ใช้ AI ผิดชีวิตเปลี่ยน! กรณีศึกษา Starbucks Korea บทเรียน AI Governance ที่ผู้บริหารและกรรมการบริษัทต้องรู้ และเท่าทันในการใช้งาน

โดย "วีระศักดิ์ โควสุรัตน์" อดีตรมว.ท่องเที่ยวและกีฬา ประธานที่ปรึกษารองนายกรัฐมนตรี ได้เขียนบทความสะท้อนการใช้งานAI โดยยกกรณีStarbucks Korea ใช้AI คิดแคมเปญ จนเกิดดราม่าระดับชาติ และมีตกงานตามมาเป็นทอดๆ

นี้คืออีกตัวอย่างของการใช้งานAI แบบไม่รู้เท่าทัน กองบก.CLOSE-UP THAILAND เห็นเป็นกรณีศึกษาที่น่าสนใจจึงของนำมาเสนอให้ได้ติดตาม

เมื่อ Starbucks Korea ใช้ AI ช่วยคิดแคมเปญ จนกลายเป็นดราม่าระดับชาติ

บทเรียน AI Governance ที่ผู้บริหารและกรรมการบริษัทต้องรู้ และเท่าทันในการใช้งาน

ขออนุญาต เจ้าของบทความ นำส่งให้อ่านต่อกัน เพื่อเป็นประโยชน์ และเป็นกรณีศึกษา

"เมื่อวันที่ 18 พฤษภาคม 2026 ที่ผ่านมา Starbucks Korea เปิดตัวแคมเปญขายแก้ว tumbler รุ่นใหม่ในชื่อ "Tank Day" (탱크데이) พร้อมสโลแกน "책상에 탁" (วางบนโต๊ะตั๊ก) ปัญหาคือ 18 พฤษภาคม เป็นวันครบรอบเหตุการณ์ Gwangju Uprising ปี 1980 ที่กองทัพเกาหลีใต้ใช้รถถังและเฮลิคอปเตอร์ปราบประชาชนเรียกร้องประชาธิปไตย เสียชีวิต 165 ราย ส่วนคำว่า "ตั๊ก" ในสโลแกนก็ไปสะท้อนคดี Park Jong-chol (박종철) ปี 1987 นักศึกษาที่ตำรวจอ้างว่าเสียชีวิตเองด้วยคำว่า "ตีโต๊ะ ตั๊ก "탁" แล้วก็เสียชีวิต" ทั้งที่ความจริงตายจากการถูกทรมาน

ผลคือดราม่าปะทุอย่างรวดเร็วในไม่กี่ชั่วโมง CEO ของ Starbucks Korea คุณ Son Jung-hyun (손정현) ถูกปลด ภายในเย็นวันเดียวกัน ประธาน Shinsegae Group ออกมาขอโทษประชาชนด้วยตัวเอง พนักงานทีมการตลาด 5 คนถูกปลด ตำรวจสอบสวนหลังครอบครัวเหยื่อ Gwangju แจ้งความ ยอดขายตกฮวบ รัฐบาลห้ามใช้ Starbucks ในงานราชการ กระทรวงกลาโหมระงับโครงการร่วม เมือง Gwangju ห้ามใช้ gift card ทั้งหมดเกิดในเวลาไม่ถึงสัปดาห์

ที่น่าสนใจคือ จากการสอบสวนภายในของ Shinsegae พนักงานอ้างว่าใช้ generative AI ช่วยหาคำสัมผัสกับสโลแกน tumbler เดิม "가방에 쏙" (กระเป๋าก็พอดี) จึงได้คำว่า "ตั๊ก" (탁) มาเป็นส่วนหนึ่งของสโลแกนใหม่ คือ "책상에 탁" (วางบนโต๊ะตั๊ก) โดยไม่ตระหนักว่าคำ ๆ นี้โยงเหตุการณ์ทางประวัติศาสตร์

และที่สำคัญ กระบวนการอนุมัติของบริษัทผ่าน 4 ชั้น มีผู้ลงนาม approve รวม 7 คน บางคนไม่ได้เปิดไฟล์แนบในเมล และฝ่ายกฎหมายถูกเอาออกจาก review process....

....

บทเรียน AI Governance จากเรื่องนี้

.....

