ความเสี่ยงของการเกิดคอร์รัปชันในปัจจุบันไม่ได้จำกัดอยู่เพียงการรับสินบน การยักยอกงบประมาณ หรือการทุจริตในการจัดซื้อจัดจ้างเท่านั้น แต่ยังขยายไปสู่ความเสี่ยงรูปแบบใหม่
ทั้งการวิ่งเต้นทางนโยบาย (Lobbying) การขัดกันแห่งผลประโยชน์ การเงินพรรคการเมือง เทคโนโลยีปัญญาประดิษฐ์หรือ AI และการแทรกแซงจากต่างประเทศ ทำให้การพัฒนามาตรการในการต่อต้านคอร์รัปชันจำเป็นต้องเปลี่ยนเป้าหมายจากการมุ่งดำเนินการกับ “การกระทำผิดที่เกิดขึ้นแล้ว” ไปสู่การสร้างระบบที่สามารถมองเห็น ป้องกัน และจัดการ “ความเสี่ยง” ก่อนที่จะเกิดการคอร์รัปชัน
มีกฎหมายแล้ว ต้องทำให้ใช้ได้จริง
รองศาสตราจารย์ ดร.ต่อภัสสร์ ยมนาค ผู้อำนวยการศูนย์ความรู้เพื่อความร่วมมือในการต่อต้านคอร์รัปชัน และส่งเสริมธรรมาภิบาลในระดับภูมิภาค (KRAC) คณะเศรษฐศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย ได้อธิบายถึงมาตรการจัดการปัญหาคอร์รัปชันของประเทศสมาชิกกลุ่ม OECD ในปี 2024
พบว่า แม้ร้อยละ 71 ของประเทศสมาชิก OECD จะมีแนวทางเชิงยุทธศาสตร์ในการจัดการความเสี่ยงด้านคอร์รัปชัน แต่มาตรการส่วนใหญ่ยังคงมุ่งจัดการกับวิธีการคอร์รัปชันแบบดั้งเดิม ขณะที่การคอร์รัปชันในปัจจุบันได้พัฒนาวิธีการให้มีความซับซ้อนและสามารถเปลี่ยนแปลงวิธีการได้รวดเร็วมากขึ้นตามการพัฒนาของเทคโนโลยี ทำให้มาตรการที่มีอยู่อาจไม่ครอบคลุมความเสี่ยงรูปแบบใหม่ที่เกิดขึ้น
อย่างไรก็ตาม ความท้าทายของการแก้ไขปัญหาคอร์รัปชันก็ไม่ได้มีเพียงแค่การต้องพัฒนามาตรการให้เท่าทันกับความเสี่ยงใหม่ที่จะเกิดขึ้น แต่ยังต้องคำนึงถึงประเด็น ช่องว่างระหว่างการมีกฎหมายหรือมาตรการ (Regulation) กับการนำไปปฏิบัติจริง (Implementation) ด้วย ซึ่งจากข้อมูลของกลุ่มประเทศ OECD พบว่ามีช่องว่างดังกล่าวเฉลี่ยประมาณร้อยละ 17 โดยเฉพาะมาตรการด้านการขัดกันแห่งผลประโยชน์ที่มีกฎระเบียบครอบคลุมร้อยละ 76 แต่มีการปฏิบัติจริงเพียงร้อยละ 40 และการจัดการความเสี่ยงและการตรวจสอบคอร์รัปชันมีกฎระเบียบครอบคลุมร้อยละ 67 แต่สามารถนำไปปฏิบัติจริงเพียงร้อยละ 33
ข้อมูลดังกล่าวสะท้อนให้เห็นว่า การพัฒนากลไกต่อต้านคอร์รัปชันไม่ควรมุ่งเน้นเพียงการออกกฎหมายที่ครอบคลุม แต่ต้องทำให้กฎหมายดังกล่าวสามารถนำไปใช้ ติดตาม และตรวจสอบได้จริง
Lobbying ผลประโยชน์ทับซ้อน และการเงินพรรคการเมือง คือความเสี่ยงที่ต้องเปิดให้ตรวจสอบได้
