คำตอบหลัก
บริษัทใช้ AI ช่วยคัดใบสมัครหรือประเมินผลงานได้ ตราบเท่าที่ยังมี คนที่มีอำนาจจริงเป็นผู้ตัดสินใจ และเก็บหลักฐานได้ว่าตัดสินด้วยเหตุผลอะไร ณ วันที่ 21 พฤศจิกายน 2569 เรายังไม่พบกฎหมายไทยที่ห้ามใช้ AI ในงานคัดเลือกหรือประเมินผลโดยตรง แต่ไม่ได้แปลว่าไม่มีความเสี่ยง เพราะข้อมูลของผู้สมัครและพนักงานอยู่ใต้ PDPA และการปฏิบัติต่อลูกจ้างอยู่ใต้กฎหมายคุ้มครองแรงงาน
ความเสี่ยงที่พบบ่อยมี 4 จุด คือ ระบบให้ผลผิดโดยไม่มีใครรู้ ระบบให้ผลเอนเอียงกับคนบางกลุ่ม ระบบใช้ข้อมูลเกินที่แจ้งไว้หรือใช้ข้อมูลอ่อนไหวโดยไม่มีฐานทางกฎหมาย และคนที่ได้รับผลกระทบไม่มีทางถามหรือโต้แย้ง คู่มือนี้ไล่ไปทีละจุดและบอกว่าควรเก็บเอกสารอะไรไว้
ข้อควรระวังที่สุดคือ อย่าให้คะแนนจากระบบเป็นคำตัดสินแทนการพิจารณาทั้งหมด คะแนนควรเป็นข้อมูลหนึ่งที่คนอ่านประกอบ แล้วคนนั้นเขียนเหตุผลของตัวเอง
คู่มือนี้เหมาะกับใคร
| สถานการณ์ของคุณ | หัวข้อที่ควรอ่านก่อน |
|---|---|
| วางนโยบายก่อนเกิดเรื่อง (กำลังเลือกระบบหรือเพิ่งเริ่มใช้) | หัวข้อ 1, 2, 3, 4, 5 และรายการเอกสารท้ายคู่มือ |
| เกิดเรื่องกับพนักงานหรือผู้สมัครคนหนึ่ง (ถูกปฏิเสธ ถูกลดคะแนน หรือถูกถามว่าระบบตัดสินอย่างไร) | หัวข้อ 6, 7, 8, 9 |
| มีข้อร้องเรียนหรือข้อพิพาทแล้ว (ฟ้องหรือขู่ฟ้อง ร้องเรียนต่อหน่วยงาน) | หัวข้อ 8, 9, 10 และเอกสารที่ต้องเก็บ |
1. กฎหมายไทยพูดถึงการใช้ AI คัดคนและประเมินผลไว้อย่างไร
ยังไม่พบกฎหมายไทยฉบับที่เขียนเรื่อง AI ในงานบุคคลโดยเฉพาะ ณ วันที่ 21 พฤศจิกายน 2569 สถานะอาจเปลี่ยนได้ ควรตรวจประกาศล่าสุดก่อนตัดสินใจ สิ่งที่ใช้กับบริษัทอยู่แล้วคือกฎหมายเดิม
| เรื่อง | กฎหมายหรือแนวทางที่เกี่ยวข้อง |
|---|---|
| ข้อมูลของผู้สมัครและพนักงาน | PDPA ฐานทางกฎหมายมาตรา 24 ข้อมูลอ่อนไหวมาตรา 26 สิทธิเจ้าของข้อมูลมาตรา 30, 32, 35, 36 |
| การเลือกปฏิบัติในการจ้างงาน | มาตรา 15 พ.ร.บ.คุ้มครองแรงงานให้นายจ้างปฏิบัติต่อลูกจ้างชายและหญิงเท่าเทียมกันในการจ้างงาน เว้นแต่ลักษณะหรือสภาพของงานไม่อาจปฏิบัติเช่นนั้นได้ มาตรานี้พูดถึงเรื่องเพศ ไม่ครอบคลุมทุกเหตุของอคติ |
| การลงโทษและเลิกจ้าง | กฎหมายแรงงานและข้อบังคับเกี่ยวกับการทำงานของบริษัท |
| แนวปฏิบัติด้าน AI | แนวทางของ ETDA ซึ่งเป็นแนวทางที่ไม่ได้บังคับ |
