ไม่มีแล้วโจรปล้นธนาคาร เพราะใช้ AI แฮกระบบการเงินง่ายกว่า สรุปเสวนาเวที AI และความเสี่ยงไซเบอร์ ใน IMF - World Bank 2026

AI แฮกระบบ ดูดยอดเงินสูญหาย ภัยความมั่นคงไซเบอร์รูปแบบใหม่ในภาคการเงินที่เกิดขึ้น ถือเป็นความกังวลที่มาพร้อมๆ กับกระแสการเฟื่องฟูของ AI ที่เรียกได้ว่าหากไม่รับมือป้องกัน อนาคตความเสี่ยงอาจยากเกินการควบคุม 

บนเวทีเสวนา Artificial Intelligence and Escalating Cyber Risks ในการประชุม IMF-World Bank 2026 นั้น ก็ได้ชวนผู้เชี่ยวชาญทั้งในด้าน AI, การธนาคาร และหน่วยงานตลาดดูแลกำกับการเงินมาฉายภาพให้เห็นว่าปัจจุบัน ความก้าวหน้าของ AI หน้ากลัวต่อระบบการเงินแค่ไหน มีช่องโหว่แล้วอย่างไร และเสี่ยงแค่ไหนที่ระบบจะถูกแฮกได้ 

IMF มองว่า AI กำลังเพิ่มความเร็ว ขนาด และความซับซ้อนของการค้นหาและโจมตีช่องโหว่ซอฟต์แวร์ ทั้งในมือผู้โจมตีและผู้ป้องกัน ซึ่งเมื่อระบบการเงิน ชำระเงิน และธนาคาร ต่างเชื่อมต่อกันด้วยดิจิทัลแล้ว หากเกิดเหตุขัดข้อง อาจส่งผลกระทบต่อๆ กันทั้งตลาด และสถาบัน จนส่งผลต่อเสถียรภาพทางการเงินได้ 

หาช่องโหว่ในระบบง่าย แต่แก้ยาก

ไมเคิล เซลลิตโต (Michael Sellitto) หัวหน้าฝ่ายนโยบายเอเชียแปซิฟิกของ Anthropic ผู้พัฒนาโมเดล Claude เล่าว่า จากประสบการณ์ของ Anthropic การค้นหาช่องโหว่ของระบบทำได้ง่ายมาก แต่การแก้ไขให้ทั่วทั้งระบบยากและช้ากว่ามาก โดยตั้งแต่ต้นปีนี้ทีมเริ่มเห็นสัญญาณว่าโมเดลที่กำลังฝึก ซึ่งต่อมาคือ Mythos กำลังข้ามเกณฑ์สำคัญ ความสามารถของมันแรงกว่าสิ่งที่เคยเห็นมาก ทั้งด้านป้องกันและด้านโจมตี

Anthropic จึงเลื่อนการเปิดตัว เชิญบุคคลที่สาม เช่น บริษัทความมั่นคงไซเบอร์ มาทดสอบว่าสัญชาตญาณของทีมถูกหรือไม่ และสุดท้ายตัดสินใจไม่ปล่อยโมเดลให้ใครก็ใช้ได้ แต่เปิดโครงการ Glasswing เมื่อเดือนเมษายน เพื่อให้ฝ่ายป้องกันมีเวลาหาและแก้ช่องโหว่ก่อน 

ในระหว่างโครงการ Anthropic และทีมด้านไซเบอร์พบช่องโหว่ราว 130,000 จุด ในนั้นราว 30,000 จุดอยู่ในระดับวิกฤตหรือรุนแรงที่สุด เซลลิตโตยอมรับตรง ๆ ว่าส่วนใหญ่น่าจะยังไม่ได้รับการแก้ไขแม้ผ่านมาหลายเดือน เนื่องจากต้องใช้เวลา ไม่ว่าเทคโนโลยีจะก้าวเร็วเพียงใด

ในฐานะคนที่ทำงานพัฒนา AI เขาเปรียบเทียบความเร็วของ AI เหมือนการติดเชื้อ COVID-19 ที่จากวันแรก เพียง 5 คน ก็กลายเป็น 25 คนได้ในวันถัดไป โดยโค้ดที่เขียนโดยClaude ภายใน Anthropic จากแทบ 0% เมื่อปีก่อน เป็นราว 50% ในเดือนสิงหาคมปีที่แล้ว และ 80-90% ภายในสิ้นปี หรือสัดส่วนของกระบวนการสร้างโมเดลรุ่นถัดไปที่ Claude เป็นผู้นำ จาก 0% ต้นปีนี้ เป็นราว 26% ในปัจจุบัน และอาจแตะ 80-90% ในปีหน้า

