การประชุมคณะทำงานด้านข้อมูลขนาดใหญ่ INTOSAI WGBD ครั้งที่ 9

 

หัวข้อ: Partnering for New Advancement in Auditing in the AI Era

ระยะเวลา: 1 – 3 กันยายน 2568

สถานที่: เมืองฮาบิน สาธารณรัฐประชาชนจีน

 

สำนักงานการตรวจเงินแผ่นดิน (สตง.) ได้มอบหมายให้

 

นายคณพศ หงสาวรางกูร ผตภ.3 

 

นายชินพงศ์ ตระกูลดิษฐ์ นวผ.ชก สตป.

 

นายภูวนาฏ ผดุงพจน์ นคต.ชก. ศดน.

 

นายณัฐนนท์ พึ่งโต นตง.ปก. สตส.1

 

 

เข้าร่วมการประชุมคณะทำงานด้านข้อมูลขนาดใหญ่ (Working Group on Big Data – WGBD) ขององค์การสถาบันการตรวจสอบสูงสุดระหว่างประเทศ (INTOSAI) ครั้งที่ 9 ภายใต้หัวข้อ “การเป็นพันธมิตรเพื่อความก้าวหน้าในการตรวจสอบภายใต้ยุคเทคโนโลยีปัญญาประดิษฐ์” โดยมีผู้แทนจาก 21 สถาบันการตรวจเงินแผ่นดิน เข้าร่วมกว่า 67 คน

 

สรุปสาระสำคัญของการประชุม

 

ช่วงเช้า: ประธานและฝ่ายเลขาธิการคณะทำงาน (สตง. จีน) ได้รายงานผลการดำเนินงานในรอบ 3 ปีที่ผ่านมา ซึ่งประกอบด้วยการจัดทำแนวทางการตรวจสอบด้วยข้อมูลขนาดใหญ่ (Big Data Audit Guidelines) และการรวบรวมกรณีศึกษาจากประเทศสมาชิก รวมทั้งนำเสนอแผนปฏิบัติงานระยะ 3 ปี (พ.ศ. 2569 – 2571) ซึ่งมุ่งเน้นการจัดสัมมนาออนไลน์และดำเนินโครงการวิจัยจำนวน 2 เรื่อง ได้แก่

 

1. การประยุกต์ใช้เทคโนโลยีสมัยใหม่ในการตรวจสอบการเงิน (Application of Emerging Technology in Financial Audit)

 

 

2. ธรรมาภิบาลข้อมูลในการใช้ปัญญาประดิษฐ์ (Data Governance in AI)

 

 

 

ช่วงสาย: ได้เชิญหัวหน้าโครงการวิจัยรายงานความก้าวหน้า ได้แก่

 

โครงการวิจัยของสตง. บราซิล ว่าด้วยการประยุกต์ใช้ Big Data ในการตรวจสอบประกันสังคมและสาธารณสุข พบว่าหน่วยงานตรวจเงินแผ่นดินหลายแห่งทั่วโลกได้เริ่มใช้ Data Analytics แล้ว แต่ประเด็นสำคัญที่ต้องคำนึงถึงในอนาคตคือการวางธรรมาภิบาลข้อมูล เพื่อให้ผลการวิเคราะห์มีความน่าเชื่อถือและไม่เพิ่มความเสี่ยง

 

โครงการวิจัยของสตง. อินเดีย ว่าด้วยการประยุกต์ใช้ปัญญาประดิษฐ์ในกระบวนการตรวจสอบ โดยจำแนกการใช้งาน AI เป็น 4 ประเภท ได้แก่ การวิเคราะห์ขั้นสูง การสนับสนุนการทำงานอัตโนมัติ การสรุปผล และการค้นหาข้อมูลเพื่อประกอบการตัดสินใจ พร้อมเน้นย้ำให้ระมัดระวังการสร้างโมเดลที่อาจมีอคติ

 

 

ช่วงบ่าย: เป็นการแลกเปลี่ยนความรู้และประสบการณ์จากประเทศสมาชิก 8 ประเทศ อาทิ

 

