6 อันตรายที่คนใช้ AI ต้องรู้ ก่อนข้อมูลส่วนตัวและข้อมูลบริษัทหลุด
แค่คัดลอกข้อความจากเอกสารไปให้ AI ช่วยสรุป อาจดูเหมือนเรื่องเล็ก แต่ข้อมูลที่ส่งเข้าไปอาจเกี่ยวข้องกับความเป็นส่วนตัว ความลับทางธุรกิจ และระบบอื่นที่เชื่อมต่อกับ AI ได้
1. ข้อมูลลับอาจถูกส่งเข้า AI โดยไม่รู้ตัว
ตัวเลขหนึ่งที่น่าสนใจจาก Cisco 2025 Data Privacy Benchmark Study คือ ผู้ตอบแบบสำรวจระบุว่ามีการนำ ข้อมูลบริษัทที่ไม่เปิดเผยต่อสาธารณะ 42% เข้าไปใน GenAI applications ขณะที่ 31% ระบุว่ามีการป้อนข้อมูลชื่อหรือข้อมูลของลูกค้าเข้าไปด้วย
ปัญหาจึงไม่ได้อยู่ที่ AI เพียงอย่างเดียว แต่อยู่ที่ “ข้อมูลที่คนเอาไปป้อน” ด้วย
เอกสารภายใน รายชื่อลูกค้า สัญญา ใบเสนอราคา ข้อมูลการเงิน หรือข้อความที่ยังไม่เปิดเผยต่อสาธารณะ ล้วนมีความอ่อนไหวสูงกว่าคำถามทั่วไป
หลักจำง่าย: ถ้าข้อมูลนั้นไม่ควรโพสต์ลงอินเทอร์เน็ตแบบสาธารณะ ก็ควรคิดให้รอบคอบก่อนนำไปใส่ AI
2. ประวัติแชตไม่ได้หมายความว่า “หายไปทันที” เมื่อเลิกใช้
ความเข้าใจผิดที่พบบ่อยคือ เมื่อปิดหน้าต่าง AI แล้ว ข้อมูลที่พิมพ์ไปจะหายทันที
แต่ระบบ AI แต่ละรายมีนโยบายการเก็บข้อมูลและการควบคุมข้อมูลแตกต่างกัน
ตัวอย่างเช่น ChatGPT มี Data Controls ให้ผู้ใช้เลือกว่าจะอนุญาตให้นำบทสนทนาไปช่วยปรับปรุงโมเดลหรือไม่ และมี Temporary Chat ซึ่งไม่ปรากฏในประวัติ ไม่สร้าง Memory และไม่ถูกนำไปใช้ฝึกโมเดล โดยข้อมูล Temporary Chat ถูกเก็บไว้ 30 วันเพื่อวัตถุประสงค์ด้านความปลอดภัย ก่อนถูกลบตามข้อมูลของ OpenAI
ตัวเลข 30 วัน จึงเป็นตัวอย่างสำคัญว่า “ไม่ใช้ฝึกโมเดล” ไม่ได้แปลว่า “ไม่มีการเก็บข้อมูลเลย”
ดังนั้น ก่อนส่งข้อมูลสำคัญ ควรดู Data Controls และนโยบายของบริการที่กำลังใช้อยู่ทุกครั้ง
3. AI ที่เชื่อมต่อกับแอปอื่นอาจเพิ่มขอบเขตของข้อมูลที่เข้าถึงได้
ความเสี่ยงของ AI รุ่นใหม่ไม่ได้หยุดอยู่ที่ช่องพิมพ์ข้อความ เพราะ AI สามารถทำงานร่วมกับแอปหรือเครื่องมืออื่นได้
ยิ่งเชื่อมต่อกับระบบมาก ขอบเขตของข้อมูลที่ AI สามารถเข้าถึงก็ยิ่งขึ้นอยู่กับ สิทธิ์ที่ผู้ใช้อนุญาต
OpenAI ระบุว่าเมื่อเชื่อมต่อแอปใน ChatGPT ผู้ใช้จะต้องอนุญาตการเข้าถึง และระบบจะเข้าถึงข้อมูลภายใต้สิทธิ์ที่บัญชีผู้ใช้นั้นมีอยู่ ขณะที่ระบบยังมีมาตรการด้านความปลอดภัยเพื่อลดความเสี่ยงจาก Prompt Injection
ในมุมของความปลอดภัย จึงมีหลักง่าย ๆ คือ
1 แอปที่เชื่อมต่อ = 1 ช่องทางที่ต้องตรวจสอบสิทธิ์
หากไม่จำเป็นต้องให้ AI อ่านไฟล์ อีเมล หรือข้อมูลจากบริการอื่น ก็ควรหลีกเลี่ยงการให้สิทธิ์เกินความจำเป็น
4. Prompt Injection อาจทำให้ AI ทำสิ่งที่ผู้ใช้ไม่ได้ตั้งใจ