ETDA ร่วมกับกระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม โดยศูนย์ธรรมาภิบาลปัญญาประดิษฐ์ (AIGC) ประกาศ "แนวทางการประยุกต์ใช้ Generative AI อย่างมีธรรมาภิบาลสำหรับองค์กร" เมื่อ 30 ตุลาคม 2567 เป็นแนวทางสำหรับผู้บริหารและบุคลากรขององค์กร ไม่ใช่กฎหมายบังคับ มี 5 ส่วน ได้แก่ ความเข้าใจ Gen AI ประโยชน์และข้อจำกัด ความเสี่ยงและวิธีจัดการ แนวทางและโครงสร้างการนำไปใช้ และข้อพิจารณาเพื่อการใช้อย่างรับผิดชอบ หลักใหญ่คือชั่งประโยชน์กับการบริหารความเสี่ยงและให้ผู้เกี่ยวข้องมีส่วนร่วม งานคัดคนและประเมินผลเป็นงานที่กระทบสิทธิของคนโดยตรง จึงควรจัดอยู่ในกลุ่มที่ต้องระวังมากกว่างานทั่วไป
เรื่อง AI ภายในองค์กรโดยรวม เช่น พนักงานเอาข้อมูลลูกค้าไปใส่ ChatGPT ดู นโยบาย AI ขององค์กรกับข้อมูลลูกค้า คู่มือนี้เจาะเฉพาะการใช้ AI ตัดสินเรื่องคน
2. ระบบที่ใช้อยู่เป็นแบบไหน และตัดสินอะไรให้เราบ้าง
ก่อนไปถึงข้อกฎหมาย ต้องรู้ว่าระบบทำอะไร เพราะความเสี่ยงต่างกันมาก
| ลักษณะการใช้ | ตัวอย่าง | ระดับที่ควรระวัง |
|---|---|---|
| ช่วยจัดเรียงหรือสรุป | สรุปประวัติย่อ จัดกลุ่มใบสมัครตามคำสำคัญ | ต่ำถึงกลาง ถ้าคนยังเปิดอ่านใบสมัครจริง |
| ให้คะแนนหรือจัดอันดับ | ให้คะแนนความเหมาะสมกับตำแหน่ง จัดอันดับผู้สมัคร | กลางถึงสูง เพราะคะแนนมีน้ำหนักต่อการตัดสิน |
| คัดทิ้งโดยอัตโนมัติ | ระบบปฏิเสธใบสมัครที่ต่ำกว่าเกณฑ์ก่อนมีคนเห็น | สูง ผู้ถูกปฏิเสธไม่เคยถูกคนพิจารณา |
| วิเคราะห์ข้อมูลชีวภาพหรืออารมณ์ | วิเคราะห์ใบหน้า เสียง ท่าทางในวิดีโอสัมภาษณ์ | สูงมาก เกี่ยวกับข้อมูลชีวภาพที่เป็นข้อมูลอ่อนไหว |
| ประเมินผลงานพนักงาน | ดึงข้อมูลยอดขาย เวลาตอบแชท การคลิก เพื่อให้คะแนนประจำเดือน | กลางถึงสูง ขึ้นอยู่กับว่าผลนำไปใช้กับค่าตอบแทนหรือการเลิกจ้างหรือไม่ |
ข้อควรทำก่อนใช้จริงคือ ทำบัญชีว่าบริษัทใช้ AI ในงานบุคคลตรงไหนบ้าง แต่ละจุดใช้ข้อมูลอะไร ผลของระบบไปถึงใคร และใครเป็นคนกดตัดสินท้ายสุด หลายบริษัทไม่รู้ว่าซอฟต์แวร์สรรหาหรือระบบลงเวลาที่ใช้อยู่มีฟังก์ชัน AI คัดกรองหรือให้คะแนนซ่อนอยู่
3. ระบบแม่นยำพอไหม และบริษัทพิสูจน์ได้อย่างไร
AI อาจให้ผลผิดได้ เช่น อ่านประวัติย่อรูปแบบแปลกไม่ออก ตีความคำผิดบริบท หรือให้คะแนนต่ำกับคนที่ทำงานต่างสายแต่ทักษะตรง กฎหมาย PDPA มาตรา 35 กำหนดให้ผู้ควบคุมข้อมูลส่วนบุคคลดำเนินการให้ข้อมูลถูกต้อง เป็นปัจจุบัน สมบูรณ์ และไม่ก่อให้เกิดความเข้าใจผิด ข้อมูลที่ระบบสรุปหรือสร้างขึ้นเกี่ยวกับคนก็ควรถูกดูด้วยเกณฑ์เดียวกัน
