The research firm reports that no peer-reviewed results have demonstrated a quantum advantage on any production AI application to date. Chirag Dekate, VP Analyst at Gartner, noted that vendor claims regarding quantum AI typically refer to hybrid or quantum-inspired algorithms running on conventional hardware rather than true, quantum-native execution at an enterprise scale. Fault-tolerant quantum computing is not expected to handle production AI workloads for the remainder of the decade due to current limitations across hardware, error correction, middleware, and algorithms.

Gartner distinguishes true quantum AI, which requires quantum hardware to achieve performance advantages, from existing classical AI, quantum-inspired classical models, and experimental hybrid workflows. Because fault-tolerant quantum computing will remain in research and development with insufficient logical qubits through 2030, enterprise boards are cautioned against diverting active AI deployment budgets into experimental quantum R&D that cannot yield near-term returns.

To maintain operational efficiency, the firm advises organizations to separate quantum R&D from production AI budgets, noting that generative AI demonstrates measurable returns within 12 to 18 months, whereas quantum computing has not yet shown tangible returns on production workloads. Enterprises are advised to leverage quantum-inspired algorithms on existing GPU infrastructure, set strict termination criteria for pilot projects, and track meaningful metrics such as logical qubit stability and error rates rather than total physical qubit counts.

The post Gartner Predicts Enterprise AI Workloads Will Not Run on Quantum Hardware Through 2028 appeared first on Brickinfo News Agency.

ชิรัค เดกาเต้ (Chirag Dekate) รองประธานนักวิเคราะห์ของการ์ทเนอร์ ระบุว่า โซลูชัน Quantum AI ในท้องตลาดปัจจุบันส่วนใหญ่เป็นเพียงเทคโนโลยีไฮบริดหรืออัลกอริทึมที่นำแนวคิดควอนตัมมาปรับใช้ (Quantum-inspired AI) ไม่ใช่เทคโนโลยีควอนตัมแท้ (Quantum-native AI) ที่พร้อมรองรับการทำงานจริงในระบบปฏิบัติการหลักขององค์กร ซึ่งระบบประมวลผลควอนตัมแท้ยังห่างไกลจากการนำมาใช้เชิงพาณิชย์ และคาดว่าจะยังไม่พร้อมใช้งานตลอดทศวรรษนี้ เนื่องจากการพัฒนาฮาร์ดแวร์ควอนตัมให้มีความเสถียรและทนทานต่อความผิดพลาด (Fault-Tolerant) ในระดับที่สร้างผลตอบแทนทางเศรษฐกิจได้ ต้องอาศัยความพร้อม 4 ด้านร่วมกัน ได้แก่ ฮาร์ดแวร์ การแก้ไขข้อผิดพลาด (Error Correction) มิดเดิลแวร์ และอัลกอริทึม

ในทางปฏิบัติ เทคโนโลยี AI ในปัจจุบันแบ่งออกเป็นหลายรูปแบบ โดย Classical AI เช่น Deep Learning และ Transformers บนฮาร์ดแวร์ดั้งเดิม ยังคงเป็นเครื่องมือหลักที่สร้างผลตอบแทนจากการลงทุน (ROI) ชัดเจน ขณะที่เทคนิค Quantum-inspired AI สามารถนำมาเขียนโปรแกรมรันบนคอมพิวเตอร์ทั่วไปเพื่อแก้โจทย์คำนวณซับซ้อน เช่น การจัดสรรระบบขนส่ง ส่วนระบบ Hybrid Quantum-Classical ยังถูกจำกัดอยู่เพียงงานวิจัยและโครงการนำร่องเท่านั้น การ์ทเนอร์จึงประเมินว่า เทคโนโลยีควอนตัมคอมพิวติ้งสำหรับงาน AI จะยังคงอยู่ในขั้นตอนการวิจัยและพัฒนา (R&D) ไปจนถึงปี พ.ศ. 2573 เนื่องจากจำนวน Logical Qubit ยังไม่เพียงพอต่อการรองรับอัลกอริทึม AI ได้อย่างเต็มรูปแบบ

