Generative A.I. กับการพัฒนากฎหมาย ดร. ณรัณ โพธิ์พัฒนชัย

1. บทนำ

​​ปัญญาประดิษฐ์ หรือที่รู้จักกันจากชื่อย่อภาษาอังกฤษว่า A.I. (Artificial Intelligence) กลายเป็น trend ด้านเทคโนโลยีของโลกในช่วงปี 2566 ต่อเนื่องมาถึงปี 2567  มีบริษัทเทคโนโลยีชั้นนำของโลกเสนอบริการ “Chat Bot” หรือโปรแกรมช่วยตอบคำถาม ในรูปแบบใหม่ที่พัฒนาขึ้นด้วยระบบ Generative AI (มีผู้แปลเป็นภาษาไทยว่า ปัญญาประดิษฐ์แบบรู้สร้าง แต่เพื่อความสะดวกและกระชับในการอ้างอิง ขออนุญาตใช้ทับศัพท์ภาษาอังกฤษว่า Gen A.I. นะครับ) ท่านผู้อ่านคงเคยได้ยินและอาจมีโอกาสได้ลองใช้ ChatGPI ของ OpenAI ที่มี Microsoft เป็นผู้สนับสนุนหลัก หรือ Google Bard ของผู้ให้บริการระบบค้นหาข้อมูลเบอร์หนึ่งของโลกอย่าง Google กันมาบ้างแล้วไม่มากก็น้อย  Chat Bot เหล่านี้ทำหน้าที่เป็นผู้ช่วยหาช่วยย่อยข้อมูล  นอกจากนั้น ยังสามารถวิเคราะห์หรือสังเคราะห์ข้อมูลจากคำถามที่เราถาม โดยคำตอบที่ได้รับจะอยู่ในภาษาที่เข้าใจง่ายเสมือนเป็นการโต้ตอบกับคนด้วยกันหรือสามารถสร้างสรรค์ผลงานใหม่ ๆ ได้อย่างรวดเร็ว เช่น งานออกแบบสถาปัตยกรรม การเขียนบทความขนาดยาวที่มีความซับซ้อนด้านเนื้อหา หรือแม้กระทั่งให้ทำแบบทดสอบวิชาชีพไม่ว่าจะเป็นข้อสอบเนติบัณฑิต หรือข้อสอบผู้เชี่ยวชาญด้านการเงิน ก็สามารถทำได้คะแนนดีมากในเวลาที่รวดเร็วกว่าคนธรรมดาจะสามารถทำได้  สิ่งที่ทำให้ Gen A.I. ChatBot เช่น ChatGPT ได้รับความสนใจจากสังคมในวงกว้างคือ ผู้ที่ใช้งานไม่จำเป็นต้องสั่งการด้วยภาษาคอมพิวเตอร์หรือเรียนรู้วิธีการเฉพาะในการใช้งาน แต่สามารถส่งคำสั่งด้วยการเขียนหรือพูดด้วยภาษามนุษย์ไม่ว่าจะเป็นภาษาไทย อังกฤษ หรือภาษาอื่น ๆ ทำให้เป็นเทคโนโลยีที่ใครก็เข้าถึงได้

​​ก่อนที่จะแชร์ประสบการณ์การทำเทคโนโลยี Gen A.I. มาปรับใช้ในการทำงานด้านกฎหมายภาครัฐ ผมอยากชวนทุกท่านมาทำความรู้จักกับสิ่งที่เรียกว่า Gen A.I. ซึ่งเป็นเทคโนโลยีพื้นฐานของโปรแกรมช่วยตอบคำถามเหล่านี้แบบฉบับเข้าใจง่ายกันก่อนครับ