สิ่งที่ทำได้จริงในระดับ SME:
- ขอเอกสารจากผู้ให้บริการว่าระบบวัดอะไร ใช้ข้อมูลอะไร และผ่านการทดสอบกับงานลักษณะเดียวกับของเราหรือไม่
- ทดลองกับใบสมัครเก่า 30–50 ฉบับที่ HR รู้ผลจริงแล้ว เทียบว่าระบบคัดคนที่ HR เลือกไว้หรือไม่ บันทึกผลเทียบ
- กำหนดความถี่ตรวจซ้ำ เช่น ทุกไตรมาส หรือเมื่อผู้ให้บริการอัปเดตระบบ
- ให้ผู้ตรวจเขียนเมื่อพบผลที่ผิดชัดเจน แล้วเก็บเป็นบันทึก
บริษัทไม่จำเป็นต้องตรวจโมเดลเชิงเทคนิคเอง แต่ต้องมีหลักฐานว่าก่อนใช้และระหว่างใช้ มีคนตรวจแล้วว่าผลสมเหตุสมผล และเมื่อพบข้อผิดพลาดมีการแก้ไขอย่างไร
4. อคติ: ตรวจอย่างไรว่าระบบไม่ทำให้คนบางกลุ่มเสียเปรียบ
อคติในระบบ AI มักไม่ได้มาจากคำสั่งที่เขียนว่าให้เลือกปฏิบัติ แต่มาจากข้อมูลที่ใช้สอนระบบ เช่น ถ้าที่ผ่านมาบริษัทรับแต่ผู้ชายเข้าตำแหน่งหนึ่ง ระบบที่เรียนจากประวัติการรับคนอาจเรียนรู้ว่า "แบบนี้คือคนเก่ง" ตัวแปรที่ดูเป็นกลางอย่างช่วงว่างงานระหว่างการทำงาน ชื่อสถาบัน หรือที่อยู่ ก็อาจเป็นตัวแทนของเพศ อายุ หรือภูมิหลังได้
ข้อควรพิจารณาตามกฎหมายไทย:
- มาตรา 15 พ.ร.บ.คุ้มครองแรงงานให้ปฏิบัติต่อลูกจ้างชายและหญิงเท่าเทียมกันในการจ้างงาน เว้นแต่ลักษณะหรือสภาพของงานไม่อาจปฏิบัติเช่นนั้นได้ ถ้าระบบทำให้เพศหนึ่งถูกคัดออกมากผิดปกติ บริษัทควรถามว่าเกิดจากลักษณะงานจริงหรือไม่
- กฎหมายไทยยังไม่มีบทบัญญัติทั่วไปเรื่องการเลือกปฏิบัติด้วยอายุ ศาสนา หรือเชื้อชาติในการสรรหางานเอกชนที่ชัดเจน จึงไม่ควรสรุปว่าทำได้เพียงเพราะกฎหมายไม่ได้เขียนห้าม ให้ดูข้อเท็จจริงและความเสี่ยงด้านชื่อเสียงและข้อพิพาทด้วย
- ถ้าระบบใช้หรือเดาข้อมูลอ่อนไหว เช่น ความพิการ ข้อมูลสุขภาพ ข้อมูลชีวภาพ จะเข้ามาตรา 26 ที่โดยหลักต้องได้รับความยินยอมโดยชัดแจ้ง เว้นแต่เข้าข้อยกเว้นที่กฎหมายระบุ
วิธีตรวจที่ทำได้:
- เปรียบเทียบอัตราผ่านคัดกรองตามกลุ่ม เช่น เพศ ช่วงอายุ ถ้าบริษัทมีข้อมูลที่เก็บโดยชอบอยู่แล้ว
- ตัดตัวแปรที่ไม่เกี่ยวกับงานออกจากข้อมูลที่ส่งเข้าระบบ เช่น รูปถ่าย อายุ สถานภาพสมรส
- ถามผู้ให้บริการว่ามีการตรวจอคติหรือไม่ และขอสรุปผลเป็นหนังสือ
- ให้คนตรวจตัวอย่างใบสมัครที่ถูกคัดออกเป็นระยะ
5. ข้อมูลส่วนบุคคล: ใช้ข้อมูลอะไรได้ ต้องแจ้งอะไร
ต่อยอดจาก PDPA กับข้อมูลลูกจ้างและงาน HR ที่อธิบายฐานทางกฎหมายและประกาศความเป็นส่วนตัวทั่วไปไว้แล้ว ในกรณี AI ให้ถามเพิ่ม 5 ข้อ
