ใครที่กู้เงินกับธนาคารไร้สาขาหรือ Virtual Bank แห่งแรกของไทยอย่าง "คลิกซ์" (CLICX) มาแล้วลบแอปพลิเคชันทิ้งไป ขอให้รู้ไว้ว่าเส้นทางข้อมูล Data Lake ที่เก็บข้อมูลส่วนตัวไว้จะยังอยู่ครบถ้วน ซึ่งหากคิดจะชักดาบไม่ชำระหนี้ สถานการณ์อาจจะโหดร้ายกว่าโจรขโมยของในห้างสรรพสินค้า ที่จะต้องรับกรรมจากข้อมูลในกล้องวงจรปิดหลายพันตัว ซึ่งติดตามความเคลื่อนไหวชีวิตของโจรรายนั้นมาก่อน และจะตามติดไปได้อีกหลายปี
***ที่มากระแส "กู้มาแล้วลบแอปทิ้ง"
CLICX กลายเป็นข่าวดังในช่วงวันที่ 1 สิงหาคม 2569 ซึ่งเป็นวันที่ระบบของ CLICX กลับมาใช้งานได้หลังจากการล่มเพราะทราฟฟิกมหาศาล โดยผู้ใช้รายหนึ่งระบุว่าได้รับการอนุมัติสินเชื่อ "CLICX พร้อมใช้" วงเงิน 30,000 บาท ซึ่งเมื่อเงินโอนเข้าบัญชีเรียบร้อย จึงสื่อสารในกลุ่มลับบน Facebook พร้อมบรรยายว่าหลังกู้มาแล้วจะลบแอปพลิเคชันทิ้งไป ก่อนจะท้าทายทำนองว่าจะไม่ยอมจ่ายคืน
คอมเมนต์ใต้โพสต์นั้นเต็มไปด้วยเสียงเชียร์และการขอวิธีเพื่อทำตาม จนเกิดความเป็นห่วงว่า CLICX กำลังจะถูกผู้กู้ไม่มีคุณภาพรุมทึ้งจนเกิดหนี้เสีย (NPLs) มหาศาล และโมเดล Virtual Bank ในไทยอาจจะตายตั้งแต่ยังไม่ทันตั้งไข่
แต่ในสายตาวิศวกรข้อมูล (Data Engineer) หรือนักพัฒนาระบบ Machine Learning ที่นั่งดูปรากฏการณ์นี้อยู่ ก็จะไม่ได้รู้สึกตื่นตระหนก เพราะรู้ว่าความพยายามของ "สายบิด" ที่คิดว่าตัวเองฉลาดในการโกงแอปพลิเคชัน แท้จริงแล้วคือความไม่เข้าใจ ในอัลกอริทึม ที่มีเครือข่ายข้อมูลครอบคลุมไม่แพ้หน่วยข่าวกรองของราชการ
นอกจากนี้ การกู้เงินแล้วลบแอปทิ้ง ยังไม่ใช่การใช้ช่องโหว่ของระบบ เพราะพฤติกรรมนี้ยังอาจเป็นเหมือนการป้อนข้อมูลสอน AI (Training Data) ชั้นดีได้ด้วย
***จงใจกู้แล้วไม่คืน
ปัญหาหลักของคนกลุ่มที่จงใจกู้แล้วไม่คืน อาจอยู่ที่คนกลุ่มนี้มีความเข้าใจเรื่องเทคโนโลยีการเงินที่ล้าหลังไปประมาณ 15 ปี โดยอาจจะยังเชื่อในสมการว่าถ้าไม่ต้องใช้หลักฐานสลิปเงินเดือน และไม่เห็นว่ามีพนักงานที่จะโทรมาทวง เพียงลบแอปไป หนี้จะหายวับจบปิ๊งไปเลย
ในโลกการเงินดั้งเดิม การตามทวงหนี้จากคนที่ไม่มีหลักแหล่งคือต้นทุนที่แพงมาก ธนาคารพาณิชย์อาจต้องจ้างเอาท์ซอร์สให้โทรติดตาม หรือส่งจดหมาย ซึ่งมักจะไม่คุ้มกับมูลค่าหนี้ 30,000 บาท สายบิดจึงอาจเคยชินกับชัยชนะเล็กๆ น้อยๆ จากการกู้หนี้นอกระบบหรือแอปเถื่อน
แต่ CLICX ไม่ใช่แอปเงินกู้เถื่อน และไม่ได้ทำงานบนฐานคิดของมนุษย์
โครงสร้างของ Virtual Bank ภายใต้การกำกับดูแลของธนาคารแห่งประเทศไทย (ธปท.) ถูกบังคับให้เชื่อมต่อผ่าน API Gateway โดยตรงกับ บริษัท ข้อมูลเครดิตแห่งชาติ จำกัด ซึ่งแปลว่า วินาทีที่ใครกดยอมรับเงื่อนไข (Consent) และเงินเข้าบัญชี สถานะหนี้ก็ถูกสลักลงบนบล็อกเชนทางกฎหมายของประเทศเรียบร้อย