2. A.I. ก่อนจะมี Gen A.I.

​​A.I. ไม่ใช่เทคโนโลยีใหม่ แม้แต่คำว่า A.I. เองก็เป็นคำที่คิดขึ้นโดยคณะผู้วิจัยนำโดยศาสตราจารย์ด้านคณิตศาสตร์แห่งวิทยาลัยดาร์ทมัธ ประเทศสหรัฐอเมริกา ตั้งแต่เมื่อปี 1956 หรือ พ.ศ. 2499 โน้นเลยครับ หลังจากนั้น เทคโนโลยีนี้ก็มีการพัฒนามาเป็นลำดับจนได้รับความสนใจเป็นวงกว้างอีกครั้งในปี พ.ศ. 2540 เมื่อคอมพิวเตอร์ชื่อ Deep Blue ของบริษัท IBM สามารถเล่นหมากรุกสากลเอาชนะแชมป์โลกอย่างคุณแกร์รี่ คาสปารอฟ (Garry Kasparov) ได้ ถือเป็นครั้งแรกที่เทคโนโลยีคอมพิวเตอร์แสดงให้เห็นว่ามีความสามารถในการประมวลผลข้อมูลในเรื่องที่ยากและซับซ้อนได้ดีกว่าสมองของมนุษย์ที่เก่งที่สุดในเรื่องนั้น หลังจากนั้นเป็นต้นมา เทคโนโลยีการประมวลผลในลักษณะดังกล่าวได้ถูกนำไปใช้งานเพื่อวิเคราะห์ข้อมูลด้านต่าง ๆ ไม่ว่าจะเป็นความเสี่ยงทางการเงิน การค้นหาความผิดปกติของข้อมูลในฐานข้อมูลขนาดใหญ่ รวมถึงการทำความเข้าใจเกี่ยวกับการทำงานของยีนหรือพันธุกรรมของมนุษย์ เป็นต้น

​​อย่างไรก็ดี A.I. ในรูปแบบดั้งเดิมข้างต้นกับ Gen A.I.ที่กำลังได้รับความนิยมกันในขณะนี้ แตกต่างกันมากทั้งในโครงสร้างของระบบ ความสามารถ และจุดประสงค์ของการใช้งานครับ

 

​​A.I. ในรูปแบบดั้งเดิม (อาจเรียกว่า Narrow หรือ Weak หรือ Conventional A.I. ก็ได้) เป็นระบบคอมพิวเตอร์ที่มีความสามารถทำตามคำสั่งด้วยการเรียนรู้จากการวิเคราะห์ฐานข้อมูล (machine learning) ภายใต้กรอบการเรียนรู้ (model) ที่กำหนดไว้ ในกรณีการพัฒนาคอมพิวเตอร์ A.I. เพื่อให้สามารถเล่นหมากรุกแข่งกับคนได้นั้นเป็นเพราะมีการป้อนข้อมูลกฎกติกาของหมากรุกและคอมพิวเตอร์สามารถสร้างกลยุทธ์ในการเล่นจากการคำนวนความน่าจะเป็นในการชนะคู่แข่ง สำหรับในกรณี Deep Blue นั้น มีความสามารถในการประมวลผลการเล่นถึง 200 ล้านทางเลือกในการวางหมากต่อวินาที! Conventional A.I. มีแทรกซึมอยู่ในบริการหรือผลิตภัณฑ์ทางเทคโนโลยีสารสนเทศในชีวิตประจำวันของเราหลายอย่างทำให้ทุกท่านน่าจะได้ใช้ประโยชน์จากระบบคอมพิวเตอร์ที่มี Narrow A.I. เป็นเครื่องมือหรือองค์ประกอบสำคัญมาบ้างไม่มากก็น้อย โดยเฉพาะอย่างยิ่ง ระบบค้นหาข้อมูลของ Google (Search Engine) บริการตัวช่วยผ่านเสียงของระบบปฏิบัติการโทรศัพท์มือถือ (Siri ของไอโฟน และ Google Assistant ของแอนดรอยด์) แม้ว่าระบบเหล่านี้จะมีการพัฒนาต่อยอดเพื่อให้สามารถเข้าใจและโต้ตอบด้วยภาษาของมนุษย์ได้บ้าง (natural language processing - NLP) แต่ทุกท่านคงทราบดีว่า A.I. ประเภทนี้ยังไม่สามารถสร้างการสนทนาหรือการโต้ตอบในลักษณะหรือรูปแบบที่ซับซ้อนเสมือนมนุษย์