- ฐานทางกฎหมายคืออะไร มาตรา 24 ห้ามเก็บรวบรวมข้อมูลโดยไม่ได้รับความยินยอม เว้นแต่เข้าฐานที่กฎหมายระบุ เช่น จำเป็นเพื่อดำเนินการตามคำขอของเจ้าของข้อมูลก่อนเข้าทำสัญญา หรือจำเป็นเพื่อประโยชน์โดยชอบด้วยกฎหมายของบริษัท ซึ่งใช้ไม่ได้ถ้าประโยชน์นั้นสำคัญน้อยกว่าสิทธิขั้นพื้นฐานของเจ้าของข้อมูล ความยินยอมของผู้สมัครอาจมีปัญหาเรื่องความเป็นอิสระเพราะอำนาจต่อรองไม่เท่ากัน จึงไม่ควรใช้ความยินยอมเป็นฐานเดียวโดยไม่คิด
- มีข้อมูลอ่อนไหวไหม มาตรา 26 คุ้มครองข้อมูลสุขภาพ ความพิการ ข้อมูลชีวภาพ ประวัติอาชญากรรม และอื่น ๆ ที่กฎหมายระบุ โดยหลักต้องมีความยินยอมโดยชัดแจ้ง เว้นแต่เข้าข้อยกเว้น ระบบที่วิเคราะห์ใบหน้าหรือเสียงในวิดีโอสัมภาษณ์เข้าข่ายข้อมูลชีวภาพได้ ควรตรวจกับผู้ให้บริการก่อนเปิดใช้
- แจ้งผู้สมัครและพนักงานแล้วหรือยัง ประกาศความเป็นส่วนตัวควรบอกว่ามีระบบอัตโนมัติช่วยคัดหรือประเมิน ใช้ข้อมูลอะไร ผลไปถึงใคร และเก็บนานเท่าใด
- ส่งข้อมูลให้ผู้ให้บริการแล้วเก็บที่ไหน ถ้าผู้ให้บริการเป็นผู้ประมวลผลข้อมูล ต้องมีข้อตกลงกับบริษัท และถ้าเซิร์ฟเวอร์อยู่ต่างประเทศ ต้องดูเงื่อนไขการส่งข้อมูลไปต่างประเทศ ดูรายละเอียดใน นโยบาย AI ขององค์กรกับข้อมูลลูกค้า
- ระบบนำข้อมูลของเราไปฝึกโมเดลของผู้ให้บริการหรือไม่ ต้องอ่านจากสัญญาและตั้งค่าให้ปิดถ้าทำได้
เมื่อใช้ระบบตรวจวัดพนักงาน เช่น สแกนหน้าหรือติดตามตำแหน่ง ดูหลักเพิ่มเติมที่ สแกนหน้า ลายนิ้วมือ GPS ตรวจพนักงาน
6. ใครคือผู้ตัดสินใจ และการให้คนตรวจต้องมีอะไรบ้างจึงถือว่าจริง
การเขียนว่า "มีคนตรวจ" ในนโยบายไม่พอ ถ้าในทางปฏิบัติคนตรวจกดอนุมัติผลของระบบทั้งหมดโดยไม่อ่าน ศาลหรือหน่วยงานย่อมมองว่าเป็นการตัดสินโดยระบบ
องค์ประกอบของการตรวจที่มีความหมาย:
- มีอำนาจจริง ผู้ตรวจต้องมีสิทธิเปลี่ยนผลของระบบได้ และไม่ถูกกดดันด้วยตัวชี้วัดว่าต้องเห็นตามระบบ
- มีข้อมูลพอ ผู้ตรวจต้องเห็นข้อมูลต้นทางของคนนั้น เช่น ใบสมัครฉบับเต็ม ไม่ใช่เห็นแค่คะแนน
- มีเวลาพอ ถ้าต้องผ่านใบสมัครหลายร้อยฉบับต่อชั่วโมง การตรวจไม่มีความหมาย
- มีความรู้พอ ผู้ตรวจควรเข้าใจว่าระบบวัดอะไรและมีข้อจำกัดอะไร ผ่านการอบรมสั้น ๆ
- ต้องเขียนเหตุผลของตัวเอง ในกรณีที่ปฏิเสธผู้สมัครหรือให้ผลประเมินต่ำ ผู้ตัดสินเขียนเหตุผลด้วยตัวเอง ไม่ใช่คัดลอกคำอธิบายของระบบ
- ระบุตัวผู้รับผิดชอบ ในเอกสาร ใครอนุมัติ เมื่อไร ด้วยข้อมูลอะไร