มี 5 ประเด็นที่ผมคิดออกครับ

1. AI cultural blind spot (แม้ในเคสนี้จะไม่ใช่สาเหตุหลักก็ตาม)

โมเดลตะวันตกไม่ได้ถูกสอนมาให้ไวต่อเรื่องที่เฉพาะบริบทนั้น ๆ เช่น บาดแผลควังจูของเกาหลีใต้ หรือคดี Park Jong-chol ความเสี่ยงแบบนี้ต้องอาศัยคนที่รู้บริบทดี ๆ จริง ๆ และองค์กรที่ใช้ AI ในงาน creative แบบนี้ ต้องตระหนักไว้ก่อน ในทางปฏิบัติถ้าตระหนักเรื่องนี้ จริง ๆ ไม่ต้องไปแก้ในระดับโมเดลก็ได้นะครับ แต่แก้ในระดับ context ก็ได้ สิ่งสำคัญคือ "รู้และตระหนัก" ว่าเรื่องแบบนี้เกิดขึ้นได้ และหาทางป้องกันไว้ก่อน

ในเคส Starbucks Korea นี้ ถ้าดูข้อเท็จจริงดี ๆ AI ไม่ได้เป็นสาเหตุหลักนะครับ (อย่างที่หลายโพสต์เล่ากัน) แต่คำเตือนเรื่อง cultural blind spot ยังใช้ได้ และจะเป็นความเสี่ยงสำคัญในอนาคตเมื่อองค์กรไทยเริ่มใช้ AI ช่วยทำเนื้อหามากขึ้น เพราะโมเดลส่วนใหญ่ที่เราใช้ไม่ได้รู้เรื่อง 6 ตุลา 14 ตุลา หรือบาดแผลทางประวัติศาสตร์ไทยอย่างละเอียดเช่นกัน

......

2. Human-in-the-loop ที่ไม่มีอยู่จริง

เพราะถ้าดูจากข้อเท็จจริง กรณีนี้แม้บนหน้ากระดาษเอกสารของบริษัทอาจเขียนไว้ชัดเจนว่าให้มีคนมาตรวจสอบในขั้นตอนไหนบ้าง แต่ในความเป็นจริง การ approve ก็ทำโดยไม่เปิดไฟล์ ส่วน Legal review ก็ถูก bypass (หลาย ๆ ที่มองว่าฝ่ายกฎหมายชอบทำให้เรื่องเยอะและช้า นี่แหละครับเหตุผลว่าทำไมต้องมี) บทเรียนที่ผมอยากเน้นย้ำ (ล้านครั้ง) คือ เวลาคนทำ AI Governance ชอบขอให้ผมเขียนเอกสารให้หน่อยชุดหนึ่ง (คล้าย ๆ PDPA ในหลาย ๆ ที่) แล้วคิดว่าจบแล้ว มันไม่พอนะครับ ถ้าไม่เปลี่ยนระบบงานจริง ๆ

ความผิดพลาดในเคสนี้เป็นความผิดพลาดทางโครงสร้างที่น่าสนใจนะครับ ข้อเท็จจริงจากข่าวเกาหลีคือ

- ทีมที่คิดคือ commerce team หลายคน ไม่ใช่คนเดียว

- ชั้น approve มีถึง 4 ชั้น (ทีม → หัวหน้าทีม → หัวหน้าฝ่าย → CEO)

- ผู้ลงนาม approve รวม 7 คน ทุกคนผ่านไปได้หมด

- บางคนใน 7 คนนั้น ไม่ได้เปิด attached file เลย

- ฝ่ายกฎหมายถูกเอาออกจาก review process

นี่ไม่ใช่ control failure ของคนคนเดียว แต่เป็น systemic governance failure ทั้งระบบ

หลายคนอาจจะคิดว่า มีระบบ approval หลายชั้นขนาดนี้ทำไมยังพลาดได้ จริง ๆ การมีหลายชั้นนี่แหละครับที่เป็นปัญหา เพราะมันทำให้แต่ละคนคิดว่า "คนอื่นคงตรวจดีแล้วล่ะ" หรือ "เดี๋ยวคนถัดไปก็ตรวจอีก" ในสังคมศาสตร์เรียกปรากฏการณ์นี้ว่า Bystander Effect หรือ Diffusion of Responsibility จากงานวิจัยของ Darley และ Latané ปี 1968 ที่ตามมาหลังคดี Kitty Genovese ในนิวยอร์ก ปี 1964 ที่ผู้หญิงถูกฆาตกรรมต่อหน้าคนหลายคน (ภายหลังมีการ revise ข้อเท็จจริงบางจุดของคดี แต่หลักของ diffusion of responsibility ยังถูกใช้กันทั่วไป) ความรับผิดยิ่งกระจายไปหลายคน คนแต่ละคนยิ่งรู้สึกว่าไม่ใช่หน้าที่ของตน

ในมุม organizational safety สิ่งที่เกิดขึ้นใน Starbucks Korea ตรงกับ Swiss Cheese Model ของ James Reason นักวิจัย human factors ที่อธิบายว่าระบบป้องกันหลายชั้นแต่ละชั้นมี "รู" (latent failure) เสมอ ตัวระบบจะปลอดภัยตราบใดที่รูในแต่ละชั้นไม่ตรงกัน แต่เมื่อใดที่รูทั้ง 7 ชั้นมาเรียงตรงกัน (ในเคสนี้คือ "rubber stamp culture" ที่ทุกคนถือว่ามีคนอื่นตรวจอยู่แล้ว) ความผิดพลาดจะทะลุผ่านทุกชั้นมาถึงปลายทาง

บทเรียนที่ตามมาคือ การมีหลาย layer ไม่ได้แปลว่าปลอดภัยกว่าถ้าทุก layer มีรูแบบเดียวกัน ดีไซน์ที่ดีต้องให้แต่ละ layer ตรวจคนละมิติ เช่น layer หนึ่งตรวจเนื้อหา layer สองตรวจกฎหมาย layer สามตรวจ brand risk เพื่อให้รูในแต่ละชั้นไม่ตรงกัน เป็นโจทย์ที่ผู้ออกแบบ governance ต้องคิดต่อจากแค่ "มีคน approve หลายคน" อยู่แล้ว

.......