จากประเด็นที่กล่าวไปข้างต้นแนวทางการต่อต้านคอร์รัปชันในระดับสากลจึงเปลี่ยนจากการมุ่งจัดการ “ปัญหาการกระทำผิดที่เกิดขึ้นแล้ว” ไปสู่ “การจัดการความเสี่ยงและการควบคุมตรวจสอบคอร์รัปชัน (Corruption Risk Management and Audit)” โดยพยายามค้นหาว่า จุดใด กระบวนการใด หรือความสัมพันธ์แบบใดมีโอกาสนำไปสู่การคอร์รัปชัน เพื่อออกแบบมาตรการป้องกัน ตรวจจับ และตอบสนองต่อความเสี่ยงเหล่านั้นได้ล่วงหน้า
แนวคิดแบบการบริหารความเสี่ยง จึงไม่ได้พิจารณาเพียงแค่ระบบควบคุมภายในองค์กร แต่ยังต้องพิจารณาปัจจัยภายนอกที่อาจเข้ามามีอิทธิพลต่อการใช้อำนาจและการตัดสินใจของรัฐด้วย
เมื่อต้องพิจารณาความเสี่ยงเกี่ยวกับอิทธิพลที่อาจส่งผลต่อการตัดสินใจของรัฐ ย่อมต้องพิจารณาถึง 3 ความเสี่ยงสำคัญ คือ การวิ่งเต้น (Lobbying) การขัดกันแห่งผลประโยชน์ (Conflict of Interest) และการเงินพรรคการเมือง (Political Finance) โดยการจัดการความเสี่ยงในการวิ่งเต้น ไม่ใช่การห้ามการเสนอความคิดเห็นต่อผู้กำหนดนโยบาย แต่คือการสร้างความโปร่งใสว่าใครกำลังมีอิทธิพลต่อนโยบายใดและมีผลประโยชน์ใดเกี่ยวข้อง
ซึ่งปัจจุบันในกลุ่ม OECD มีเพียง 17 ประเทศเท่านั้นที่มีการเปิดเผยทะเบียนการวิ่งเต้น ต่อสาธารณะ ขณะที่มาตรการด้านการขัดกันแห่งผลประโยชน์ก็จำเป็นต้องครอบคลุมการตรวจสอบผลประโยชน์ที่ผู้มีอำนาจได้รับทั้งในระหว่างดำรงตำแหน่งและหลังพ้นจากตำแหน่ง เพื่อให้สามารถพิจารณาความเสี่ยงที่อาจเกิดขึ้นได้อย่างครอบคลุม และในด้านการเงินพรรคการเมือง ต้องจัดให้มีการเปิดเผยและตรวจสอบแหล่งที่มาของเงินทั้งด้านรายรับและรายจ่ายของพรรค เพื่อลดความเสี่ยงในการสร้างอิทธิพลต่อการกำหนดนโยบาย โดยพบว่าประเทศในกลุ่ม OECD มีประเทศสมาชิกเพียงร้อยละ 32 เท่านั้นที่ทั้งมีกฎระเบียบครอบคลุมและสามารถนำไปปฏิบัติได้จริง
ข้อมูลเปิดคือฐานสำคัญ และ AI ช่วยให้เห็นความผิดปกติได้เร็วขึ้น
ในการกำกับดูแลความเสี่ยงทั้ง 3 ด้านอย่างมีประสิทธิภาพ จำเป็นต้องอาศัยข้อมูลที่เพียงพอและสามารถเชื่อมโยงกันได้ การจัดให้มีข้อมูลเปิดภาครัฐ (Open Data) จึงถือเป็นโครงสร้างพื้นฐานสำคัญของกลไกการตรวจสอบและต่อต้านคอร์รัปชัน โดยกลุ่ม OECD มีนโยบายที่ให้ความสำคัญกับการเปิดเผยข้อมูลเชิงรุก (Proactive Disclosure) และหลักการเปิดเผยข้อมูลโดยปริยาย (Open by Default)