หลักที่ควรเขียนในนโยบาย: ระบบ AI ให้ข้อมูลประกอบ บุคคลที่มีชื่อเป็นผู้ตัดสิน และผู้ตัดสินต้องพร้อมอธิบายด้วยเหตุผลของตนเอง
7. ผู้สมัครและพนักงานโต้แย้งได้อย่างไร
กฎหมายไทยไม่มีบทบัญญัติเฉพาะเรื่องสิทธิโต้แย้งการตัดสินโดยระบบอัตโนมัติ แต่สิทธิตาม PDPA ใช้ได้กับข้อมูลที่ระบบใช้และสร้างขึ้น ได้แก่
- สิทธิขอเข้าถึงและขอสำเนา (มาตรา 30) บริษัทต้องดำเนินการโดยไม่ชักช้า แต่ไม่เกินสามสิบวันนับแต่ได้รับคำขอ จะปฏิเสธได้เฉพาะตามที่กฎหมายหรือคำสั่งศาลกำหนด หรือเมื่อกระทบสิทธิเสรีภาพของบุคคลอื่น และต้องบันทึกการปฏิเสธพร้อมเหตุผล
- สิทธิให้แก้ไขข้อมูลให้ถูกต้อง (มาตรา 35, 36) ถ้าบริษัทไม่ดำเนินการตามคำร้อง ต้องบันทึกคำร้องและเหตุผลไว้
- สิทธิคัดค้าน (มาตรา 32) ใช้กับการเก็บรวบรวมหรือใช้ข้อมูลที่อาศัยฐานตามมาตรา 24 (4) หรือ (5) และกรณีอื่นที่มาตรานั้นระบุ บริษัทจะไม่ต้องหยุดถ้าพิสูจน์ได้ว่ามีเหตุอันชอบด้วยกฎหมายที่สำคัญยิ่งกว่า หรือเพื่อก่อตั้ง ใช้ หรือยกขึ้นต่อสู้สิทธิเรียกร้องตามกฎหมาย
นอกจากสิทธิตามกฎหมาย บริษัทควรมีช่องทางภายในที่ชัดเจน:
- ช่องทางติดต่อ (อีเมลหรือแบบฟอร์ม) ที่ระบุในประกาศความเป็นส่วนตัวและในอีเมลแจ้งผล
- ผู้รับเรื่องที่ไม่ใช่คนเดียวกับผู้ตัดสินเดิม
- กรอบเวลาตอบที่ชัด เช่น 15 วันทำการ (เป็นนโยบายภายในที่บริษัทกำหนดเอง ไม่ใช่เวลาตามกฎหมาย)
- บันทึกคำร้อง ผลการพิจารณา และเหตุผล
ส่วนที่ไม่แน่นอน: กฎหมายไทยไม่ได้บัญญัติไว้ตรง ๆ ว่าบริษัทต้องเปิดเผยตรรกะหรือสูตรของระบบ บริษัทควรตกลงกับผู้ให้บริการล่วงหน้าว่าจะได้ข้อมูลอะไรมาอธิบายเมื่อมีผู้ขอ
8. ต้องเก็บหลักฐานอะไรไว้ เพื่อให้อธิบายการตัดสินใจย้อนหลังได้
เมื่อมีข้อพิพาท คำถามแรกคือ "ตอนนั้นตัดสินด้วยข้อมูลอะไร" ถ้าตอบไม่ได้ บริษัทเสียเปรียบทั้งที่การตัดสินอาจสมเหตุสมผล
| หลักฐาน | เก็บอะไร |
|---|---|
| บัญชีระบบ | ชื่อระบบ เวอร์ชัน วันที่เริ่มใช้ งานที่ใช้ และข้อมูลที่ส่งเข้าระบบ |
| เอกสารผู้ให้บริการ | คู่มือ ผลทดสอบความแม่นยำและอคติ สัญญาและข้อกำหนดการใช้ข้อมูล |
| เกณฑ์ที่ใช้ตัดสิน | เกณฑ์ของตำแหน่งงานที่เขียนไว้ก่อนเปิดรับสมัคร น้ำหนักแต่ละข้อ |
| บันทึกต่อคน | ผลของระบบ ผู้ตรวจ วันเวลา เหตุผลที่ผู้ตรวจเขียน และการแก้ผลของระบบ ถ้ามี |
| ผลทดสอบและการตรวจซ้ำ | วันที่ วิธี ผล และสิ่งที่แก้ไข |
| คำร้องและการตอบ | คำขอของผู้สมัครหรือพนักงาน วันที่รับ ผู้รับเรื่อง ผลและวันที่ตอบ |
| การอบรม | รายชื่อผู้ตรวจที่ผ่านการอบรมการใช้ระบบ |
