หลังสำรวจ ภาพรวมบทบาทการทำงานของสำนักงานกฎหมายฝรั่งเศสและเกาหลีใต้ รวมถึงโมเดลที่สามารถหยิบยืมมาปรับใช้กับระบบกฎหมายไทยให้มีความยืดหยุ่นและมีประสิทธิภาพ ที่เกิดขึ้นในเวทีช่วงเช้าของงานประชุมวิชาการประจำปี 2569 หรือ OCS Symposium 2026 ภายใต้หัวข้อ “Strengthening Thailand’s Resilience: Law Reform in an Era of Global Paradigm Shifts” ที่จัดโดย สำนักงานคณะกรรมการกฤษฎีกา
ประเด็นสำคัญ
บทความนี้จะพาลงลึกสู่ประสบการณ์ตรงในภาคปฏิบัติ ทั้งการใช้ Regulatory Sandbox ในภาครัฐของฝรั่งเศส การนำพฤติกรรมศาสตร์มาประกอบการกำหนดนโยบายสาธารณะ ตลอดจนการขับเคลื่อนด้วยข้อมูลเพื่อทำความเข้าใจระบบกฎหมายไทยในเชิงลึก
ถอดสูตรความสำเร็จการขับเคลื่อนกฎหมายด้วยหลักฐานเชิงประจักษ์ผ่านโมเดล Regulatory Sandbox ของฝรั่งเศส
Martin HIRSCH Member, French Council of State ถอดบทเรียนการทำ Regulatory Sandbox ของประเทศฝรั่งเศสมาเล่าให้ฟังเพื่อให้เห็นภาพชัดเจนว่า “ทำไมการบริหารประเทศจึงต้องขับเคลื่อนด้วยหลักฐานเชิงประจักษ์?” บนเวที ‘Regulatory Sandboxes in the French Public Sector: Methods, Lessons Learned, and Future Directions’
- นโยบายขับเคลื่อนด้วยพฤติกรรม
Martin เปรียบเทียบให้เห็นว่า การออกนโยบายไม่ต่างกับการผลิตยาตัวใหม่ออกสู่ตลาด บริษัทยาต้องทุ่มเทเวลาและเงินทุนเพื่อทดลองครั้งแล้วครั้งเล่า จนมั่นใจว่ายาตัวนั้นมีประสิทธิภาพ ปลอดภัย และมีหลักฐานทางวิทยาศาสตร์มารองรับ
แต่ทำไมเวลาที่จะนำนโยบายสาธารณะใดๆ ออกมาบังคับใช้ จึงคิดว่าแค่ผ่านกฎหมายก็เพียงพอแล้ว แน่นอนว่าในทางปฏิบัติเราสามารถทำเช่นนั้นได้ แต่สิ่งที่จะขาดหายไปคือหลักฐานที่จะมาการันตีผลสัมฤทธิ์ หากไม่มีการทดลองล่วงหน้า เราย่อมไม่มีทางมั่นใจในประสิทธิภาพของนโยบายได้เลย
“เพราะนโยบายขับเคลื่อนด้วยพฤติกรรมและการตอบสนองของคนที่หลากหลายในสังคม ทั้งพฤติกรรมพลเมือง ฝ่ายบริหาร หรือผู้เล่นในระบบเศรษฐกิจ แล้วเราจะคาดการณ์ว่าเขาจะมีพฤติกรรมอย่างไรต่อกฎหมายใหม่ๆ”
เมื่อพฤติกรรมมนุษย์ซับซ้อนกว่านั้น และบ่อยครั้งที่รัฐออกกฎหมายมาแล้วเจอคนพยายามหาช่องว่างหลีกเลี่ยง หรือเลือกที่จะไม่ปฏิบัติตาม จนทำให้นโยบายนั้นไร้ประสิทธิภาพและล้มเหลวในที่สุด
นั่นเป็นเหตุผลที่ฝรั่งเศสเลือกใช้เครื่องมือ Regulatory Sandbox พื้นที่จำลองที่เปิดโอกาสให้รัฐได้ทดลองนำกฎข้อบังคับใหม่ๆ มาใช้จริงในวงจำกัด เพื่อทดสอบปฏิกิริยาของประชาชน และนำผลลัพธ์เหล่านั้นมาวิเคราะห์ ปรับปรุง จนกลายเป็นนโยบายที่มีหลักวิทยาศาสตร์และหลักฐานเชิงประจักษ์มารองรับนโยบายก่อนประกาศใช้จริงทั่วประเทศ
- จากรัฐรวมศูนย์สู่การทดลองเชิงนโยบาย
แต่แนวคิดการทดลองเชิงนโยบาย (Policy Experimentation) ด้วยการเปรียบเทียบระหว่างกลุ่มประชากรที่ได้รับนโยบายใหม่กับกลุ่มควบคุมในพื้นที่ เพื่อวัดผลกระทบว่านโยบายนั้นได้ผลจริงหรือไม่ก่อนจะประกาศใช้ทั่วประเทศ แม้จะฟังดูสมเหตุสมผลตามหลักวิทยาศาสตร์ แต่สำหรับฝรั่งเศส สิ่งนี้ไม่ใช่เรื่องปกติที่จะเกิดขึ้นในระบบราชการ
ประการแรก ฝรั่งเศสบริหารประเทศแบบ ‘รัฐรวมศูนย์อำนาจ’ โครงสร้างการปกครองตามลำดับชั้นให้ความสำคัญกับความเป็นเอกภาพของประเทศ มากกว่าการปรับนโยบายให้ยืดหยุ่นตามบริบทของแต่ละท้องถิ่น
ประการต่อมา ฝรั่งเศสยึดมั่นในหลักความเสมอภาคที่เข้มงวด นับตั้งแต่ยุคปฏิวัติ 1789 โดยสภาแห่งรัฐฝรั่งเศสทำหน้าที่พิทักษ์หลักการนี้ ประชาชนทุกคนต้องได้รับการปฏิบัติเหมือนกันอย่างเท่าเทียม การทดลองเชิงนโยบายที่ต้องแบ่งประชากรเป็น “กลุ่มทดลอง” และ “กลุ่มควบคุม” จึงขัดต่อหลักการนี้ เพราะภาครัฐไม่สามารถยอมรับหรืออธิบายได้ว่า เหตุใดคนในปารีสกับคนในแคว้นอื่นถึงได้รับการปฏิบัติที่แตกต่างกัน
ประการที่สาม ฝรั่งเศสมีบรรทัดฐานทางการปกครองที่นิยมการปฏิรูปทั้งระบบแบบครอบคลุม มากกว่าการทดลองทำทีละส่วน เมื่อฝ่ายบริหารคิดค้นแนวทางที่เชื่อว่าเป็นทางออกที่ถูกต้องและพิสูจน์ได้ด้วยข้อเท็จจริงแล้ว รัฐจะประกาศใช้ในวงกว้างทั่วประเทศโดยอัตโนมัติทันที
ประการสุดท้าย คือ ช่องว่างระหว่างภาควิชาการกับฝ่ายบริหาร ข้าราชการระดับสูงและผู้กำหนดนโยบายในฝรั่งเศสเกือบทั้งหมดถูกเติบโตมาจากสายกฎหมายและการปกครอง เชี่ยวชาญเรื่องความซับซ้อนของระบบปกครองและการอ่านสรุปนโยบายเป็นหลัก เมื่อผู้กุมอำนาจในการออกนโยบายไม่ได้คุ้นชินกับสถิติและการตั้งสมมติฐาน ความเชื่อมโยงระหว่างนักวิจัยและผู้กำหนดนโยบายจึงขาดหายไป