อย่างไรก็ตาม สิ่งสำคัญไม่ใช่เพียงแค่ปริมาณข้อมูลที่สามารถเข้าถึงได้ แต่ข้อมูลเหล่านั้นต้องสามารถนำไปใช้ตรวจสอบความเชื่อมโยงและความผิดปกติได้จริง เพราะแม้ประเทศในกลุ่ม OECD จะเปิดเผยข้อมูลผลการเลือกตั้งถึงร้อยละ 100 งบประมาณแผ่นดินร้อยละ 97 และข้อมูลการจัดซื้อจัดจ้างภาครัฐร้อยละ 94 แต่ข้อมูลที่ช่วยให้มองเห็นความเชื่อมโยงระหว่างอำนาจกับผลประโยชน์กลับมีการเปิดเผยค่อนข้างน้อย เช่น การเปิดเผยบัญชีผลประโยชน์ทับซ้อนของเจ้าหน้าที่ระดับสูงเพียงร้อยละ 33 และข้อมูลรวมเกี่ยวกับการวิ่งเต้นที่มีผลต่อการตัดสินใจของรัฐบาลเพียงร้อยละ 21 ช่องว่างด้านข้อมูลเหล่านี้จึงอาจเป็นข้อจำกัดต่อประสิทธิภาพในการติดตามและตรวจสอบความเสี่ยงของการเกิดคอร์รัปชัน
ขณะเดียวกัน เมื่อการตรวจสอบคอร์รัปชันต้องอาศัยข้อมูลจากหลายแหล่งและมีปริมาณมากขึ้น ความท้าทายและความซับซ้อนของข้อมูลจึงเพิ่มสูงขึ้น ทำให้การนำข้อมูลเหล่านั้นมาวิเคราะห์เพื่อค้นหาความผิดปกติได้ล่าช้าหรือเกิดความยุ่งยาก AI การช่วยวิเคราะห์ข้อมูลความสัมพันธ์ที่ซับซ้อน และการค้นหาสัญญาณเตือนความผิดปกติที่เกิดขึ้นได้อย่างรวดเร็ว เช่น ความผิดปกติของเส้นทางการเงิน การยักยอกเงิน สินบนข้ามชาติ หรือข้อมูลบัญชีทรัพย์สิน การจัดทำข้อมูลเปิดและ AI จึงเป็นกลไกที่สามารถทำงานควบคู่กัน ตั้งแต่การทำให้ข้อมูลที่จำเป็นต่อการตรวจสอบสามารถเข้าถึงได้ ไปจนถึงการนำข้อมูลเหล่านั้นมาวิเคราะห์เพื่อค้นหาและประเมินความเสี่ยง
ทั้งนี้ ประสิทธิภาพของ AI ยังคงขึ้นอยู่กับคุณภาพและความครบถ้วนของข้อมูล รวมถึงกลไกที่สามารถนำผลการวิเคราะห์ไปใช้ในการตรวจสอบและป้องกันคอร์รัปชันได้จริง
ระบบต่อต้านคอร์รัปชันต้องเชื่อมกฎหมาย ข้อมูล เทคโนโลยี และการปฏิบัติ
จะเห็นได้ว่าการพัฒนากลไกและมาตรการต่อต้านคอร์รัปชันในบริบทปัจจุบัน ไม่สามารถพึ่งพาการออกกฎหมายหรือการจัดการกับการกระทำผิดที่เกิดขึ้นแล้วเพียงอย่างเดียว แต่ต้องพัฒนาไปสู่ระบบที่สามารถประเมินและจัดการความเสี่ยงได้ล่วงหน้า
โดยเฉพาะเมื่อความเสี่ยงขยายไปสู่ประเด็นการวิ่งเต้น การขัดกันแห่งผลประโยชน์ และการเงินพรรคการเมือง ซึ่งล้วนเกี่ยวข้องกับความสัมพันธ์ระหว่างผลประโยชน์กับการใช้อำนาจของรัฐ ขณะเดียวกัน ยังต้องพยายามลดช่องว่างระหว่างการมีกฎระเบียบกับการนำไปปฏิบัติจริง เพราะแม้จะมีมาตรการที่ครอบคลุม แต่หากขาดการติดตาม ตรวจสอบ และบังคับใช้อย่างมีประสิทธิภาพ ก็อาจไม่สามารถป้องกันความเสี่ยงคอร์รัปชันได้
