Cloud ช่วยให้องค์กรขยายบริการได้รวดเร็ว API เชื่อมข้อมูลระหว่างระบบ IoT ทำให้ติดตามการทำงานได้ต่อเนื่อง และ AI ช่วยสนับสนุนการวิเคราะห์กับกระบวนการตัดสินใจ เทคโนโลยีเหล่านี้กำลังสร้าง Connected Enterprise ที่บุคลากร ระบบ และคู่ค้าทำงานร่วมกันได้มากขึ้น แต่ทุกการเชื่อมต่อย่อมมาพร้อมคำถามด้านความปลอดภัยว่า ใครเข้าถึงอะไรได้ ข้อมูลไหลไปที่ใด และหากองค์ประกอบหนึ่งถูกบุกรุก ผลกระทบจะส่งต่อไปถึงส่วนใดขององค์กร? Digital Transformation สามารถสร้าง Attack Surface ใหม่ได้ โดยความเสี่ยงขึ้นอยู่กับวิธีออกแบบ เชื่อมต่อ และกำกับดูแลระบบตลอดอายุการใช้งาน Attack Surface หมายถึงจุดและช่องทางที่ผู้โจมตีอาจใช้เข้าถึงระบบ ข้อมูล หรือกระบวนการทำงานโดยไม่ได้รับอนุญาต ในองค์กรที่เชื่อมต่อกันมากขึ้น ขอบเขตนี้ครอบคลุมทั้งบริการที่เปิดสู่อินเทอร์เน็ต บัญชีผู้ใช้ อุปกรณ์ บริการภายนอก และความสัมพันธ์ด้านสิทธิ์ระหว่างระบบ อย่างไรก็ตาม การเชื่อมต่อใหม่ไม่ได้แปลว่าจะเกิดช่องโหว่เสมอไป การออกแบบที่เหมาะสมสามารถช่วยลดความเสี่ยงเดิมได้ด้วย เช่น การย้ายออกจากระบบที่หมดระยะสนับสนุน หรือการจัดการสิทธิ์ให้เป็นระบบมากขึ้น โจทย์ของ IT Leader จึงอยู่ที่การมองเห็นว่าการเปลี่ยนแปลงแต่ละครั้งเพิ่มหรือลดความเสี่ยงตรงไหน ใน Connected Enterprise มีอย่างน้อยหกองค์ประกอบที่ควรพิจารณาร่วมกัน องค์ประกอบโอกาสทางธุรกิจจุดที่ควรทบทวนด้านความปลอดภัยCloudเปิดบริการและขยายทรัพยากรได้คล่องตัวการตั้งค่า…

เมื่อการโจมตีเริ่มต้นขึ้น ระบบจะแสดงสัญญาณอะไร? จุดอ่อนเล็ก ๆ จะนำไปสู่ผลกระทบได้อย่างไร? และฝ่ายป้องกันควรเข้ามาหยุดสถานการณ์ตรงไหน? Cybersecurity บางเรื่องเข้าใจได้ชัดเจนขึ้นเมื่อได้เห็นเหตุการณ์ดำเนินไปต่อหน้า การสาธิตช่วยเชื่อมความรู้เรื่องช่องโหว่ ภัยคุกคาม และมาตรการควบคุมเข้าด้วยกัน ทำให้ผู้ชมมองเห็นว่าการโจมตีและการป้องกันสัมพันธ์กันอย่างไรในแต่ละช่วงของสถานการณ์ CDIC 2026 Live Show – Day 2 ชวน Security Professionals สัมผัสการเรียนรู้ผ่าน Live Demonstration ที่นำ Cybersecurity Scenario มาสู่เวทีจริง เพื่อเปลี่ยนสิ่งที่เคยอ่านหรือฟังให้เป็นภาพที่นำกลับไปตั้งคำถามกับระบบขององค์กรได้ ภายใต้แนวคิด “See the Attack. Understand the Defense.” การรับชมจึงมีเป้าหมายมากกว่าการเห็นเทคนิคที่น่าสนใจ แต่รวมถึงการทำความเข้าใจเงื่อนไขที่ทำให้การโจมตีเกิดขึ้น ผลกระทบที่ตามมา และจุดที่ฝ่ายป้องกันสามารถเข้ามาควบคุมความเสี่ยง การเรียนรู้ลักษณะนี้มีคุณค่าสำหรับทั้งทีมเทคนิคและผู้บริหาร เพราะช่วยสร้างภาพร่วมกันว่า ความเสี่ยงที่กล่าวถึงในรายงานหรือการประชุมสามารถปรากฏในสถานการณ์การทำงานได้อย่างไร ตามกำหนดการที่ประกาศ Live Show วันที่ 2 จัดขึ้นในวันพฤหัสบดีที่ 26 พฤศจิกายน 2569 เวลา 15:45–17:15…