ระยะเวลาเก็บ: ควรกำหนดตามประเภทข้อมูลและวัตถุประสงค์ ผู้สมัครที่ไม่ผ่านไม่ควรถูกเก็บข้อมูลไว้นานเกินจำเป็น ดูแนวคิดเรื่องการเก็บเอกสารพนักงานที่ การเก็บสัญญา อีเมล แชท และข้อมูลพนักงาน
9. ถ้าผลประเมินจาก AI จะนำไปสู่การลดค่าตอบแทนหรือเลิกจ้าง
ผลจากระบบเป็นเพียงข้อมูลหนึ่ง การลงโทษทางวินัยหรือเลิกจ้างยังต้องเป็นไปตามกฎหมายแรงงานและข้อบังคับเกี่ยวกับการทำงานของบริษัท ศาลพิจารณาข้อเท็จจริงของแต่ละกรณี ข้อควรทำ:
- แยกให้ชัดว่าเป็นเรื่องผลงานไม่ถึงเกณฑ์ หรือเป็นเรื่องความผิดทางวินัย เพราะผลทางกฎหมายต่างกัน
- ตรวจว่าตัวชี้วัดที่ระบบใช้ตรงกับงานที่ลูกจ้างได้รับมอบหมายจริง และลูกจ้างรู้ล่วงหน้า
- แจ้งผลให้ลูกจ้างทราบพร้อมข้อมูลที่ใช้ และเปิดโอกาสชี้แจงก่อนตัดสิน
- ให้ผู้บังคับบัญชาที่รู้จักงานจริงให้ความเห็นประกอบ ไม่ใช้ตัวเลขอย่างเดียว
- ปรึกษาทนายก่อนเลิกจ้าง เพราะค่าชดเชยและความเป็นธรรมของการเลิกจ้างขึ้นอยู่กับเหตุและพยานหลักฐาน ดูภาพรวมที่ สิทธิของลูกจ้างเมื่อถูกเลิกจ้าง
ถ้าระบบวัดผลจากการเฝ้าติดตามพฤติกรรม เช่น เวลาหน้าจอ การเคลื่อนไหวเมาส์ ให้ตรวจขอบเขตตาม PDPA ว่าจำเป็นและได้แจ้งไว้หรือไม่
10. สัญญากับผู้ให้บริการระบบ AI ควรมีอะไร
ความรับผิดต่อผู้สมัครและลูกจ้างยังอยู่ที่บริษัท การโยนให้ผู้ให้บริการภายนอกไม่ทำให้พ้นความรับผิดต่อผู้ได้รับผลกระทบ ดังนั้นควรเขียนในสัญญา:
- ขอบเขตงาน ระบบทำอะไร ไม่ทำอะไร และข้อมูลที่ใช้
- ความถูกต้องและการทดสอบ ผู้ให้บริการแจ้งผลการทดสอบ ข้อจำกัดที่ทราบ และแจ้งเมื่อมีการอัปเดตที่เปลี่ยนผล
- ข้อมูลส่วนบุคคล สถานะผู้ประมวลผล ข้อห้ามนำข้อมูลไปฝึกโมเดลโดยไม่ได้รับอนุญาต สถานที่เก็บ ระยะเวลาเก็บ และการลบเมื่อสิ้นสุดสัญญา
- การสนับสนุนเมื่อมีคำร้อง ผู้ให้บริการช่วยดึงข้อมูลที่ผู้สมัครหรือลูกจ้างขอ ภายในเวลาที่บริษัทตอบได้ทัน
- การเก็บบันทึกการทำงานของระบบ (log) ไว้ให้บริษัทตรวจย้อนหลัง
- การรับผิดและการชดใช้ ตกลงให้ชัดว่าใครรับผิดเมื่อระบบทำผิดตามข้อตกลงหรือข้อมูลรั่วไหล
11. รายการตรวจสอบก่อนใช้และเอกสารที่ควรมี
- ทำบัญชีว่าใช้ AI ที่ไหนในงานบุคคล ข้อมูลที่ใช้ และผลไปถึงใคร
- กำหนดฐานทางกฎหมายตามมาตรา 24 และตรวจว่ามีข้อมูลอ่อนไหวตามมาตรา 26 หรือไม่
- แก้ประกาศความเป็นส่วนตัวสำหรับผู้สมัครและพนักงานให้ระบุการใช้ระบบอัตโนมัติ
- ตรวจสัญญากับผู้ให้บริการ เรื่องผู้ประมวลผล การฝึกโมเดล ที่เก็บ การลบ และความช่วยเหลือเมื่อมีคำร้อง