3. Gen A.I. เบื้องต้น

​​Gen A.I. เป็นวิวัฒนาการอีกก้าวหนึ่งของเทคโนโลยีปัญญาประดิษฐ์ที่สามารถสร้างข้อมูลหรือเนื้อหาในรูปแบบต่าง ๆ ไม่ว่าจะเป็นรูปหรือวิดีโอจากการใช้กรอบการเรียนรู้ที่สามารถวิเคราะห์กลุ่มก้อนข้อมูลที่มีขนาดใหญ่และมีความหลากหลายมากกว่าแค่ฐานข้อมูลเฉพาะเรื่องใดเรื่องหนึ่งเพื่อสังเคราะห์ออกมาเป็นข้อมูลชุดใหม่ โดยข้อมูลใหม่นั้นอาจถูกนำเสนอได้ในหลายรูปแบบไม่ว่าจะเป็นข้อความทั้งแบบสั้นและยาว เสียง ภาพ และฐานข้อมูลจำลอง ในปัจจุบัน การใช้ Gen A.I. เพื่อนำเสนอข้อมูลใหม่ในรูปแบบของข้อความน่าจะเป็นการนำเทคโนโลยีนี้ไปประยุกต์ใช้ที่แพร่หลายที่สุด เพราะนอกจากจะสามารถสร้างข้อความใหม่ได้จากรูปแบบของกลุ่มก้อนข้อความและข้อมูลที่เป็นวัตถุดิบของการเรียนรู้แล้ว(pattern creation) ผู้ให้บริการ Gen A.I. ไม่ว่าจะเป็น ChatGPT Gemini หรือ Claude ยังมีการนำกรอบการเรียนรู้เพิ่มเติมเพื่อสร้างข้อความคำตอบที่มีลักษณะการใช้คำและรูปประโยคที่เป็นธรรมชาติเสมือนว่ามนุษย์เป็นผู้เขียนข้อความนั้นเอง (Large Language Model - LLM) มาใช้อีกด้วย ผู้ใช้งานมีหน้าที่เพียงตั้งคำถาม (prompting) กับระบบเพื่อให้ระบบเสนอคำตอบที่ต้องการ และยังสามารถขอให้ระบบปรับแก้ไขคำตอบให้ตอบสนองกับเงื่อนไขของคำถามที่ซับซ้อนหรือสะท้อนบริบทที่ต้องการได้ด้วย เช่น สามารถ “prompt” ให้ระบบยกร่างบทความเกี่ยวกับการท่องเที่ยวประเทศไทยมีความยาวอย่างน้อย 2 หน้ากระดาษโดยให้ยกตัวอย่างสถานที่ท่องเที่ยวที่สำคัญมาอย่างน้อย 5 แห่ง และเมื่อระบบทำการเสนอคำตอบมาแล้ว ก็สามารถ “prompt” ต่อไปได้ว่า ให้แก้ไขบทความเพื่อให้เหมาะสมกับกลุ่มผู้อ่านที่เป็นนักท่องเที่ยวจากประเทศในแถบสหภาพยุโรปและสหรัฐอเมริกา ระบบก็จะทำการแก้ไขโดยสร้างข้อมูลใหม่ที่เข้ากับบริบทของคำถามต่อเนื่องที่ได้รับด้วยภาษาที่สละสลวยเป็นธรรมชาติราวกับว่ามีมนุษย์เป็นผู้เขียนบทความนั้นเอง

 

4. ประสบการณ์การทดลองใช้ Gen A.I. กับ Use case ในวงการกฎหมาย

​​สำหรับวงการกฎหมาย มีการนำเทคโนโลยี Gen A.I. มาปรับใช้เพื่อเพิ่มประสิทธิภาพของการยกร่างกฎหมาย สัญญา และเอกสารทางกฎหมายอื่น นอกจากนั้น ยังสามารถใช้ในการสนับสนุนงานที่เกี่ยวข้องอื่น ๆ ได้ไม่ว่าจะเป็นการช่วยสรุปการประชุมหรือสรุปเอกสารที่มีความยาวให้อยู่ในรูปแบบข้อความที่กระชับเข้าใจได้ง่าย หรือการช่วยนักกฎหมายในการสืบค้นข้อมูลกฎหมายทั้งในประเทศและต่างประเทศได้อย่างรวดเร็วและมีประสิทธิภาพ

​​ในต่างประเทศ เริ่มนำเครื่องมือ Gen A.I. มาใช้ในงานพัฒนากฎหมายของภาครัฐบ้างแล้ว มีกรณีศึกษาที่น่าสนใจจากสองประเทศ ได้แก่ประเทศสิงคโปร์และประเทศบราซิล ในประเทศสิงคโปร์ กระทรวงกฎหมาย (Ministry of Law – MinLaw) ร่วมมือกับสำนักงานพัฒนาการสื่อสารสารสนเทศ (Infocomm Media Development Authority) จัดทำแผนพัฒนาด้านดิจิทัลให้กับนักกฎหมายทั้งภาครัฐและเอกชนในประเทศเพื่อสนับสนุนให้นักกฎหมายพัฒนาความสามารถและองค์ความรู้ได้รวดเร็วมากยิ่งขึ้น นอกจากนั้น ในประเทศบราซิล สำนักงานอัยการสูงสุดของมลรัฐเซาเปาโล (Attorney General’s Office of São Paulo (AGU)) นำ GPT-4 มาช่วยอัยการในการอ่านเอกสารทางคดีที่ค้างอยู่ในระหว่างการพิจารณาของศาลมากกว่า 20 ล้านคดี