เมื่อภัยไซเบอร์กระทบสายการผลิต โรงงานพร้อมรับมือแค่ไหน? ใน Connected Factory ข้อมูลจากระบบธุรกิจ เครื่องจักร และกระบวนการผลิตเชื่อมโยงกันเพื่อช่วยวางแผน ติดตามคุณภาพ และเพิ่มประสิทธิภาพการดำเนินงาน แต่การเชื่อมต่อนี้ทำให้เหตุการณ์ไซเบอร์ในระบบหนึ่งสามารถส่งผลต่อการทำงานของอีกระบบได้เช่นกัน Ransomware ที่เริ่มต้นจากเครื่องคอมพิวเตอร์หรือเซิร์ฟเวอร์ฝั่ง IT จึงอาจกระทบมากกว่าการเข้าถึงไฟล์ หากระบบที่หยุดทำงานเกี่ยวข้องกับคำสั่งผลิต วัตถุดิบ การยืนยันตัวตน หรือข้อมูลคุณภาพ ผลกระทบอาจลุกลามไปถึงการเดินสายการผลิตและการส่งมอบสินค้า เมื่อ IT, OT และ Production Systems พึ่งพากันมากขึ้น Cyber Incident จึงสามารถกลายเป็น Operational Incident ได้ ความเสี่ยงนี้ไม่ได้หมายความว่า Ransomware ต้องเข้าถึงหรือเข้ารหัสอุปกรณ์ควบคุมเครื่องจักรทุกครั้ง สายการผลิตอาจหยุดได้จากการสูญเสียระบบสนับสนุน หรือจากการตัดสินใจหยุดกระบวนการเพื่อความปลอดภัยระหว่างตรวจสอบเหตุการณ์ CISA ระบุว่าความเชื่อมโยงและการพึ่งพากันระหว่าง IT กับ OT เป็นประเด็นสำคัญในการรับมือภัย Ransomware สำหรับ Security Team การเข้าใจเส้นทางของเหตุการณ์จึงต้องเชื่อมมุมมองด้านเทคนิคเข้ากับการทำงานจริงของโรงงาน: Initial Access → IT Compromise →…

Security Operations Center หรือ SOC มีภารกิจสำคัญในการเฝ้าระวัง ตรวจจับ วิเคราะห์ และตอบสนองต่อภัยคุกคาม แต่เมื่อ AI เข้ามาช่วยเพิ่มความเร็วให้กิจกรรมบางส่วนของการโจมตี ขณะที่องค์กรต้องดูแลระบบและข้อมูลที่กระจายอยู่ในหลายสภาพแวดล้อม กระบวนการทำงานของ SOC ก็ต้องปรับตามไปด้วย หากทุกเหตุการณ์ยังต้องรอเจ้าหน้าที่เปิดดูทีละรายการ ค้นข้อมูลจากหลายระบบ และส่งต่อการอนุมัติหลายขั้นตอน ความล่าช้าอาจสะสมตั้งแต่เริ่มตรวจพบจนถึงการควบคุมเหตุการณ์ คำถามสำคัญจึงอยู่ที่ว่า SOC สามารถเปลี่ยนสัญญาณเตือนให้เป็นการตัดสินใจและการตอบสนองที่เหมาะสมได้เร็วเพียงใด? NCSC สหราชอาณาจักรประเมินว่า AI จะช่วยเพิ่มประสิทธิภาพของกิจกรรมบุกรุกระบบ และอาจเพิ่มความถี่กับความรุนแรงของภัยคุกคาม อย่างไรก็ตาม ความสามารถในการใช้ AI สนับสนุนบางขั้นตอนยังแตกต่างจากการโจมตีขั้นสูงที่ทำงานอัตโนมัติครบวงจร องค์กรจึงควรเตรียมพร้อมตามความเสี่ยงที่เกิดขึ้นจริง