จริยธรรมปัญญาประดิษฐ์ในการบริหารทรัพยากรมนุษย์กับการกำกับดูแลการตัดสินใจโดยมนุษย์ในบริบทประเทศไทย
Main Article Content
บทคัดย่อ
นวัตกรรมปัญญาประดิษฐ์ ได้เข้ามาเปลี่ยนแปลงการบริหารทรัพยากรมนุษย์ ตั้งแต่การสรรหา การประเมินผลงาน การวางแผนสืบทอดตำแหน่ง ไปจนถึงการพัฒนาศักยภาพพนักงาน ช่วยเพิ่มประสิทธิภาพและความแม่นยำของการตัดสินใจในองค์กร แต่ก็สร้างคำถามด้านจริยธรรมสำคัญ เช่น อคติ การเลือกปฏิบัติ การละเมิดความเป็นส่วนตัว และความไม่โปร่งใสของกระบวนการตัดสินใจ บทความนี้นำเสนอภาพรวมของการใช้ปัญญาประดิษฐ์ในการบริหารทรัพยากรมนุษย์ในบริบทประเทศไทย ร่วมกับการวิเคราะห์กรอบจริยธรรมที่เกี่ยวข้อง โดยมุ่งอธิบายศักยภาพและข้อจำกัดของเทคโนโลยี ระบุประเด็นจริยธรรมเชิงโครงสร้างในวงจรชีวิตการบริหารบุคคล และเสนอแนวทางใช้ปัญญาประดิษฐ์อย่างมีความรับผิดชอบบนฐานของการกำกับดูแลการตัดสินใจโดยมนุษย์
ผลการวิเคราะห์ พบว่า ปัญญาประดิษฐ์มีศักยภาพสูงในการลดภาระงานธุรการและเพิ่มการตัดสินใจเชิงข้อมูล แต่มีข้อจำกัดสำคัญด้านอคติเชิงโครงสร้าง ความทึบแสงของโมเดล และความเสี่ยงต่อการละเมิดความเป็นส่วนตัว ประเด็นจริยธรรมหลักครอบคลุมทั้งอคติในข้อมูลฝึกสอน สิทธิในการขอคำอธิบาย การเฝ้าระวังในที่ทำงาน และช่องว่างด้านความรับผิด บทความเสนอโมเดล "HERO: Human-Ethical Review & Oversight" เป็นกรอบแนวคิดที่คำนึงถึงวัฒนธรรมองค์กรแบบลำดับชั้น และปรากฏการณ์อคติจากระบบอัตโนมัติ ในสังคมไทย เพื่อสร้างสมดุลระหว่างประสิทธิภาพทางเทคโนโลยีกับการคุ้มครองศักดิ์ศรีและสิทธิแรงงานของพนักงาน
Article Details

อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
##default.contextSettings.thaijo.licenseTerms##เอกสารอ้างอิง
เขมภัทร ทฤษฎิคุณ และ วิชญาดา อำพนกิจวิวัฒน์. (2568, 27 มีนาคม). การเดินหน้ากฎหมายปัญญาประดิษฐ์ของไทย: การพัฒนาที่อยู่บนทางสองแพร่ง. https://tdri.or.th/2025/03/navigating-thailand-ai-law-article/
ฉัตรธีรพล ปรัชญาลภัสศิริ. (2562). การศึกษานวัตกรรมปัญญาประดิษฐ์เพื่อการบริหารทุนมนุษย์ในประเทศไทย: กรณีศึกษาองค์กรกลุ่มธุรกิจยานยนต์ [สารนิพนธ์ปริญญามหาบัณฑิต, มหาวิทยาลัยมหิดล]. หอสมุดมหาวิทยาลัยมหิดล.
พัฒน์ศิณีนาฎ วรรณรัตน์. (2567). การศึกษานวัตกรรมปัญญาประดิษฐ์เพื่อการบริหารทรัพยากรมนุษย์: กรณีศึกษาของบริษัทในกลุ่มธุรกิจอุตสาหกรรมไมซ์ (MICE) [สารนิพนธ์ปริญญามหาบัณฑิต, มหาวิทยาลัยมหิดล]. หอสมุดมหาวิทยาลัยมหิดล.
สำนักงานคณะกรรมการดิจิทัลเพื่อเศรษฐกิจและสังคมแห่งชาติ. (2564). Thailand artificial intelligence ethics guideline. กระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม.
สำนักงานพัฒนาธุรกรรมทางอิเล็กทรอนิกส์. (2567). แนวทางและธรรมาภิบาลการใช้ปัญญาประดิษฐ์ [รายงานนโยบาย]. https://www.etda.or.th
สำนักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ. (2565). แนวปฏิบัติจริยธรรมด้านปัญญาประดิษฐ์. https://www.nstda.or.th/ori/wp-content/uploads/2022/08/20220831-aw-book-ai-ethics-guideline.pdf
Barocas, S., & Selbst, A. D. (2016). Big data's disparate impact. California Law Review, 104(3), 671–732.
Kayusi, F., Chavula, P., Keari Omwenga, M., Juma, L., Agura Kayus, B., Gonzalez Vallejo, R., & Mishra, R. (2025). AI-Driven HR Analytics: Transforming Talent Management and Employee Engagement. Revista Multidisciplinaria Voces De América Y El Caribe, 2(1), 558-582. https://doi.org/10.69821/REMUVAC.v2i1.214
Edwards, L., & Veale, M. (2017). Slave to the algorithm? Why a "right to an explanation" is probably not the remedy you are looking for. Duke Law & Technology Review, 16(1), 18–84.
uropean Data Protection Supervisor. (2025, September 23). TechDispatch #2/2025 — Human oversight of automated decision-making. https://www.edps.europa.eu/data-protection/our-work/publications/techdispatch/2025-09-23-techdispatch-22025-human-oversight-automated-making_en
Global Privacy Assembly. (2024). Resolution on human oversight of automated decisions. https://globalprivacyassembly.org
Goodman, B., & Flaxman, S. (2017). European Union regulations on algorithmic decision-making and a "right to explanation". AI Magazine, 38(3), 50–57.
Hongladarom, S. (2021). The Thailand national AI ethics guideline: An analysis. Journal of Information, Communication and Ethics in Society, 19(4), 480–493.
Kaminski, M. E., & Malgieri, G. (2021). Algorithmic impact assessments under the GDPR: Producing multi-layered explanations. International Data Privacy Law, 11(2), 125–145.
Raghavan, M., Barocas, S., Kleinberg, J., & Levy, K. (2020). Mitigating bias in algorithmic hiring: Evaluating claims and practices. Proceedings of the 2020 Conference on Fairness, Accountability, and Transparency, 469–481. https://doi.org/10.1145/3351095.3372828
World Bank. (2024). South Asia development update, April 2024: Jobs for resilience (Chapter 2). https://openknowledge.worldbank.org/handle/10986/41330