การ์ทเนอร์ได้เสนอแนะให้องค์กรแยกงบประมาณด้าน R&D ควอนตัมออกจากงบประมาณโครงสร้างพื้นฐาน AI เนื่องจาก GenAI สามารถสร้างผลตอบแทนที่วัดผลได้ภายใน 12 ถึง 18 เดือน ในขณะที่ควอนตัมยังไม่สามารถสร้างมูลค่าบนเวิร์กโหลดจริงได้ การรวมงบประมาณเข้าด้วยกันอาจส่งผลกระทบต่อการพัฒนาขีดความสามารถ AI ที่ใช้งานอยู่ในปัจจุบัน โดยผู้บริหารฝ่ายสารสนเทศ (CIO) ส่วนใหญ่ควรมุ่งเน้นการลงทุนใน GenAI, Agentic AI, ความปลอดภัยทางไซเบอร์ และคลาวด์เป็นหลัก

สำหรับแนวทางการปรับใช้เทคโนโลยี องค์กรควรเลือกใช้อัลกอริทึมแบบ Quantum-inspired บนโครงสร้างพื้นฐาน GPU เดิมเพื่อแก้โจทย์การคำนวณซับซ้อนแทนการลงทุนในฮาร์ดแวร์ควอนตัมโดยตรง พร้อมทั้งกำหนดดัชนีชี้วัด (KPI) และเงื่อนไขการยุติโครงการนำร่องที่ชัดเจนโดยเทียบประสิทธิภาพกับระบบเดิม และควรติดตามความก้าวหน้าจากจำนวน Logical Qubit ที่มีอัตราความผิดพลาดต่ำ รวมถึงระบบ Error Correction มากกว่าการพิจารณาเพียงจำนวน Physical Qubit

The post การ์ทเนอร์คาด AI องค์กรจะยังไม่รันบนฮาร์ดแวร์ควอนตัมจนถึงปี 2571 ชี้ระบบดั้งเดิมยังนำด้านประสิทธิภาพ appeared first on Brickinfo News Agency.

In Thailand, organizational spending on AI-optimized IaaS is forecast to exceed THB 1.8 billion in 2026, marking a 207.3% surge from 2025. Local enterprise spending is expected to expand further to nearly THB 3.2 billion in 2027 as businesses integrate AI capabilities directly into applications and day-to-day operations. Globally, the overall AI-optimized IaaS market is projected to maintain strong momentum, rising by 56.5% in 2027 to reach $66 billion.

Table 1: Spending on Infrastructure as a Service, Worldwide, 2025-2027 (Millions of Dollars)

A key structural shift in AI computing is the transition toward inference workloads surpassing training workloads in 2026. Spending on inference is estimated to reach $23.3 billion globally, exceeding the $19 billion allocated to model training. Inference workloads are projected to account for 55% of all AI-optimized IaaS spending in 2026 and rise to 59% in 2027, driven in part by the compute requirements of agentic AI execution.

Hardeep Singh, Senior Principal Research Analyst at Gartner, stated that organizations are shifting focus from model development to production-scale deployment. He noted that fine-tuned and domain-specific models (DSMs) are increasingly integrated into customer-facing and operational systems, requiring continuous, real-time execution rather than periodic training. This operational shift is altering cloud consumption patterns and establishing steady demand for AI-optimized infrastructure.

The post Gartner Forecasts Worldwide AI-Optimized IaaS Spending to Reach $42 Billion in 2026 appeared first on Brickinfo News Agency.

Bart Willemsen, VP Analyst at Gartner, highlighted a fundamental transition from data exposure to insight exposure. Traditional cybersecurity and privacy controls historically prioritized raw personal data protection; however, modern machine learning algorithms can derive deeply sensitive conclusions without triggering conventional security breaches. These inference attacks exploit seemingly harmless information, making unauthorized profile generation harder to detect, explain, and mitigate using legacy mechanisms.

This evolving threat landscape requires Chief Information Security Officers (CISOs) and privacy executives to re-evaluate overall data security strategies. Security leaders must move beyond standard data protection to govern how artificial intelligence systems compile, utilize, and act on derived insights. Reflecting this operational pivot, corporate spending on data integrity protections is projected to match investments in data confidentiality by 2028 as organizations work to prevent biased, inaccurate, or unauthorized profiling.

To effectively mitigate these emerging vulnerabilities, security leaders are advised to embed AI governance directly into corporate privacy programs and incorporate privacy-by-design frameworks throughout model development. Deploying privacy-enhancing technologies (PETs)—such as differential privacy, synthetic data, and privacy-aware machine learning—can significantly reduce re-identification risks while maintaining data usability.