OWASP จัด Prompt Injection เป็น LLM01:2025 ซึ่งเป็นความเสี่ยงอันดับแรกใน Top 10 สำหรับ LLM และ Generative AI
แนวคิดสำคัญคือ ข้อความที่ป้อนเข้า AI ไม่ได้มาจากผู้ใช้เพียงคนเดียวเสมอไป แต่อาจมีคำสั่งแฝงอยู่ในเว็บไซต์ เอกสาร หรือข้อมูลที่ AI กำลังอ่าน
ถ้า AI มีสิทธิ์เข้าถึงเครื่องมือหรือข้อมูลอื่น ความเสียหายจึงอาจขยายจาก “ตอบผิด” ไปสู่การทำงานที่ไม่ควรทำได้
OWASP จึงแยก Prompt Injection เป็นความเสี่ยงเฉพาะ ไม่ใช่เพียงปัญหาเรื่องการเขียน Prompt ไม่ดี
สิ่งที่ผู้ใช้ควรจำ: อย่าให้ AI มีสิทธิ์มากกว่าที่จำเป็น โดยเฉพาะเมื่อ AI สามารถอ่านไฟล์ เข้าถึงระบบ หรือดำเนินการแทนผู้ใช้ได้
5. Sensitive Information Disclosure ไม่ใช่เรื่องสมมติ
OWASP จัด Sensitive Information Disclosure เป็น LLM02:2025 โดยตรง
ความเสี่ยงนี้ครอบคลุมข้อมูลอ่อนไหวที่อาจถูกเปิดเผยผ่านระบบ AI หรือแอปพลิเคชันที่สร้างขึ้นรอบโมเดล ไม่ว่าจะเป็นข้อมูลส่วนบุคคล ข้อมูลธุรกิจ หรือข้อมูลที่ระบบไม่ควรเปิดเผย
ตัวเลขจาก IBM ยิ่งสะท้อนว่าปัญหานี้ไม่ใช่เรื่องไกลตัว ในการศึกษาปี 2025 60% ของ AI-related security incidents ที่รายงานนำไปสู่การถูกกระทบของข้อมูล และ 31% นำไปสู่ operational disruption
ตัวเลขเหล่านี้เป็นข้อมูลระดับองค์กร ไม่ควรตีความว่า “ผู้ใช้ AI ทั่วไปมีโอกาสข้อมูลหลุด 60%”
แต่สิ่งที่ตัวเลขบอกได้ชัดคือ เมื่อ AI ถูกนำไปใช้กับระบบจริง ความผิดพลาดด้านข้อมูลสามารถกลายเป็นเหตุการณ์ด้านความปลอดภัยได้
6. Shadow AI คือการใช้ AI นอกระบบที่องค์กรควบคุม
อีกความเสี่ยงที่คนทำงานอาจมองข้ามคือ Shadow AI หรือการนำเครื่องมือ AI ที่องค์กรไม่ได้อนุมัติมาใช้กับงานจริง
IBM รายงานในปี 2025 ว่า 1 ใน 5 องค์กร ที่อยู่ในการศึกษารายงานเหตุข้อมูลรั่วไหลที่เกี่ยวข้องกับ Shadow AI และองค์กรที่มีการใช้ Shadow AI ในระดับสูงมีค่าใช้จ่ายจากการละเมิดข้อมูลเฉลี่ยสูงกว่าองค์กรที่มีการใช้ต่ำหรือไม่มี Shadow AI ประมาณ 670,000 ดอลลาร์สหรัฐ
ที่น่าสนใจคือ IBM ยังพบว่า 63% ขององค์กรที่ประสบเหตุในงานศึกษาดังกล่าวยังไม่มีนโยบาย AI Governance ที่สมบูรณ์หรืออยู่ระหว่างการพัฒนา
เหตุผลหลักมาจากการที่ AI ใช้งานง่ายมาก พนักงานจึงสามารถสมัครบริการใหม่แล้วนำเอกสารไปวิเคราะห์ได้ภายในไม่กี่นาที โดยฝ่าย IT อาจไม่รู้ด้วยซ้ำว่ามีการใช้งานเกิดขึ้น
นี่จึงเป็นเหตุผลว่าทำไม “ห้ามใช้ AI” อาจไม่ใช่คำตอบที่ดีที่สุด แต่ควรเป็น ใช้ AI ที่ได้รับอนุญาต + กำหนดข้อมูลที่ส่งได้ + ควบคุมสิทธิ์การเข้าถึง
แล้วข้อมูลแบบไหนควรคิดให้รอบคอบก่อนส่ง AI?
