ภูมิทัศน์ทางการเงินกำลังอยู่ในจุดเปลี่ยนที่เทคโนโลยีไม่ได้เป็นเพียงเครื่องมือสนับสนุนอีกต่อไป แต่กลายเป็นสนามรบหลัก เราไม่ได้พูดถึงเพียงแค่อัลกอริทึมง่ายๆ ที่แจ้งเตือนอีกต่อไป แต่กำลังพูดถึงวิวัฒนาการไปสู่ปัญญาประดิษฐ์เชิงตัวแทน (Agentic AI)ที่สามารถตัดสินใจและดำเนินการกระบวนการที่ซับซ้อนเพื่อปราบปรามอาชญากรรม organised crime ในสภาพแวดล้อมดิจิทัล
ความเร่งด่วนนั้นสัมผัสได้ชัดเจน เพราะผู้โจมตีไม่รอใครและไม่ขออนุญาตจากหน่วยงานกำกับดูแล ในขณะที่ธนาคารพยายามปรับกฎระเบียบของตน อาชญากรก็กำลังปฏิบัติการด้วยเครือข่ายฉ้อโกงอัตโนมัติประสานงานตัวแทนที่สร้างโปรไฟล์ปลอมและโอนเงินในเวลาเพียงไม่กี่วินาที ทำให้ระบบแบบดั้งเดิมล้าสมัยไปโดยสิ้นเชิง
ภัยคุกคามที่มองไม่เห็น: การฉ้อโกงที่สร้างขึ้นด้วยเทคโนโลยีและภาพปลอมคุณภาพสูง (deepfakes)
ปริมาณการโจมตีเพิ่มสูงขึ้นจนถึงระดับที่รับมือไม่ไหวแล้ว ในสหรัฐอเมริกาเพียงประเทศเดียว การฉ้อโกงที่ขับเคลื่อนด้วย AI ได้เคลื่อนย้ายเงินจำนวนมหาศาล โดยมีการคาดการณ์ว่าผลกระทบทั่วโลกอาจสูงถึงหลายล้านล้านดอลลาร์ในอีกไม่กี่ปีข้างหน้า ปัญหาไม่ได้อยู่ที่ปริมาณอีกต่อไป แต่เป็นเรื่องคุณภาพของการหลอกลวงด้วย
ตัวตนสังเคราะห์ ซึ่งผสมผสานข้อมูลจริงและข้อมูลที่สร้างขึ้นนั้น เป็นการสูญเสียเงินหลายพันล้านดอลลาร์อย่างต่อเนื่อง ยิ่งไปกว่านั้นคือดีพเฟค (Deepfake) ซึ่งเติบโตอย่างรวดเร็วจากไม่กี่พันไฟล์เป็นหลายล้านไฟล์ที่สร้างขึ้นเพื่อปลอมตัวเป็นบุคคลและหลอกลวงทั้งพนักงานและลูกค้า โดยถูกนำไปใช้ในการหลอกลวงทางอินเทอร์เน็ต หลายรูป แบบ
ประเด็นสำคัญอย่างยิ่งคือ การโจมตีได้กลายพันธุ์ไปเป็นการฉ้อโกงโดยสมัครใจแล้วมันไม่ได้เกี่ยวกับการแฮ็กระบบอีกต่อไป แต่เกี่ยวกับการหลอกลวงบุคคลผ่านวิศวกรรมทางสังคมที่ซับซ้อน เพื่อให้พวกเขายืนยันการโอนเงินด้วยตนเอง ทำให้การฉ้อโกงแทบมองไม่เห็นด้วยวิธีการตรวจจับแบบดั้งเดิม
ปัญญาประดิษฐ์เชิงตัวแทน (Agent AI) เทียบกับ การเรียนรู้ของเครื่องจักรแบบดั้งเดิม (Classic Machine Learning)
