รู้จัก AI Tester Accreditation Programme (AI TAP): มาตรฐานใหม่ของสิงคโปร์ในการรับรองผู้ทดสอบความปลอดภัย AI

โครงการถูกประกาศโดยรัฐมนตรีว่าการกระทรวงดิจิทัลและสารสนเทศของสิงคโปร์ Josephine Teo ในงานประชุมด้านความปลอดภัย AI ระดับนานาชาติ เมื่อเดือนพฤษภาคม 2026

กำหนดการเบื้องต้นที่เปิดเผยมีดังนี้

• หน่วยงานผู้ดำเนินการ: AI Verify Foundation
• คาดว่าจะเริ่มใช้งาน: ครึ่งหลังของปี 2026
• คาดว่าจะเปิดรับสมัครการรับรอง: ประมาณ ไตรมาสที่ 3 ปี 2026

ทำไมสิงคโปร์จึงสร้าง AI TAP

เป้าหมายหลักของโครงการนี้คือ เพิ่มความเชื่อมั่นในบริการทดสอบความปลอดภัย AI

ปัจจุบันหลายองค์กรจ้างบริษัทเฉพาะทางมาทดสอบระบบ AI เช่น การทำ “red teaming” หรือพยายามเจาะระบบเพื่อดูว่าสามารถหลบเลี่ยงมาตรการป้องกันของโมเดลได้หรือไม่ แต่คุณภาพของผู้ให้บริการเหล่านี้อาจแตกต่างกันมาก

AI TAP จึงพยายามแก้ปัญหานี้ด้วยการสร้าง มาตรฐานการรับรองอย่างเป็นทางการสำหรับบริษัทที่ให้บริการทดสอบ AI

โครงการนี้ยังเป็นส่วนหนึ่งของความพยายามระยะยาวของสิงคโปร์ในการสร้าง ระบบนิเวศ AI ที่เชื่อถือได้ (Trusted AI ecosystem) ที่ยังคงส่งเสริมนวัตกรรมควบคู่กับความปลอดภัย

ตัวอย่างโครงการที่สนับสนุนแนวคิดนี้ ได้แก่

• AI Verify testing framework เครื่องมือที่ช่วยให้องค์กรตรวจสอบว่า AI ของตนสอดคล้องกับหลักการกำกับดูแล AI ที่ได้รับการยอมรับในระดับสากล
• Global AI Assurance Pilot และ Sandbox ที่เชื่อมบริษัทผู้พัฒนา AI กับผู้ทดสอบเพื่อทดลองวิธีตรวจสอบระบบ AI ในสถานการณ์จริง

โครงการเหล่านี้ช่วยสร้างแนวปฏิบัติร่วมกันสำหรับการใช้ AI อย่างรับผิดชอบ

AI TAP จะรับรองบริษัททดสอบ AI อย่างไร

บริษัทที่ต้องการการรับรองจาก AI TAP จะต้องผ่านการประเมินหลักสองด้าน

1) การประเมินความสามารถด้านเทคนิค

ผู้สมัครต้องพิสูจน์ว่าวิธีการทดสอบของตนสอดคล้องกับแนวทางการตรวจสอบระบบ AI ที่เป็นที่ยอมรับ เช่น

• การทดสอบความปลอดภัยของแอปพลิเคชันที่ใช้โมเดลภาษา (LLM)
• การทดสอบความเสถียรและความทนทานของระบบ
• การค้นหาช่องโหว่หรือการโจมตีที่อาจเกิดขึ้น

นอกจากนี้บริษัทต้องแสดงให้เห็นว่ามี วิธีการทดสอบที่เป็นระบบ รวมถึงชุดข้อมูลสำหรับการประเมิน AI อย่างเหมาะสม

2) การประเมินองค์กร

AI TAP ไม่ได้ดูแค่ความสามารถด้านเทคนิค แต่ยังตรวจสอบความน่าเชื่อถือขององค์กรด้วย

เกณฑ์ที่อาจถูกพิจารณา ได้แก่

• ชื่อเสียงและประวัติการดำเนินงาน
• ความสามารถด้านการดำเนินงานและบุคลากร
• ความมั่นคงทางการเงิน
• ความสอดคล้องระหว่างบริการที่ประกาศกับความสามารถจริง

การประเมินสองชั้นนี้มีเป้าหมายเพื่อให้แน่ใจว่าผู้ทดสอบที่ได้รับการรับรอง ทั้งมีทักษะทางเทคนิคและมีความน่าเชื่อถือในเชิงองค์กร

ความเสี่ยงของ AI ที่ผู้ทดสอบต้องตรวจสอบ

แม้ AI TAP จะยังไม่ได้เผยรายการการทดสอบอย่างเป็นทางการ แต่โครงการทดสอบ AI ในสิงคโปร์ที่ผ่านมาได้ระบุความเสี่ยงสำคัญหลายประเภท เช่น