สำหรับบ้านเรา ​ช่วงต้นเดือนมีนาคน 2567 ที่ผ่านมานี้ สำนักงานคณะกรรมการกฤษฎีกาได้ร่วมมือกับ Microsoft เพื่อเปิดโอกาสให้เจ้าหน้าที่สำนักงานทั้งที่เป็นนักกฎหมายกฤษฎีกาและเจ้าหน้าที่ฝ่ายสนับสนุนได้ทดลองนำ CoPilot ซึ่งเป็น Gen A.I. ที่พัฒนาบนพื้นฐานของ ChatGPT-4 มาใช้ในงานของสำนักงานฯ ใน 3 โจทย์การทำงาน ดังนี้ 

​​โจทย์แรก คือการช่วยสรุปข้อมูลที่มีความซับซ้อน พบว่า  เทคโนโลยี Gen A.I. ในปัจจุบันมีประสิทธิภาพในการสรุปข้อมูลกฎหมายที่มีความยาวให้เป็นข้อความสั้นทั้งในภาษาไทยและภาษาอังกฤษ โดยมีการทดลองให้ระบบสรุปหลักการและเหตุผลของพระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล พ.ศ. 2562 เปรียบเทียบกับกฎหมายคุ้มครองข้อมูลส่วนบุคคลของสหภาพยุโรป (EU General Data Protection Regulation) และให้แสดงผลการสรุปเป็นภาษาไทยและภาษาอังกฤษ 

​​โจทย์ที่สอง เป็นเรื่องการสังเคราะห์ข้อมูลกฎหมายเปรียบเทียบ โดยมีการทดลองให้ CoPilot หาข้อมูลกฎหมายเปรียบเทียบพร้อมทั้งแหล่งข้อมูลอ้างอิงเพื่อใช้ประกอบการยกร่างกฎหมายว่าด้วยเศรษฐกิจแพลตฟอร์มดิจิทัล ซึ่งระบบสามารถเลือกข้อมูลประกอบจากสหรัฐอเมริกา สาธารณรัฐประชาชนจีน และสหภาพยุโรป ซึ่งมีการออกกฎหมายที่เกี่ยวข้องกับแพลตฟอร์มดิจิทัลพร้อมกับรายชื่อแหล่งข้อมูลอ้างอิงให้ได้อีกด้วย

​​โจทย์ของการทดลองสุดท้าย เป็นการทดลองนำข้อมูลกฎหมายมาแสดงผลในรูปแบบที่เข้าใจง่าย ซึ่ง CoPilot สามารถนำกฎหมายประเภทพระราชบัญญัติ เช่น พระราชบัญญัติหลักเกณฑ์การจัดทำร่างกฎหมายและการประเมินผลสัมฤทธิ์ของกฎหมาย พ.ศ. 2562 มาจัดเรียงและนำเสนอในรูปแบบ Powerpoint โดยแบ่งการนำเสนอสอดคล้องกับการแบ่งหมวดในกฎหมายดังกล่าว

 

​​การทดลองทั้งสามโจทย์ถือว่า Gen A.I. มีศักยภาพที่จะช่วยลดงานเชิงเอกสารและงานธุรการที่ใช้เวลานานลงเพื่อให้เจ้าหน้าที่สำนักงานสามารถใช้เวลาที่จำกัดในการพัฒนาเนื้อหาและกลไกของกฎหมายที่เหมาะสมกับบริบทของสังคมไทยได้อย่างมีประสิทธิภาพมากยิ่งขึ้น  ในขั้นตอนต่อไปสำนักงานฯ จะขยายผลการทดลองด้วยการนำร่องใช้ Gen A.I. ในกระบวนการทำงานในบางส่วน โดยเฉพาะส่วนงานพัฒนากฎหมายที่ต้องใช้การค้นคว้าและเปรียบเทียบกฎหมายทั้งในประเทศและต่างประเทศ

          ทั้งนี้ การนำเทคโนโลยีมาปรับใช้เพื่อยกระดับคุณภาพและประสิทธิภาพของการทำงานเป็นเรื่องจำเป็นไม่สามารถหลีกเลี่ยงได้ แต่ต้องดำเนินไปด้วยความรอบคอบและเข้าใจถึงผลดีและผลกระทบด้านอื่น ๆ เพื่อตอบสนองกับสภาพสังคมและเศรษฐกิจที่มีการพัฒนาอย่างรวดเร็ว และเพื่อให้สามารถจัดทำร่างกฎหมายและให้ความเห็นทางกฎหมายที่แก้ไขปัญหาของประชาชน เพิ่มขีดความสามารถทางการแข่งขันของภาคเอกชน ได้อย่างแท้จริง และยังประโยชน์อย่างยั่งยืนให้แก่ประเทศ