Martin บอกว่า จุดเปลี่ยนสำคัญเริ่มขึ้นช่วงปี 2000 เมื่อฝรั่งเศสต้องเผชิญกับภาวะค่าใช้จ่ายภาครัฐที่สูง งบประมาณของประเทศกว่าครึ่งหนึ่งหมดไปกับระบบสวัสดิการ ประกันสุขภาพ แผนเกษียณอายุ ขนส่งสาธารณะ และการศึกษาฟรีในทุกระดับ รัฐจำเป็นต้องจัดเก็บภาษีในอัตราที่สูงมากจากทั้งภาคธุรกิจและประชาชน
เมื่อนำผลลัพธ์เชิงนโยบายไปเปรียบเทียบกับประเทศสมาชิกในกลุ่มสหภาพยุโรป รวมถึงประเทศสมาชิก OECD ฝรั่งเศสกลับได้ผลลัพธ์แค่ระดับค่าเฉลี่ย ไม่ว่าจะเป็นอัตราความยากจน ตัวเลขทางสาธารณสุข หรือแม้กระทั่งคะแนนประเมินผลนักเรียนนานาชาติอย่าง PISA
“ปรากฎการณ์นี้ทำให้เราตระหนักว่าไม่สามารถใช้วิธีเดิมๆ อย่างการเดินหน้าเพิ่มงบประมาณภาครัฐ โดยไม่ปรับปรุงประสิทธิภาพการทำงานให้ดีขึ้นได้อีกต่อไป”
Martin ยกตัวอย่างภาคการบริหารจัดการเงินคลังปัจจุบัน หากต้องการขอเพิ่มงบประมาณเพื่อแก้ปัญหาสิ่งแวดล้อมหรือความยากจน ฝ่ายการคลังจะตั้งคำถามทันทีว่านำเงินไปทำอะไรและผลลัพธ์เป็นอย่างไร ประชาชนและภาคส่วนต่าง ๆ เริ่มต้องการหลักฐานเชิงประจักษ์มาอ้างอิง แรงกดดันนี้ทำให้ประเทศต้องปรับตัวจากการรวมศูนย์อำนาจไปสู่การกระจายอำนาจให้ท้องถิ่น
“หากเราไม่ปล่อยให้ท้องถิ่นปรับตัวและคิดค้นวิธีแก้ปัญหาให้ตอบโจทย์ประชากรของตัวเอง เราย่อมไม่สามารถรักษาความเป็นปึกแผ่นของประเทศไว้ได้”
แรงกดดันสำคัญคือ ก้าวเข้ามาของคนรุ่นใหม่ ทั้งนักวิชาการและนักเศรษฐศาสตร์ที่มีความเชี่ยวชาญด้านวิทยาศาสตร์พฤติกรรมและวิทยาศาสตร์เชิงทดลอง หลายคนสำเร็จการศึกษาจากสหรัฐอเมริกาหรือต่างประเทศ พวกเริ่มตั้งคำถามว่า ทำไมฝรั่งเศสถึงไม่เปิดพื้นที่เพื่อทดลองใช้นโยบายหรือทดลองข้อกฎหมายเหมือนอย่างที่อังกฤษและสหรัฐอเมริกาทำกัน
- ปี 2003 จุดเริ่มต้นของกฎหมายทดลอง
แรงผลักดันเหล่านั้นนำมาสู่การแก้ไขเพิ่มเติมรัฐธรรมนูญในปี 2003 โดยมีการเพิ่มบทบัญญัติในมาตรา 37-1 ที่เปิดทางให้กฎหมายและกฎระเบียบต่างๆ สามารถมีบทบัญญัติในลักษณะทดลองได้ โดยมีการจำกัดขอบเขตและระยะเวลาอย่างชัดเจน พร้อมทั้งมอบอำนาจให้องค์กรปกครองส่วนท้องถิ่นสามารถทำการทดลองนโยบายภายในเงื่อนไขที่กำหนด
และภายใต้เงื่อนไขที่กฎหมายกำหนด ท้องถิ่นสามารถใช้อำนาจของตนเองบนพื้นฐานของการทดลองได้เช่นกัน ตราบใดที่ไม่กระทบต่อเสรีภาพสาธารณะหรือสิทธิที่รัฐธรรมนูญรับรอง ทำให้องค์กรปกครองส่วนท้องถิ่นมีอำนาจในการบริหารจัดการและสร้างความปลอดภัยมากขึ้น
การปลดล็อกทางกฎหมายในครั้งนี้ ส่งผลกระทบเชิงบวกและสร้างประโยชน์ต่อสถานการณ์จริงในประเทศอย่างมหาศาล
- ถอดบทเรียนความสำเร็จจากการทดลองนโยบายในสถานการณ์จริง
ในฝรั่งเศสมีระบบเงินอุดหนุนรายได้ขั้นต่ำมานานกว่า 40 ปี ปัญหาคือเงินช่วยเหลือผู้ว่างงานมีอัตราใกล้เคียงกับรายได้จากการทำงานขั้นต่ำ ส่งผลให้ประชาชนไม่มีแรงจูงใจในการกลับเข้าสู่ระบบการจ้างงาน แม้จะทำงานพาร์ทไทม์ก็ได้เงินน้อยกว่าการอยู่เฉยๆ แล้วรับสวัสดิการจากรัฐ
ฝ่ายบริหารจึงได้ออกแบบแผนงานใหม่ในลักษณะของเงินอุดหนุนเพื่อส่งเสริมการทำงาน เพื่อให้มั่นใจว่ายิ่งทำงานมากยิ่งได้เงินมาก และยุบรวมโครงการที่ซับซ้อนให้เหลือโครงการเดียวเพื่อให้ประชาชนเข้าใจได้ง่ายที่สุด
เพื่อทดสอบสมมติฐาน คณะที่ปรึกษาทางวิชาการซึ่งนำโดยอดีตหัวหน้านักเศรษฐศาสตร์ของธนาคารโลก ได้เลือกพื้นที่จัดทำโครงการออกเป็น 2 ส่วน ได้แก่ Test zone (พื้นที่ทดลอง) ใช้แผนงานสวัสดิการรูปแบบใหม่ และ Control zone (พื้นที่ควบคุม) ใช้ระบบสวัสดิการรูปแบบเดิมตามปกติ ผลการเก็บข้อมูลภายใน 15 เดือนพบว่า อัตราการเข้าสู่การจ้างงานในพื้นที่ทดลอง พุ่งสูงขึ้นถึง 9% เมื่อเทียบกับพื้นที่ควบคุม เมื่อคนกลับมาทำงาน รัฐก็จัดเก็บภาษีได้มากขึ้นและลดความยากจนลงได้จริง หลักฐานเชิงประจักษ์ช่วยให้รัฐมนตรีตัดสินใจอนุมัติงบประมาณกว่า 2,000 ล้านยูโร เพื่อขยายผลโครงการไปทั่วประเทศ
อีกหนึ่งตัวอย่างคือ ในช่วงที่มีการประท้วงของนักศึกษา แนวทางการทดลองคือ ขออนุมัติงบประมาณจากรัฐบาล 150 ล้านยูโร และได้ทุนสมทบจากภาคเอกชนอีก 50 ล้านยูโร รวมเป็น 200 ล้านยูโร เพื่อตั้งโครงการทดลองแก้ปัญหาเยาวชนและการศึกษา โดยเปิดรับข้อเสนอโครงการที่มีการพิสูจน์แนวคิดและจับคู่ทำงานร่วมกันระหว่างผู้ปฏิบัติงานจริงในพื้นที่กับนักวิชาการอย่างรัดกุม