Organizations are also urged to enforce strict data minimization and lifecycle controls to eliminate excessive information that could be leveraged in inference-based attacks. Combining enhanced cybersecurity capabilities for anomaly detection with clear transparency protocols—including mandatory human oversight for sensitive automated decisions—will be critical as AI continues to transform the boundaries of enterprise privacy management.

The post AI-Generated Inferences to Cause Most Privacy Incidents by 2029, Gartner Reports appeared first on Brickinfo News Agency.

Enterprise AI budgets are undergoing increased scrutiny as organizations shift their focus toward usage efficiency, cost control, and measurable business outcomes. Spending is increasingly directed toward AI solution providers that can demonstrate explicit value across critical operational metrics, including cost, latency, performance, and reliability.

“Enterprise AI budgets are coming under greater scrutiny, with increased focus on usage efficiency, cost control and measurable outcomes,” said Arunasree Cheparthi, Senior Principal Research Analyst at Gartner. She highlighted that vendors embedding evaluation, cost transparency, and usage tracking directly into enterprise workflows hold a distinct advantage. However, as the market transitions toward usage-driven pricing, technology providers face growing pressure to demonstrate sustained adoption and durable profit margins.

This market shift is rapidly accelerating demand for domain-specific language models (DSLMs) and specialized AI models, which are forecast to achieve the fastest growth segment at 210% in 2026. Meanwhile, spending on foundation generative AI models is projected to increase by 104.2%, rising from $11.4 billion in 2025 to $23.4 billion in 2026.

In the platform sector, spending on AI platforms for data science and machine learning is forecast to reach $26.4 billion, up from $19.4 billion in 2025, while AI application development platforms will grow from $6.9 billion to $9.5 billion. Gartner projects that long-term market success will belong to vendors that enable enterprises to regulate, monitor, and optimize how AI technologies are deployed across their organizations.

The post Global AI Platforms and Models Spending to Surge 63.4% to $64 Billion in 2026, Gartner Reports appeared first on Brickinfo News Agency.

ภาวะ Agentic Arbitrage เกิดขึ้นจากการที่ AI Agents สามารถเข้ามาปฏิบัติงานข้ามระบบต่าง ๆ ได้โดยอัตโนมัติ ส่งผลให้ผู้ใช้งานลดความจำเป็นในการโต้ตอบกับหน้าจอระบบซอฟต์แวร์แบบเดิมโดยตรง การเปลี่ยนแปลงดังกล่าวทำให้กลไกการคิดค่าบริการรูปแบบเดิมอย่าง Seat-License หรือการคิดราคาตามจำนวนผู้ใช้งานซอฟต์แวร์ ต้องเผชิญกับความท้าทาย เนื่องจากความเชื่อมโยงระหว่างการเพิ่มขึ้นของจำนวนผู้ใช้และการเติบโตของรายได้ผู้ให้บริการได้แยกออกจากกันอย่างสิ้นเชิง

จอร์จ บร็อคเคิลเฮิรสท์ รองประธานฝ่ายบริหารของ การ์ทเนอร์ ระบุว่า ระบบ Agentic AI กำลังปรับเปลี่ยนโครงสร้างเศรษฐศาสตร์ของซอฟต์แวร์ เนื่องจากสามารถส่งมอบผลลัพธ์ของงานได้โดยตรงโดยไม่ต้องผ่านหน้าต่างโปรแกรม (UX) ที่ซับซ้อน ส่งผลให้ตลาด SaaS ยุคเก่าเกิดการปรับโครงสร้างการตั้งราคาและการบริโภคซอฟต์แวร์ใหม่ ซึ่งเป็นทั้งภัยคุกคามและโอกาสสำหรับผู้ให้บริการซอฟต์แวร์รายเดิม รวมถึงผู้ท้าชิงรายใหม่ในตลาดเทคโนโลยี

นอกจากนี้ แนวโน้มพฤติกรรมของผู้ซื้อกลุ่มองค์กรกำลังเปลี่ยนจุดโฟกัสจากการเลือกซื้อคุณสมบัติซอฟต์แวร์หรือฟีเจอร์ ไปมุ่งเน้นที่ผลลัพธ์ทางธุรกิจและการเพิ่มขึ้นของผลตอบแทนจากการลงทุน (ROI) เป็นหลัก โดยความต้องการแดชบอร์ดหรือเครื่องมือใหม่ ๆ ลดลง แต่ต้องการระบบที่สามารถจดจำข้อมูลเชิงลึกและบริบทขององค์กรได้อย่างต่อเนื่องในระยะยาว ส่งผลให้หน้าจอผู้ใช้งาน (User Interface) ไม่ใช่จุดขายที่สร้างความแตกต่างอีกต่อไป