พร้อมติดตามความสามารถที่กำลังพัฒนา สำหรับ SOC ความท้าทายเกิดขึ้นเมื่อความเร็วของเหตุการณ์สูงกว่าความสามารถในการรวบรวมบริบทและตัดสินใจ การเพิ่มเครื่องมือเพียงอย่างเดียวอาจยังไม่แก้ปัญหา หากข้อมูลไม่ครบ ขั้นตอนซ้ำซ้อน หรืออำนาจในการตอบสนองยังไม่ชัดเจน ลองพิจารณาสถานการณ์สมมติที่ระบบตรวจพบการเข้าสู่บัญชีจากอุปกรณ์ใหม่ ตามด้วยการเปลี่ยนสิทธิ์และดาวน์โหลดข้อมูลจำนวนมาก หากสัญญาณเหล่านี้อยู่คนละระบบ เจ้าหน้าที่อาจต้องใช้เวลาตรวจสอบก่อนเห็นว่าเป็นเหตุการณ์เดียวกัน Workflow ที่เชื่อมข้อมูลได้ดีควรช่วยให้ทีมเห็นลำดับเหตุการณ์ เจ้าของบัญชี ความสำคัญของระบบ และผลกระทบที่อาจเกิดขึ้น พร้อมเสนอทางเลือกในการรับมือที่อยู่ภายใต้นโยบายขององค์กร ตรงนี้เองที่ Automation และ Agentic…

เมื่อ AI เข้าร่วมการโจมตี Cyber Defense ต้องปรับตัวอย่างไร? เมื่อผู้โจมตีสามารถใช้ AI ช่วยค้นหาข้อมูล วิเคราะห์เป้าหมาย และสนับสนุนขั้นตอนต่าง ๆ ของการโจมตี ความท้าทายของฝ่ายป้องกันย่อมเปลี่ยนตามไปด้วย งานบางส่วนที่เคยต้องใช้เวลาและทักษะเฉพาะอาจดำเนินการได้เร็วขึ้น ขณะที่ทีมความมั่นคงปลอดภัยต้องประเมินและรับมือกับเหตุการณ์ภายใต้เวลาที่จำกัด สำหรับ Security Professional คำถามสำคัญจึงชัดเจนขึ้นว่า Detection จะเร็วพอหรือไม่? SOC จะจัดการเหตุการณ์อย่างไร? และ Incident Response ต้องปรับตรงไหนเพื่อควบคุมผลกระทบได้ทัน? คำว่า “Autonomous Attacker” ในบทความนี้ใช้ชวนมองแนวโน้มที่ขั้นตอนการโจมตีมีความเป็นอัตโนมัติมากขึ้น โดยระดับความสามารถยังแตกต่างกันตามโมเดล เครื่องมือ เป้าหมาย และการกำกับของมนุษย์ การใช้ AI ช่วยดำเนินงานบางขั้นตอนจึงต้องแยกจากการโจมตีขั้นสูงที่ทำงานเองได้ครบวงจร รายงานของ NCSC สหราชอาณาจักร ประเมินว่า AI จะช่วยเพิ่มประสิทธิภาพของกิจกรรมบุกรุกระบบ เช่น การรวบรวมข้อมูลเป้าหมาย การวิจัยช่องโหว่ และ Social Engineering รวมถึงอาจลดเวลาที่ฝ่ายป้องกันมีสำหรับแก้ไขช่องโหว่ก่อนถูกนำไปโจมตี ขณะเดียวกัน รายงานยังแยกความก้าวหน้าเหล่านี้ออกจากการโจมตีขั้นสูงแบบอัตโนมัติทั้งหม ผลกระทบต่อองค์กรจึงอาจเกิดขึ้นได้แม้ผู้โจมตียังต้องมีมนุษย์ร่วมควบคุม…