หนึ่งในการทดลองที่น่าสนใจคือ การเปรียบเทียบประสิทธิภาพการดูแลคนหางานระหว่างหน่วยงานรัฐและบริษัทเอกชน ผลการทดลองทางวิทยาศาสตร์ชี้ว่า ภาครัฐมีประสิทธิภาพมากกว่า เนื่องจากภาคเอกชนเลือกให้บริการเฉพาะกลุ่มคนที่มีโอกาสหางานได้ง่ายอยู่แล้ว และส่งกลุ่มที่หางานยากกลับมาให้ภาครัฐดูแล
“เรานำการทดลองนี้ไปใช้กับภาคการศึกษาเพื่อลดอัตราการลาออกกลางคัน แม้ในตอนแรกครูและผู้บริหารจะกังวลเรื่องมนุษยธรรม แต่เมื่อผลลัพธ์เชิงประจักษ์ออกมาชัดเจน ความเชื่อมั่นก็กลับมา”
- อนาคตของนโยบายในยุค AI
“บทเรียนสำคัญที่สุดคือ การทดลองช่วยป้องกันไม่ให้เราเสียเวลาและงบประมาณไปกับนโยบายที่ไม่ได้ผล แม้ปัจจุบันจะมีนักการเมืองบางกลุ่มแอบอ้างคำว่า ‘โครงการนำร่อง’ เพื่อกลบเกลื่อนการขาดแคลนงบประมาณ แต่ในอนาคต นโยบายที่อิงหลักฐานเชิงประจักษ์จะก้าวล้ำไปอีกขั้นด้วย Big Data และ AI”
Martin บอกว่าปัจจุบัน ฝรั่งเศสกำลังเชื่อมต่อชุดข้อมูลประชากรตั้งแต่วัยประถม (อายุ 10 ขวบ) ไปจนถึงตลาดแรงงาน เพื่อเปรียบเทียบเงื่อนไขและรูปแบบการสอนของครูแต่ละคน ยิ่งไปกว่านั้น ในอนาคตอาจไม่ต้องทดลองกับมนุษย์จริง แต่สามารถทดลองผ่าน Avatar หรือโมเดลจำลองของ AI ซึ่งปลอดภัยกว่า รวดเร็วกว่า และสามารถใส่สถานการณ์ที่ซับซ้อนได้ดีกว่า เช่น การจำลองผู้ป่วยที่มีโรคแทรกซ้อนหลายโรคพร้อมกัน
“นโยบายที่ขับเคลื่อนด้วยหลักฐานเชิงประจักษ์ ไม่ใช่ข้อจำกัดในการทำงาน แต่เป็นเครื่องมือสำคัญในการสร้างประชาธิปไตยและความชอบธรรมให้แก่สังคม”
กุญแจสำคัญที่ทำให้การทำ Regulatory Sandbox ของประเทศฝรั่งเศสประสบความสำเร็จ นอกจากการปลดล็อกข้อจำกัดทางกฎหมายและกระจายอำนาจให้ท้องถิ่น คือ การดึงเอานักสถิติ นักเศรษฐศาสตร์ หรือผู้เชี่ยวชาญด้านวิทยาศาสตร์พฤติกรรมเข้ามาทำงานร่วมกับฝ่ายปกครอง เพื่ออุดรอยรั่วของผู้กำหนดนโยบายสายกฎหมายที่ไม่ถนัดเรื่องการตั้งสมมติฐานและการวิเคราะห์ข้อมูล
ทำไมต้องออกแบบระบบให้สอดคล้องกับพฤติกรรม
เพื่อให้เห็นภาพชัดขึ้นว่า ทำไมการเข้าใจ ‘เศรษฐศาสตร์พฤติกรรม’ (Behavioral Economics) จึงช่วยให้การออกแบบระบบที่ตอบรับกับวิธีตัดสินใจของคนสามารถเปลี่ยนผลลัพธ์ของนโยบายสาธารณะได้จริง ดร.ณัฐวุฒิ เผ่าทวี Professor of Economics จาก Nanyang Technological University Singapore จะเป็นผู้ตอบคำถามนี้ในหัวข้อ ‘Fixing People or Fixing System?: Behavioral Insights, Incentives, and Structural Reform in Public Policy’ นโยบายที่ดีต้องเข้าใจว่าคนตัดสินใจอย่างไร และจะออกแบบระบบให้สอดคล้องกับพฤติกรรมจริงได้อย่างไร?
- ขอความร่วมมือ ออกกฎบังคับ หรือใช้แรงจูงใจ
ดร.ณัฐวุฒิ เปิดเวทีพร้อมคำถามที่ว่า “หากคุณเป็นผู้ปกครองที่มีลูกเล็ก และต้องการให้พวกเขาทำในสิ่งที่เป็นประโยชน์แต่พวกเขาไม่อยากทำ คุณจะเลือกขอความร่วมมือ ออกกฎบังคับ หรือใช้แรงจูงใจ?”
“คนส่วนใหญ่เลือกใช้แรงจูงใจ ทั้งในแง่ของรางวัลและการลงโทษ เพราะรู้ดีว่าไม่มีทางที่จะขอความร่วมมือจากเด็กเล็กที่ยังไม่สามารถคิดเป็นเหตุเป็นผลได้ ในมุมนี้ผู้ปกครองจึงไม่ต่างอะไรกับนักเศรษฐศาสตร์ที่เข้าใจธรรมชาติของมนุษย์ นั่นหมายความว่า ถ้าเป็นผู้ใหญ่ หากเราใช้เหตุผล ให้ข้อมูล และขอความร่วมมือ พวกเขาก็ควรจะปฏิบัติตามสิ่งที่เราคาดหวังไว้ แต่ประเด็นคือ ถ้ามนุษย์ใช้เหตุผลขับเคลื่อนชีวิตจริงๆ ทำไมกฎหมายและนโยบายดีๆ มากมายถึงล้มเหลวและไม่มีประสิทธิภาพ”
ดร.ณัฐวุฒิ ยกตัวอย่าง สิ่งที่เกิดขึ้นในสังคมไทย อย่างแคมเปญรณรงค์เรื่องความปลอดภัยบนท้องถนน ไม่ว่าจะเป็นโครงการลดอุบัติเหตุให้เป็นศูนย์ การรณรงค์สวมหมวกกันน็อก หรือการขอความร่วมมือให้หยุดรถตรงทางม้าลาย แต่อัตราผู้เสียชีวิตจากอุบัติเหตุทางถนนของไทยยังสูงติดอันดับโลก
หรือในเรื่องการเงินส่วนบุคคล ธนาคารแห่งประเทศไทยและสถาบันการเงินต่างๆ พยายามยกระดับความรู้ทางการเงินผ่านเวิร์กชอป เครื่องมือบริหารการเงิน และหลักสูตรอบรมมากมาย มีแคมเปญต่างๆ ในเรื่องของการออมอย่างมีความรับผิดชอบ แม้ดัชนีความรู้ทางการเงินจะดูดีขึ้น ในแง่การศึกษาเรียกสิ่งนี้ว่าความสำเร็จ แต่ในทางปฏิบัติกลับมีช่องว่างระหว่างองค์ความรู้กับพฤติกรรม คนมีความรู้มากขึ้นแต่ไม่ได้เปลี่ยนพฤติกรรมการใช้เงิน เห็นได้จากหนี้ครัวเรือนไทยสูงถึง 90% ของ GDP