สถานการณ์นี้ส่งผลให้ผู้ให้บริการซอฟต์แวร์รายเดิมจำเป็นต้องปรับเปลี่ยนจากการสร้างมูลค่าตามการใช้งานหน้าจอไปสู่การสร้างมูลค่าตามผลลัพธ์ (Outcome-Based Value) โดยการฝังฟังก์ชันของ Agentic AI เข้าไปในผลิตภัณฑ์เพื่อรักษาฐานลูกค้า ในขณะเดียวกัน สตาร์ทอัปกลุ่ม AI-Native และผู้ให้บริการระบบมีโอกาสที่จะเข้ามาแบ่งส่วนแบ่งการตลาดผ่านการนำเสนอแพลตฟอร์มที่เชื่อมต่อโครงสร้างการทำงานโดยมี AI เป็นศูนย์กลาง ซึ่งสามารถวัดผลลัพธ์ได้จริงและมีประสิทธิภาพการทำงานที่สูงขึ้น

The post การ์ทเนอร์ชี้เทคโนโลยี Agentic AI กระทบรายได้ซอฟต์แวร์แอปพลิเคชันองค์กร เสี่ยงสูญเงินกว่า 2.34 แสนล้านดอลลาร์สหรัฐภายในปี 2573 appeared first on Brickinfo News Agency.

คาร์ลี ไอดอยน์ รองประธานฝ่ายนักวิเคราะห์ของ Gartner ระบุว่า ปัจจุบัน AI ได้กลายเป็นปัจจัยหลักในการตัดสินใจทางธุรกิจ การจัดกระบวนการทำงาน ตลอดจนการลงทุนในทุกภาคส่วน องค์กรจึงมีความจำเป็นต้องกำหนดเป้าหมายร่วมกันให้ชัดเจน เพื่อให้สามารถนำศักยภาพของเทคโนโลยีดังกล่าวมาใช้ได้อย่างเต็มประสิทธิภาพและมีความสม่ำเสมอทั่วทั้งโครงสร้างธุรกิจ โดยทาง การ์ทเนอร์ ได้สรุป 6 เทรนด์สำคัญด้าน D&A ที่องค์กรควรนำไปปรับใช้ในแผนกลยุทธ์ช่วง 2 ปีข้างหน้าไว้ดังนี้

เทรนด์แรกคือ Sovereign AI หรืออธิปไตยปัญญาประดิษฐ์ ซึ่งกลายเป็นกุญแจสำคัญต่อความมั่นคงทางเศรษฐกิจ โดยรัฐบาลในหลายประเทศเริ่มหันมาควบคุมขีดความสามารถและระบบ D&A ให้อยู่ภายในท้องถิ่นเพื่อลดการพึ่งพาต่างประเทศ ซึ่งประเด็นทางภูมิรัฐศาสตร์นี้ส่งผลให้องค์กรต้องปรับปรุงแนวทางการควบคุม พัฒนานวัตกรรม และปรับ Roadmap ด้านข้อมูลให้สอดคล้องกับการเป็นองค์กร AI-First มากยิ่งขึ้น

เทรนด์ที่สองและสามมุ่งเน้นไปที่ระบบธรรมาภิบาลและการควบคุม โดยมี Decision Governance เข้ามาช่วยลดความเสี่ยงจากการปล่อยให้ AI Agents ตัดสินใจวางกลยุทธ์โดยปราศจากการกำกับดูแล ซึ่งคาดว่าการใช้แพลตฟอร์ม Decision Intelligence จะช่วยให้การตัดสินใจทางธุรกิจรวดเร็วขึ้น 80% ภายในปี พ.ศ. 2572 นอกจากนี้ยังมี AI Governance Platforms ที่จะเข้ามาเป็นเครื่องมือศูนย์กลางในการตรวจสอบและบริหารจัดการความเสี่ยง เพื่อให้การดำเนินงานสอดคล้องกับกฎระเบียบข้อบังคับด้าน AI ที่มีความเข้มงวดขึ้นทั่วโลก