เช่นเดียวกับการเจาะระบบ และโจมตี "การเจาะระบบที่เคยต้องใช้ทีมงานหลายสัปดาห์หรือหลายเดือน ตอนนี้คนเพียงคนเดียวทำได้ในไม่กี่ชั่วโมง" ผู้เชี่ยวชาญจาก Antropic กล่าว พร้อมชี้ว่า ทักษะระดับสูงสุดที่เคยมีเพียงคนราว 10,000 คนทั่วโลก ตอนนี้ใครก็ตามที่เข้าถึงเครื่องมือเหล่านี้ได้ก็ใช้ได้ อีกทั้งโมเดล AI ที่เก่งด้านไซเบอร์มีมากขึ้นเรื่อยๆ ตรงข้ามกับเครื่องมือป้องกันที่ยังพัฒนาตามไม่ทัน 

มาร์เลน อัมสตัด (Marlene Amstad) ประธานหน่วยงานกำกับดูแลตลาดการเงินของสวิตเซอร์แลนด์ (FINMA) เองก็เห็นตรงกันว่า AI เปลี่ยนเศรษฐศาสตร์ของการโจมตี เพราะถูกลง เร็วขึ้น และขยายขนาดง่ายขึ้น ไม่เฉพาะกับโมเดลระดับแนวหน้า แต่แค่อีเมลหลอกลวง, การปลอมเสียง หรือวิดีโอดีปเฟก ก็ทำง่ายขึ้นกว่าเดิม ซึ่งแม้เทคนิคเหล่านี้จะไม่ใช่เรื่องใหม่ แต่ความเร็ว และการโจมตีพร้อมๆ กันหลายจุดนั้นแพร่ขยายมากขึ้น 

สาเหตุที่ไซเบอร์กลายเป็นวิกฤตการเงิน

ไซเบอร์กลายเป็นวิกฤตการเงินระดับใหญ่ได้ ไม่ใช่แค่คนถูกแฮกบัญชี หลอกโอนเงิน แต่อัมสตัดยังยกผลการศึกษาจากที่ FINMA สำรวจสถาบันที่ตนกำกับดูแล ซึ่งมีทั้งธนาคาร,  บริษัทประกัน, กองทุนราว และแพลตฟอร์มราว 150 แห่ง ซึ่งพบว่า จากเดิมที่สถาบันใช้ AI เป็นจุด ๆ ในงานหลังบ้านหรือหน้าบ้าน ตอนนี้ใช้ทั่วทั้งห่วงโซ่ ที่แปลได้ว่าความเสี่ยงไซเบอร์แทรกอยู่ทุกขั้นของการทำงานและการตัดสินใจ

ความเสี่ยงไซเบอร์ต่อระบบการเงินมี 3 เส้นทางสำคัญ ได้แก่ การโจมตีระบบหลักของสถาบันจนธุรกรรมหยุดชะงัก การโจมตีซอฟต์แวร์หรือบริการที่หลายองค์กรใช้ร่วมกัน เช่น เหตุการณ์ MOVEit ในปี 2023 และการทำลายความเชื่อมั่นผ่านข่าวลือว่าธนาคารถูกเจาะระบบ แม้จะไม่มีเหตุขัดข้องเกิดขึ้นจริง

ในฐานะผู้กำกับดูแล อัมสตัดระบุว่าความท้าทายคือ ต้นทุนการโจมตีที่ลดลง ความเสี่ยงจากบุคคลที่สามและห่วงโซ่อุปทานที่ซับซ้อน รวมถึงความเร็วในการโจมตีที่อาจลดจากหลายวันเหลือเพียงไม่กี่นาที ทำให้การประเมินความเสี่ยงและการรับมือวิกฤตแบบเดิมอาจไม่ทันการณ์ แต่อย่างไรก็ตาม AI สามารถใช้รับมือภัยไซเบอร์ได้เช่นกัน 

เมื่อระบบชำระเงินในบราซิลถูกโจมตี และผู้ให้บริการคือจุดอ่อน

การแฮกระดับชาติ เคยเกิดขึ้นมาแล้วในบราซิล เมื่อระบบชำระเงินถูกโจมตี เปาโล ปิเกตตี (Paulo Picchetti) รองผู้ว่าการธนาคารกลางบราซิล ดูแลกิจการระหว่างประเทศและการบริหารความเสี่ยงองค์กร เล่าบทเรียนจากการโจมตีระบบชำระเงินทันที หรือ PIX ว่า มีปัจจัยมาจากการเปิดให้ผู้ให้บริการหลายรายแข่งขันกัน แต่กลับกลายเป็นการมีผู้ให้บริการที่ไม่ปลอดภัยเข้ามา จนถูกโจมตี 

การโจมตีมีหลากหลายรูปแบบ และมีคนถูกโจมตีบัญชี มีเหยื่อถูกขโมยเงินหลายร้าน ซึ่งเขาเทียบให้เห็นภาพว่า ในอดีต การเข้าธนาคารในบราซิลยุ่งยากยิ่งกว่าการผ่านด่านความปลอดภัยในสนามบิน มีการตรวจหลายขั้นตอนแต่ตอนนี้กลับสามารถเข้าได้ปกติ "โจรปล้นธนาคารในบราซิลแทบเป็นศูนย์ เพราะคนพบว่าปล้นด้วยวิธีไซเบอร์ถูกกว่าการถือปืนแล้วเสี่ยงโดนจับ" เขากล่าว