ไม่เว้นแม้แต่ระบบสาธารณสุขและปัญหาสิ่งแวดล้อม แคมเปญลดหวาน มัน เค็ม เพื่อต่อสู้กับกลุ่มโรคไม่ติดต่อเรื้อรังที่พยายามเปลี่ยนพฤติกรรมการกินของประชาชนก็ไม่เห็นผลลัพธ์ที่ดี ตัวเลขผู้ป่วยภาวะอ้วนเพิ่มขึ้น 25-42% ในปี 2008-2020 โรคเบาหวานและความดันโลหิตสูงกลายเป็นโรคประจำตัวของประชากรจำนวนมาก เช่นเดียวกับปัญหาฝุ่น PM 2.5 ที่รัฐทำได้เพียงรณรงค์ให้สวมหน้ากากอนามัย หันมาใช้ถุงผ้า หรือช่วยกันปลูกต้นไม้ ซึ่งสุดท้ายแล้วก็ไม่สามารถหยุดยั้งอัตราการเสียชีวิตจากมลพิษทางอากาศที่เพิ่มสูงขึ้นได้เลย
“สิ่งนี้บอกเราว่าการมุ่งให้ความรู้อย่างเดียวเพื่อหวังให้ผู้ใหญ่เปลี่ยนพฤติกรรมนั้นแทบไม่มีประสิทธิภาพ”
- มายาคติ ‘คนดี’ และความลับของสมองสองระบบ
ดร.ณัฐวุฒิ ชี้ให้ถึงรากเหง้าของความล้มเหลวที่เชื่อว่า ‘คนดี’ คือคนมีศีลธรรม
“ผมก็เคยเชื่อว่ามนุษย์จะตอบสนองต่อข้อมูลไม่ใช่แรงจูงใจ ถ้าเอาข้อมูลที่ดีไปให้มนุษย์ที่มีเหตุมีผล เขาจะทำในสิ่งที่คิดว่าดีที่สุดสำหรับเขาและสังคม”
เมื่อใดก็ตามที่กฎหมายและนโยบายต่างล้มเหลว ก็จะตีความไปว่าเป็นเพราะ ‘ความล้มเหลวทางศีลธรรม’ แทนที่จะมองว่าเป็นความล้มเหลวของระบบสิ่งจูงใจ
“ในฐานะนักเศรษฐศาสตร์ที่ทำงานกับข้อมูลสถิติต่างๆ มานานกว่ายี่สิบปี ผมพบว่าคนดีมากมายสามารถมีพฤติกรรมที่แย่ได้หากอยู่ในบริบทที่ต่างออกไป”
ทำไมถึงเป็นเช่นนั้น? ดร.ณัฐวุฒิ อธิบายว่า ความเป็นจริงแล้ว สมองของคนเรามีขีดความจำกัดในเรื่องสมาธิ ทุกคนพร้อมที่จะเลือกทางลัดที่ง่ายที่สุดเสมอ มนุษย์ขับเคลื่อนด้วยแรงจูงใจที่ตอบสนองต่อรางวัล ความสะดวกสบาย และต้นทุน รวมถึงอารมณ์ ค่านิยม และธรรมเนียมปฏิบัติของคนรอบข้าง
“แดเนียล คาเนแมน นักจิตวิทยาผู้บุกเบิกพฤติกรรมเศรษฐศาสตร์ กล่าวว่า สมองของมนุษย์ทำงานผ่านสองระบบหลัก ระบบแรกคือระบบอัตโนมัติที่ทำงานอย่างรวดเร็ว ว่องไว เป็นเรื่องของอารมณ์และความรู้สึก ซึ่งเราใช้ระบบนี้ตลอดเวลาในการประเมินสิ่งต่างๆ ในชีวิตประจำวัน”
“ส่วนระบบที่สองคือระบบที่เชื่องช้า รอบคอบ มีการคำนวณ และใช้เหตุและผลอย่างลึกซึ้ง ปัญหาคือ ระบบที่สองนี้มักจะนอนหลับตลอดเวลา และจะตื่นขึ้นมาเฉพาะตอนที่เราต้องเผชิญกับสถานการณ์ที่ต้องเค้นสมองหนัก ๆ เช่น การทำข้อสอบหรือการคำนวณภาษี นักออกแบบนโยบายและนักกฎหมายมักทึกทักว่ามนุษย์ใช้ระบบที่สองในการดำเนินชีวิต แต่ความจริงแล้วเราควบคุมชีวิตประจำวันด้วยระบบแรกเป็นหลักเพราะการใช้ระบบที่สองตลอดเวลานั้นทำให้สมองเหนื่อยล้าเกินไป ดังนั้น ต่อให้เป็นคนดีแค่ไหน หากสภาพแวดล้อมไม่ได้ถูกออกแบบมาให้ดี ระบบแรกก็จะพาเราเลือกทางลัดที่ผิดพลาดได้เสมอ”
- ทฤษฎี Nudge หรือ การสะกิดพฤติกรรม
เมื่อการให้ข้อมูลแบบเดิมไม่ได้ผล คำถามคือเราจะปรับเปลี่ยนบางอย่างเพื่อเปลี่ยนพฤติกรรมของคนได้อย่างไร? ดร.ณัฐวุฒิ แนะนำให้รู้จัก Nudge Theory หรือ แนวคิดการสะกิดพฤติกรรม ที่คิดค้นโดยริชาร์ด เธเลอร์ (Richard Thaler) เจ้าของรางวัลโนเบลสาขาเศรษฐศาสตร์ ร่วมกับ แคส ซันสไตน์ (Cass Sunstein) ที่อธิบายผ่านหนังสือ Nudge: Improving Decisions About Health, Wealth, and Happiness ซึ่งกลายเป็นแนวคิดสำคัญที่ช่วยเปลี่ยนพฤติกรรมของคนและช่วยปรับมุมมองในการออกแบบนโยบายสาธารณะสมัยใหม่
“มีแนวคิดการปกครองหนึ่งที่เรียกว่า ‘Libertarian Paternalism’ ซึ่งริชาร์ด เธเลอร์ และแคส ซันสไตน์ เป็นผู้คิดค้น เมื่อรัฐต้องการให้ประชาชนทำอะไรสักอย่าง จะไม่บังคับ แต่จะออกแบบโครงสร้างให้ประชาชนเลือกในสิ่งที่รัฐอยากให้ทำโดยอัตโนมัติ ซึ่งทางเลือกนั้นทำได้ง่ายกว่า ตรงกับสิ่งที่ประชาชนต้องการมากกว่า และประชาชนยังรู้สึกว่าตัวเองมีทางเลือก”
Nudge Policy หรือ นโยบายสะกิดพฤติกรรม ถูกนำไปใช้อย่างแพร่หลายรวมถึงฝรั่งเศส แต่ที่นำไปใช้เยอะที่สุดคือ อังกฤษ ในยุคที่ David Cameron (เดวิด แคเมอรอน) เป็นนายกรัฐมนตรี เขาได้จัดตั้งทีม ‘Behavioral Insights Team’ ขึ้นมาเพื่อทำความเข้าใจพฤติกรรมของมนุษย์ในเชิงลึก และนำมาใช้ออกนโยบายเพื่อชี้แนะหรือไกด์ให้ประชาชนเลือกเดินในทางที่ถูกต้องโดยไม่มีการบังคับ โดยมีกรอบแนวคิดด้านพฤติกรรมศาสตร์ ‘EAST’ เป็นตัวชี้วัด
E = Easy ออกแบบให้ง่ายที่สุด ในทางกลับกัน ถ้าไม่อยากให้เขาทำ ก็ต้องทำให้มันยากเข้าไว้ ในทางเศรษฐศาสตร์พฤติกรรมเรียกว่า ‘Sludge’ เปรียบเหมือนโคลนตมที่ยิ่งเดินยิ่งเหนื่อยและถอนตัวออกยาก
A = Attract ทำให้นโยบายหรือสิ่งที่เราต้องการสื่อสารน่าสนใจและโดดเด่น