• ช่องโหว่ด้านความปลอดภัย หรือการหลบเลี่ยงมาตรการป้องกัน
• ความล้มเหลวด้านความปลอดภัยของเนื้อหา เช่น การสร้างข้อความที่เป็นอันตรายหรือไม่เหมาะสม
• ความเสี่ยงด้านการรั่วไหลของข้อมูล โดยเฉพาะในระบบ RAG ที่เชื่อมต่อฐานความรู้ภายในองค์กร
• ปัญหาความปลอดภัยข้ามภาษา ซึ่งพบว่ามาตรการป้องกันที่ทำงานในภาษาอังกฤษอาจล้มเหลวในภาษาอื่น
• ความแม่นยำและความสม่ำเสมอของคำตอบ เช่น การเกิด hallucination ของโมเดล

การทดลองทดสอบในโครงการ AI assurance ของสิงคโปร์พบว่าการออกแบบระบบบางแบบอาจเพิ่มโอกาสที่ข้อมูลสำคัญจะถูกดึงออกมาโดยไม่ได้ตั้งใจ

วิธีการทดสอบที่ใช้ในงานตรวจสอบ AI

องค์กรที่ทำงานด้าน AI assurance มักใช้ทั้งการทดสอบอัตโนมัติและการประเมินโดยผู้เชี่ยวชาญ ตัวอย่างวิธีการที่ใช้ในโครงการของสิงคโปร์ ได้แก่

• Adversarial prompting และ red teaming เพื่อค้นหาช่องโหว่แบบ jailbreak
• การสร้างชุดข้อมูลสังเคราะห์ (synthetic datasets) สำหรับทดสอบกรณีผิดปกติ
• การวัดความแม่นยำของระบบ เช่น accuracy และ retrieval precision
• Human‑in‑the‑loop evaluation ให้ผู้เชี่ยวชาญตรวจสอบผลลัพธ์ของ AI
• LLM-as-judge ใช้โมเดล AI ช่วยประเมินผลลัพธ์จำนวนมากในระดับสเกลใหญ่

วิธีเหล่านี้ช่วยตรวจสอบทั้ง ประสิทธิภาพของโมเดลและความแข็งแรงของระบบป้องกัน

AI TAP อาจส่งผลต่อมาตรฐาน AI ทั่วโลกอย่างไร

การรับรอง “ผู้ทดสอบ” แทนที่จะรับรองแค่ตัวระบบ AI เป็นแนวคิดที่กำลังได้รับความสนใจในด้านการกำกับดูแล AI

หากโครงการประสบความสำเร็จ อาจช่วยให้เกิดผลกระทบหลายด้าน เช่น

• เพิ่มความมั่นใจเมื่อองค์กรจ้างบริษัทภายนอกมาตรวจสอบ AI
• กำหนดมาตรฐานใหม่สำหรับการทดสอบความปลอดภัย AI
• ทำให้ผลการทดสอบจากบริษัทต่าง ๆ เปรียบเทียบกันได้ง่ายขึ้น
• ส่งเสริมความร่วมมือระหว่างผู้พัฒนา AI กับผู้ตรวจสอบอิสระ

เนื่องจาก AI TAP ถูกวางตำแหน่งเป็นโครงการแรกในเอเชีย จึงอาจมีอิทธิพลต่อแนวทางกำหนดมาตรฐาน AI assurance ของประเทศอื่น ๆ ในอนาคต

สิ่งที่ยังไม่เปิดเผย

แม้โครงสร้างหลักของโครงการจะถูกประกาศแล้ว แต่รายละเอียดบางส่วนยังไม่ชัดเจน เช่น

• โมเดลการให้คะแนนการรับรอง
• โปรโตคอลการทดสอบที่ต้องใช้
• มาตรฐานเฉพาะอุตสาหกรรม เช่น การเงินหรือสาธารณสุข

ข้อมูลเหล่านี้คาดว่าจะชัดเจนขึ้นเมื่อโครงการเปิดรับสมัครและมีบริษัทชุดแรกเข้าสู่กระบวนการรับรอง

ภาพรวม

เมื่อ AI กลายเป็นเทคโนโลยีพื้นฐานของหลายอุตสาหกรรม การตรวจสอบความปลอดภัยและความน่าเชื่อถือของระบบจึงกลายเป็นขั้นตอนสำคัญก่อนการใช้งานจริง

แนวทางของสิงคโปร์คือการสร้างเครือข่าย ผู้ตรวจสอบ AI อิสระที่ได้รับการรับรอง ซึ่งองค์กรต่าง ๆ สามารถเชื่อถือได้

หาก AI TAP ทำงานได้ตามเป้าหมาย มันอาจกลายเป็นหนึ่งในกลไกสำคัญของโครงสร้างกำกับดูแล AI ระดับโลกในอนาคต