เทรนด์ที่สี่และห้าเป็นการยกระดับการจัดการข้อมูลผ่านระบบอัตโนมัติ โดยเทคโนโลยี Agentic Data Streaming หรือการสตรีมข้อมูลต่อเนื่องที่รองรับเอเจนต์ จะเข้ามาแทนที่การประมวลผลข้อมูลแบบชุดเดิม เพื่อตอบสนองความต้องการข้อมูลแบบเรียลไทม์ ซึ่งคาดว่าอัตราการใช้งานจะพุ่งสูงเกิน 60% ภายในปี พ.ศ. 2571 ขณะเดียวกัน เทคโนโลยี Agentic Data Management จะนำ AI Agents เข้ามาช่วยจัดการโครงสร้างข้อมูลที่ซับซ้อน ตรวจจับแพทเทิร์น และเรียนรู้ได้ด้วยตนเอง ทำให้ทีมข้อมูลสามารถปฏิบัติงานได้ยืดหยุ่นกว่าเดิม

เทรนด์สุดท้ายคือการนำเทคนิค GraphRAG เข้ามาจัดการกับยูสเคสที่มีความซับซ้อน โดยเป็นการรวมระบบกราฟความรู้ (Knowledge Graphs) เข้ากับโมเดลภาษาขนาดใหญ่ (LLMs) เพื่อปิดข้อจำกัดของระบบ RAG แบบดั้งเดิม ช่วยให้ระบบปัญญาประดิษฐ์สืบค้นข้อมูลและตีความตามบริบทได้อย่างถูกต้อง โดย Gartner คาดการณ์ว่าภายในปี พ.ศ. 2572 จะมีองค์กรธุรกิจราว 40% ที่นำเทคนิคนี้มาใช้เพื่อเพิ่มความแม่นยำในการประมวลผลข้อมูล

The post การ์ทเนอร์เปิด 6 เทรนด์ Data และ Analytics ปี 2569 มุ่งสู่องค์กร AI-First ภายในปี 2573 appeared first on Brickinfo News Agency.

จากการประเมินของ การ์ทเนอร์ อิงก์ (Gartner, Inc.) ระบุว่ายอดการใช้ไฟฟ้าของดาต้าเซ็นเตอร์ทั่วโลกในปี 2569 จะพุ่งสูงแตะ 565 เทราวัตต์ชั่วโมง (TWh) เพิ่มขึ้นจาก 447 TWh ในปี 2568 ขณะที่ความต้องการด้านพลังงานรวมในปี 2569 คาดว่าจะเพิ่มขึ้น 27% ไปแตะระดับ 132 กิกะวัตต์ (GW) จาก 104 GW ในปีก่อนหน้า และคาดการณ์ว่าภายในปี 2573 ความต้องการนี้จะพุ่งสูงถึง 290 GW ซึ่งสะท้อนให้เห็นถึงขนาดและความเร็วในการเติบโตของเทคโนโลยี GenAI ที่เป็นตัวกระตุ้นสำคัญให้เกิดความต้องการด้านพลังงานมหาศาล

หลิงหลาน หวาง ผู้อำนวยการฝ่ายวิเคราะห์ของการ์ทเนอร์ (Gartner) เปิดเผยว่า ความต้องการที่พุ่งสูงขึ้นอย่างรวดเร็วสำหรับการประมวลผล AI ที่ต้องใช้พลังงานสูง กำลังทำให้การบริโภคพลังงานของดาต้าเซ็นเตอร์พุ่งสูงขึ้นอย่างที่ไม่เคยปรากฏมาก่อน ขณะที่ขีดความสามารถของ AI ในปัจจุบันเริ่มถูกจำกัดด้วยปริมาณไฟฟ้าที่มีให้ใช้ ส่งผลให้ความมั่นคงทางพลังงานของดาต้าเซ็นเตอร์กลายเป็นสมรภูมิแห่งใหม่ของการขยายธุรกิจและปกป้องผลกำไรเพื่อแข่งขันด้าน AI ในระดับโลก ทั้งนี้คาดว่าภายในปี 2573 ปริมาณการใช้ไฟฟ้าของกลุ่ม AI-Optimized Servers จะเติบโตจนแซงหน้าเซิร์ฟเวอร์แบบดั้งเดิม