S = Social ตั้งอยู่บนธรรมชาติของมนุษย์ที่ชอบทำตามกลุ่มคนรอบข้าง ถ้าอยากให้ใครทำอะไร ต้องทำให้เขารู้สึกว่าคนอื่นเขาก็ทำกัน
T = Timely การให้ข้อมูลที่ถูกที่ถูกเวลาและอยู่ในกรอบเวลาที่เหมาะสมที่สุด
ตัวอย่างความสำเร็จของ Behavioral Insights Team คือ ‘นโยบายการออมเงิน’ ในอดีตรัฐบาลอังกฤษเจอปัญหาคนวัยทำงานออมเงินไว้ใช้ยามเกษียณน้อยมาก แม้จะมีกองทุนสำรองเลี้ยงชีพที่บริษัทช่วยสมทบเงินให้ก็ตาม เนื่องจากขั้นตอนการสมัครยุ่งยากและคนมักผลัดวันประกันพรุ่ง ทีม Behavioral Insights Team จับมือกับกระทรวงแรงงานเปลี่ยนระบบจากการให้พนักงานเลือกสมัครเอง (Opt-in) มาเป็นการเข้าร่วมโดยอัตโนมัติ (Opt-out) ทันทีที่เข้าทำงาน พนักงานทุกคนจะถูกหักเงินออมทันที แต่ถ้าใครไม่อยากออม ก็สามารถยื่นเรื่องขอยกเลิกเองได้ นโยบายนี้ทำให้อัตราการออมเงินเพื่อการเกษียณของพนักงานเอกชนในอังกฤษพุ่งสูงขึ้นจาก 61% เป็น 83% ในเวลาไม่กี่ปี
หรือการปรับปรุงระบบจัดเก็บภาษีในอังกฤษที่เพียงแค่เปลี่ยนลิงก์ในอีเมลเตือนให้พุ่งตรงสู่หน้าแบบฟอร์มกรอกภาษีทันทีโดยไม่ต้องผ่านหน้าเว็บเพจหลัก ก็สามารถเพิ่มอัตราผู้ยอมเสียภาษีได้ทันทีและคิดเป็นมูลค่าหลายล้านปอนด์ รวมถึงการส่งจดหมายทวงภาษีที่ใส่ข้อมูลเชิงจิตวิทยาสังคมว่าคนส่วนใหญ่ในพื้นที่ยอมจ่ายภาษีหมดแล้ว ก็ช่วยกระตุ้นให้ผู้รับจดหมายกระตือรือร้นในการชำระเงินมากขึ้น
“นี่คือตัวอย่างที่เห็นชัดว่า ความเปลี่ยนแปลงเพียงเล็กน้อยสามารถนำไปสู่การเปลี่ยนแปลงที่เพิ่มมากขึ้นได้ในแง่ของพฤติกรรมของผู้คน” ดร.ณัฐวุฒิ กล่าว พร้อมชวนให้มองเหรียญอีกด้าน
ทฤษฎี Nudge ไม่ใช่สูตรสำเร็จ และบางครั้งยังขัดขวางนโยบายเชิงระบบที่มีประสิทธิภาพ เช่น ตัวเลขยินยอมบริจาคอวัยวะที่เพิ่มขึ้น แท้จริงเป็นแค่ภาพลวงตาบนกระดาษ เพราะการบริจาคจริงติดข้อจำกัดครอบครัวและโรงพยาบาล ที่น่าห่วงคือ นโยบายสะกิดพฤติกรรมมักถูกใช้โยนความรับผิดชอบให้ปัจเจกและเบียดบังการแก้ปัญหาเชิงโครงสร้าง เช่น แคมเปญลดคาร์บอนรายบุคคลทำให้คนสนับสนุนภาษีคาร์บอนลดลง ปรากฏการณ์นี้เข้าทางกลุ่มทุนใหญ่ที่ยอมควักเงินหนุนวิจัยให้ผู้บริโภคโทษพฤติกรรมตัวเอง เพื่อหลีกเลี่ยงมาตรการเชิงรุกของรัฐ เช่น ภาษีน้ำตาล
- ระบบที่ดีสามารถควบคุมพฤติกรรมมนุษย์ได้
“หากเราหลงเชื่อว่า แค่เปลี่ยนพฤติกรรมแล้วทุกอย่างจะดีขึ้น โดยไม่คิดจะปรับเปลี่ยนโครงสร้างของระบบ นั่นเป็นความเข้าใจที่ผิด”
ดร.ณัฐวุฒิยกตัวอย่างงานวิจัยชิ้นของจอร์จ โลเวนสไตน์ และนิค เคลเตอร์ ที่เขียนไว้ในหนังสือ “It’s On You” ซึ่งอธิบายแนวคิดการวิเคราะห์ปัญหาผ่านสองมุมมอง นั่นคือ I-frame (Individual frame) และ S-frame (Systemic frame) ซึ่งสะท้อนภาพวัฒนธรรม ‘การโยนความรับผิดชอบให้ปัจเจก’ ได้เป็นอย่างดี
กรอบแบบ I-frame คือการมุ่งแก้ปัญหาที่ตัวพฤติกรรมของแต่ละบุคคลเป็นหลัก เหมือนหนังสือพัฒนาตนเองที่บอกให้เราปรับเปลี่ยนวิธีคิดเพื่อชีวิตที่ดีขึ้น โดยเพิกเฉยต่อโครงสร้างสังคมที่บิดเบี้ยว
ขณะที่กรอบคิดแบบ S-frame จะมุ่งเน้นไปที่การเปลี่ยนกฎเกณฑ์ เปลี่ยนแรงจูงใจ และปรับโครงสร้างระบบ เพื่อให้เกิดผลลัพธ์ที่ดีโดยไม่สำคัญว่าตัวบุคคลจะตัดสินใจอย่างไร เช่น มาตรการเชิงระบบของประเทศเดนมาร์ก สั่งแบนไขมันทรานส์ออกจากอุตสาหกรรมอาหาร
“นโยบายเชิงระบบหรือ S-frame ก็อาจไม่ได้ดีเสมอไป บางครั้งนโยบายบางอย่างมาในภาพลักษณ์ของ S-frame ที่ดูเหมือนจะเข้ามาแก้ไขเชิงระบบ แต่กลับกลายเป็นการผลักภาระแบบ I-frame ให้ประชาชน”
ดร.ณัฐวุฒิ ยกตัวอย่างกรณีศึกษา พ.ร.บ. ข้อมูลข่าวสารของราชการ (Official Information Act: OIA) กฎหมายข้อมูลข่าวสารของราชการที่ดูเหมือนสร้างขึ้นเพื่อให้พลเมืองตรวจสอบรัฐได้ แต่ในทางปฏิบัติ เจ้าหน้าที่มักใช้ข้อยกเว้นของกฎหมายเพื่อปฏิเสธการให้ข้อมูลได้โดยแทบไม่มีบทลงโทษ ทำให้ประชาชนต้องรับภาระในการร้องเรียนเอาเอง ทางออกที่ถูกต้องจึงไม่ใช่การขอความร่วมมือให้หน่วยงานรัฐโปร่งใส แต่ต้องเปลี่ยนค่าเริ่มต้นของระบบให้เป็นแบบเปิดเผยข้อมูลเชิงรุกโดยอัตโนมัติผ่านช่องทางออนไลน์โดยที่ประชาชนไม่ต้องร้องขอ
