ ปรับตัว และเปลี่ยนวิธีทำงานได้เร็วพอกับความเปลี่ยนแปลงเหล่านี้หรือไม่

การทำของเดิมให้เป็นดิจิทัล (Digital) ไม่ได้เท่ากับการเปลี่ยนผ่านทางดิจิทัลโดยอัตโนมัติ

ภาครัฐควรเร็วที่สุดจริงหรือ?

แนวคิดการกำกับดูแลที่ปรับตัวได้ (Adaptive Governance) ชวนให้มองว่า การปรับตัวไม่ได้หมายถึงการเปลี่ยนให้เร็วที่สุดเสมอไป แต่ต้องรักษาสมดุลระหว่าง ความสามารถในการปรับตัว ความมั่นคงของระบบ และความรับผิดชอบที่ตรวจสอบได้ (Janssen & van der Voort, 2016)

กระบวนการทำงานบางขั้นตอนของรัฐมีอยู่เพื่อให้การใช้อำนาจตรวจสอบได้และรับผิดชอบได้ ไม่ใช่เพราะระบบ “ช้า” เสมอไป ปัญหาจึงไม่ใช่การเร่งหรือปรับเปลี่ยนทุกขั้นตอน แต่คือการที่ภาครัฐรู้ว่าอะไรควรปรับ อะไรควรรักษาไว้ และจะปรับอย่างไรโดยไม่ทำลายสิทธิ ความเป็นธรรม และความชอบธรรม

แล้วภาครัฐต้องมี “ความสามารถ” อะไรบ้าง

Wu, Ramesh และ Howlett (2015) เสนอกรอบความสามารถเชิงนโยบาย (Policy Capacity) โดยแบ่งความสามารถออกเป็น 3 มิติ ได้แก่ ความสามารถเชิงวิเคราะห์ (Analytical), ความสามารถในการนำไปปฏิบัติ (Operational) และความสามารถด้านการเมืองและความชอบธรรม (Political) และพิจารณาความสามารถเหล่านี้ใน 3 ระดับ คือ บุคคล องค์กร และระบบ

จุดสำคัญของกรอบนี้ไม่ใช่การจำชื่อทั้ง 9 ช่อง แต่คือการใช้มันเป็นเครื่องมือวินิจฉัยว่า ความสามารถส่วนใดของระบบพัฒนาไม่พร้อมกัน และช่องว่างตรงไหนอาจกลายเป็นคอขวดของการปรับตัว

AI อาจเพิ่มทั้งความสามารถและความเสี่ยง

OECD ชี้ว่า AI สามารถช่วยภาครัฐทำงานอัตโนมัติ ปรับบริการให้เหมาะกับผู้ใช้ สนับสนุนการตัดสินใจ และช่วยงานของเจ้าหน้าที่ได้ แต่ในเวลาเดียวกัน การใช้ AI ในภาครัฐต้องเผชิญความเสี่ยงจากคุณภาพข้อมูล อคติ ความโปร่งใส ความเป็นส่วนตัว ทักษะของบุคลากร ระบบเทคโนโลยีเดิม และความรับผิดชอบที่ต้องชัดเจนกว่าในหลายบริบท (OECD, 2025)

ตรงนี้ทำให้ AI มีลักษณะสองด้านในเวลาเดียวกัน คืออาจเป็นทั้ง ตัวขยายความสามารถ (Capability Amplifier) และ ตัวขยายความเสี่ยง (Risk Amplifier) ขึ้นอยู่กับว่ามันถูกวางอยู่ในระบบแบบใด และระบบนั้นมีความสามารถรองรับเพียงใด

การมี AI ไม่ได้แปลว่าระบบเปลี่ยนแล้ว — AI Adoption ≠ AI-enabled Transformation

กรอบ Digital Government ของ OECD จึงให้ความสำคัญกับการออกแบบระบบดิจิทัลตั้งแต่ต้นทาง การใช้ข้อมูล การออกแบบบริการจากมุมผู้ใช้ และการทำงานเชิงรุก มากกว่าการนำเครื่องมือใหม่ไปวางทับขั้นตอนเดิมเพียงอย่างเดียว (OECD, 2020)

จาก “มีข้อมูล” ไปสู่ “ยอมเปลี่ยนเมื่อข้อมูลเปลี่ยน”

เพราะการมีข้อมูลมากขึ้น ไม่ได้หมายความว่าองค์กรจะเรียนรู้หรือเปลี่ยนวิธีตัดสินใจตามข้อมูลนั้นเสมอไป

องค์กรอาจมีข้อมูลจำนวนมาก มีแผงข้อมูล (Dashboard) มีระบบรายงาน หรือมี AI ช่วยสรุปข้อมูล แต่สิ่งเหล่านี้ยังไม่ตอบคำถามว่า เมื่อหลักฐานใหม่ขัดกับสิ่งที่องค์กรเคยเชื่อหรือเคยทำ องค์กรสามารถเปลี่ยนวิธีตัดสินใจหรือปรับแนวทางเดิมได้หรือไม่

