การประยุกต์ใช้ AI ในการควบคุมทางศุลกากร: การวิเคราะห์ทางกฎหมายและกระบวนการยุติธรรมเชิงเปรียบเทียบ
คำสำคัญ:
ปัญญาประดิษฐ์, การควบคุมทางศุลกากร, ศุลกากร, กฎหมายเปรียบเทียบ, กระบวนการยุติธรรมบทคัดย่อ
บทความฉบับนี้มีวัตถุประสงค์เพื่อศึกษาประเด็นทางกฎหมายและจริยธรรมที่เกี่ยวข้องกับการประยุกต์ใช้เทคโนโลยีปัญญาประดิษฐ์ (Artificial Intelligence: AI) ในกระบวนการควบคุมทางศุลกากรของภาครัฐ โดยมุ่งเน้นการวิเคราะห์เชิงเปรียบเทียบกับกฎหมายและนโยบายของประเทศที่มีแนวปฏิบัติชัดเจน เพื่อสังเคราะห์แนวทางที่เหมาะสมกับบริบทของประเทศไทย ในบริบทของสังคมดิจิทัล AI ได้กลายเป็นเครื่องมือสำคัญในการเพิ่มประสิทธิภาพของระบบบริหารความเสี่ยง การคัดกรองสินค้า และการตรวจสอบข้อมูลอย่างแม่นยำและอัตโนมัติ อย่างไรก็ตาม การนำ AI มาใช้ในภาครัฐ โดยเฉพาะในงานศุลกากร ยังคงเผชิญกับข้อท้าทายด้านกฎหมายและจริยธรรม อาทิ ความโปร่งใสของอัลกอริทึม ความสามารถในการอธิบายผลลัพธ์ ความชอบด้วยกฎหมายของพยานหลักฐานจากระบบอัตโนมัติ และการคุ้มครองสิทธิมนุษยชน
การศึกษานี้เปรียบเทียบกรอบกฎหมายและแนวนโยบายของประเทศต่าง ๆ ได้แก่ สหภาพยุโรป สหรัฐอเมริกา สหราชอาณาจักร ออสเตรเลีย ญี่ปุ่น เกาหลีใต้ จีน สิงคโปร์ และไต้หวัน โดยพบว่าประเทศเหล่านี้ให้ความสำคัญกับหลักความโปร่งใส ความสามารถในการตรวจสอบ ความรับผิดชอบของหน่วยงานรัฐ และสิทธิในการได้รับการปฏิบัติอย่างเป็นธรรม ในขณะที่ประเทศไทยยังไม่มีกรอบกฎหมายเฉพาะที่รองรับการใช้ AI ในบริบทศุลกากรอย่างชัดเจน
จากผลการศึกษา บทความได้นำเสนอข้อเสนอเชิงนโยบายเพื่อเป็นแนวทางในการจัดทำกฎหมายและกลไกควบคุมการใช้ AI ในศุลกากรไทย โดยครอบคลุมประเด็นสำคัญ อาทิ การประเมินผลกระทบของ AI การกำกับดูแลอัลกอริทึม การจัดตั้งกลไกรับเรื่องร้องเรียน และการเยียวยาผู้ได้รับผลกระทบ บทความจึงมีส่วนช่วยเติมเต็มองค์ความรู้ด้านกฎหมายกับเทคโนโลยี (Law and Technology) และเสนอแนวทางการประยุกต์ใช้ AI ในภาครัฐไทยอย่างมีจริยธรรม โปร่งใส และเป็นธรรม
เอกสารอ้างอิง
Akçay, S., Breckon, T. P., & Kundegorski, M. E. (2022). Using deep convolutional neural networks for x-ray baggage threat detection. Pattern Recognition Letters, 138, 312–318. Retrieved from https://doi.org/10.1016/j.patrec.2020.04.005
Cath, C., Wachter, S., Mittelstadt, B., Taddeo, M., & Floridi, L. (2018). Artificial intelligence and the 'good society': The US, EU, and UK approach. Science and Engineering Ethics, 24(2), 505–528. Retrieved from https://doi.org/10.1007/s11948-017-9901-7
Daubert v. Merrell Dow Pharmaceuticals, Inc., 509 U.S. 579 (1993).
Digital Government Development Agency. (2021). Guidelines for AI governance in the Thai public sector. Bangkok: Digital Government Development Agency (Public Organization). Retrieved from https://www.dga.or.th/
European Commission. (2021). Proposal for a regulation laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Retrieved from https://eur lex.europa.eu/ legal-content/EN/TXT/?uri=CELEX%3A52021PC0206
Eubanks, V. (2018). Automating inequality: How high-tech tools profile, police, and punish the poor. New York, NY: St. Martin’s Press.
Fjeld, J., Achten, N., Hilligoss, H., Nagy, A., & Srikumar, M. (2020). Principled artificial intelligence: Mapping consensus in ethical and rights-based approaches to principles for AI.
Berkman Klein Center Research Publication (2020-1). Retrieved from https://cyber. harvard.edu/publication/2020/principled-ai
Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., et al. (2018). AI4People -An ethical framework for a good AI society: Opportunities, risks, principles, and recommendations. Minds and Machines, 28(4), 689–707. Retrieved from https://doi. org/10.1007/s11023-018-9482-5
Hassan, R., Mahmud, M., & Alam, M. (2020). Intelligent customs control using AI and big data analytics. Journal of Border Security and Artificial Intelligence, 3(1), 20–35.
IMDA (Infocomm Media Development Authority). (2020). Model AI governance framework (2nd ed.). Retrieved from https://www.imda.gov.sg/
Jaccard, N., Wiliem, A., Bhalerao, A., & Lovell, B. C. (2019). Automated detection of contraband in x-ray images using deep learning. IEEE Transactions on Industrial Informatics, 15(3), 1535–1545. Retrieved from https://doi.org/10.1109/TII.2018.2877287
Liu, H., & Zhang, Y. (2022). Legal challenges in China's AI governance: From data protection to algorithmic accountability. Tsinghua China Law Review, 14(1), 44–67.
Office of the Australian Information Commissioner (OAIC). (2022). Australian privacy principles and AI ethics framework. Retrieved from https://www.oaic.gov.au/
Punyachai, T. (2021). The reliability of evidence from intelligent systems in judicial proceedings. Journal of Contemporary Law, 7(1), 77–96.
Veale, M., & Binns, R. (2017). Fairer machine learning in the real world: Mitigating discrimination without collecting sensitive data. Big Data & Society, 4(2), 1–17.
Veale, M., & Brass, I. (2019). Administration by algorithm? Public management meets public sector machine learning. Public Money & Management, 39(5), 377–384.
World Customs Organization (WCO). (2021). Study report on disruptive technologies. Retrieved from https://www.wcoomd.org/
Yeung, K. (2018). Algorithmic regulation: A critical interrogation. Regulation & Governance, 12(4), 505–523.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2026 วารสารพุทธอาเซียนศึกษา
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