เพื่อให้เข้าใจความแตกต่าง จำเป็นต้องชี้แจงว่าการเรียนรู้ของเครื่องแบบดั้งเดิมนั้นจำกัดอยู่เพียงแค่การแนะนำหรือจัดลำดับความสำคัญของการแจ้งเตือนเท่านั้น นักวิเคราะห์ที่เป็นมนุษย์เป็นผู้ที่ต้องลงมือทำขั้นตอนที่ยุ่งยากทั้งหมด ตั้งแต่การสืบสวนไปจนถึงการจัดทำเอกสาร ในทางกลับกัน AI แบบเอเจนต์จะดำเนินการขั้นตอนการทำงานทั้งหมดตั้งแต่การค้นหาแหล่งที่มา การเปรียบเทียบข้อมูล และการเขียนรายงานฉบับสุดท้าย
การเปลี่ยนแปลงเชิงคุณภาพนี้ช่วยให้ผู้เชี่ยวชาญสามารถลดจำนวนการแจ้งเตือนรายสัปดาห์จากหลายร้อยรายการ เหลือเพียงปริมาณที่น้อยลง แต่มีข้อมูลที่ครบถ้วนและผ่านการประมวลผลมากขึ้นเป้าหมายคือการเปลี่ยนจากการตอบสนองต่อเหตุการณ์ไปสู่การคาดการณ์ล่วงหน้า โดยตรวจจับรูปแบบการรวมกลุ่มของบัญชีตัวกลางก่อนที่เครือข่ายการฉ้อโกงจะถูกเปิดใช้งาน
นอกจากนี้ แนวทางนี้ยังช่วยให้สามารถตรวจสอบตัวชี้วัดที่ก่อนหน้านี้ไม่สามารถติดตามได้แบบเรียลไทม์ เช่นอัตราการปรากฏตัวของตัวตนปลอมซึ่งทำหน้าที่เป็นสัญญาณเตือนล่วงหน้าว่ากำลังมีการเตรียมการโจมตีครั้งใหญ่
แบบจำลอง "ระบบภูมิคุ้มกัน" ทางการเงิน
สถาปัตยกรรมที่ล้ำสมัยที่สุดในการรับมือกับปัญหานี้คือสถาปัตยกรรมที่อิงตามหลักชีววิทยา โดยสร้างชั้นป้องกันที่ทำงานคล้ายกับร่างกายมนุษย์ โครงสร้างนี้ไม่ได้มีไว้เพื่อความสวยงามเพียงอย่างเดียว แต่ยังมุ่งหวังที่จะตอบสนองอย่างปรับตัวได้และประสานงานกันต่อภัยคุกคามที่เปลี่ยนแปลงลักษณะอยู่ตลอดเวลา
- เยื่อกั้นเยื่อบุผิว: ระบบนี้ทำหน้าที่ตรวจสอบตัวตนและตรวจจับภาพปลอม (deepfake) แบบเรียลไทม์
- ภูมิคุ้มกัน: ระบบนี้วิเคราะห์การฉ้อโกงและการฟอกเงินจากสัญญาณเดียวกันไปพร้อมกัน ช่วยลดเวลาในการคัดกรองจากหลายนาทีเหลือเพียงไม่กี่วินาที
- การตอบสนองแบบปรับตัว: สร้างหลักฐานครบถ้วนพร้อมระบบการควบคุมดูแลหลักฐานดิจิทัล เพื่อเตรียมพร้อมสำหรับการดำเนินคดีทางกฎหมาย
- เซลล์พลาสมาและแอนติบอดี: พวกเขาสร้างรายงานด้านกฎระเบียบที่ได้รับการปรับปรุงให้ดีขึ้นสำหรับหน่วยงานต่างๆ เช่น SEPBLAC
- หน่วยความจำภูมิคุ้มกัน: ตรวจสอบผลงานทั้งหมดเพื่อบูรณาการกลยุทธ์การโจมตีที่ตรวจพบใหม่ ๆ
- ระบบน้ำเหลือง: ระบบนี้ช่วยให้ธนาคารต่างๆ สามารถทำงานร่วมกันและแบ่งปันข้อมูลได้โดยไม่ต้องเปิดเผยข้อมูลส่วนบุคคล
- การฉีดวัคซีน: จำลองการโจมตีเพื่อค้นหาช่องโหว่ก่อนที่อาชญากรจะลงมือ