“กรณีตัวอย่างที่ทำให้เห็นว่าการแก้ปัญหาในเชิงระบบส่งผลต่อพฤติกรรมมนุษย์ขนาดไหน กฎหมายคุ้มครองทางการทูตทำให้นักการทูตเวลาไปนิวยอร์กได้รับสิทธิ์ยกเว้นค่าปรับหากจอดในที่ห้ามจอด ข้อมูลชี้ชัดว่านักการทูตจากประเทศที่มีดัชนีคอร์รัปชันสูงรวมถึงประเทศไทย มักจะจอดรถผิดกฎหมายและได้ใบสั่งจำนวนมาก ขณะที่นักการทูตจากประเทศที่มีระบบกฎหมายเข้มแข็งกลับแทบไม่มีใบสั่งเลย เมื่อนิวยอร์กเปลี่ยนกฎใหม่ หากจอดรถผิดกฎหมายรถจะถูกลากทันทีและจะมีการเพิ่มบทลงโทษเด็ดขาด ผลลัพธ์คือไม่มีนักการทูตจอดรถผิดกฎหมายอีกเลย นี่คือหลักฐานเชิงประจักษ์ว่า ระบบที่ดีสามารถควบคุมพฤติกรรมมนุษย์ได้โดยไม่ต้องเสียเวลาไปรณรงค์สร้างจิตสำนึก”
- ทางออกเชิงระบบของไทย
3 เรื่องสำคัญที่ ดร.ณัฐวุฒิ แนะให้ประเทศไทยเร่งลงมือทำเพื่อแก้ไขปัญหาเชิงระบบคือ เรื่องแรกคือ การซื้อขายยานพาหนะทำกันง่าย แค่ส่งมอบเล่มทะเบียนแต่ไม่ได้ไปโอนชื่อที่กรมการขนส่งทางบก เมื่อเกิดอุบัติเหตุหรือทำผิดกฎหมาย ภาระไปตกอยู่กับเจ้าของเดิม ผู้ขับขี่จริงกลับไม่ต้องรับผิดชอบ รัฐควรเปลี่ยนกฎเกณฑ์เชิงระบบด้วยการกำหนดว่า หากไม่มีชื่อเป็นเจ้าของที่ถูกต้องตามกฎหมาย จะไม่ได้รับความคุ้มครองจากระบบประกันภัย เพื่อบีบให้ทุกคนต้องเข้าสู่กระบวนการโอนกรรมสิทธิ์ที่ง่ายและไม่ซับซ้อน
เรื่องที่สองคือ ระบบการจัดเก็บค่าปรับจราจร ปัจจุบันใบสั่งกว่า 80% ถูกเพิกเฉยและนำไปสู่ช่องทางการทุจริตรับสินบน รัฐควรปรับให้การจัดเก็บค่าปรับเป็นระบบอัตโนมัติ เชื่อมโยงระบบตรวจจับการทำผิดกฎจราจรเข้ากับบัญชีธนาคารหรือพร้อมเพย์เพื่อหักเงินค่าปรับทันที ยิ่งไปกว่านั้น ยังสามารถประยุกต์ใช้แนวคิดเชิงบวกแบบประเทศสวีเดนที่เปลี่ยนกล้องตรวจจับความเร็วให้เป็นระบบลอตเตอรี่ โดยนำเงินค่าปรับจากคนขับรถเร็วมาเป็นรางวัลสุ่มแจกให้แก่คนขับรถดี ซึ่งช่วยสร้างแรงจูงใจเชิงบวกได้อย่างมหาศาล
และเรื่องสุดท้ายคือ การออกแบบโครงสร้างพื้นฐานและถนนหนทางใหม่ เพราะอุบัติเหตุเกิดจากสภาพถนนที่ย่ำแย่ การติดตั้งแบริเออร์กลางถนนหรือการทำแถบเตือนบนผิวจราจรเพื่อกระตุ้นผู้ขับขี่ จะช่วยลดความสูญเสียได้อย่างเป็นรูปธรรมโดยไม่ต้องพึ่งพาเพียงจิตสำนึกของผู้ขับขี่แต่เพียงอย่างเดียว
“การพึ่งพาข้อมูลและขอความร่วมมือ เป็นเครื่องมือที่ไร้ประสิทธิภาพในการปรับเปลี่ยนพฤติกรรมมนุษย์ การใช้การสะกิดพฤติกรรมอาจช่วยได้บ้าง แต่หากต้องการผลลัพธ์ที่ยั่งยืนและคุ้มค่าที่สุด ต้องรื้อถอนกรอบคิดแบบเดิมแล้วหันมาออกแบบนโยบายเชิงระบบที่สามารถสร้างความเปลี่ยนแปลงเชิงพฤติกรรมได้จริง”
เมื่อรู้แล้วว่าการออกแบบนโยบายเชิงระบบจะสามารถเปลี่ยนแปลงพฤติกรรมคนไทยจริง คำถามคือ สำนักงานคณะกรรมการกฤษฎีกา หนึ่งในฟันเฟืองสำคัญของระบบกฎหมายไทย จะมีวิธีการปฏิรูปกฎหมายไทยอย่างไร
ถอดรหัสการปฏิรูปกฎหมายไทยผ่านมุมมอง Data
เดชพล มาประเสริฐ และ พชร รุ่งเรืองกลกิจ นักกฎหมายกฤษฎีกา สำนักงานคณะกรรมการกฤษฎีกา ชวนถอดรหัสการปฏิรูปกฎหมายไทยผ่านมุมมอง Data ที่คุณอาจไม่เคยรู้ ในหัวข้อ Thailand’s Regulatory Landscape: Mapping the Maze through Data
เดชพลและพชร เปิดเวทีด้วยการชวนทุกคนจินตนาการว่าตัวเองกำลังจะเปิดธุรกิจร้านอาหาร มีกับดักความซับซ้อนของกฎหมายมากมายที่หลายคนไม่รู้ ในมุมมองของรัฐ กฎหมายแต่ละฉบับมีวัตถุประสงค์ที่ชอบธรรมเสมอ ไม่ว่าจะเป็นการจดทะเบียนเพื่อยืนยันสถานะทางกฎหมาย มาตรฐานสาธารณสุขเพื่อความปลอดภัย หรือการจัดเก็บภาษีเพื่อความเป็นธรรม
เมื่อนำกฎหมายที่แยกส่วนกันมารวมร่างในมุมของผู้ประกอบการ การเปิดร้านอาหารเพียง 1 ร้าน กลับสร้างภาระมากมาย ต้องติดต่อกับหน่วยงานรัฐมากกว่า 6 แห่ง ผ่านกระบวนการมากกว่า 7 ขั้นตอน เตรียมเอกสารไม่ต่ำกว่า 10 ฉบับ และต้องใช้เวลาขั้นต่ำ 15-30 วัน ภาระเหล่านี้คือต้นทุนแฝงที่ฉุดรั้งนวัตกรรมและเศรษฐกิจ
“คำถามคือ เราจะจัดการกับระบบกฎหมายที่ซับซ้อนเหล่านี้ได้อาจต้องเริ่มจากการปรับเปลี่ยนกระบวนทัศน์ เลิกมองกฎหมายเป็นเพียงข้อกำหนดแล้วมองผ่านเลนส์ของข้อมูลแทน” เดชพล กล่าว
- ภาระที่ซ่อนอยู่ใน กฎหมายลำดับรอง
ข้อมูลจากการรวบรวมของสำนักงานคณะกรรมการกฤษฎีกา พบว่าปัจจุบันประเทศไทยมีกฎหมายที่มีผลบังคับใช้มากกว่า 15,000 ฉบับ แต่ประมาณ 94% ของกฎหมายทั้งหมดคือ ‘กฎหมายลำดับรอง’ เช่น พระราชกฤษฎีกา และกฎกระทรวง
ตัวเลขนี้สะท้อนว่า พระราชบัญญัติ (พ.ร.บ.) หลักที่สังคมและระดับนโยบายให้ความสนใจ เป็นเพียงเศษเสี้ยวเล็กๆ เท่านั้น แต่ภาระที่แท้จริงของประชาชนและภาคธุรกิจ เช่น เงื่อนไขจุกจิก ขั้นตอน และรายการเอกสาร ล้วนซ่อนอยู่ในกฎหมายลำดับรองทั้งสิ้น ดังนั้น การปฏิรูปกฎหมายที่ดี (Better Regulation) จึงต้องมองให้ครบทุกลำดับชั้น ไม่จำกัดอยู่แค่การแก้ พ.ร.บ.
- จาก PDF สู่ Machine Readable Law
ประเด็นสำคัญคือ การนำ AI มาช่วยให้คนเข้าใจและเข้าถึงตัวบทกฎหมายง่ายขึ้น นำไปสู่แนวคิด Machine-Readable Law หรือการจัดทำกฎหมายในรูปแบบข้อมูลโครงสร้าง (Structured Data) ซึ่งจะช่วยให้นักกฎหมายและ AI สามารถตรวจสอบความซ้ำซ้อนและเชื่อมโยงความสัมพันธ์ของกฎหมายแต่ละฉบับได้อย่างแม่นยำ โดยมองว่าระบบกฎหมายควรเป็น ‘โครงสร้างพื้นฐาน’ เหมือนระบบถนน น้ำประปา หรือไฟฟ้าที่เสถียร เข้าถึงง่าย และเป็นฐานรองรับระบบเศรษฐกิจ
- กฎหมายเพียง 1% กุมเสียงคนเกือบทั้งประเทศ
ข้อมูลจากระบบกลางทางกฎหมาย (Law.go.th) ที่รวบรวมความคิดเห็นของประชาชนกว่า 4,500 โครงการ รวมกว่า 900,000 ความเห็น เผยให้เห็นความย้อนแย้งเชิงสถิติ หากดูค่าเฉลี่ยอาจจะอยู่ที่ประมาณ 200 ความเห็นต่อโครงการ แต่ในความเป็นจริง ค่ามัธยฐานกลับอยู่ที่ 5 คนเท่านั้น แปลว่ากฎหมายส่วนใหญ่มีคนเข้ามาแสดงความเห็นน้อยมาก
โครงการเพียง 1% แรกที่ได้รับความสนใจสูงสุด กุมสัดส่วนความคิดเห็นสูงถึง 76% ของทั้งหมด และร่างกฎหมายที่เป็นประเด็นร้อนแรงที่สุด 10 อันดับแรก เช่น ร่างกฎหมายสถานบริการ/สถานบันเทิงครบวงจร มีสัดส่วนความเห็นสูงถึง 55% มีโครงการถึง 1 ใน 4 (ประมาณ 24%) ที่ไม่มีใครเข้ามาแสดงความคิดเห็นเลย
สถิตินี้ชี้ชัดว่า ประชาชนไม่ได้สนใจตัวบทกฎหมายในเชิงเทคนิค แต่ให้ความสนใจเมื่อกฎหมายนั้นเชื่อมโยงหรือกระทบต่อวิถีชีวิตของพวกเขาโดยตรง ปัญหาจึงไม่ได้อยู่ที่ระบบเทคโนโลยี แต่อยู่ที่การออกแบบกระบวนการเชิงรุกเพื่อดึงดูดผู้มีส่วนได้ส่วนเสียที่ได้รับผลกระทบจริงมาร่วมแสดงความคิดเห็นอย่างรอบด้าน
- กฎหมายที่ดีคือ กฎหมายที่พร้อมเรียนรู้และปรับตัว
เมื่อกฎหมายถูกบังคับใช้มาเป็นระยะเวลาหนึ่ง สิ่งที่ต้องทำคือ “การประเมินผลสัมฤทธิ์” เพื่อทบทวนดูว่ากฎหมายฉบับนั้นยังมีประสิทธิภาพและใช้บังคับได้จริงในโลกปัจจุบันหรือไม่
จากการประเมินผลสัมฤทธิ์กฎหมายกว่า 500 ฉบับ พบว่า 50% ควรได้รับการปรับปรุง 34-35% ยังมีความจำเป็นและใช้ได้ดีตามบริบทเดิม 6% ควรยกเลิกถาวร
ข้อมูลนี้สะท้อนว่ากฎหมายต้องมีคุณสมบัติ Learning and Adapting คือต้องโตไปพร้อมกับโลก กฎหมายที่หยุดนิ่งคือภาระ แต่กฎหมายที่ปรับตัวคือโอกาส
“กฎหมายที่ดีอาจจะไม่ใช่กฎหมายที่ไม่ต้องแก้ไขเลย แต่ต้องเป็นกฎหมายที่สามารถเรียนรู้แล้วก็ปรับตัวไปพร้อมๆ กับการพัฒนาทางเศรษฐกิจ สังคม และประเทศได้” พชร กล่าว
เป้าหมายของการมองกฎหมายผ่าน Data ไม่ใช่การเปลี่ยนนักกฎหมายให้เป็นโปรแกรมเมอร์ แต่คือการใช้ข้อมูลมาเป็นเข็มทิศในการตั้งคำถาม เพื่อลดความซ้ำซ้อน และสร้างความชัดเจนให้กับระบบ
หากมีข้อมูลที่ครบถ้วน (Better Data) เราจะเกิดความเข้าใจที่ลึกซึ้ง (Better Understanding) ซึ่งจะนำไปสู่การออกแบบกฎระเบียบที่ชาญฉลาด (Better Regulation) และผลลัพธ์สุดท้ายคือคุณภาพชีวิตของประชาชนที่ดีขึ้น (Better Life)
เมื่อสำนักงานฯ มอง AI เป็นการสร้าง “โครงสร้างพื้นฐานทางกฎหมาย” จึงมีโครงการความร่วมมือสำนักเลขาธิการคณะรัฐมนตรี และ Microsoft ในการนำเทคโนโลยีขั้นสูงมาพัฒนากระบวนการทำงานของภาครัฐ เพื่อรองรับการพิจารณาเรื่องร้องเรียนและข้อเสนอต่างๆ ที่มีจำนวนมากกว่า 12,000 เรื่องต่อปี
AI เครื่องมือยกระดับกระบวนการทำงานของภาครัฐ
ดร.ณรัณ โพธิ์พัฒนชัย ผู้อำนวยการฝ่ายวิเคราะห์ผลกระทบและประเมินผลสัมฤทธิ์ของกฎหมาย ขยายภาพการทำงานนำเอาเทคโนโลยีสมัยใหม่มาปรับใช้ในการพัฒนากระบวนการทำงานของภาครัฐในหัวข้อ ‘AI for Smarter Government: Enhancing Public Sector Workflows’ โดยอ้างอิงจากการทำ ‘Machine-Readable Data’ ในเวทีก่อนหน้า ว่าเป็นหนึ่งในตัวอย่างที่เป็นรูปธรรมที่สำนักงานฯ ได้พัฒนาขึ้น
“ใน 1 ปี สำนักเลขาธิการคณะรัฐมนตรีต้องรับผิดชอบกลั่นกรองเรื่องมากถึง 12,000 เรื่องต่อปี หรือสัปดาห์ละไม่ต่ำกว่า 100 เรื่อง ปริมาณงานขนาดนี้ นักวิเคราะห์และนักกฎหมายต้องแบกรับภาระในการอ่านและตรวจสอบเอกสารจำนวนมหาศาล โอกาสเกิดความผิดพลาดจึงมีสูง และยิ่งในกรณีที่เรื่องนั้นเกี่ยวพันกับตัวบทกฎหมายซึ่งต้องอ้างอิงอย่างถูกต้องแม่นยำ โอกาสผิดพลาดก็ยิ่งสูงขึ้นไปอีก”
ดร.ณรัณ อธิบายว่าระบบดังกล่าวใช้เทคโนโลยี OCR ในการแปลงเอกสารเป็นข้อความดิจิทัล และใช้ AI วิเคราะห์ความถูกต้องสมบูรณ์ของเนื้อหาก่อนนำเสนอต่อคณะรัฐมนตรี
“เราเปิดให้หน่วยงานที่ต้องการเสนอเรื่องเข้า ครม. นำไฟล์หนังสือราชการพร้อมเอกสารแนบทั้งหมดมาอัปโหลดเข้าในระบบ จากนั้นระบบจะนำฐานข้อมูลกฎหมายของสำนักงานกฤษฎีกา รวมถึงข้อมูลจากเรื่องที่เคยผ่านการพิจารณาแล้วของสำนักเลขาธิการ ครม. มาประกอบการวิเคราะห์ว่าเอกสารที่กำลังเสนออยู่นั้นมีความครบถ้วนสมบูรณ์มากน้อยเพียงใด ผลที่ได้จะช่วยให้ทั้งหน่วยงานผู้เสนอเรื่องและนักวิเคราะห์ของสำนักเลขาธิการ ครม. สามารถพิจารณาเรื่องต่างๆ ได้รวดเร็วและมีประสิทธิภาพมากขึ้นกว่าเดิมอย่างเห็นได้ชัด”