จากแนวโน้มการใช้พลังงานที่เพิ่มขึ้น การ์ทเนอร์ (Gartner) ประเมินว่าภายในปี 2573 ยอดการใช้ไฟฟ้าของดาต้าเซ็นเตอร์จะสูงเกิน 1,200 TWh ซึ่งอาจทำให้การจ่ายไฟของระบบโครงข่ายไฟฟ้า (Grid) ไม่เพียงพอต่อความต้องการในการก่อสร้างดาต้าเซ็นเตอร์แห่งใหม่ และจะส่งผลกระทบต่อผู้ใช้งานทุกราย ผู้อำนวยการฝ่ายวิเคราะห์จึงเน้นย้ำว่า ผู้นำโครงสร้างพื้นฐานและการปฏิบัติการ (I&O) ต้องจัดลำดับความสำคัญในการอัปเกรดประสิทธิภาพและการเข้าถึงแหล่งจ่ายไฟที่มั่นคง รวมถึงจำเป็นต้องลงทุนในระบบทำความเย็นที่มีประสิทธิภาพสูง และนำแนวคิดการประมวลผลแบบ Edge Computing มาใช้เพื่อจัดการข้อมูลใกล้แหล่งที่มา ซึ่งจะช่วยบรรเทาข้อจำกัดด้านพลังงานและรองรับการเติบโตที่ยั่งยืนในอนาคต

The post การ์ทเนอร์ ประเมินปี 2569 ดาต้าเซ็นเตอร์ทั่วโลกใช้ไฟฟ้าพุ่ง 26% เซิร์ฟเวอร์ AI ดันความต้องการทะลุขีดจำกัด appeared first on Brickinfo News Agency.

The forecast, published by Gartner, highlights a significant jump from the 447 TWh recorded in 2025. Alongside electricity usage, total data center power demand is expected to rise by 27% in 2026 to reach 132 gigawatts (GW), up from 104 GW the previous year. This accelerated growth trajectory is heavily driven by the unprecedented scale and pace of generative AI deployments, which are estimated to push global power demand to 290 GW by 2030.

The shift toward specialized hardware is a major contributing factor to this energy surge. According to the data, AI-optimized servers will account for 31% of total data center power consumption in 2026. This trend is moving so rapidly that by 2027, the energy required to run these specialized AI systems is expected to completely surpass the power consumption of conventional servers.

Linglan Wang, Director Analyst at Gartner, explained the market dynamics, stating, “Surging demand for compute-intensive AI workloads is driving unprecedented data center power growth, while AI capacity is now constrained by power availability.” Wang noted that this reality makes data center power security the new battleground for scaling operations and protecting margins in the global AI race.

Looking toward the end of the decade, the industry faces an energy-constrained future. With long-term data center electricity consumption estimated to exceed 1,200 TWh by 2030, existing grid supplies are anticipated to be insufficient to meet the demands of future infrastructure construction. To navigate this, Wang advised that infrastructure and operations leaders must prioritize efficiency upgrades and secure grid access, adding that they need to invest in high-efficiency cooling systems and edge computing to mitigate power constraints and ensure sustainable, scalable growth.

The post Global Data Center Electricity Consumption Projected to Surge 26% in 2026 Driven by AI appeared first on Brickinfo News Agency.

จอห์น วัตตส์ (John Watts) รองประธานนักวิเคราะห์ของ การ์ทเนอร์ (Gartner) กล่าวในงานสัมมนา Gartner Security & Risk Management Summit ว่า “การที่บริษัทผู้พัฒนา AI ชั้นนำ พยายามนำเสนอแนวคิดความปลอดภัยใหม่ ๆ เข้ามา ได้สร้าง ‘สัญญาณรบกวน’ จำนวนมากให้แก่สภาพแวดล้อมภัยคุกคามที่เดิมทีก็วุ่นวายอยู่แล้ว โดยผู้นำไซเบอร์ซีเคียวริตี้จำเป็นต้องมีความสามารถแยกแยะ ‘สัญญาณภัยคุกคามที่แท้จริง’ ออกจากสัญญาณรบกวนเหล่านั้นให้จงได้ เพื่อรับมือกับการเปลี่ยนแปลงของภูมิทัศน์ภัยคุกคามได้ทันเวลา”