สตง. บราซิล ได้นำเสนอการพัฒนา LabContas เพื่อเป็นศูนย์ทดลองด้าน Data Science การพัฒนาเครื่องมือ AI อาทิ PARTS, CopilotTCU, ChatTCU (ฝังใน MS Teams) และเครื่องมือสนับสนุนการตรวจสอบอื่น ๆ พร้อมย้ำถึงความสำคัญของการวางธรรมาภิบาลข้อมูลก่อนใช้งานจริง

 

สตง. จีน (CNAO Harbin) นำเสนอการใช้เทคโนโลยี AI และ GIS ในการตรวจสอบโครงการภาคเกษตร โดยเน้นการยืนยันตัวตนผู้รับประโยชน์ การใช้ภาพถ่ายดาวเทียมติดตามพื้นที่ห่างไกล และการตรวจจับการทุจริตแบบทันกาล

 

สตง. จีน (Shandong) และ มาเก๊า เน้นการพัฒนา AI ที่สามารถช่วยลดงานซ้ำซ้อน และสนับสนุนผู้ตรวจสอบให้ทำงานได้อย่างมีประสิทธิภาพ

 

สตง. เดนมาร์ก นำเสนอกระบวนการใช้ AI ในการตรวจสอบประสิทธิภาพ (Performance Audit) พร้อมกรณีศึกษาการใช้ ChatGPT วิเคราะห์เอกสารอนุญาตด้านสิ่งแวดล้อม และการตรวจสอบการรื้อถอนแร่ใยหิน

 

สตง. อียิปต์ อินโดนีเซีย และอิหร่าน ได้แบ่งปันแนวทางการพัฒนาระบบบริหารการตรวจสอบอัตโนมัติ การสร้างคลังข้อมูลกลาง และการนำ Machine Learning และ Predictive AI มาประยุกต์ใช้ในงานตรวจสอบ

 

 

สรุปการนำเสนอของสตง. ไทย

 

สตง. ไทยได้เสนอผลงานในหัวข้อ “Collaborative Innovation in Auditing: Embracing AI for the Public Good” โดยชี้ให้เห็นว่าการเกิดขึ้นของ Big Data และแพลตฟอร์มดิจิทัลได้เปลี่ยนแปลงวิธีการตรวจสอบ จำเป็นต้องอาศัยความร่วมมือเชิงกลยุทธ์ระหว่างรัฐ–รัฐ รัฐ–เอกชน ภาควิชาการ และความร่วมมือข้ามพรมแดน เพื่อพัฒนาศักยภาพด้านการวิเคราะห์ข้อมูลขั้นสูงและการใช้ AI ในการตรวจสอบ เสนอทั้งโอกาส เช่น การเพิ่มประสิทธิภาพการตรวจสอบและความเชื่อมั่นสาธารณะ และความท้าทาย เช่น ความเสี่ยงจากการพึ่งพาอัตโนมัติ และประเด็นข้อมูลส่วนบุคคล พร้อมแนวทางขับเคลื่อน ได้แก่ การสร้างวิสัยทัศน์ร่วม การวางธรรมาภิบาลด้านจริยธรรม และการพัฒนาแพลตฟอร์มแบ่งปันความรู้

 

ผลลัพธ์และแนวทางการดำเนินงานต่อไป

 

การประชุมครั้งนี้ได้สร้างเครือข่ายความร่วมมือระหว่างประเทศสมาชิก INTOSAI WGBD อย่างเข้มแข็ง แลกเปลี่ยนองค์ความรู้ด้าน Big Data และ AI เพื่อนำไปสู่การตรวจสอบแบบต่อเนื่อง (Continuous Auditing) ที่มีความแม่นยำและโปร่งใสมากยิ่งขึ้น สำนักงานการตรวจเงินแผ่นดินจะน้อมนำแนวคิดและข้อเสนอแนะที่ได้จากการประชุมไปประยุกต์ใช้ เพื่อยกระดับคุณภาพงานตรวจสอบของประเทศให้สอดคล้องกับมาตรฐานสากลและสร้างความเชื่อมั่นให้แก่สาธารณชนอย่างยั่งยืน

 

ชินพงศ์ ตระกูลดิษฐ์ นวผ.ชก. สตป. รายงาน