- ทดสอบระบบกับข้อมูลเก่าและบันทึกผล รวมถึงตรวจอคติตามกลุ่ม
- เขียนนโยบายว่าบุคคลใดเป็นผู้ตัดสินและต้องเขียนเหตุผลของตัวเอง
- ปิดการปฏิเสธอัตโนมัติ หรืออย่างน้อยให้คนตรวจกลุ่มที่ถูกปฏิเสธ
- อบรมผู้ตรวจและเก็บรายชื่อ
- ตั้งช่องทางรับคำร้องและกรอบเวลาตอบ แยกผู้รับเรื่องจากผู้ตัดสินเดิม
- กำหนดระยะเวลาเก็บข้อมูลผู้สมัครและบันทึกการตัดสินใจ
- ตั้งรอบตรวจซ้ำ (เช่น ทุกไตรมาส หรือเมื่อระบบอัปเดต)
- ก่อนใช้ผลประเมินเพื่อลงโทษหรือเลิกจ้าง ให้ทนายตรวจเอกสาร
ตัวอย่างสมมติ
ตัวอย่างสมมติ (ไม่ใช่คดีจริง ตัวเลขทั้งหมดเป็นการสมมติเพื่อประกอบคำอธิบาย) บริษัทจัดจำหน่ายแห่งหนึ่งมีพนักงาน 120 คน ติดตั้งระบบสรรหาที่มีฟังก์ชัน AI ให้คะแนนใบสมัคร ตั้งไว้ว่าต่ำกว่า 60 คะแนนระบบจะปฏิเสธอัตโนมัติ ในรอบสรรหาตำแหน่งเจ้าหน้าที่บัญชี มีผู้สมัคร 200 คน ระบบปฏิเสธไป 140 คน ผู้สมัครคนหนึ่งที่เพิ่งกลับมาทำงานหลังพักงานเลี้ยงลูกสองปีได้คะแนน 55 แล้วถูกปฏิเสธ จึงอีเมลถามว่าเพราะอะไรและขอดูข้อมูลของตน
บริษัทที่ไม่มีการเตรียมไว้จะตอบไม่ได้ว่าระบบให้คะแนนตามอะไร ไม่มีใครเคยเห็นใบสมัครของเธอ และผู้ให้บริการแจ้งว่า "เป็นสูตรภายใน" ไม่ส่งข้อมูลให้
บริษัทที่เตรียมไว้ดีกว่าจะทำดังนี้ ตั้งระบบให้ "จัดอันดับ" ไม่ใช่ "ปฏิเสธอัตโนมัติ" ให้ HR เปิดอ่านใบสมัครที่ต่ำกว่าเกณฑ์อย่างน้อยสุ่มตัวอย่างตามที่กำหนดไว้ในนโยบาย เก็บบันทึกว่าใครตรวจใคร ผลเป็นอย่างไร ก่อนใช้งานเคยทดสอบกับใบสมัครเก่าและพบว่าช่วงว่างงานทำให้คะแนนลดลง จึงตั้งให้ตัวแปรนี้ไม่มีผลต่อคะแนน เมื่อผู้สมัครขอข้อมูล บริษัทส่งข้อมูลที่เก็บเกี่ยวกับเธอภายในกรอบที่ PDPA กำหนด ให้ผู้รับเรื่องคนละคนกับผู้ตรวจเดิมทบทวนใบสมัคร แล้วตอบพร้อมเหตุผลของผู้ตัดสิน
จุดต่างอยู่ที่บริษัทหลังอธิบายการตัดสินใจเป็นรายคนได้ ไม่ได้อยู่ที่ว่าใช้ AI หรือไม่ ผลทางกฎหมายยังขึ้นกับข้อเท็จจริงและเอกสารจริงของแต่ละกรณี
อย่าเข้าใจผิด
- "AI เป็นกลางกว่าคน เพราะไม่มีความรู้สึก" → ระบบเรียนจากข้อมูลในอดีต จึงรับอคติเดิมมาได้ ต้องทดสอบและตรวจเป็นระยะ
- "ซื้อระบบจากผู้ให้บริการใหญ่ ความเสี่ยงไปอยู่ที่เขา" → บริษัทที่ตัดสินใจจ้างหรือลงโทษยังต้องตอบต่อผู้ได้รับผลกระทบ ส่วนความรับผิดระหว่างกันอยู่ที่สัญญา
- "มีคนกดอนุมัติแล้ว ถือว่ามีคนตรวจ" → ถ้าผู้กดไม่มีข้อมูลหรือเวลาอ่านและไม่เคยเปลี่ยนผลของระบบ ก็ไม่ต่างจากให้ระบบตัดสิน
