ชำแหละความเสี่ยง Gen-AI Gateway แฝงภัยอธิปไตยข้อมูลไทย

รศ.ดร.ธนชาติ นุ่มนนท์ ประธานกรรมการกำกับความเสี่ยง กลุ่มทุนธนชาต (TCAP) และผู้อำนวยการ IMC Institute ได้วิเคราะห์สถาปัตยกรรมระบบ Gen-AI Gateway เช่น Open WebUI หรือแอปพลิเคชัน TH-AI Passport ว่าแม้แพลตฟอร์มเหล่านี้จะมีการจัดเก็บ Log และ Prompt ในฝั่งผู้ใช้ แต่กลไกหลักยังคงเป็นเพียงตัวกลาง (Router) ที่คอยส่งมอบข้อมูลไปประมวลผลยังปลายทางอื่น

สถาปัตยกรรมแบบแรกคือการใช้ Local LLM Server ภายในประเทศ (On-premise) ซึ่งมีความเสี่ยงด้านอธิปไตยข้อมูล (Data Sovereignty) ต่ำสุด เนื่องจากข้อมูลไม่เกิดการ Cross-border อย่างไรก็ตาม แนวทางนี้ต้องแลกมาด้วยต้นทุนโครงสร้างพื้นฐานที่สูง และมีข้อจำกัดที่รองรับเฉพาะ Open-weight Model (เช่น ThaiLLM, Qwen, Llama) โดยไม่สามารถเรียกใช้งาน Frontier Model แบบปิดได้

สถาปัตยกรรมแบบที่สองคือการเชื่อมต่อ API ไปยังเซิร์ฟเวอร์ของผู้ให้บริการ (Vendor) ระดับโลกโดยตรง เช่น AWS Bedrock, Azure OpenAI หรือ Vertex AI วิธีนี้ช่วยปลดล็อกข้อจำกัดของ Frontier Model ได้ภายใต้สัญญา SLA ที่ชัดเจน แต่ยังคงเผชิญความท้าทายด้านอธิปไตยข้อมูล เนื่องจากการประมวลผลพฤติกรรมการใช้งาน (Prompt) ล้วนเกิดขึ้นบนศูนย์ข้อมูลนอกประเทศ

สถาปัตยกรรมแบบที่สามมีความเสี่ยงสูงสุด คือการเรียกใช้งานผ่าน Aggregator เช่น OpenRouter ซึ่งทำงานบนโครงสร้างแบบ Two-hop Proxy ทำให้ตรวจสอบเส้นทางของ Data Supply Chain ได้ยาก อีกทั้งยังมีโอกาสสูงที่ Metadata หรือข้อมูลพฤติกรรมผู้ใช้จะถูกบันทึกดักไว้โดยตัวกลางฝ่ายที่สาม ซึ่งเป็นช่องโหว่สำคัญที่ระบบ Gateway ส่วนใหญ่มักเลือกใช้

ในกรณีของโครงการ TH-AI Passport การระบุว่าสามารถรองรับโมเดลได้จำนวนมาก อาจสะท้อนถึงการใช้สถาปัตยกรรมแบบ Aggregator ซึ่งขัดแย้งกับวัตถุประสงค์ข้อ 2.2 ที่มุ่งเน้นการไม่ส่งข้อมูลพฤติกรรมออกไปประมวลผลต่างประเทศ ประเด็นนี้จึงมิใช่ความขัดแย้งทางการเมือง แต่เป็นรากฐานด้าน Cybersecurity และการปกป้องความมั่นคงปลอดภัยของข้อมูลคนไทยอย่างแท้จริง