AI กำลังเปิดโอกาสใหม่ให้ Healthcare ตั้งแต่การช่วยจัดทำเอกสาร สรุปข้อมูล สนับสนุนงานวิจัย ไปจนถึงการช่วยบุคลากรทางการแพทย์วิเคราะห์ข้อมูล แต่ยิ่ง AI เชื่อมต่อกับข้อมูลผู้ป่วยและกระบวนการดูแลรักษามากขึ้น องค์กรก็ยิ่งต้องให้ความสำคัญกับความถูกต้อง ความเป็นส่วนตัว และความรับผิดชอบต่อผลลัพธ์ ข้อมูลสุขภาพสะท้อนเรื่องส่วนตัวที่ละเอียดอ่อน ทั้งประวัติการรักษา ภาวะสุขภาพ และข้อมูลที่อาจส่งผลต่อชีวิตของบุคคลในระยะยาว การนำข้อมูลเหล่านี้มาใช้กับ AI จึงต้องมีวัตถุประสงค์และขอบเขตที่ชัดเจน พร้อมมาตรการปกป้องตลอดกระบวนการ โจทย์ของ Digital Healthcare คือการทำให้ Innovation × Privacy × Security × Governance × Trust เติบโตไปด้วยกัน โดยมีความปลอดภัยและประโยชน์ของผู้ป่วยเป็นศูนย์กลาง องค์การอนามัยโลก (WHO) ระบุว่า Generative AI มีศักยภาพสนับสนุนงานด้านสุขภาพหลายประเภท แต่ก็มีความเสี่ยงจากผลลัพธ์ที่ผิด ไม่ครบถ้วน หรือมีอคติ รวมถึงการเชื่อถือระบบอัตโนมัติมากเกินไป การนำมาใช้จึงต้องประเมินความเหมาะสมกับงานและผลกระทบต่อผู้ใช้อย่างรอบคอ ลองพิจารณาสถานการณ์สมมติที่บุคลากรนำบันทึกผู้ป่วยเข้าสู่บริการ AI เพื่อช่วยร่างสรุปการรักษา แม้จะช่วยลดเวลาจัดทำเอกสาร แต่หากใช้เครื่องมือที่ยังไม่ผ่านการประเมิน องค์กรอาจไม่ทราบว่าข้อมูลถูกจัดเก็บที่ใด ใครเข้าถึงได้ และถูกนำไปใช้ต่อภายใต้เงื่อนไขใด…

AI กำลังเข้ามามีบทบาทในบริการทางการเงิน ตั้งแต่การตอบคำถามลูกค้า การจัดการเอกสาร การสนับสนุนงานปฏิบัติการ ไปจนถึงการวิเคราะห์ความเสี่ยง ความสามารถเหล่านี้เปิดโอกาสให้สถาบันการเงินลดระยะเวลาทำงานและพัฒนาบริการที่ตอบโจทย์ลูกค้าได้ดีขึ้น แต่เมื่อ AI เข้าใกล้ข้อมูลสำคัญและการตัดสินใจที่มีผลต่อเงิน สิทธิ์ หรือโอกาสของลูกค้ามากขึ้น ความคาดหวังต่อความถูกต้อง ความเป็นธรรม และความรับผิดชอบก็เพิ่มขึ้นตามไปด้วย คำถามสำหรับผู้นำจึงอยู่ที่ว่า สถาบันการเงินจะสร้าง Innovation พร้อมรักษา Trust ได้อย่างไร เมื่อ AI มีส่วนต่อ Financial Decision มากขึ้น? Financial Stability Board (FSB) ระบุว่า AI สามารถสร้างประโยชน์ให้ภาคการเงิน แต่ก็อาจเพิ่มความเปราะบางจากการพึ่งพาผู้ให้บริการภายนอก ความเสี่ยงไซเบอร์ ความเสี่ยงของโมเดล และคุณภาพข้อมูล ประเด็นเหล่านี้ทำให้การนำ AI มาใช้ต้องเชื่อมโยงกับการบริหารความเสี่ยงขององค์กรตั้งแต่ต้น การกำกับดูแลควรเริ่มจากการเข้าใจว่า AI มีบทบาทอยู่ตรงไหนในกระบวนการตัดสินใจ การช่วยค้นข้อมูลผลิตภัณฑ์ การสรุปเอกสารเพื่อให้เจ้าหน้าที่พิจารณา และการกำหนดวงเงินให้ลูกค้า มีลักษณะผลกระทบต่างกัน จึงควรมีระดับการควบคุมที่เหมาะกับแต่ละกรณี แม้ระบบจะทำหน้าที่เพียง “ให้คำแนะนำ” ผลลัพธ์ก็อาจมีอิทธิพลต่อการตัดสินใจจริงได้ หากผู้ใช้งานเชื่อถือคำตอบโดยไม่ได้ตรวจสอบ ความเสี่ยงจึงต้องประเมินจากวิธีนำ AI…

