AI agent เริ่มขยับเงินจริงในแบงก์แล้ว — แต่ระบบกันโกงยังตามไม่ทัน

เดือนนี้มีเส้นหนึ่งถูกข้ามไปเงียบ ๆ — AI agent หยุดเป็นแค่เดโมบนเวที แล้วเริ่ม ขยับเงินจริง ในระบบการชำระเงินของแบงก์ ผมตามข่าวสาย AI × การเงินมาตลอด และจุดที่ทำให้ผมสะดุดไม่ใช่ "agent ทำได้แล้ว" แต่คือ — ความสามารถมันวิ่งไปไกลกว่าระบบที่เราออกแบบมาคุมมันหลายก้าว ในฐานะคนทำ model risk ผมมองว่านี่คือช่องว่างที่สำคัญที่สุดเรื่องหนึ่งของปี และมันเปิดทั้งความเสี่ยงและโอกาสพร้อมกัน

1. agentic payment ข้ามเส้นจาก "เดโม" สู่ "เงินจริง"

เมื่อ 2 มิถุนายน 2026 ที่งาน Money20/20 Europe — Worldline, ING และ Mastercard ประกาศว่าทำธุรกรรม agentic payment แบบ end-to-end สำเร็จ บนระบบ production จริง ไม่ใช่ sandbox เคสที่โชว์คือ ผู้บริโภคกำลังหาของขวัญครบรอบแต่งงาน แล้ว AI agent ของร้านค้าไปหาบัตรคอนเสิร์ตที่อยู่ในงบที่ตั้งไว้ เสนอตัวเลือก แล้วจ่ายเงินจริง — โดยตัดบัตรของ ING cardholder ผ่านเครือข่าย Mastercard

สิ่งที่ผมคิดว่าทีมออกแบบทำถูกคือ มันยังคง "คนอยู่ในวง": agent หาและเสนอ แต่จ่ายต่อเมื่อผู้บริโภคกดอนุมัติเอง ตามที่แถลงการณ์ระบุว่า "the consumer remains directly involved in the final purchase decision" และธุรกรรมยังถูกตีตราให้รู้ว่าเป็น agentic — "The transaction carries explicit identifiers that reveal its agentic nature, providing transparency to the issuing bank" บรรทัดที่สรุปทั้งงานได้ดีสุดคือ "Agentic commerce is no longer theoretical, it is production-ready today"

ทำไมมันสำคัญกับเรา: ปกติ "agent ทำธุรกรรมแทนเรา" เป็นสไลด์ขายฝัน แต่รอบนี้มันรันบน rail การชำระเงินจริงของยุโรป และไม่ใช่เจ้าเดียว — Robinhood เปิดบัญชีเทรดที่ให้ AI agent สั่งซื้อขายได้ (มี spending limit + kill-switch) ส่วน Mastercard ก็มี Agent Pay เปิดใช้แล้ว เมื่อ "เงินจริงขยับด้วย agent" กลายเป็นของที่ทำได้จริง คำถามถัดไปไม่ใช่ ทำได้ไหม แต่คือ เราคุมมันทันหรือยัง

2. ช่องโหว่ที่แบงก์ยังปิดไม่ทัน — ระบบกันโกงออกแบบมาเพื่อ "คน" ไม่ใช่ "agent"

ตรงนี้คือหัวใจ บทวิเคราะห์ของ American Banker (16 มิ.ย. 2026) สรุปไว้คมมาก — "Banks built their fraud and identity defenses for humans, not for AI agents transacting with a customer's own credentials" แปลว่าระบบ fraud และ identity ทั้งกองที่แบงก์ลงทุนมาหลายปี ตั้งอยู่บนสมมติฐานเดียวว่า "อีกฝั่งคือมนุษย์" — พอ agent ล็อกอินด้วย credential ของลูกค้าเอง ใช้เบอร์เดียวกัน IP เดียวกัน ระบบก็แยกไม่ออกว่านี่คือเจ้าของบัญชี หรือซอฟต์แวร์ที่ทำงานแทนเขา

