เวลาผู้บริหารถามว่า “ใครเป็นผู้ขาย AI ระบบนี้” คำตอบมักเป็นชื่อบริษัทเพียงรายเดียว แต่ AI หนึ่งบริการอาจพึ่งโมเดล Cloud, Vector Database, Open-source Framework, API ของผู้รับจ้าง และพนักงานผู้อนุมัติ การเห็นเพียงคู่สัญญาหลักจึงทำให้องค์กรพลาดจุดพึ่งพาสำคัญ

วันที่ 10 กรกฎาคม 2026 รัฐบาลสหราชอาณาจักรเผยแพร่ Mapping Global AI Security Standards, Regulations and Guidance ซึ่งรวบรวมข้อกำหนด 2,182 รายการจากกรอบและกฎที่เกี่ยวข้อง แล้วเชื่อมกับหลักการ 13 ข้อของมาตรฐาน ETSI EN 304 223 ตัวเลขนี้ไม่ได้หมายความว่าทุกองค์กรต้องทำ Checklist 2,182 ข้อ แต่ชี้ให้เห็นว่า AI Security กระจายอยู่หลายกรอบ หลายบทบาท และหลายช่วงของวงจรชีวิต

บทความนี้เสนอ AI Supply Chain Map 7 ชั้น เป็นกรอบสังเคราะห์ของ Top Growth Studio สำหรับองค์กร ไม่ใช่ข้อกำหนดอย่างเป็นทางการของ ETSI, NCSC หรือ OECD เป้าหมายคือทำให้ระบบที่ซับซ้อนกลายเป็นภาพเดียวที่ใช้ตัดสินใจ จัดซื้อ กำกับ และรับมือเหตุการณ์ได้

เหตุใด Vendor List แบบเดิมจึงไม่พอ

ทะเบียนผู้ขายบอกว่าองค์กรจ่ายเงินให้ใคร แต่ไม่บอกเส้นทาง Input, ผู้แก้ไข Prompt หรือ Model, ระยะเก็บข้อมูล ผลกระทบเมื่อ API หยุด และผู้มีอำนาจหยุดระบบ

ETSI EN 304 223 เผยแพร่เมื่อ 14 มกราคม 2026 กำหนดหลักการความมั่นคงปลอดภัย 13 ข้อ ครอบคลุม 5 ระยะ ได้แก่ Secure Design, Development, Deployment, Maintenance และ End of Life แนวคิดสำคัญคือความปลอดภัยต้องติดตามตลอดวงจรชีวิต ไม่ใช่ตรวจครั้งเดียวก่อน Go-Live

NCSC Guidelines for Secure AI System Development แนะนำให้ติดตาม AI Supply Chain ตลอดอายุระบบ จัดหาจากแหล่งที่ตรวจสอบได้ บันทึก Data, Model และ Prompt และเตรียมทางเลือกสำหรับระบบสำคัญ

AI Supply Chain Map 7 ชั้น

1. Business Decision — ผลลัพธ์และผู้รับผิดชอบ

เริ่มจากการตัดสินใจที่ AI สนับสนุน ระบุ Process Owner, ผู้อนุมัติ และผลกระทบเมื่อ AI ผิดหรือล่ม หากชั้นนี้ไม่ชัด การกำกับด้านเทคนิคจะไม่มีเกณฑ์ว่าอะไร “ดีพอ”

2. User and Human Control — ผู้ใช้และจุดควบคุมโดยมนุษย์

ระบุผู้ส่งคำขอ ผู้เห็นคำตอบ ผู้แก้ไข และผู้ตัดสินขั้นสุดท้าย Human-in-the-loop ต้องมีเกณฑ์อนุมัติ ช่องทาง Escalation และสิทธิ์หยุดใช้งานจริง

3. Application and Agent — แอปพลิเคชัน Prompt และการลงมือทำ

บันทึก Application, System Prompt, Agent, Tool และ Workflow เพราะความเสี่ยงต่างกันระหว่าง Agent ที่อ่านข้อมูลกับ Agent ที่ส่งอีเมลหรือแก้ฐานข้อมูล ระบุสิทธิ์ Tool Call, ขอบเขต Action, Approval Gate, Version และเจ้าของการเปลี่ยนแปลง