- "ผู้สมัครกดยอมรับเงื่อนไขในเว็บแล้ว จึงใช้ข้อมูลได้ทุกอย่าง" → ความยินยอมต้องเฉพาะเจาะจงและเป็นอิสระ ข้อมูลอ่อนไหวต้องได้รับความยินยอมโดยชัดแจ้งหรือเข้าข้อยกเว้น การกดรับเงื่อนไขรวมไม่แน่ว่าเพียงพอ
- "กฎหมายไทยยังไม่มีกฎหมาย AI จึงทำอะไรก็ได้" → ยังไม่พบกฎหมายเฉพาะ ณ วันที่ 21 พฤศจิกายน 2569 แต่ PDPA กฎหมายแรงงาน และกฎหมายแพ่งยังใช้อยู่เต็มที่
- "คะแนนจากระบบเป็นหลักฐานพอที่จะเลิกจ้าง" → ผลจากระบบเป็นข้อมูลประกอบ การเลิกจ้างต้องมีเหตุตามกฎหมายแรงงานและพยานหลักฐานที่อธิบายได้
- "แนวทาง ETDA เป็นกฎหมาย ทำตามครบแล้วปลอดภัยแน่" → เป็นแนวทางที่ไม่บังคับ ช่วยให้วางระบบได้ดี แต่ไม่ได้ยกเว้นความรับผิดตามกฎหมาย
อ่านเพิ่มเติม
- PDPA กับข้อมูลลูกจ้างและงาน HR — ฐานทางกฎหมาย ผู้สมัครงาน และประกาศความเป็นส่วนตัว
- พบว่าลูกจ้างใช้วุฒิปลอมหรือประวัติงานไม่จริง — ตรวจข้อเท็จจริง ให้โอกาสชี้แจง และเลือกทางที่เหมาะสม
- นโยบาย AI ขององค์กรกับข้อมูลลูกค้า — AI ภายในบริษัทและสัญญากับผู้ให้บริการ
- สแกนหน้า ลายนิ้วมือ GPS ตรวจพนักงาน — ข้อมูลชีวภาพและการติดตามพนักงาน
- สิทธิของลูกจ้างเมื่อถูกเลิกจ้าง — เมื่อผลประเมินนำไปสู่การเลิกจ้าง
ใช้ AI ช่วยคัดคนหรือประเมินผลได้ เมื่อมีคนที่มีอำนาจจริงเป็นผู้ตัดสินและเขียนเหตุผลของตนเอง ทดสอบความถูกต้องและอคติของระบบ แจ้งการใช้ข้อมูลตาม PDPA เปิดช่องทางโต้แย้ง และเก็บหลักฐานไว้อธิบายย้อนหลังได้
เราช่วยตรวจว่าระบบ AI ที่บริษัทใช้ในงานบุคคลมีความเสี่ยงตรงไหน ร่างนโยบายการใช้ AI ในงาน HR ประกาศความเป็นส่วนตัวสำหรับผู้สมัครและพนักงาน เงื่อนไขในสัญญากับผู้ให้บริการระบบ และเอกสารตอบคำร้องหรือข้อร้องเรียน เราไม่ใช่ผู้ตรวจสอบเชิงเทคนิคของโมเดล AI และไม่รับรองว่าระบบของผู้ให้บริการใดแม่นยำหรือปราศจากอคติ ไม่สามารถรับประกันผลของข้อพิพาทได้ ค่าบริการขึ้นอยู่กับขั้นของเรื่องและงานที่ต้องทำ ส่งเอกสารให้เราดูก่อน เราจะแจ้งขอบเขตงานและค่าบริการเป็นลายลักษณ์อักษรก่อนเริ่มงาน ปรึกษาเบื้องต้น โทร 092-254-2045 หรือ ส่งรายละเอียดให้เรา ดูเพิ่มเติมที่ เอกสารด้านทรัพยากรบุคคล และ การปฏิบัติตามกฎหมาย PDPA
คู่มือนี้เผยแพร่โดย สำนักงานกฎหมายสุวรรณวรา ลอว์เฟิร์ม — สำนักงานกฎหมายในจังหวัดขอนแก่น ก่อตั้งเมื่อปี 1986 เป็นข้อมูลทั่วไปเท่านั้น ไม่ใช่คำแนะนำทางกฎหมายสำหรับเรื่องใดเรื่องหนึ่งโดยเฉพาะ