พนักงานสามารถเริ่มใช้ AI ช่วยทำงานได้ภายในไม่กี่นาที ตั้งแต่สรุปเอกสาร วิเคราะห์ข้อมูลลูกค้า เขียนโค้ด ไปจนถึงจัดทำข้อเสนอเพื่อประกอบการตัดสินใจ แต่ในช่วงเวลาเดียวกัน ฝ่าย Governance อาจยังไม่ทราบว่าองค์กรกำลังใช้ AI ตัวใด ข้อมูลอะไรถูกส่งออกไป และผลลัพธ์นั้นกำลังมีอิทธิพลต่อการตัดสินใจเรื่องใด ความสะดวกในการเข้าถึง AI จึงมาพร้อมคำถามสำคัญว่า องค์กรสามารถมองเห็นและกำกับการใช้งานได้ทันกับความเร็วที่พนักงานนำ AI เข้ามาใช้หรือไม่? นี่คือความท้าทายของ Shadow AI ซึ่ง NCSC สหราชอาณาจักรอธิบายว่าเป็นการใช้เทคโนโลยี AI ที่อยู่นอกระบบและกระบวนการที่องค์กรอนุมัติ ถือเป็นรูปแบบหนึ่งของ Shadow IT โดยช่องว่างอาจเกิดขึ้นเมื่อความต้องการใช้งานของพนักงานพัฒนาเร็วกว่านโยบายและเครื่องมือที่องค์กรจัดเตรียมไว้ ในอดีต องค์กรอาจพบ Shadow IT ผ่านการใช้บริการฝากไฟล์ส่วนตัว แอปพลิเคชันที่ไม่ได้รับอนุมัติ หรือระบบที่หน่วยงานจัดหามาเอง เมื่อ AI เข้ามามีบทบาท ความเสี่ยงก็ขยายไปถึงวิธีตีความข้อมูล การสร้างเนื้อหา และการนำคำตอบไปใช้ในกระบวนการทำงาน การสำรวจว่า “มีซอฟต์แวร์อะไรอยู่ในองค์กรบ้าง?” จึงต้องต่อยอดไปถึง “AI ถูกใช้ทำอะไร ใช้ข้อมูลใด และใครตรวจสอบผลลัพธ์ก่อนนำไปใช้?” ลองพิจารณาสถานการณ์สมมติที่พนักงานนำรายงานยอดขายพร้อมรายละเอียดลูกค้าเข้าสู่บริการ AI…

ข้อมูลที่องค์กรเข้ารหัสไว้วันนี้ อาจยังต้องรักษาความลับต่อไปอีกหลายปี ทั้งข้อมูลส่วนบุคคล ผลงานวิจัย ทรัพย์สินทางปัญญา และแผนยุทธศาสตร์ คำถามสำคัญจึงอยู่ที่ว่าการป้องกันที่ใช้อยู่จะยังเพียงพอตลอดช่วงเวลาที่ข้อมูลเหล่านั้นมีคุณค่าหรือไม่ ความก้าวหน้าของ Quantum Computing กำลังทำให้ CIO และ CISO ต้องกลับมาทบทวนคำถามนี้ โดยเฉพาะเมื่อระบบสำคัญขององค์กรพึ่งพาการเข้ารหัส การแลกเปลี่ยนกุญแจ และลายมือชื่อดิจิทัลเพื่อสร้างความเชื่อมั่นในการสื่อสารและทำธุรกรรม การเตรียม Post-Quantum Security จึงควรเริ่มจากการรู้ว่า “ข้อมูลและระบบใดต้องได้รับการปกป้องในระยะยาว?” ควบคู่กับการติดตามว่าเทคโนโลยีควอนตัมพัฒนาไปถึงไหนแล้ว Q-Day เป็นคำที่ใช้เรียกจุดที่คอมพิวเตอร์ควอนตัมมีความสามารถเพียงพอจะทำลายความมั่นคงปลอดภัยของระบบรหัสลับแบบกุญแจสาธารณะบางประเภทที่ใช้งานอยู่ เช่น RSA และระบบที่อาศัย Elliptic Curve Cryptography ความเสี่ยงจึงขึ้นอยู่กับอัลกอริทึมและรูปแบบการใช้งานของแต่ละระบบ วันที่แน่นอนยังไม่สามารถระบุได้ แต่ความไม่แน่นอนนี้ต้องนำมาพิจารณาร่วมกับเวลาที่องค์กรต้องใช้ในการปรับเปลี่ยนระบบ ซึ่งอาจเกี่ยวข้องกับแอปพลิเคชัน อุปกรณ์ ผู้ให้บริการ และคู่ค้าจำนวนมาก อีกเหตุผลที่ต้องเริ่มเตรียมตัวคือความเสี่ยงแบบ Harvest Now, Decrypt Later หรือการเก็บข้อมูลที่เข้ารหัสไว้ในวันนี้ เพื่อรอถอดรหัสเมื่อมีเทคโนโลยีที่ทำได้ในอนาคต ข้อมูลที่ยังต้องเป็นความลับอีกนานจึงอาจมีความเสี่ยงตั้งแต่ก่อน Q-Day หากถูกดักเก็บและได้รับการปกป้องด้วยกลไกที่เสี่ยงต่อการโจมตีด้วยควอนตัม ลองพิจารณาสถานการณ์สมมติที่องค์กรมีข้อมูลวิจัยซึ่งต้องรักษาความลับอีก 15 ปี และต้องใช้เวลาหลายปีในการปรับระบบที่เกี่ยวข้อง แม้ยังไม่มีคำตอบแน่ชัดว่า Q-Day…

เมื่อ AI เข้ามาช่วยวิเคราะห์ข้อมูล วางแผนธุรกิจ และสนับสนุนการตัดสินใจที่สำคัญ ความสัมพันธ์ระหว่างองค์กรกับเทคโนโลยีก็กำลังเปลี่ยนไป ยิ่ง AI เชื่อมต่อกับข้อมูล ระบบคลาวด์ และกระบวนการทำงานมากขึ้น การเลือกใช้งาน AI ก็ยิ่งส่งผลต่อความสามารถในการควบคุมและกำหนดอนาคตขององค์กร คำถามสำหรับผู้นำจึงขยายจาก “AI ช่วยให้องค์กรทำอะไรได้บ้าง?” ไปสู่ “ใครเป็นผู้ควบคุมข้อมูล โมเดล โครงสร้างพื้นฐาน และการตัดสินใจที่องค์กรกำลังพึ่งพา?” นี่คือโจทย์ของ AI Sovereignty หรืออธิปไตยด้าน AI ซึ่งในบริบทของบทความนี้หมายถึง ความสามารถขององค์กรหรือประเทศในการกำหนดเงื่อนไข เลือกใช้ กำกับดูแล และรักษาทางเลือกเกี่ยวกับระบบ AI ที่มีความสำคัญต่อภารกิจของตน เมื่อ AI กลายเป็น Strategic Infrastructure หรือโครงสร้างพื้นฐานเชิงยุทธศาสตร์ การประเมินความพร้อมจึงต้องครอบคลุมทั้งประสิทธิภาพ ความมั่นคงปลอดภัย ความต่อเนื่อง และอำนาจในการควบคุมการเปลี่ยนแปลง ในระดับประเทศ OECD ให้ความสำคัญกับการประเมินความต้องการโครงสร้างพื้นฐานประมวลผล AI และการวางแผนที่คำนึงถึงอธิปไตยในระยะยาว ประเด็นนี้สะท้อนว่า ความสามารถในการเข้าถึงและบริหารทรัพยากร AI เป็นส่วนหนึ่งของการวางยุทธศาสตร์เทคโนโลยีแล้ว สำหรับองค์กร คำถามเรื่อง…

เมื่อ AI สามารถวิเคราะห์ข้อมูล วางแผน ใช้เครื่องมือ และดำเนินงานหลายขั้นตอนด้วยความเป็นอัตโนมัติมากขึ้น ภูมิทัศน์ของภัยคุกคามทางไซเบอร์ก็กำลังเปลี่ยนตามไปด้วย ความสามารถที่ช่วยให้องค์กรทำงานได้รวดเร็วขึ้น อาจถูกนำไปเพิ่มประสิทธิภาพให้กับการโจมตีได้เช่นกัน สำหรับ CISO คำถามจึงขยายจาก “เราป้องกันการโจมตีวันนี้ได้หรือไม่?” ไปสู่ “Cyber Defense ของเราพร้อมรับมือภัยคุกคามที่เร็วและอัตโนมัติมากขึ้นเพียงใด?” ประเด็นนี้ไม่ได้หมายความว่าการโจมตีทุกประเภทสามารถดำเนินการได้เองอย่างสมบูรณ์แล้ว ระดับความเป็นอัตโนมัติยังขึ้นอยู่กับความสามารถของโมเดล เครื่องมือ สภาพแวดล้อม