4. Model and Evaluation — โมเดล เวอร์ชัน และหลักฐานคุณภาพ

ระบุชื่อและรุ่นโมเดล Provider, Routing, Fine-tuning และ Evaluation Set อย่าบันทึกเพียงชื่อผลิตภัณฑ์ เพราะโมเดลหลัง Endpoint เดิมอาจเปลี่ยนได้ กำหนด Baseline ด้าน Accuracy, Safety, Latency และ Cost พร้อมเกณฑ์ทดสอบใหม่

5. Data and Retrieval — ข้อมูล แหล่งที่มา และสิทธิ์

ทำแผนที่ตั้งแต่ Source, ETL, Embedding, Vector Store, Cache ถึง Output Log ระบุ Owner, Classification, Legal Basis, Retention และสิทธิ์ลบ RAG ไม่ได้ปลอดภัยโดยอัตโนมัติ หากสิทธิ์ค้นหากว้างกว่าระบบต้นทาง

6. Platform and Infrastructure — Cloud, API และสภาพแวดล้อม

ระบุ Cloud Region, Identity, Key Management, Network, Observability, Backup, Rate Limit และ Service Level หากพึ่ง Endpoint เดียว ต้องรู้ Maximum Tolerable Downtime, วิธี Failover และข้อมูลที่ส่งให้ Provider สำรองได้

7. Supplier and Open-source Ecosystem — คู่สัญญาและส่วนประกอบที่มองไม่เห็น

รวม Model Provider, Cloud, Integrator, Data Vendor, Open-source Library, Plugin และผู้รับเหมาช่วง ระบุคู่สัญญา License, Subprocessor, ระยะเวลา Patch, Exit Plan และสิทธิ์นำข้อมูลไปปรับปรุงโมเดล

จากแผนภาพสู่ Control ที่ใช้งานได้

แต่ละ Node ควรมี 8 ช่อง: Owner, Purpose, Data Classification, Access, Version, Evidence, Dependency และ Fallback แล้วเชื่อม Data Flow กับ Decision Flow เพื่อเห็นเส้นทางผลกระทบ

หลักการ Supply Chain Security 12 ข้อของ NCSC ซึ่งทบทวนเมื่อ 22 ตุลาคม 2025 แบ่งงานเป็นการเข้าใจความเสี่ยง สร้างการควบคุม ตรวจสอบการจัดการ และปรับปรุงอย่างต่อเนื่อง องค์กรสามารถประยุกต์กับ AI โดยไม่สร้าง Governance แยกขาดจากระบบ Cybersecurity และ Procurement ที่มีอยู่

5 คำถามทดสอบว่าแผนที่พร้อมใช้หรือยัง

1. หาก Model Provider เปลี่ยนรุ่นพรุ่งนี้ เรารู้หรือไม่ว่า Use Case ใดต้องทดสอบใหม่

2. หากเอกสารต้นทางถูกลบ สิทธิ์ใน Vector Store และ Cache ถูกลบตามหรือไม่

3. หาก Agent เรียก Tool ผิด ใครหยุด Action และย้อนกลับธุรกรรมได้

4. หาก Supplier หลักหยุดบริการ เรามีทางเลือกที่ผ่านการประเมินข้อมูลและความเสี่ยงแล้วหรือยัง

5. หากเกิดเหตุ เราระบุ Model, Prompt, Data, User, Tool Call และผู้อนุมัติของธุรกรรมนั้นย้อนหลังได้หรือไม่

ถ้าตอบไม่ได้มากกว่าสองข้อ ระบบยังมี Blind Spot ที่ควรแก้ก่อน Scale เกณฑ์นี้เป็นแนวทางคัดกรองเชิงบริหาร ไม่ใช่ใบรับรองความปลอดภัย

แผนดำเนินงาน 30 วัน

สัปดาห์แรกเลือก 3 Use Case ที่กระทบข้อมูล ลูกค้า หรือการตัดสินใจ แล้ววาด Data และ Decision Flow สัปดาห์ที่สองเติม Owner กับ Dependency ร่วมกับ Business, IT, Security, Legal และ Procurement สัปดาห์ที่สามตรวจ Evidence, Access, Contract, Version และ Fallback สัปดาห์สุดท้ายจัด Criticality, Action Owner และเชื่อมกับ Change Management