ผู้เชี่ยวชาญชี้ช่องยืนยันตัวตน 4 จุดที่ยังไม่มีคำตอบ: ยืนยันว่าเป็น คนที่ถูกต้อง / เป็น agent ที่ได้รับมอบหมายจริง / มี สิทธิ์ทำรายการนั้น / และเป็น เจตนาจริงของลูกค้า — มาตรฐานแบบ "know-your-agent" ยังไม่มีในอุตสาหกรรม Chris Ward หัวหน้า Enterprise Payments ของ Truist พูดประโยคที่คนทำ fraud ฟังแล้วขนลุก: "We have to stop every transaction that is fraudulent getting through" (ฝั่งกันต้องกันได้ทุกครั้ง แต่ฝั่งโกงขอแค่ครั้งเดียว) — แล้วเขาเสริมว่าเพิ่ง "built working agents in about ten minutes" และไม่คิดว่าระบบของแบงก์ตัวเองจะจับได้ว่าเป็นใครนอกจากตัวเขา

ขนาดของความเสี่ยงไม่ใช่เรื่องเล็ก — รายงานระบุว่าผู้บริโภคสหรัฐ "reported losing $12.5 billion to fraud in 2024" (โต 25% จากปีก่อน) นั่นคือฐานก่อนที่ agent จะเข้ามาเร่งสปีดด้วยซ้ำ

ทำไมมันสำคัญกับเรา (มุม MRM): นี่ไม่ใช่บั๊กที่แพตช์ทีหลังได้ มันคือ assumption ระดับรากของทั้งระบบควบคุม เวลาเราทำ model risk เราถามเสมอว่า "โมเดลถูกใช้นอกกรอบที่ validate ไว้ไหม" — agent คือ use case นอกกรอบที่สุด เพราะมันคือ identity ของลูกค้าที่ขยับเองได้ ใครเข้าใจทั้งกลไก authentication เดิมและธรรมชาติของ agent จะเป็นคนที่ต้องวาง guardrail ก่อนที่กฎจะตามมา

3. ใครเซ็นรับผิดชอบเมื่อ agent พลาด — คำถาม governance ที่ยังไม่มีคำตอบ

สมมติ agent ทำรายการผิด หรือ "หลอน" แล้วโอนผิด — ใครรับผิด? บทวิเคราะห์ของ PYMNTS ตั้งคำถามตรงเป๊ะว่า "Who is accountable when an agent makes an error that affects a customer, a transaction or a regulatory obligation" และโยงไปสองคำถามที่เป็นงานออกแบบ control ล้วน ๆ — "Which actions can an agent initiate" (อันไหนให้ agent เริ่มเองได้ อันไหนต้องคนอนุมัติ) บริษัทที่ทำ infra สาย agent อย่าง Primitive ก็ยอมรับว่าต้องเอา "controls, measurement and oversight as central components of deploying AI agents within regulated environments"

และ fraud ที่มาแรงสุดตอนนี้คือฝั่งสวมรอย — "unauthorized-party fraud now accounts for 71% of fraud incidents" ซึ่งตรงกับช่องโหว่ในข้อ 2 พอดี: ถ้าแยก agent จากเจ้าของตัวจริงไม่ออก การสวมรอยยิ่งง่ายขึ้น

ทำไมมันสำคัญกับเรา: คำว่า accountability, oversight, "action ไหนต้อง human approval" — นี่คือภาษางาน governance ที่คนสาย risk พูดมาตลอด แค่ย้ายสนามจากโมเดลสถิติมาเป็น agent ที่ลงมือทำ หลัก model owner / validation / สิทธิ์และขอบเขตการใช้งาน ใช้ได้หมด เพียงแต่ตอนนี้ยังไม่มีใครเขียนเป็นมาตรฐานกลาง = ช่องว่างที่รอคนเข้าไปเติม

4. คนเริ่มสร้าง "ชั้นกำกับ agent" แล้ว — และมันคืองาน model risk ตรง ๆ

ที่น่าสนใจคือ vendor ใหญ่เริ่มขาย "ชั้นกำกับ" นี้เป็นสินค้าแล้ว วันเดียวกับ Money20/20 — Experian เปิดตัว Agent Operating System ("Experian today announces the launch of the Agent Operating System") ลองดูคำที่เขาใช้โฆษณาว่ามันทำอะไร: "Model risk management, explainability, audit trails, monitoring and policy enforcement built into agentic workflows" และยังเน้น "with human-in-the-loop validation" โดยมี ServiceNow เป็นพาร์ตเนอร์รายแรกที่ "will be the first partner to integrate"