 

ความเชื่อมั่น (Trust) ปกรณ์ นิลประพันธ์

 ความเชื่อมั่น (Trust)

ในวงสนทนาเล็ก ๆ วงหนึ่ง หลังจากขุดเรื่องหลังเมื่อครั้งวัยละอ่อนมาละเลงกันทั่วหน้าแล้ว มีคนถามผมว่าอะไรคือปัญหาที่ผมคิดว่าหนักที่สุดของเราในขณะนี้ ระหว่างการเมืองภายใน การเมืองระหว่างประเทศ  เศรษฐกิจตกต่ำ สังคมชำรุด สังคมผู้สูงอายุ การศึกษา การเปลี่ยนแปลงสภาพภูมิอากาศ แล้วจะแก้อันไหนก่อนดี

ผมตอบโดยไม่ลังเลเลยว่า “ปัญหาความเชื่อมั่น” (Trust)

คนในวงถามว่ามันเกี่ยวอะไรกัน

ผมเลยถามเขากลับไปว่า นาทีนี้พวกเขาเชื่อมั่น “ในอะไร” ได้บ้าง

ทุกคนลังเลที่จะตอบ 

ผมรู้สึกว่ามีความอึดอัดเกิดขึ้นในการอภิปราย จึงเสนอความเห็นต่อไปว่า ปัญหาที่ยกมาหลายประการนั้นล้วนเป็นปัญหาสำคัญของประเทศ รวมทั้งของโลกด้วยซ้ำไป 

โอเคละ เราทราบปัญหาและสาเหตุของปัญหาที่ยกขึ้นมาเป็นอย่างดี มีผลงานศึกษาวิจัยมากมาย พูดกันซ้ำไปซ้ำมา  แต่ทำไมเราถึงยังแก้ไขอะไรในเชิงโครงสร้างไม่ได้เลย ได้แต่แก้ปัญหาเฉพาะหน้า ปะผุไปวัน ๆ ทั้ง ๆ ที่คุยข่มกันว่าซุ่มศึกษากันล่วงหน้ามาหลายปี พร้อมทำทันที 100 วันเผา เอ๊ย 100 วันเห็นผลแน่ ๆ 

ผมบอกเพื่อนว่า ส่วนตัวผมคิดว่าพื้นฐานสำคัญคือไม่มีใครเชื่อมั่นว่าจะมีผู้ใดที่จะแก้ปัญหาได้  ทุกวันนี้ก็ยังรออัศวินขี่ม้าขาวกันอยู่ทั้งที่รู้ว่าคงไม่มีหรอก  ซึ่งถ้าผู้คนคิดเช่นนั้นกันหมด คนมีหน้าที่แก้ปัญหาที่ไม่ว่าจะตั้งใจมาหรือไม่ ก็จะถูกตั้งคำถาม (ด้วยความไม่เชื่อมั่น) ว่าจะทำได้จริงหรืออยู่ตลอดเวลา ไม่ว่าผู้มีหน้าที่จะร่ำเรียนมาจากสถาบันโด่งดัง มีปริญญายาวเฟื้อย มีประสบการณ์โชกโชนมาเพียงใด  และความไม่เชื่อมั่นของผู้คนก็จะทำให้ผู้มีหน้าที่ขาดแนวร่วม ขาดพลัง ขาดแรงสนับสนุน และขาดความร่วมมือในการแก้ไขปัญหา เพราะการแก้ไขปัญหาทุกอย่างนั้นมันต้องร่วมด้วยช่วยกัน ทำคนเดียวไม่ได้ ยิ่งเป็นเรื่องใหญ่ มันก็จะมี stakeholders มาก ถ้า stakeholders ไม่เชื่อมั่นในผู้มีหน้าที่แก้ไขปัญหา มันก็จะไม่มีใครฟังใคร

ในการสร้างความเชื่อมั่น ไม่ต้องการคนหน้าตาดี มาดดี พูดเก่ง แต่ต้องหนึ่งมีความมั่นคงแน่วแน่  สองคิดถึงประโยชน์ส่วนรวมเป็นหลัก สามมีสติและปัญญาคู่กัน มีปัญญาอย่างเดียวไม่ได้ ต้องมีสติด้วย  สี่ต้องสุจริต เที่ยงธรรม  ห้าต้องตรงไปตรงมา ยึดมั่นในหลักการ  หกมีความรับผิดชอบ  และเจ็ดใจกว้าง รับฟังความคิดเห็นที่แตกต่างหลากหลาย 