บทเรียนจากบราซิล ทำให้ปิเกตตีมองว่า ต้องสร้างความเชื่อมั่นในระบบ และใช้ทุกเครื่องมือที่มีรวมถึง AI ในการคาดการณ์ช่องโหว่ ธนาคารกลางบราซิลเองใช้วิธีทางสถิติตรวจจับการฉ้อโกงมานาน และตอนนี้ใช้แมชชีนเลิร์นนิงและ AI เสริม เพื่อแจ้งเตือนสถาบันให้ตอบสนองทัน 

จุดอ่อนของระบบการเงิน และความร่วมมือเพื่อป้องกันความเสี่ยง

แล้วถ้าหาก AI จะแฮกระบบ และอาจส่งผลต่อทั้งโลกได้ จุดอ่อนของระบบการเงินโลกอยู่ตรงไหน ?

อังเดรอา แมเคลอร์ (Andréa Maechler) รองผู้จัดการทั่วไปของธนาคารเพื่อการชำระหนี้ระหว่างประเทศ (BIS) ตอบว่า ไม่มีคำตอบง่าย ๆ เพราะความเสี่ยงไซเบอร์จาก AI ไม่ใช่ความเสี่ยงด้าน AI ล้วน ๆ ไม่ใช่ความเสี่ยงไซเบอร์ล้วน ๆ และก็ไม่ใช่ความเสี่ยงด้านปฏิบัติการธรรมดา สิ่งที่ผลักให้เหตุไซเบอร์ธรรมดากลายเป็นปัญหาเสถียรภาพการเงินคือความเร็ว ขนาด ความพร้อมกัน และความสัมพันธ์ระหว่างกันของเหตุการณ์

เธอชี้เพิ่มอีกสองจุดอ่อน คือการกระจุกตัว เพราะสถาบันการเงินและธนาคารกลางจำนวนมากใช้ซอฟต์แวร์และผู้ให้บริการภายนอกรายเดียวกัน ช่องโหว่เดียวจึงอาจถูกใช้กับหลายสถาบันพร้อมกัน จุดที่สองคือการเชื่อมโยง เช่น การชำระเงินข้ามประเทศ หรือธนาคารหลายแห่งที่เข้าระบบชำระเงินเดียวกัน ความแข็งแรงของระบบจึงขึ้นกับผู้เข้าร่วมที่อ่อนที่สุด คำถามสำหรับทางการคือ จะรับแรงกระแทกไซเบอร์ที่เชื่อมโยงกันทั้งระบบได้หรือไม่ โดยไม่เสียความเชื่อมั่นในระบบชำระเงิน ในการชำระบัญชีที่เด็ดขาด หรือในความถูกต้องของข้อมูลทางการเงินที่ใช้ตัดสินใจ

เธอมองด้านบวกว่า ธนาคารกลางเคยถูกมองเป็นไดโนเสาร์ด้านเทคโนโลยี แต่ช่วงโควิดพิสูจน์ว่าปรับตัวได้เร็ว มีศูนย์นวัตกรรมของ BIS เป็นหลักฐานว่าธนาคารกลางอยากรู้เท่าทันทั้ง AI และโทเคนไนเซชัน ธนาคารกลางมีกรอบความยืดหยุ่นอยู่แล้ว สิ่งที่ต้องทำคือทดสอบให้บ่อยขึ้น เร็วขึ้น และครอบคลุมขึ้น

เมื่อถามถึงช่องว่างระหว่างธนาคารกลางขนาดเล็กกับใหญ่ เธอยอมรับว่ามีจริง เพราะ AI เป็นเรื่องของงบประมาณและการเข้าถึงโมเดลที่ดีที่สุด และช่องว่างนี้คือความเสี่ยงในตัวเอง แต่เธอเชื่อว่าเมื่อการใช้ AI เพื่อป้องกันแพร่หลาย ก็น่าจะช่วยปรับสนามให้เท่าเทียมกันได้เร็วขึ้นในด้านที่ต้องตอบสนองให้ดี

สุดท้าย ผู้ร่วมเสวนาทุกคนเห็นพ้องต้องกันว่า การป้องกัน AI ต่อการโจมตีเป็นสิ่งที่ต้องเร่งดำเนินการอย่างเต็มกำลัง โดยในระยะเวลา 12 เดือนข้างหน้า ในทุกภาคส่วน เพื่อรับมือกับปัญหาเหล่านี้ก่อนที่ฝ่ายป้องกันจะสูญเสียความได้เปรียบ โดยมีแนวทางปฏิบัติที่สำคัญ เช่นการสร้างความโปร่งใสในห่วงโซ่อุปทาน, การแบ่งปันข้อมูลเกี่ยวกับเหตุการณ์ภัยคุกคามร่วมกัน และการยกระดับความร่วมมือและการแลกเปลี่ยนองค์ความรู้