จากระบบธนาคารเดิมที่พนักงานสินเชื่อจะตรวจสอบเอกสารย้อนหลัง 3-6 เดือน ธนาคาร Virtual Bank จะใช้ AI วิเคราะห์ข้อมูลพฤติกรรมเรียลไทม์กว่า 2,000 จุด ซึ่งกลไกการทวงถาม จะเปลี่ยนจากพนักงานโทรศัพท์ หรือส่งจดหมายแจ้งเตือน มาเป็นระบบลดวงเงินอัตโนมัติ รวมถึงแจ้งเตือนผ่าน Ecosystem เช่น ทางบริการโทรศัพท์มือถือของ AIS หรือ OR รวมถึงการหักบัญชีอัตโนมัติหากมีเงินเข้า
ความถี่ในการอัปเดตโมเดลของธนาคารปกติอาจจะอยู่ที่ไตรมาสละครั้ง หรือ ปีละครั้ง แต่ Virtual Bank สามารถอัปเดตระบบได้รายวัน จากพฤติกรรมผู้กู้ทั้งพอร์ต ดังนั้น บทลงโทษเมื่อเบี้ยวหนี้ของ Virtual Bank จะเปลี่ยนจากการติดเครดิตบูโร ที่ต้องรอ 3 ปีถึงจะล้างประวัติ มาเป็นการติดบูโร และถูกแบล็กลิสต์ในระบบนิเวศข้อมูล หรือที่เรียกกันว่า Alternative Data Blacklist
ดังนั้น การลบแอปพลิเคชันทิ้ง จึงไม่ได้ลบ Data Lake ที่เก็บข้อมูลของทุกคนไว้ การจงใจกู้แล้วไม่คืนจึงเหมือนการขโมยของในห้างสรรพสินค้า แล้วหลับตาเดินออกไปโดยคิดว่ากล้องวงจรปิดหลายพันตัวจะมองไม่เห็น
***AI รู้ใครจะโกง ตั้งแต่ตอนพิมพ์หน้าจอ
ความน่าสนใจของระบบต้านโกงที่ Virtual Bank รวมถึง CLICX มีนั้นไม่ใช่แค่ข้อมูลทางเลือกหรือ Alternative Data อย่างเช่น ประวัติการเติมเงิน AIS หรือการจ่ายค่าน้ำมันที่ OR เท่านั้น แต่อีกเทคโนโลยีที่ทำงานอยู่ฉากหลังเพื่อคัดกรอง "สายบิด" คือสิ่งที่เรียกว่า Behavioral Biometrics (ชีวมิติพฤติกรรม)
เทคโนโลยีนี้ทำให้ระบบ AI ไม่ได้ดูแค่ว่าใครพิมพ์ชื่อนามสกุลว่าอะไร แต่จะดูว่า "พิมพ์อย่างไร" เช่น จังหวะการพิมพ์ หรือ Keystroke Dynamics เพราะหากใครสมัครสินเชื่อและกรอกหมายเลขบัตรประชาชน หรือที่อยู่ปัจจุบันด้วยความเร็วที่สม่ำเสมอ รวดเร็วราวกับคัดลอกมาวาง หรือพิมพ์โดยไม่หยุดคิดเลย AI จะเริ่มจับสัญญาณผิดปกติ (Anomaly Detection) ว่าคนปกติมักจะหยุดคิดหรือชะงักเมื่อต้องพิมพ์ที่อยู่ยาวๆ หรือเลขหลังบัตร
นอกจากนี้ยังมีเรื่องความเร็วในการไถหน้าจอ หรือ Navigation Speed เพราะคนที่ตั้งใจจะโกง มักจะกดข้ามหน้าข้อกำหนดเงื่อนไข หรือหน้าคำเตือนเรื่องดอกเบี้ยด้วยความเร็วเสี้ยววินาที ในขณะที่ผู้ใช้ทั่วไปที่มีความกังวลเรื่องหนี้สินจริง มักจะใช้เวลาอย่างน้อย 2-3 วินาทีในการสแกนสายตาบนหน้าจอ
ยังมีเทคโนโลยีที่เรียกว่า Device Fingerprinting & Geolocation คือหากแอปตรวจพบว่า สมาร์ทโฟนเครื่องนี้ หมายเลข IMEI นี้ เคยถูกใช้ล็อกอินบัญชีอื่นที่เบี้ยวหนี้ไปแล้ว หรือพิกัด GPS ของเครื่องขณะกดยื่นขอสินเชื่อ ดันไปอยู่ที่เดียวกันกับที่มีคนกดขอสินเชื่อแล้วบิดไปเมื่อ 2 ชั่วโมงก่อน เช่น วงเหล้าเดียวกัน ระบบจะตีธงแดง (Red Flag) ทันที
