|
• แนวทางและขั้นตอนการนำ AI มาใช้กับการควบคุมภายใน
• ประเมินความพร้อมขององค์กรและทราบถึงข้อจำกัดในการนำ AI มาประยุกต์ใช้
• กรณีศึกษาตัวอย่างของการนำ AI เข้ามาใช้ในงานควบคุมภายใน
วิทยากรโดย อาจารย์เดชา ศิริสุทธิเดชา
หัวข้อสัมมนา
1. การควบคุมภายในตามหลักการ COSO
1.1 แนวคิด 3 Lines of Defense ซึ่งมีผลต่อการควบคุมภายใน
1.2 ความหมายของ 5 องค์ประกอบ 17 หลักการ
1.3 ความสำคัญของการควบคุมภายใน : หลักการพื้นฐาน COSO และความคาดหวังจากผู้มีส่วนได้ส่วนเสีย
2. ความท้าทายของการควบคุมภายในยุค VUCA WORLD (Volatility (ความผันผวน), Uncertainty (ความไม่แน่นอน), Complexity (ความซับซ้อน), และ Ambiguity (ความคลุมเครือ)) กับผลกระทบต่อการทำงาน
2.1 จุดอ่อนของการควบคุมภายในแบบดั้งเดิม: ข้อจำกัดของการตรวจสอบด้วยมือ, ความล่าช้าในการค้นหาความผิดปกติ, Human Error
2.2 Risk in Focus 2026 ภูมิทัศน์ความเสี่ยงที่เปลี่ยนไป: การเพิ่มขึ้นของภัยคุกคามไซเบอร์, การทุจริตที่ซับซ้อนขึ้น, การเปลี่ยนแปลงทางกฎระเบียบ
3. AI กับบทบาทในการควบคุมภายใน
3.1 พื้นฐาน AI สำหรับผู้บริหารและผู้ปฏิบัติงานควบคุมภายใน: Machine Learning (ML), Deep Learning, Robotic Process Automation (RPA) (เน้นความเข้าใจ ไม่ใช่การเขียนโค้ด)
3.2 AI ช่วยยกระดับองค์ประกอบควบคุมภายใน 5 ด้าน (COSO)
3.3 ประโยชน์ของการใช้ AI : ความรวดเร็ว, ความแม่นยำ, การวิเคราะห์ข้อมูลขนาดใหญ่ (Big Data), การทำงานเชิงรุก
3.4 ประเภทของการใช้ AI
- การตรวจสอบแบบต่อเนื่อง (Continuous Auditing/Monitoring)
- การวิเคราะห์ธุรกรรมผิดปกติ (Anomaly Detection)
- การจัดการความเสี่ยง (Risk Management)
4. การประยุกต์ใช้ AI ในวงจรการควบคุมภายใน (Control Lifecycle)
4.1 การป้องกัน (Preventive Controls) เช่น การใช้ AI ในการกำหนดสิทธิ์, การประเมินความเสี่ยงล่วงหน้า, การตรวจจับความผิดพลาดในการตั้งค่าระบบ
4.2 การตรวจจับ (Detective Controls) เช่น การใช้ ML ในการเฝ้าระวังธุรกรรม, การระบุรูปแบบการทุจริตที่ซ่อนอยู่ (Hidden Patterns)
4.3 การแก้ไขและตอบสนอง (Corrective/Responsive Controls) เช่น การใช้ AI เพื่อจัดลำดับความสำคัญของข้อบกพร่อง
5. กรณีศึกษาและตัวอย่างจริง เช่น อุตสาหกรรมการผลิต อุตสาหกรรมการซื้อมาขายไป ธุรกิจการเงิน (Financial Services)
6. แนวทางการนำ AI มาใช้ : จากแนวคิดสู่การปฏิบัติ
6.1 การประเมินความพร้อมขององค์กร ได้แก่ โครงสร้างพื้นฐาน, ข้อมูล (Data Maturity), ทักษะบุคลากร (Talent)
6.2 ขั้นตอนการนำ AI มาใช้ในงานควบคุมภายใน
- การเลือกใช้กรณี (Use Case)
- การทดลองนำร่อง (Pilot Project)
- การปรับขนาด (Scaling Up)
6.3 ความท้าทายและข้อจำกัด
- ความเสี่ยงด้านอคติของ AI (Bias)
- ความปลอดภัยของข้อมูล
- ความโปร่งใสของโมเดล (Explainability - XAI)
6.4 บทบาทใหม่ของบุคลากรควบคุมภายใน เช่น การเป็นผู้อำนวยความสะดวกด้านข้อมูล (Data Enabler) และนักวิเคราะห์เชิงลึก (Advanced Analyst)
7. แนวทางการเริ่มต้นสร้าง Roadmap องค์กร
7.1 การควบคุมการทำงานของ AI (Controls on AI) และกำกับดูแลการใช้ AI ในองค์กร (AI Governance)
7.2 การพัฒนากลยุทธ์และวางแผนการเปลี่ยนผ่านสู่การควบคุมภายในที่ขับเคลื่อนด้วย AI
|
: InternetExplorer เวอร์ชั่น 10
ขึ้นไป
: Firefox เวอร์ชั่น 53 ขึ้นไป
: Chrome เวอร์ชั่น 58 ขึ้นไป