ในบทความนี้ aTHLocal ใช้คำว่า Evidence Capacity เพื่ออธิบายความสามารถในการเข้าถึง ตรวจ และใช้หลักฐาน และใช้คำว่า Adaptive Capacity เพื่อชี้ต่อไปถึงความสามารถในการปรับการตัดสินใจ กระบวนการ หรือแนวทางเดิมเมื่อหลักฐานเปลี่ยน ทั้งสองคำในที่นี้เป็นกรอบสังเคราะห์เพื่อช่วยอธิบาย ไม่ใช่การเสนอว่าเป็นศัพท์มาตรฐานใหม่

ความไว้วางใจของประชาชนอยู่ตรงไหน

ความไว้วางใจของประชาชนไม่ได้หมายถึงเพียงว่า ประชาชน “ชอบรัฐบาลหรือไม่” แต่เกี่ยวข้องกับการรับรู้ต่อความน่าเชื่อถือ การตอบสนอง ความซื่อสัตย์ ความเปิดเผย ความเป็นธรรม และวิธีที่รัฐตัดสินใจต่อปัญหาซับซ้อน OECD Trust Survey ใช้มิติเหล่านี้เป็นส่วนหนึ่งของการศึกษาปัจจัยที่สัมพันธ์กับความไว้วางใจต่อสถาบันสาธารณะ (OECD, 2026)

ก่อนดูกราฟ: กราฟต่อไปไม่ได้ตอบว่า “อะไรทำให้ความไว้วางใจเพิ่มขึ้น” แต่ช่วยให้เห็นว่าการรับรู้ต่อกระบวนการตัดสินใจของรัฐบาลเปลี่ยนแปลงไปอย่างไรในช่วงเวลาที่เปรียบเทียบได้

การทดลองสิ่งใหม่อย่างรับผิดชอบ

ถ้าภาครัฐจะปรับตัวต่อความเปลี่ยนแปลง การทดลองสิ่งใหม่เป็นสิ่งที่หลีกเลี่ยงได้ยาก แต่การทดลองของรัฐไม่เหมือนการทดลองผลิตภัณฑ์ทั่วไป เพราะความผิดพลาดอาจกระทบสิทธิ โอกาส งบประมาณ หรือบริการที่ประชาชนได้รับ

เป้าหมายจึงไม่ควรเป็น “อย่าทดลอง เพราะกลัวผิด” และก็ไม่ควรเป็น “ทดลองเร็วที่สุด แล้วค่อยแก้ทีหลัง” แต่ควรเป็นการทดลองในระดับที่เหมาะสม ตรวจสอบผล รับฟังข้อมูลย้อนกลับ และสามารถย้อนกลับหรือแก้ไขได้เมื่อหลักฐานเปลี่ยน

รัฐที่ปรับตัวได้ ไม่จำเป็นต้องเป็นรัฐที่วิ่งเร็วที่สุด

เป้าหมายอาจไม่ใช่การทำให้ภาครัฐวิ่งด้วยความเร็วเดียวกับเทคโนโลยี แต่คือการสร้างระบบบริหารที่เห็นปัญหาเร็วขึ้น ใช้ข้อมูลและหลักฐานดีขึ้น เรียนรู้เร็วขึ้น ทดลองอย่างรับผิดชอบ รับฟังประชาชน และสามารถแก้ไขตัวเองได้เมื่อหลักฐานเปลี่ยน

References

1. Janssen, M., & van der Voort, H. (2016). Adaptive governance: Towards a stable, accountable and responsive government. Government Information Quarterly, 33(1), 1–5. https://doi.org/10.1016/j.giq.2016.02.003
2. OECD. (2020). The OECD Digital Government Policy Framework: Six dimensions of a Digital Government. OECD Public Governance Policy Papers, No. 2. https://doi.org/10.1787/f64fed2a-en
3. OECD. (2025). Governing with Artificial Intelligence: The State of Play and Way Forward in Core Government Functions. OECD Publishing. https://doi.org/10.1787/795de142-en
4. OECD. (2026). OECD Survey on Drivers of Trust in Public Institutions 2026 Results: Navigating Rising Expectations and New Horizons. OECD Publishing. https://doi.org/10.1787/9eb63fec-en
5. สำนักงานสถิติแห่งชาติ. (2569). รายงานสถิติรายปีประเทศไทย 2569 (Statistical Yearbook Thailand 2026). สำนักงานสถิติแห่งชาติ
6. Wu, X., Ramesh, M., & Howlett, M. (2015). Policy capacity: A conceptual framework for understanding policy competences and capabilities. Policy and Society, 34(3–4), 165–171. https://doi.org/10.1016/j.polsoc.2015.09.001