นี่ผมว่าตามตำราที่อ่านมานะ แต่เท่าที่เอามาลองใช้ดูในการทำงานจริงมันก็ได้ผลนะ

ถ้าเริ่มต้นจากการสร้างความเชื่อมั่น เมื่อผู้คนเชื่อมั่น ก็จะแก้ทุกปัญหาไปพร้อม ๆ กันในลักษณะ structural change ได้เพราะทุกปัญหามันเกี่ยวโยงกัน

แต่มันก็ยากที่จะสร้างความเชื่อมั่นในสังคมที่มีความเป็น individualism สูงมากตามการพัฒนาของระบบเทคโนโลยีเช่นนี้  ขณะที่การทำลายความเชื่อมั่นโดยใช้เทคโนโลยีมันง่ายกว่าเยอะ

“เปลี่ยนเรื่องคุยเถอะวะ” ใครคนหนึ่งพูดขึ้นมา 

แล้วการสนทนาในประเด็นนี้ก็เป็นอันยุติลง.

มุมมองต่อการพัฒนากฎหมาย climate change ปกรณ์ นิลประพันธ์

 หลายวันก่อนมีคนชวนผมไปอภิปรายเรื่องมุมมองต่อการพัฒนากฎหมายว่าด้วย climate change  

ผมก็บ่น ๆ ให้เขาฟังกันว่าบ้านเรานี้เอะอะก็บอกว่ายังไม่มีกฎหมาย ตั้งธงจะออกกฎหมายกันท่าเดียว นัยว่าพอมีกฎหมายแล้วปัญหามันจะหายไปง่าย ๆ เนื้อหาในกฎหมายก็ไม่มีอะไรมาก จัดตั้งคณะกรรมการระดับชาติ ระดับจังหวัด ระดับท้องถิ่น ตั้งกรรมการแล้วยังให้คณะกรรมการไปตั้งคณะอนุกรรมการ คณะทำงาน ที่ปรึกษา ฯลฯ กันอีก แล้วก็ให้ไปคิดมาว่าจะทำยังไง แล้วเสนอคณะรัฐมนตรีมีมติสั่งการ มีตั้งสำนักงานมารองรับ มีการตั้งกองทุนที่เอางบประมาณรายจ่ายมาสนับสนุน อ้างว่าเพื่อความคล่องตัวในการทำงาน 

ผมก็หวังว่าถ้าจะมีกฎหมายเรื่อง climate change คงจะไม่มีหน้าตาและโครงสร้างอย่างนี้นะ เพราะที่มีอยู่นั้นมันพิสูจน์แล้วว่าไม่ค่อยได้ผลเท่าไร 

ส่วนตัวผมแอบคิดว่ามันมีกระทรวง ทบวง กรม ที่รับผิดชอบหน้าที่ต่าง ๆ อยู่แล้ว ถ้ากฎหมายจะกำหนดเป้าหมายในการปลดปล่อยก๊าซเรือนกระจกให้น้อยลงตามเป้าที่รัฐบาลกำหนดไว้ในปี 2030 และ 2050 แล้วให้ทุกหน่วยงานไปคิดว่าจะ deliver ยังไงในแต่ละปีน่าจะดีกว่า แต่ที่สำคัญทุกหน่วยงานต้องสร้าง climate change literacy ให้กับทั้งข้าราชการ พนักงาน และลูกจ้างในสังกัด รวมทั้งช่วยกันสร้างคนของเราให้มีความตระหนักรู้ในเรื่องclimate change อย่างจริงจังในฐานะที่ทุกคนเป็น global citizen ด้วย 

แค่เพียงเปลี่ยนมาใช้รถ ev หรือใช้ solar roof เพราะเหตุประหยัดพลังงาน ลดค่าใช้จ่าย หรือขายไฟฟ้าคืนเข้ากริดเป็นรายได้ได้ด้วยนี่ ไม่ได้หมายความเขาตระหนักรู้ ตื่นรู้ ในอันตรายที่จะเกิดขึ้นจาก climate change  คือถ้ามี climate change literacy จริง เป็น global citizen จริง ๆ เขาต้องเปลี่ยนพฤติกรรมเพราะเขามุ่งมั่นที่จะเปลี่ยนแปลงโลกให้ดีขึ้น ไม่ใช่เพียงเพราะลดต้นทุนหรือให้ดูทันสมัยเท่านั้น 