จำง่าย ๆ ด้วย 6 กลุ่มข้อมูลเสี่ยง
| ประเภทข้อมูล | ตัวอย่าง |
|---|---|
| ข้อมูลส่วนตัว | เลขบัตรประชาชน ที่อยู่ เบอร์โทร ข้อมูลบัญชี |
| ข้อมูลลูกค้า | รายชื่อ ฐานข้อมูลลูกค้า ประวัติการติดต่อ |
| ข้อมูลการเงิน | เลขบัญชี รายการธุรกรรม เอกสารภาษี |
| ข้อมูลบริษัท | สัญญา แผนธุรกิจ ราคา ต้นทุน เอกสารภายใน |
| ข้อมูลลับด้านเทคนิค | Password, API Key, Token, Connection String |
| ข้อมูลที่มีข้อจำกัดการเข้าถึง | เอกสารภายใน ระบบหลังบ้าน หรือข้อมูลจากแอปที่เชื่อมต่อ |
โดยเฉพาะ Password, API Key และ Token ไม่ควรนำไปใส่ใน Prompt เพื่อให้ AI ช่วยตรวจสอบหรือแก้ปัญหา เพราะ OWASP ระบุว่าข้อมูลประเภท Credential และ Connection String ไม่ควรถูกเก็บไว้ใน System Prompt หรือใช้เป็นกลไกควบคุมความปลอดภัย
ใช้ AI อย่างไรให้ปลอดภัยขึ้น?
ไม่จำเป็นต้องเลิกใช้ AI แต่ควรลดข้อมูลที่ส่งเข้าไปตั้งแต่ต้น
วิธีที่ง่ายที่สุดมี 5 ข้อ
ลบข้อมูลส่วนตัว ก่อนส่งเอกสาร
แทนชื่อจริงด้วยข้อมูลสมมติ เช่น “ลูกค้า A”
ลบ Password, API Key และ Token ออกจากข้อความ
ตรวจ Data Controls และ Privacy Policy ของบริการที่ใช้
ให้ AI มีสิทธิ์เท่าที่จำเป็น โดยเฉพาะเมื่อเชื่อมต่อแอปหรือระบบภายนอก
สำหรับ ChatGPT ผู้ใช้สามารถเข้า Settings → Data Controls → ปิด “Improve the model for everyone” ได้ โดยเมื่อปิดแล้วบทสนทนาใหม่จะยังอยู่ในประวัติ แต่จะไม่ถูกใช้เพื่อฝึกโมเดลตามข้อมูลของ OpenAI
ส่วนงานที่มีข้อมูลอ่อนไหวมาก ผู้ใช้สามารถพิจารณา Temporary Chat ตามความเหมาะสม แต่ควรอ่านเงื่อนไขของบริการก่อนเสมอ เพราะการตั้งค่าความเป็นส่วนตัวของแต่ละแพลตฟอร์มไม่เหมือนกัน
AI ไม่ได้น่ากลัว แต่ “ข้อมูลที่เราให้ AI” ต้องคิดก่อนส่ง
ตัวเลขจาก Cisco, IBM และกรอบความเสี่ยงของ OWASP ชี้ไปในทิศทางเดียวกันว่า ปัญหาไม่ได้อยู่ที่ AI อย่างเดียว แต่อยู่ที่ ข้อมูล สิทธิ์ และระบบที่นำ AI ไปเชื่อมต่อ
ยิ่ง AI เก่งขึ้นและทำงานแทนคนได้มากขึ้น การถามว่า “AI ทำอะไรได้บ้าง?” จึงควรถามคู่กับ “AI ได้เห็นข้อมูลอะไรบ้าง?”
เพราะบางครั้งสิ่งที่หลุดออกไปอาจไม่ใช่คำตอบของ AI แต่เป็นข้อมูลที่เราเป็นคนส่งเข้าไปตั้งแต่ต้น
แหล่งข้อมูล
- IBM Cost of a Data Breach Report 2026 — ใช้ข้อมูลเรื่อง AI-enabled breaches และสถานการณ์ AI security ล่าสุด
- IBM Cost of a Data Breach Report 2025 — ใช้ตัวเลข 13%, 97%, 60%, 31%, 1 ใน 5, $670,000 และ 63% ในบริบท AI breach / Shadow AI / Governance
- OWASP Top 10 for LLM & GenAI 2025 — ใช้จัดกรอบ Prompt Injection และ Sensitive Information Disclosure เป็น LLM01 / LLM02
- Cisco 2025 Data Privacy Benchmark Study — ใช้ตัวเลขข้อมูลที่ผู้ใช้นำเข้า GenAI เช่น 42% ข้อมูลบริษัทที่ไม่เปิดเผยต่อสาธารณะ และ 31% ข้อมูลลูกค้า
- OpenAI Data Controls / Privacy — ใช้ข้อมูลเรื่อง Data Controls, Temporary Chat, Memory และการนำบทสนทนาไปใช้ฝึกโมเดล
#AI
#ChatGPT
#ความปลอดภัยไซเบอร์
#ข้อมูลส่วนตัว
#ข้อมูลรั่วไหล
#CyberSecurity
#GenerativeAI
#PromptInjection
#Privacy
#เทคโนโลยี