อ่านประโยคนั้นอีกรอบ — model risk management, explainability, audit trail, human-in-the-loop ทั้งหมดนี้คือคำในใบงานของคนทำ risk อยู่แล้ว แปลว่าตลาดกำลังบอกว่าทักษะที่เรามี กำลังกลายเป็น "ฟีเจอร์ที่ขายได้" ในโลก agent

ทำไมมันสำคัญกับเรา: เมื่อ governance กลายเป็นจุดขาย ไม่ใช่ต้นทุน คนที่อธิบาย MRM/explainability/audit ให้เป็นภาษาที่เอาไปออกแบบระบบได้ จะมีค่าขึ้นทันที — ทั้งในฐานะคนทำในแบงก์ และคนที่สร้างเครื่องมือกำกับ agent

5. มุมมองคนทำ risk: ช่องว่างนี้คือทั้งความเสี่ยงและโอกาส

ถ้าต่อจุดทั้งหมดเข้าด้วยกัน ภาพมันชัด: เครื่องมือกำกับ agent ที่ทุกฝ่ายกำลังหา จริง ๆ แล้วคือ หลัก model risk และ early-warning เดิม ที่แปลภาษาให้เข้ากับโลก agent — know-your-agent คือ identity & access, choke point คือ control point, kill-switch + spending limit คือ exposure limit, human-in-the-loop คือ maker-checker, audit trail + explainability คือ validation & documentation เรามีกรอบพวกนี้มานานแล้วในงานเครดิตและ Model Risk ในยุค AI agent สิ่งที่เปลี่ยนคือวัตถุที่ต้องคุมมันลงมือทำเองได้

ความเสี่ยงคือ ถ้าปล่อยให้ capability วิ่งนำ control แบบนี้ต่อไป fraud และ liability gap จะโตเร็วกว่าที่กฎจะตามทัน — แต่โอกาสคือ องค์กรไม่ได้ขาดคนกดใช้ agent มันขาด คนที่ตั้งระบบให้ agent ทำงานได้อย่างปลอดภัยและตรวจสอบได้ ทักษะสองอย่างที่มีค่าขึ้นพร้อมกันคือ ความเข้าใจ risk/governance แบบดั้งเดิม + ความสามารถกำกับ AI agent ให้ทำงานจริง ใครมีครบทั้งคู่จะอยู่ในจุดที่หายากมากในช่วงนี้ (เรื่องนี้ต่อยอดจากสรุปข่าว AI × การเงินเดือนนี้ และงานที่ agent ทำได้จริงในสายการเงิน)

ถ้าอยากเริ่มสร้างทักษะฝั่ง "กำกับ agent ให้ทำงานเชื่อถือได้" ผมรวบรวมวิธีที่ผมใช้ Claude Code คุม agent ทำงานจริงสายข้อมูลและความเสี่ยงไว้ในคอร์ส Claude Code — ก็อป workspace ผมไปปรับกับงานคุณได้เลย

ภาพรวม

ถ้าสรุปเป็นประโยคเดียว: AI agent ขยับเงินจริงได้แล้ว แต่ระบบที่จะคุมมันยังตามไม่ทัน สำหรับคนทำงาน data/risk นี่ไม่ใช่ข่าวไกลตัว — มันคือสนามใหม่ที่หลัก governance ที่เราถนัดกำลังถูกต้องการมากที่สุด ก่อนที่กฎเกณฑ์จะตามมาเป็นทางการ

ที่มา

• Banks aren't ready for AI agents moving money, experts warn — American Banker
• Worldline, ING and Mastercard complete a live end-to-end European agentic payment in production — Worldline / GlobeNewswire
• Agentic AI and Banks: Who Signs Off on the Machine? — PYMNTS
• Experian brings trusted agentic AI to financial services with the launch of Agent Operating System — Experian