ในทัศนะผม ชาวยุโรปเหนือมี climate change literacy ที่ชัดเจนมาก เราต้องการให้พลเมืองมีทัศนคติแบบนั้นในการผลักดันเรื่อง climate change ไม่งั้นออกกฎหมายอีกกี่ร้อยฉบับก็ไม่ได้ผล

นโยบายที่ต่อเนื่องและชัดเจนเป็นสาระสำคัญอีกประการหนึ่งที่จะทำให้เรื่องนี้ประสบความสำเร็จ คือต้องถือเรื่องนี้เป็น national interest ทีเดียวเพราะถ้าไม่จริงจังและต่อเนื่อง ไม่ว่าจะระดับรัฐบาล ระดับองค์กร ทั้งภาครัฐภาคเอกชน ก็ยากที่จะผลักดันบรรลุเป้าหมายได้ ทุกภาคส่วนต้องตระหนักว่าปัญหามันร้ายแรงขึ้นเรื่อย ๆ เราต้องสูญเสียงบประมาณ/ต้นทุนจำนวนมากในแต่ละปีเพื่อ mitigate ความเสียหายที่เกิดขึ้นจาก climate change ทั้งทางตรงและทางอ้อม

การบังคับใช้กฎหมายและการปฎิบัติตามกฎหมายก็เป็นประเด็นสำคัญในการต่อสู้กับ climate change โดยเฉพาะในช่วงที่เรายังไม่สามารถเปลี่ยนทัศนคติของคนของเราให้เป็น global citizen ได้ เพราะเป็นธรรมชาติของคนที่กลัวการเปลี่ยนแปลง และจะยกการ์ดสูงอยู่เสมอถ้าต้องเปลี่ยนอะไรก็ตาม ต้องบังคับใช้กฎหมายอย่างมีศิลปะเพื่อลดการต่อต้าน และมีมาตรการกระตุ้นเพื่อให้เกิดการเปลี่ยนแปลงพฤติกรรม ในแง่นี้ การให้ incentive รูปแบบต่าง ๆ จะช่วยให้ผู้คนปฏิบัติตามกฎหมายอย่างยินยอมพร้อมใจ สร้างความร่วมมือ และเป็นพลังผลักดันในที่สุด

นอกจากนี้ การประเมินผลต้องมีความชัดเจนและกระทำสม่ำเสมอเพื่อตรวจสอบสัมฤทธิ์ผลของมาตรการและกลไกต่าง ๆ

สำหรับผม การออกแบบกลไกตามกฎหมายเพื่อบรรลุวัตถุประสงค์เรื่องนี้ไม่ง่ายเลย เพราะต้องเข้าใจพฤติกรรมและบริบทที่เป็นอยู่จริง ๆ มาตรการต้องสมดุล เป็น stick ที่เข้มข้น เกรงกลัว และเป็น carrot ที่ใคร ๆ ก็อยากได้ เรามีโมเดลอยู่เยอะในฐานข้อมูล https://climate-laws.org/ ต้องศึกษาให้ดี เอาที่เหมาะสมกับบริบทเรามาปรับใช้

ไม่ใช่แค่โยนให้คณะกรรมการไปคิด แล้วคณะกรรมการก็โยนให้คณะอนุกกรมการหรือคณะทำงานไปคิดต่อ 

อันนี้ไม่ได้เรื่องมาเยอะแล้ว

โครงสร้างที่ต้องปรับเปลี่ยน โดย ปกรณ์ นิลประพันธ์

ติดตามข่าวสารรอบตัวรอบโลกแล้วให้นึกสงสารคนรุ่นใหม่นัก สถานการณ์ต่าง ๆ ทั้งดินฟ้าอากาศ เศรษฐกิจ สังคม การบ้านการเมืองทั้งต่างประเทศในประเทศ ความรู้สึกนึกคิดและพฤติกรรมของผู้คน เปลี่ยนแปลงเร็วมากเสียจนยากที่จะคาดการณ์ได้ 

“การวางแผน” ตามตำรายุค 70s และ ”การกำหนด KPI หรือ OKR“ ในยุค 2000s กลายเป็นอะไรที่ล้าสมัยเพราะมันตายตัว การทบทวนแผน KPI OKR ปีละครั้งแบบดั้งเดิมมันไม่ทันกิน คงต้องทบทวนและปรับเปลี่ยนบ่อยครั้งขึ้น อาจต้องลดเป็นไตรมาสละครั้งหรือเร็วกว่า เพื่อให้รับกับสถานการณ์ 