และการกำกับของมนุษย์ แต่แม้ผู้โจมตีจะทำให้เพียงบางขั้นตอนเป็นอัตโนมัติ ก็อาจเพิ่มแรงกดดันให้ทีมป้องกันได้อย่างมีนัยสำคัญ รายงานของ National Cyber Security Centre (NCSC) สหราชอาณาจักร ประเมินว่า AI จะช่วยเพิ่มประสิทธิภาพของกิจกรรมบุกรุกระบบ และอาจทำให้ช่วงเวลาระหว่างการเปิดเผยช่องโหว่กับการนำช่องโหว่ไปใช้โจมตีสั้นลง ขณะที่การโจมตีขั้นสูงแบบอัตโนมัติครบวงจรยังเป็นคนละระดับความสามารถกับการใช้ AI ช่วยดำเนินงานบางส่วน ผลต่อองค์กรจึงชัดเจนขึ้น: เวลาที่มีสำหรับการตัดสินใจและลดความเสี่ยงอาจน้อยลง ขณะที่ภาระงานของฝ่ายป้องกันเพิ่มขึ้น ลองพิจารณาสถานการณ์สมมติที่มีการเปิดเผยช่องโหว่ในระบบที่องค์กรใช้งาน ทีมความมั่นคงปลอดภัยต้องตรวจสอบว่าระบบใดได้รับผลกระทบ ประเมินความสำคัญ ประสานเจ้าของระบบ และเลือกวิธีแก้ไข ระหว่างนั้น ผู้โจมตีอาจใช้ระบบอัตโนมัติช่วยค้นหาเป้าหมายและประเมินโอกาสเข้าถึงระบบได้รวดเร็วขึ้น ในสถานการณ์เช่นนี้ ประสิทธิภาพของ Cyber Defense ขึ้นอยู่กับทั้งคุณภาพของเครื่องมือและความคล่องตัวของกระบวนการ หากองค์กรตรวจพบความเสี่ยงได้เร็ว แต่ยังต้องรอข้อมูลเจ้าของระบบหรือการอนุมัติที่ไม่ชัดเจน…

ที่ผ่านมา องค์กรลงทุนด้าน Cybersecurity เพื่อป้องกัน ตรวจจับ รับมือ และฟื้นตัวจากการโจมตีทางไซเบอร์ ความสามารถในการดำเนินธุรกิจต่อท่ามกลางเหตุการณ์ที่ไม่คาดคิด หรือ Cyber Resilience จึงเป็นเป้าหมายสำคัญของผู้นำองค์กรมาอย่างต่อเนื่อง แต่เมื่อ AI กำลังเพิ่มความเร็วและขยายขีดความสามารถให้ทั้งผู้โจมตีและผู้ป้องกัน การวัดความพร้อมด้วยคำถามว่า “เราจะกู้ระบบกลับมาได้เร็วเพียงใด?” อาจยังไม่ครอบคลุมความเสี่ยงที่องค์กรต้องเผชิญ โดยเฉพาะในยุค Agentic AI ที่ระบบสามารถวางแผน เลือกใช้เครื่องมือ และดำเนินงานหลายขั้นตอนภายใต้สิทธิ์ที่ได้รับ ความมั่นคงปลอดภัยจึงต้องครอบคลุมทั้งข้อมูล ระบบ และอำนาจในการลงมือทำงานแทนมนุษย์ โจทย์ของ CIO และ CISO จึงขยายไปสู่คำถามสำคัญว่า องค์กรจะคาดการณ์ ปรับตัว และตอบสนองต่อภัยคุกคามได้ทันเพียงใด ขณะที่ระบบอัตโนมัติกำลังมีบทบาทในการตัดสินใจมากขึ้น? Cyber Resilience ยังคงเป็นรากฐานที่จำเป็น โดยกรอบของ NIST ครอบคลุมความสามารถในการคาดการณ์ ทนต่อเหตุการณ์ ฟื้นตัว และปรับตัวอยู่แล้ว สิ่งที่องค์กรต้องทบทวนจึงเป็นการนำแนวคิดนี้ไปปฏิบัติให้ทันกับความเร็วและความซับซ้อนของ Agentic AI โดยเฉพาะองค์กรที่ยังให้น้ำหนักกับการรับมือและฟื้นฟูระบบหลังเกิดเหตุเป็นหลัก เมื่อ AI Agent เชื่อมต่อกับอีเมล ฐานข้อมูล หรือระบบงานภายใน…