นอกจากนี้ การพัฒนาโครงสร้างพื้นฐานด้านข้อมูลและนำเทคโนโลยีมาใช้สนับสนุนการตรวจสอบ ก็มีความสำคัญมากขึ้น โดยการเปิดเผยข้อมูลที่มีคุณภาพและสามารถนำไปเชื่อมโยงวิเคราะห์ได้ จะช่วยให้มองเห็นความสัมพันธ์และความผิดปกติที่อาจนำไปสู่การคอร์รัปชัน ขณะที่ AI สามารถช่วยประมวลผลข้อมูลจำนวนมากและค้นหาสัญญาณเตือนได้รวดเร็วยิ่งขึ้น ดังนั้น การต่อต้านคอร์รัปชันในปัจจุบันจึงต้องพัฒนาทั้ง กฎหมาย กลไกการปฏิบัติ ข้อมูล และเทคโนโลยีให้ทำงานเชื่อมโยงกัน เพื่อให้สามารถรับมือกับความเสี่ยงที่มีความซับซ้อนและเปลี่ยนแปลงอยู่ตลอดเวลาได้อย่างมีประสิทธิภาพ
ข้อมูลที่ยกมาเป็นเพียงส่วนหนึ่งของเนื้อหาที่จะได้เรียนรู้ใน บทที่ 6 การพัฒนากลไกและมาตรการด้านการต่อต้านคอร์รัปชันในบริบทสากล หากสนใจศึกษาความรู้เพิ่มเติมเกี่ยวกับมาตรการต่อต้านคอร์รัปชันที่จัดทำโดย OECD รวมถึงการพัฒนากลไกต่อต้านคอร์รัปชันทั้งในไทยและต่างประเทศสมัครเรียนได้ที่ลิงก์ด้านล่าง
หลักสูตร “กฎหมายและมาตรการว่าด้วยการต่อต้านคอร์รัปชันและส่งเสริมธรรมาภิบาลเชิงปฏิบัติการ (Anti-Corruption Law and Policy: A Practical Curriculum) ” ได้รับการสนับสนุนการดำเนินงานจาก สำนักงานการวิจัยแห่งชาติ และพัฒนาหลักสูตรร่วมกับ คณะเศรษฐศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย Faculty of Law, Chulalongkorn University สำนักงาน ป.ป.ช. สถาบันเพื่อการยุติธรรมแห่งประเทศไทย (องค์การมหาชน) และ HAND Social Enterprise
เรียนฟรี ไม่มีค่าใช้จ่าย !! เรียนออนไลน์ได้ทุกที่ ทุกเวลา ได้รับ Certificate จากจุฬาฯ หลังเรียนจบ
หัวข้อ
KRAC Insights I การต่อต้านคอร์รัปชันยุคใหม่: จากข้อมูลเปิดสู่การบริหารความเสี่ยงด้วย AI
การต่อต้านคอร์รัปชันกำลังเปลี่ยนจากการจัดการเมื่อเกิดความผิด ไปสู่การประเมินและป้องกันความเสี่ยงล่วงหน้า บทความนี้ชวนดูบทเรียนสากลด้านกฎหมาย การบังคับใช้ ข้อมูลเปิด และ AI ที่ช่วยให้ระบบตรวจสอบเท่าทันความเสี่ยงรูปแบบใหม่
KRAC Extract | เปิดบัญชีทรัพย์สินแค่ไหน จึงโปร่งใสโดยไม่ล้ำเส้นความเป็นส่วนตัว
การเปิดเผยบัญชีทรัพย์สินช่วยตรวจสอบความร่ำรวยผิดปกติและผลประโยชน์ทับซ้อน แต่เมื่อข้อมูลครอบคลุมถึงคู่สมรส บุตร และคนใกล้ชิด เส้นแบ่งระหว่างความโปร่งใสกับความเป็นส่วนตัวควรอยู่ตรงไหน
KRAC Extract | มหาวิทยาลัย งานวิจัย และผลประโยชน์: สำรวจอำนาจและช่องโหว่คอร์รัปชันในแวดวงวิชาการ
คอร์รัปชันในมหาวิทยาลัยและงานวิจัยอาจซ่อนอยู่ในขั้นตอนใดบ้าง? KRAC Extract ชวนเจาะลึกจุดเสี่ยงตั้งแต่การรับนักศึกษา การให้คะแนน ไปจนถึงทุนวิจัย พร้อมแนวทางสร้างระบบที่โปร่งใสและตรวจสอบได้