ข้อมูลจากสถาบันการเงินที่ใช้ระบบ Fraud Detection ของค่ายล้ำหน้า เช่น DataVisor หรือ Feedzai ระบุว่า โมเดล Machine Learning สามารถดักจับพฤติกรรมที่เข้าข่ายการตั้งใจฉ้อโกง (Intentional Default/First-Party Fraud) ได้แม่นยำถึง 85-90% ก่อนที่เงินจะถูกโอนออกจากบัญชีด้วยซ้ำ
*** เพื่อน หลักฐานมัดตัว
ไฮไลต์ที่สายบิดต้องขนลุก คือการที่ CLICX ภายใต้การร่วมมือของ KTB, AIS และ OR นั้นมีอำนาจในการวิเคราะห์ "เครือข่ายความสัมพันธ์" (Network Topology) ด้วย
สายบิดมักรวมตัวกันในกลุ่มโซเชียลมีเดีย หรือเป็นเพื่อนในชีวิตจริงที่แนะนำกันมากู้ ในอดีต ธนาคารไม่มีทางรู้เลยว่า นาย ก. เป็นเพื่อนกับ นาย ข. แต่ในยุคนี้ หากใครอนุญาตให้แอปเข้าถึงรายชื่อผู้ติดต่อ (Contact List) เพื่อการยืนยันตัวตน หรือระบบนำข้อมูลตำแหน่ง (Location-based correlation) มาประมวลผล เทคโนโลยีที่เรียกว่า Graph Neural Networks (GNN) จะเริ่มทำงาน
แน่นอนว่า GNN ไม่ได้วิเคราะห์บุคคลนั้นเป็นเส้นตรง แต่วิเคราะห์ว่าบุคคลนั้นเชื่อมโยงกับใครบ้าง ตรงนี้สามารถนึกภาพได้เหมือนกราฟใยแมงมุม เพราะถ้านาย A, B, และ C กู้เงินแล้วเบี้ยวหนี้ (จุดสีแดง) ถ้านาย D (จุดสีเขียว) ยื่นขอกู้บ้าง แต่ AI พบว่าเบอร์โทรศัพท์ของนาย D มีการโทรหากันประจำกับนาย A และพิกัดโทรศัพท์มักจะอยู่ใกล้กับนาย B ในช่วงดึก กราฟของนาย D จะถูกระบายด้วย "ความเสี่ยงสีส้ม" ทันที แม้ว่านาย D จะยังไม่เคยมีประวัติเสียเลยก็ตาม
นี่คือการทำ Guilt by Association (ผิดเพราะคบเพื่อน) ในระดับอัลกอริทึม ซึ่งแม้อาจดูโหดร้ายและเต็มไปด้วยข้อถกเถียงเรื่องอคติ (Algorithmic Bias) แต่ต้องยอมรับว่านี่คือวิธีที่ทรงประสิทธิภาพที่สุดในการทำลายวงจร "แก๊งมิจฉาชีพ" และ "กลุ่มสอนบิดหนี้" ให้ตายยกรัง
แน่นอนว่าทุกโพสต์ที่อวดในกลุ่ม ทุกคอมเมนต์ที่ใครไปมีส่วนร่วม ก็อาจถูกเชื่อมโยงกลับมาถึง Digital Identity ของคนผู้นั้นได้
***เปลี่ยนเบอร์ เปลี่ยนเครื่อง เปลี่ยนแอป
นั่นคือความคิดของเทคโนโลยียุคเก่า แต่ในปี 2569 การหลบหนีออกจากระบบนิเวศข้อมูลที่ครอบคลุมโครงสร้างพื้นฐานระดับชาติ แทบจะเป็นไปไม่ได้เลยสำหรับคนชนชั้นกลางถึงล่างที่ต้องใช้ชีวิตประจำวัน
สิ่งที่จะเกิดขึ้นกับ "สายบิด" ในระยะยาว คือผลกระทบต่อการใช้ชีวิต ไม่เพียงระบบเครดิตบูโร (NCB) ล็อกดาวน์ จนไม่สามารถกู้ซื้อบ้าน, รถ, หรือทำบัตรเครดิตกับธนาคารใดๆ ในไทยได้อีกอย่างน้อย 3-5 ปี อาจยังมี Cross-Ecosystem Penalty หรือการลงโทษข้ามระบบเครือข่ายด้วย