- ความอดทนต่อตนเอง: ตรวจสอบระบบของคุณเองเพื่อหลีกเลี่ยงอคติและภาพลวงตา โดยปฏิบัติตามพระราชบัญญัติปัญญาประดิษฐ์
โครงสร้างทั้งหมดนี้ได้รับการสนับสนุนโดยฐานเทคโนโลยีเจ็ดชั้น โดยการใช้รูปแบบ RAG (การดึงข้อมูลและการสร้างเสริม) เป็นสิ่ง ที่โดดเด่น เพื่อให้ AI สามารถให้เหตุผลบนพื้นฐานของกฎระเบียบปัจจุบันและประวัติจริงของลูกค้า ซึ่งจะช่วยหลีกเลี่ยงภาพลวงตาที่มักเกิดขึ้นกับ AI แบบสร้างข้อมูลเอง
ความท้าทายด้านธรรมาภิบาลและข้อมูล
แม้จะมีศักยภาพมากมาย แต่ก็มีอุปสรรคที่มองไม่เห็นอยู่ นั่นคือ การกระจายตัวของข้อมูล ธนาคารหลายแห่งยังคงใช้ระบบเก่าที่แยกส่วนและไม่สามารถสื่อสารกันได้ หากไม่มีข้อมูลที่สอดคล้องกันและมีการกำกับดูแลปัญญาประดิษฐ์แบบตัวแทน (Agentic AI) ไม่เพียงแต่จะไม่สามารถช่วยเหลือได้เท่านั้น แต่ยังอาจทำให้ข้อผิดพลาดทวีความรุนแรงขึ้นอย่างน่าตกใจอีกด้วย
สถิติเหล่านี้น่าเป็นห่วง เนื่องจากสถาบันการเงินส่วนใหญ่ขาดแบบจำลองการกำกับดูแลที่มีประสิทธิภาพสำหรับปัญญาประดิษฐ์เชิงสร้างสรรค์ (AI) นอกจากนี้ยังมีช่องโหว่ด้านความปลอดภัยที่น่าตกใจซึ่งองค์กรส่วนใหญ่ไม่มั่นใจในความสามารถของตนเองในการควบคุมเอเจนต์ที่ถูกโจมตีโดยผู้บุกรุก คล้ายกับวิธี การทำงานของมัลแวร์ประเภทโทรจัน ขั้นสูงที่ ใช้ใน ระบบธนาคาร
ในสเปน การนำไปใช้ยังไม่สม่ำเสมอ ในขณะที่ธนาคารขนาดใหญ่อย่าง BBVA และ Santander ได้นำระบบ AI เชิงสร้างสรรค์มาใช้ในองค์กรอย่างกว้างขวาง แต่การประยุกต์ใช้ระบบอัตโนมัติเพื่อต่อต้านอาชญากรรมทางการเงินโดยเฉพาะยังอยู่ในขั้นตอนการประเมิน อย่างไรก็ตาม โครงการริเริ่มอย่างFrauDfenceแสดงให้เห็นว่าแนวทางข้างหน้าคือการแบ่งปันข้อมูลแบบรวมศูนย์ระหว่างหน่วยงานต่างๆ
การแข่งขันด้านเทคโนโลยีดิจิทัลได้แสดงให้เห็นอย่างชัดเจนว่า ใครก็ตามที่ยังคงตรวจสอบการแจ้งเตือนด้วยตนเองจะรับมือไม่ไหว กุญแจสู่ความสำเร็จจะอยู่ที่ความสามารถในการผสมผสานระบบอัตโนมัติเข้ากับการควบคุมการดำเนินงานอย่างเข้มงวด เปลี่ยนข้อมูลให้เป็นข้อได้เปรียบในการแข่งขันขั้นสูงสุดเพื่อปกป้องทรัพย์สินและความไว้วางใจของลูกค้าในสภาพแวดล้อมที่เป็นปรปักษ์มากขึ้นเรื่อยๆ