3. Accountability attribution bias and "AI veil"

ถ้าสังเกตจากหลายแหล่งข่าว แม้แต่การแถลงของ Starbucks Korea เอง จะเห็นรูปแบบหนึ่งครับ คือ การเล่าเรื่องเหมือน "ย้ายความรับผิด" ไปที่ AI ทั้งที่จริงเกิดจากระบบ governance ของบริษัทเอง ในกรณีนี้ AI มีส่วนน้อยมาก บทเรียนสำคัญจริง ๆ คือ control structure ของบริษัทในการอนุมัติและตรวจสอบ

ถ้าไม่พูดเรื่องนี้ให้ชัด ทางแก้จะไปเน้นที่ AI safety filter ไม่ใช่ approval chain redesign ซึ่งเป็นต้นตอของปัญหา และนี่จะกลายเป็น pattern ที่อันตรายของวงการ AI governance ในอนาคต คือคนแก้ปัญหาผิดจุดครับ

หลายคนเคยได้ยินเรื่อง Corporate veil ที่บอกว่าเอาบริษัทมาเป็นโล่กำบังความผิดส่วนบุคคล ตอนนี้เริ่มมีกระแสของ AI veil คือมีอะไรโทษ AI ก่อน

แต่จริง ๆ แล้วตรงกันข้ามนะครับ การมี AI ในกระบวนการตัดสินใจไม่ลดความรับผิด แต่กลับเพิ่มภาระการตรวจสอบ EU AI Act Article 14 (human oversight) สะท้อนหลักนี้ชัดเจน และในกฎหมายไทย หลักความระมัดระวังของกรรมการตาม พ.ร.บ.บริษัทมหาชนฯ มาตรา 85 และหลักทั่วไปตาม ป.พ.พ. มาตรา 1168 (สำหรับบริษัทจำกัด) ก็ไม่ได้ผ่อนปรนเพียงเพราะ AI มีส่วนร่วมในการตัดสินใจ

..........

4. Shadow AI กับ mindset ของการเอา AI มาลด cost จนละเลยการตรวจ

อันนี้ก็สำคัญ และที่ผมกังวลคือ กรณีนี้อาจเป็น Shadow AI ด้วย คือไม่ได้มีนโยบายให้ใช้ชัดเจนว่าใช้อะไรได้บ้าง ใช้ได้ยังไง สิ่งที่เกิดขึ้นคือ พนักงานเอาของส่วนตัวมาใช้เพราะสะดวก จริง ๆ ถ้ารู้ว่าเลี่ยงกรณีนี้ไม่ได้ คำแนะนำคือ รีบสร้างระบบมาให้พนักงานใช้อย่างถูกต้องดีกว่าครับ ห้ามอย่างเดียวไม่ได้ผล และที่ต้องระวังคือ ความคิดว่า "ใช้ AI เพื่อลดเวลา ลดคน" จะกลายเป็นการลดขั้นตอนการตรวจสอบไปด้วย ทั้งที่จริง ๆ ยิ่งใช้ AI ยิ่งต้องตรวจมากกว่าเดิม

..............

5. Cascading reputational risk

บทเรียนสุดท้ายคือ จะเห็นว่าไม่ต้องรอให้มีกฎหมายนะครับ ความผิดพลาดที่ส่งผลต่อฐานลูกค้านี่แหละ เป็นการลงโทษที่รุนแรงมาก ๆ ในโลกธุรกิจ ทั้งยอดขายตก รัฐบาลร่วม boycott และ CEO ถูกปลดในวันเดียว นี่คือเหตุผลที่ทำไมแม้ไม่มีกฎหมาย AI Governance ก็ควรทำนะครับ และทำให้ดีด้วย

อ้างอิงข่าว: NBC News, CBS News, Al Jazeera, France 24, Malay Mail สำหรับข่าวภาษาอังกฤษ และ 경향신문, 서울신문, 머니투데이, 파이낸셜뉴스, ZDNet Korea, 여성신문 สำหรับข่าวภาษาเกาหลี ผลการสอบสวนภายในของ Shinsegae Group แถลงโดย Chung Yong-jin (정용진) ประธานกลุ่ม วันที่ 26 พฤษภาคม 2026 ภาพมาจาก AFP Photo