หาก AI ของ CLICX มองว่าใครเป็น "ภัยคุกคาม" ข้อมูลนี้อาจถูกแชร์ (ผ่านการยินยอมที่ผู้กู้ได้เซ็นไปแล้วโดยไม่อ่าน) ทำให้บุคคลนั้นไม่สามารถเปิดเบอร์รายเดือน AIS ใหม่ได้ หรืออาจถูกตัดสิทธิ์โปรโมชัน/แต้มสะสมทั้งหมดในกลุ่ม OR
การเข้าถึงบริการทางการเงินพื้นฐานอาจถูกจำกัดมากขึ้น และในอนาคต การทำงานที่ต้องใช้แอปพลิเคชัน เช่น ขับรถไรเดอร์, รับงานฟรีแลนซ์ผ่านแพลตฟอร์ม มักผูกกับบัญชีธนาคาร หากบัญชีคุณติด Flag บัญชีรับเงินของบุคคลนั้นอาจถูกระงับเพื่อหักหนี้ ตามกระบวนการกฎหมายอิเล็กทรอนิกส์
เมื่อระบบในระบบนิเวศปฏิเสธแล้ว บุคคลนั้นจะต้องหันไปพึ่งพานอกระบบที่คิดดอกเบี้ยร้อยละ 20 ต่อเดือน ต้องใช้เงินสดซื้อของราคาเต็มโดยไม่มีส่วนลดสมาชิก
การเบี้ยวหนี้ 30,000 บาทในวันนี้ คือการยอมก้าวเท้าเข้าไปอยู่ในพื้นที่ที่อัลกอริทึมมองบุคคลนั้นว่าไม่มีคุณภาพ ไม่นำเสนอโอกาสใดๆ ให้ และบีบให้ต้องจ่ายต้นทุนการใช้ชีวิตแพงกว่าคนปกติในทุกๆ ธุรกรรมไปอีกหลายปี
อย่างไรก็ตาม นักสิทธิมนุษยชนดิจิทัลและทนายความบางกลุ่ม อาจแย้งว่าถึงแม้ AI จะตรวจพบหรือคาดการณ์ว่าใครคือสายบิดได้แม่นยำแค่ไหน แต่ในกระบวนการทางกฎหมายของไทย การบังคับคดียึดทรัพย์ หรือหักเงินเดือน ยังคงต้องผ่านกระบวนการศาลที่เชื่องช้าและเต็มไปด้วยเอกสารกระดาษ
หลายเสียงชี้ให้เห็นว่า ระบบยุติธรรมไทยในปี 2569 ยังไม่รองรับการนำข้อมูล "พฤติกรรมการพิมพ์หน้าจอ" หรือ "กราฟความสัมพันธ์จากเบอร์โทร" มาเป็นหลักฐานในชั้นศาลเพื่อฟ้องฉ้อโกงได้ ดังนั้น ท้ายที่สุดแล้ว CLICX ก็ทำได้แค่ฟ้องแพ่งเรียกร้องเงินกู้คืน ซึ่งสำหรับลูกหนี้ที่ "ไม่มี ไม่หนี ไม่จ่าย (และไม่มีทรัพย์สินให้ยึด)" อัลกอริทึมที่ฉลาดที่สุดในโลกก็ไม่สามารถเสกเงินคืนมาจากความว่างเปล่าได้ หนี้เสียก็จะยังคงตกเป็นภาระของ CLICX อยู่ดี
ส่วนนี้แม้จะเป็นความจริง ศาลอาจจะช้า แต่ Algorithm ไม่จำเป็นต้องพึ่งศาลในการลงโทษใคร และ AI ไม่ได้ถูกสร้างมาเพื่อใช้ในชั้นศาลด้วย ธนาคารอาจไม่จำเป็นต้องเสียเงินจ้างทนายไปฟ้องร้องคนพันคนที่เบี้ยวหนี้คนละหมื่นบาทให้เหนื่อย แต่สิ่งที่สามารถทำต่อได้คือการโยนหนี้ก้อนนี้ไปให้ AI เรียนรู้ และเงินหลักล้านที่สูญไปในเดือนแรก อาจถือเป็นค่าบทเรียนข้อมูลที่ไม่แพง สำหรับการให้ AI ได้เรียนรู้แพทเทิร์นของ "คนโกง" ในบริบทสังคมไทยจริงๆ
เมื่อ AI เรียนรู้จบ โมเดลในรุ่นถัดไป ย่อมจะปิดประตูใส่หน้าคนที่มีแพทเทิร์นคล้ายกันนี้แบบ 100% ส่วนคนที่บิดไปแล้ว ก็จะถูกขังลืมอยู่ในแบล็กลิสต์ของระบบนิเวศ ที่จะทำให้ชีวิตยากลำบากขึ้นไปอีกหลายปี โดยไม่ต้องรอหมายศาลใดๆ ไปถึงบ้าน และบทลงโทษของการไม่ได้สิทธิประโยชน์และถูกปฏิเสธธุรกรรมในโลกอนาคต อาจทรมานกว่าการถูกยึดทีวีเก่าๆ ที่บ้านหลายเท่านัก.