สรุปวงเสวนารับมือมิจฉาชีพยุค AI คนในอาเซียน 72% ดูมิจฉาชีพออก แต่พร้อมรับมือจริงแค่ 16%

• 2026-10-15
• เทคโนโลยี
• กองบรรณาธิการ
• Source: Techsauce

ผู้บริหารมากประสบการณ์รายหนึ่งในสิงคโปร์ได้รับเชิญเข้าประชุมออนไลน์กับคนที่ดูเหมือนนายกรัฐมนตรี Lawrence Wong และผู้นำระดับสูงอีกหลายคน ใบหน้าคุ้นตาและบรรยากาศดูจริงจนผู้เสียหายเชื่อว่ากำลังได้ร่วมสนับสนุนโครงการระดับโลก จึงโอนเงินไปเกือบ 5 ล้านดอลลาร์สิงคโปร์ ก่อนจะพบว่าทุกคนในห้องประชุมนั้นถูกสร้างขึ้นด้วยวิดีโอปลอมจาก AI (Deepfake) เหตุการณ์นี้ถูกหยิบมาเปิดเวทีเสวนา ‘Upholding Trust in the Age of AI: Detecting and Disrupting the Next Generation of Scams’ ในงาน Singapore International Cyber Week (SICW) 2026 โดย Josephine Teo รัฐมนตรีว่าการกระทรวงพัฒนาดิจิทัลและสารสนเทศ และรัฐมนตรีผู้รับผิดชอบด้านความมั่นคงปลอดภัยไซเบอร์ของสิงคโปร์ ซึ่งสรุปโจทย์ไว้ว่ามิจฉาชีพอาศัยความไว้ใจของมนุษย์มาตลอด แต่สิ่งที่ AI เปลี่ยนคือ ‘ต้นทุนของการหลอกลวง’ ที่ถูกลงมาก จนสัญญาณที่คนเคยใช้แยกของจริงจากของปลอมถูกปลอมขึ้นได้ทั้งหมด ต่อจากปาฐกถาเปิด วงเสวนาที่ดำเนินรายการโดย Steven Chia บรรณาธิการอาวุโสและพิธีกรอาวุโสของสำนักข่าว CNA ได้รวมตัวแทนจากธนาคาร ตำรวจ หน่วยงานเทคโนโลยีภาครัฐ สถาบันวิจัยนโยบาย และ Google DeepMind มาตอบคำถามเดียวกันว่า เมื่อตาและหูเชื่อไม่ได้อีกต่อไป จะรักษาความไว้ใจไว้อย่างไร คำตอบที่ทั้งวงเห็นตรงกันคือภาระไม่ควรตกอยู่ที่ความระมัดระวังของแต่ละคน แต่ต้องย้ายการป้องกันขึ้นไปที่ต้นน้ำ และเชื่อมระบบของทุกฝ่ายเข้าหากัน มิจฉาชีพไม่ได้เริ่มที่การโอนเงิน แต่เริ่มที่การสร้างความไว้ใจ ประเด็นแรกของวงคือธุรกิจหลอกลวงเปลี่ยนไปแค่ไหน Senior Assistant Commissioner Justin Wong ผู้บัญชาการ Cyber Command ของตำรวจสิงคโปร์ (Singapore Police Force: SPF) ซึ่งเป็นทีมที่ดูแลคดี Deepfake มูลค่าเกือบ 5 ล้านดอลลาร์สิงคโปร์ เล่าว่าในทางเทคนิค วิดีโอปลอมในคดีนั้นไม่ได้ซับซ้อนและยังมีร่องรอยผิดปกติชัดเจน แต่ผู้เสียหายถูกดึงเข้าไปในเรื่องเล่าจนไม่ทันระวังตัว หากวิดีโอคุณภาพไม่สูงยังได้ผลขนาดนี้ เมื่อมิจฉาชีพหันไปใช้โมเดล AI ที่ล้ำหน้ากว่าเดิม ความเสียหายก็ยิ่งน่ากังวล JJ Geewax ผู้อำนวยการฝ่าย Applied AI ของ Google DeepMind มองในทางเดียวกันว่าการหลอกลวงมีสองครึ่ง คือเทคโนโลยีกับจิตวิทยา