”งบประมาณ“ ที่วางกันล่วงหน้าคราวละปีก็อาจต้องปรับเหมือนกัน เดิมเคยคิดกันว่าจะเป็นงบสามปีห้าปี จะได้เกิดความต่อเนื่อง แต่ภายใต้ความเปลี่ยนแปลงที่รวดเร็วเช่นนี้ คงใช้แบบนั้นไม่ได้แล้ว ปีนึงน่าจะยังพอได้ แต่ต้องปรับวิธีการตั้งงบประมาณเป็นการให้เป็นก้อน ถ้าให้ระยะสั้นก็เพื่อ achieve target หรือถ้าระยะยาวก็ต้องเพื่อให้เกิด outcome ภายในกรอบเวลา ส่วนการใช้จ่ายงบประมาณก็ต้องมีความยืดหยุ่นภายในหลักเกณฑ์ที่กำหนด ไม่ใช่ใช้ตามกฎระเบียบ การตรวจสอบการใช้จ่ายงบประมาณก็ไม่ใช่ตรวจว่าถูกระเบียบไหม แต่ตรวจว่า achieve target หรือเกิด outcome ตามที่ขอรับงบประมาณไปใช้หรือไม่

“โครงสร้าง” แบบเดิม ๆ โดยเฉพาะระบบราชการต้องปรับอย่างเร่งด่วน ให้มีความอ่อนตัว ต้องเอื้อให้เกิดการใช้ทรัพยากรในระบบ ทั้งคน เงิน ของ ได้อย่างคุ้มค่าทำงานตาม agenda ได้ ทำงาน cross functions ได้ ไม่ใช่ stand alone เหมือนที่ผ่านมา การรับคนเข้าทำงานคงต้องสนใจ skill attitude creativity และ collaboration ของบุคคล มากกว่าใบปริญญาหรือชื่อเสียงของสถานศึกษาที่เข้าเรียน เหมือนยุคก่อน ๆ work life balance จะเพิ่ม productivity การพัฒนาให้คนมี multi skill และ social skill จะช่วยให้การทำงาน cross functions มีประสิทธิผลมากขึ้น

“วิธีการทำงาน” มี hierarchical structure ได้ แต่กระบวนการทำงานต้องเร็ว ภายใต้ระบบการกลั่นกรองที่เหมาะสม ไม่ล่าช้าและมีคุณภาพ เงื่อนไขคือต้องมีระบบฐานข้อมูลที่มีประสิทธิภาพ จะทำให้สามารถทำงานจากที่ไหนก็ได้ การให้บริการผ่านระบบออนไลน์

“นโยบาย” ต้องคิดแบบ holistically คำนึงถึงผลกระทบด้านต่าง ๆ อย่างรอบด้าน ไม่สุดโต่งไปข้างใดข้างหนึ่ง เพื่อประโยชน์ของทุกกลุ่มในสังคม ไม่ใช่พวกฉัน พวกเธอ แต่เป็น “พวกเรา” ซึ่งเป็นพหุวัฒนธรรม นั่นต้องพูดจากันด้วยเหตุผล รับฟังผู้อื่นที่แตกต่าง ไม่เอาตัวเองเป็นที่ตั้ง ต้องคำนึงถึงความผาสุกของประชาชนเป็นหลัก ไม่ใช่อ้างประชาชนบังหน้าหรือเป็นตัวประกัน การจัดสรรทรัพยากรต้องเป็นไปตามความจำเป็นเร่งด่วนของเรื่อง และต้องเป็นธรรมไปพร้อมกัน

“การเมือง” อันนี้ไม่รู้ …

ผมแก่ใกล้จะปลดระวางแล้ว ก็คิดเทียบเอากับเมื่อสมัยยังเป็นคนรุ่นใหม่ราวสามสี่สิบปีก่อน มันช้ากว่านี้มาก ทำงานง่ายกว่ามาก พอทุกอย่างมันเร็วขึ้นผมก็เป็นรุ่นเก่าพอดี ทำงานยากขึ้น มีปัจจัยและตัวแปรต่าง ๆ มากมายขึ้น ที่บ่น ๆ มาก็คิดว่าถ้าช่วยกันเปลี่ยนบางอย่างได้ ก็จะทำให้พี่น้องประชาชนมีความผาสุกได้เท่านั้นเอง ไม่ได้ฝากอะไรให้ใครทำ เพราะที่บ่นมาอาจไม่เข้าท่าก็ได้

ก็ให้กำลังใจน้อง ๆ คนรุ่นใหม่ทุกคนในทุกภาคส่วนครับ.