เริ่มจากระบบที่สร้างผลกระทบสูง แล้วกำหนดให้การเปลี่ยน Model, Prompt, Data Source, Tool หรือ Supplier ต้องอัปเดตแผนที่ก่อนอนุมัติ

บทเรียนจาก OECD HAIP 2.0

OECD เปิดตัว Hiroshima AI Process Reporting Framework 2.0 เมื่อ 29 พฤษภาคม 2026 โดยแยกบทบาท Model Developer, Application Developer และ Deployer ชัดขึ้น พร้อมขยายการใช้งานสู่ผู้เล่นหลายขนาด รวมถึง SME หลักคิดนี้สำคัญต่อ AI Supply Chain เพราะแต่ละองค์กรไม่จำเป็นต้องรับผิดชอบทุกชั้นเหมือนกัน แต่ต้องรู้ว่าตนอยู่ตรงไหน ต้องขอหลักฐานจากใคร และต้องส่งมอบข้อมูลอะไรให้ผู้ใช้งานปลายทาง

คำถามที่ผู้บริหารถามบ่อย

AI Supply Chain Map ต่างจากทะเบียนผู้ขายอย่างไร

ทะเบียนผู้ขายบอกความสัมพันธ์ทางสัญญา ส่วน AI Supply Chain Map เชื่อมองค์ประกอบทางธุรกิจ คน แอปพลิเคชัน โมเดล ข้อมูล โครงสร้างพื้นฐาน และ Supplier เข้ากับ Data Flow, Decision Flow, หลักฐาน และแผนสำรอง

ต้องทำแผนที่ทุก AI Tool ที่พนักงานใช้หรือไม่

ควรเริ่มจาก Use Case ที่เข้าถึงข้อมูลภายใน สร้างเนื้อหาภายนอก ใช้ตัดสินใจ หรือดำเนินการผ่าน Tool/API ส่วนเครื่องมือความเสี่ยงต่ำอาจใช้ทะเบียนแบบย่อ แต่ยังควรมี Owner, วัตถุประสงค์ และประเภทข้อมูล

ใครควรเป็นเจ้าของแผนที่

Business Owner ควรรับผิดชอบผลลัพธ์ ขณะที่ IT หรือ Enterprise Architecture ดูแลโครงสร้างและเวอร์ชัน Security, Privacy, Legal และ Procurement เติมหลักฐานตามบทบาท ไม่ควรโยนความรับผิดชอบทั้งหมดให้ Data Science หรือ Vendor

ควรอัปเดตเมื่อใด

อัปเดตเมื่อเปลี่ยน Model, Prompt สำคัญ, Data Source, Tool, สิทธิ์, Supplier, วัตถุประสงค์ หรือกลุ่มผู้ได้รับผลกระทบ และทบทวนตามรอบที่สอดคล้องกับ Criticality ของระบบ

บทสรุป

องค์กรไม่ได้ซื้อ AI จาก Supplier รายเดียว แต่กำลังประกอบระบบจากห่วงโซ่ของคน ข้อมูล โมเดล ซอฟต์แวร์ Cloud และบริการภายนอก การสร้าง AI Supply Chain Map 7 ชั้นทำให้ผู้บริหารเห็นว่าใครเป็นเจ้าของ จุดใดต้องมีหลักฐาน จุดใดพึ่งพาผู้อื่น และจะทำอย่างไรเมื่อส่วนหนึ่งเปลี่ยนหรือล้มเหลว

Top Growth Studio สนับสนุนองค์กรในการทำ AI System Inventory, Supply Chain Mapping, Vendor and Use Case Assessment และ Trusted AI Governance Roadmap เพื่อเปลี่ยนภาพสถาปัตยกรรมที่ซับซ้อนให้เป็นการตัดสินใจและแผนควบคุมที่นำไปใช้ได้จริง

แหล่งข้อมูลอ้างอิง