และครึ่งที่แก้ยากกว่าคือจิตวิทยา เพราะเมื่อเหยื่อเชื่อไปแล้วก็ยากจะดึงกลับ ส่วนเทคโนโลยีที่ดีขึ้นทำหน้าที่พาเหยื่อจมลึกลงไปได้ง่ายขึ้น ทีมของ JJ จึงโฟกัสการตรวจจับให้เกิดเร็วขึ้นตั้งแต่ต้นทาง ฝั่งธนาคารก็ต้องเปลี่ยนสมมติฐานตามไปด้วย Raju Nair กรรมการผู้จัดการฝ่ายกฎหมายและกำกับดูแล ด้านแพลตฟอร์ม การวิเคราะห์ข้อมูล และการเฝ้าระวัง ของ DBS Bank ระบุว่าการหลอกลวงไม่ได้เกิดตอนจ่ายเงิน แต่เริ่มจากการสร้างความไว้ใจ ไล่ตั้งแต่การดึงดูด การโน้มน้าว จนถึงการโอนเงิน คดีราว 90-95% ที่ DBS พบจึงเป็นธุรกรรมที่เจ้าของบัญชียินยอมโอนเอง และแม้แต่ลูกค้าที่ดีที่สุดก็ตกเป็นเหยื่อการหลอกลวงที่ทำกันเป็นอุตสาหกรรมได้ ปัญหาคือห่วงโซ่นี้กินพื้นที่หลายระบบ Josephine ยกตัวอย่างว่าเหยื่ออาจเจอมิจฉาชีพครั้งแรกบนโซเชียลมีเดีย ย้ายไปคุยต่อบนแอปแชต รับสายโทรศัพท์ แล้วปิดท้ายด้วยการโอนเงินผ่านสถาบันการเงิน ทุกจุดคือโอกาสในการสกัด แต่ไม่มีผู้ป้องกันรายใดมองเห็นทั้งห่วงโซ่ สู้ AI ด้วย AI แบบตรงๆ ฝ่ายป้องกันอาจเป็นฝ่ายแพ้ เมื่อมิจฉาชีพใช้ AI ฝ่ายป้องกันก็ใช้ AI เช่นกัน แต่ Mark Chen ผู้อำนวยการกลุ่ม Trust and Safety ของ Government Technology Agency of Singapore (GovTech) ยอมรับตรงๆ ว่าถ้าสู้กันแบบ AI ชน AI ฝ่ายป้องกันน่าจะแพ้ Mark ยกตัวอย่างว่าคดี Deepfake ข้างต้นเริ่มจากการเปิดวิดีโอจริงของรัฐมนตรี Indranee Rajah ก่อน หากมีเครื่องมือตรวจ Deepfake ที่แม่นยำ 100% จนทุกคนเชื่อถือ แล้วเครื่องมือยืนยันว่าคลิปนั้นไม่ใช่ของปลอม ผลที่ได้คือเหยื่อจะยิ่งเชื่อสนิทใจกว่าเดิม JJ เสริมว่าแม้ Google จะมีลายน้ำดิจิทัล (SynthID) ที่ฝังในภาพจาก AI ให้ตรวจสอบได้ แต่มิจฉาชีพก็หาทางเลี่ยงได้เสมอ เช่น ส่งภาพจริงของบุคคลที่แอบอ้างไปก่อน แล้วค่อยแทรกภาพจาก AI โดยอ้างว่าแค่ลบรอยบนใบหน้า ทางออกจึงอยู่ที่การหาจุดที่ฝ่ายป้องกันได้เปรียบ ซึ่ง Mark หมายถึงจุดที่มิจฉาชีพจำเป็นต้องเปิดเผยตัว เช่น เว็บไซต์หลอกลวงที่ต้องโผล่บนอินเทอร์เน็ตสาธารณะ หรือซิมการ์ดและบัญชีธนาคารที่ต้องยืนยันตัวตนผ่าน Singpass ระบบยืนยันตัวตนดิจิทัลของสิงคโปร์ ตรงนี้เองที่ AI และการเรียนรู้ของเครื่อง (Machine Learning) ช่วยจับรูปแบบการลงทะเบียนที่ผิดปกติได้ก่อนเกิดความเสียหาย ตัวอย่างที่เห็นผลแล้วคือ Scam Analytics and Tactical Intervention System (SATIS) ที่ GovTech พัฒนาร่วมกับตำรวจ ระบบนี้ใช้ AI สแกนเว็บไซต์กว่า 600,000 แห่งต่อวัน และสกัดเว็บไซต์อันตรายได้ราว 20,000 แห่งต่อเดือน ก่อนขยายไปครอบคลุมเบอร์โทรศัพท์และแพลตฟอร์มออนไลน์ที่น่าสงสัย Justin ระบุเพิ่มว่าในเว็บไซต์หลอกลวงที่ตำรวจสกัดได้ราววันละ 300 แห่ง สองในสามเป็นผลงานของ AI ล้วนๆ โดยไม่ต้องใช้คน ทั้งยังศึกษาโปรไฟล์เว็บไซต์เพื่อหาโดเมนที่อาจถูกนำไปใช้ก่อนจะมีใครแจ้งเข้ามาด้วยซ้ำ พลังของการป้องกันจะยิ่งทวีคูณเมื่อมีการแบ่งปันข้อมูล Josephine ระบุว่าตำรวจสิงคโปร์ช่วยให้ Meta ลบหรือจำกัดบัญชี เพจ และหน่วยที่เชื่อมโยงกับการหลอกลวงบน Facebook และ Instagram ได้เกือบ 3.8 ล้านรายการ ขณะที่ฝั่งการเงิน ธนาคารกลางสิงคโปร์ (Monetary Authority of Singapore: MAS) กำลังพัฒนาเครื่องมือ AI ร่วมกับธนาคารและตำรวจ เพื่อจับรูปแบบธุรกรรมผิดปกติในบัญชีของเหยื่อ แล้วส่งสัญญาณให้ธนาคารเข้าแทรกแซงได้เร็วขึ้น สังคมที่ไว้ใจกันสูง กลับเป็นช่องโหว่ที่มิจฉาชีพใช้ ถึงระบบจะสกัดได้มากแค่ไหน สิงคโปร์ก็ยังมีจุดอ่อนที่ซ่อนอยู่ในจุดแข็งของตัวเอง เมื่อ Steven ถามว่าการเป็นสังคมที่ไว้ใจกันสูงกำลังย้อนกลับมาทำร้ายหรือไม่ Justin ยอมรับว่าใช่ เพราะสิงคโปร์มีความเสียหายจากมิจฉาชีพต่อหัวสูงเกินสัดส่วนเมื่อเทียบกับขนาดประเทศ ส่วนหนึ่งมาจากการที่คนเชื่อใจรัฐและระบบที่ทำงานได้ดี โจทย์จึงไม่ใช่การลดความไว้ใจ แต่คือการใช้ความไว้ใจนั้นให้เกิดประโยชน์ เพื่อขยับการป้องกันขึ้นไปที่ต้นน้ำ Mark อธิบายต่อว่าการพึ่งให้เหยื่อสังเกตเอง ศึกษาเอง หรือลงมือป้องกันตัวเอง มักจบที่การปกป้องคนที่เปราะบางน้อยที่สุด โดยยกงานวิจัย ‘Why do Nigerian Scammers Say They are From Nigeria?’ ที่ชี้ว่าหากมาตรการต้านมิจฉาชีพเป็นแบบสมัครใจ การหลอกลวงบางแบบอาจทำกำไรได้มากขึ้น เพราะเท่ากับช่วยมิจฉาชีพคัดคนที่หลอกยากออกไปจากกลุ่มเป้าหมาย ข้อมูลจาก Arifah Sharifuddin ผู้อำนวยการ Tech For Good Institute สถาบันวิจัยนโยบายไม่แสวงกำไรที่ศึกษาประเด็นเทคโนโลยีในเอเชียตะวันออกเฉียงใต้ ยิ่งตอกย้ำภาพนี้ ผลสำรวจล่าสุดของสถาบันพบว่าคนในภูมิภาคเพียง 43% มั่นใจว่าจับมิจฉาชีพได้ แต่เมื่อให้ระบุประเภทการหลอกลวงจริง กลับตอบถูกถึง 72% ทว่าใน 6 ตลาดใหญ่ของภูมิภาค มีเพียง 16% ที่ ‘พร้อมรับมือในระดับสูง’ คือรู้ว่าต้องทำอะไรหลังถูกหลอก ส่วนใหญ่ยังโต้ตอบกับมิจฉาชีพต่อเพื่อหาความจริงหรือพยายามทวงเงินคืน อีกข้อค้นพบที่น่าสนใจคื