“ผลลัพธ์ที่ได้ ยังสร้างข้อมูลเชิงลึกที่สามารถรู้ได้ว่าหน่วยงานใดเสนอเรื่องเข้า ครม. มากที่สุด หน่วยงานใดมีคุณภาพของการนำเสนอที่ดีที่สุด และหน่วยงานใดบ้างที่ยังจำเป็นต้องปรับปรุงวิธีการเสนอเรื่อง หรือพัฒนาการวิเคราะห์ผลกระทบ เพื่อให้นโยบายที่ออกมานั้นเป็นประโยชน์ต่อประชาชนอย่างแท้จริง”
ซึ่งระบบดังกล่าว มีแผนที่จะนำไปทดลองใช้จริงกับการเสนอเรื่องเข้า ครม.เร็วๆ นี้
และทั้งหมดนี้คือเนื้อหาช่วงบ่ายของงานประชุมวิชาการประจำปี 2569 (OCS Symposium 2026) ที่ฉายภาพตัวอย่างการทำ Regulatory Sandbox ในภาครัฐของประเทศฝรั่งเศส การนำศาสตร์พฤติกรรมศาสตร์มาประยุกต์ใช้ประกอบการกำหนดนโยบายสาธารณะ ตลอดจนการขับเคลื่อนเชิงลึกด้วยการใช้ข้อมูลเพื่อทำความเข้าใจกับระบบกฎหมายของประเทศไทย
สถาปัตยกรรมทางกฎหมาย รากฐานสำคัญในยุคแห่งความผันผวน
นพดล เภรีฤกษ์ รองเลขาธิการคณะกรรมการกฤษฎีกา รักษาราชการแทนเลขาธิการคณะกรรมการกฤษฎีกา กล่าวปิดท้ายงานประชุมครั้งนี้ว่า ความไม่แน่นอนในทุกมิติบนโลกตอนนี้ ล้วนส่งผลกระทบต่อกระบวนการในการจัดทำกฎหมาย รวมทั้งการบังคับใช้กฎหมายโดยหลีกเลี่ยงไม่ได้
“เหตุผลสำคัญที่ทำให้การสัมมนาทางวิชาการมีคุณค่า เพราะเป็นพื้นที่สำหรับการสร้างแนวคิดและทัศนคติที่จะนำไปสู่กระบวนการจัดทำร่างกฎหมายที่มีคุณภาพ รวมถึงการบังคับใช้กฎหมายที่เกิดผลอย่างแท้จริง”
“หากดูขั้นตอนการจัดทำร่างกฎหมายของไทย มีกลไกรองรับหลายส่วนทั้งมาตรา 77 ของรัฐธรรมนูญ และหลักเกณฑ์การจัดทำร่างกฎหมายที่ยึดแนวคิดว่า เราควรมีกฎหมายเท่าที่จำเป็นเพื่อลดการกระทบสิทธิเสรีภาพของประชาชน และช่วยให้การบังคับใช้กฎหมายมีประสิทธิภาพสูงสุด นอกจากนี้ยังมีการนำระบบ RIA (Regulatory Impact Assessment) หรือการประเมินผลกระทบทางกฎหมายก่อนที่จะมีการออกกฎหมาย และการประเมินผลสัมฤทธิ์ภายหลังการบังคับใช้ สิ่งเหล่านี้คือกลไกที่เราคาดหวังว่าจะช่วยคัดกรองให้ได้กฎหมายที่มีคุณภาพ ซึ่งจะส่งผลดีต่อประชาชนผู้รับผลกระทบโดยตรง และกลายเป็นรากฐานสำคัญในการพัฒนาศักยภาพของประเทศ ทั้งในมิติเศรษฐกิจ สังคม และการเมือง”
เมื่อพูดถึงโครงสร้างของกฎหมาย หรือ ‘สถาปัตยกรรมทางกฎหมาย’ นพดล มองว่า หากศึกษากระบวนการจัดทำร่างกฎหมายอย่างละเอียดรอบคอบบนฐานคิดที่ควรจะเป็น แล้วนำมาวางโครงสร้างให้เหมาะสมกับบริบท กฎหมายนั้นจะสามารถบังคับใช้ได้อย่างมีประสิทธิภาพสูงสุด โดยไม่จำเป็นต้องแก้ไขปรับปรุงกันบ่อยๆ ที่สำคัญคือ สถาปัตยกรรมทางกฎหมายที่แท้จริงจะต้องสามารถคาดการณ์ไปถึงอนาคต เพื่อรองรับความเปลี่ยนแปลงที่จะเกิดขึ้นได้ คือความสำเร็จและความคาดหวังสูงสุดในงานร่างกฎหมาย
“ตลอดระยะเวลาที่ผ่านมา สำนักงานฯ ได้พัฒนาอย่างต่อเนื่องในด้านการแลกเปลี่ยนองค์ความรู้ด้านการร่างกฎหมาย ทั้งในระดับในประเทศและระหว่างประเทศ ด้วยความหวังว่ากฎหมายที่ออกมาบังคับใช้จะสามารถทำหน้าที่ได้อย่างที่มันควรจะเป็น แต่ความเป็นจริงที่เราต้องยอมรับร่วมกันคือ แม้จะได้กฎหมายที่ดีออกมาฉบับหนึ่ง การบังคับใช้ในทางปฏิบัติก็อาจไม่เป็นไปตามที่ตั้งใจไว้ เพราะบริบทของสังคมมีการเปลี่ยนแปลงอยู่เสมอ และการเปลี่ยนแปลงเหล่านั้นอาจก่อให้เกิดปัญหาในการบังคับใช้กฎหมายได้ คำถามสำคัญคือ เราจะออกแบบกฎหมายอย่างไรให้สามารถบังคับใช้ได้อย่างมีประสิทธิภาพบนบริบทของสังคมที่เปลี่ยนแปลงตลอดเวลา ทั้งในระดับภายในประเทศและระดับนานาชาติ”
เพื่อสร้างสถาปัตยกรรมทางกฎหมาย ที่ใช้งานได้จริงและเท่าทันโลก สำนักงานคณะกรรมการกฤษฎีกาจึงขับเคลื่อนมิติสำคัญได้แก่ ปรับปรุงฐานข้อมูลและเทคนิคการร่างกฎหมายให้เท่าทันความเปลี่ยนแปลงอันรวดเร็วของสังคม ทั้งในและต่างประเทศ เพื่อไม่ให้กฎหมายกลายเป็นอุปสรรคในภาคปฏิบัติ ยกระดับศักยภาพนักกฎหมายภาครัฐอย่างต่อเนื่องผ่านการอบรมและการใช้เทคโนโลยีสมัยใหม่ เพราะกฤษฎีกาไม่ได้เดินหน้าคนเดียว แต่ทำงานร่วมกับเครือข่ายและภาคส่วนต่าง ๆ เพื่อตอบโจทย์ความท้าทายจริง และเปลี่ยนแปลงการทำงานภาครัฐแบบเดิมที่แยกส่วนกันทำ (กรมใครกรมมัน) มาเป็นการหลอมรวมกระบวนการร่างและการบังคับใช้กฎหมายเข้าด้วยกัน เพื่อให้เกิดความเชื่อมโยงและมีประสิทธิภาพสูงสุด
“ผมเชื่อมั่นว่าการสัมมนาทางวิชาการครั้งนี้จะนำไปสู่การร่วมมือกันวางโครงสร้าง ‘สถาปัตยกรรมทางกฎหมาย’ ให้เกิดขึ้นจริง ซึ่งสิ่งนี้จะเป็นฟันเฟืองสำคัญในการยกระดับการบังคับใช้กฎหมาย ขับเคลื่อนสังคม เพิ่มขีดความสามารถในการแข่งขันของประเทศ และยกระดับคุณภาพชีวิตของคนไทยได้อย่างยั่งยืน” กล่าวทิ้งท้าย