สำหรับภัยคุกคามแรกคือ การโจมตีแอปพลิเคชัน AI (AI Application Compromise) ซึ่งแฮกเกอร์พุ่งเป้าไปที่เครื่องมือ AI ขององค์กรที่มีจำนวนเพิ่มมากขึ้น ทั้งระบบภายในและระบบสาธารณะ โดยพื้นที่การโจมตีได้ขยายวงกว้างไปยังระบบเอเจนต์ที่พัฒนาขึ้นเฉพาะ (Custom-built agents) การเชื่อมต่อกับระบบภายนอก (Third-party integrations) และแอปพลิเคชันเฉพาะสำหรับพนักงาน ซึ่งเสี่ยงต่อการทำข้อมูลละเอียดอ่อนหรือรหัสผ่านรั่วไหลหากระบบควบคุมหละหลวม

โดยทางวัตตส์ได้แนะนำให้ทีมไซเบอร์ซีเคียวริตี้ขยายขอบเขตการทำงานผ่านการนำกรอบการทำงาน TRiSM (Trust, Risk and Security Management ในระบบ AI) ของการ์ทเนอร์มาปรับใช้ เพื่อฝังมาตรการลดความเสี่ยงในขั้นตอนการพัฒนา ร่วมกับการใช้แนวปฏิบัติวงจรการพัฒนาซอฟต์แวร์ที่ปลอดภัย (Secure Development Life Cycle) การจำลองรูปแบบภัยคุกคาม (Threat Modeling) และนำระบบควบคุมการเข้าถึงตามวัตถุประสงค์ (Purpose-Based Access Control – PBAC) มาติดตั้งใช้งาน

ประเด็นถัดมาคือ การปลอมแปลงตัวตนด้วยดีปเฟก (Identity Impersonation Using Deepfakes) ที่พัฒนาขึ้นจากเทคโนโลยี Generative AI ทำให้การสร้างเสียง วิดีโอ หรือภาพ ทั้งแบบบันทึกล่วงหน้าและเรียลไทม์มีความสมจริงสูง จนถูกนำไปใช้โจมตีระบบตรวจสอบตัวตนด้วยชีวมิติ (Biometric Authentication) และใช้ร่วมกับกลอุบายวิศวกรรมทางสังคม (Social Engineering) เพื่อหลอกลวงพนักงานหรือแทรกซึมกระบวนการสรรหาบุคลากร

ทางจอห์น วัตตส์ ระบุว่า “การใช้ดีปเฟกของผู้โจมตียังพัฒนาก้าวหน้าอย่างต่อเนื่อง และกลายเป็นเรื่องปกติแล้วเพื่อทำให้การหลอกลวงแบบ Phishing ตรวจจับได้ยากขึ้น ไม่มีมาตรการควบคุมทางไซเบอร์เพียงหนึ่งเดียวที่จะปกป้องคุณได้ทั้งหมด ดังนั้นองค์กรจึงควรเสริมความแข็งแกร่งให้กับกระบวนการทางธุรกิจ การยกระดับความตระหนักรู้ของบุคลากร และการติดตั้งเทคโนโลยีตรวจจับดีปเฟกเท่าที่จะทำได้อย่างบูรณาการ”

โดยทีมความปลอดภัยต้องสร้างกลยุทธ์ลดความเสี่ยงที่เป็นชั้น ๆ (Layers of Controls) ปกป้องการยืนยันตัวตนจากการโจมตีแบบ Presentation Attack และ Injection Attack รวมถึงบังคับใช้นโยบายการเข้าถึงแบบมีเงื่อนไข (Conditional Access Policies) ในการประชุมออนไลน์

ในส่วนของ ภัยคุกคามต่อห่วงโซ่อุปทานซอฟต์แวร์ (Software Supply Chain Threats) วัตตส์กล่าวว่า “วิวัฒนาการของผลิตภัณฑ์ GenAI จะยิ่งเร่งให้เกิดแนวโน้มการโจมตีห่วงโซ่อุปทานซอฟต์แวร์ผ่านช่องโหว่ในซอฟต์แวร์โอเพนซอร์สรวดเร็วยิ่งขึ้น องค์กรต่าง ๆ ต้องสร้างระบบขึ้นทะเบียนส่วนประกอบซอฟต์แวร์ที่เชื่อถือได้ หรือที่เรียกว่า Trusted Component Registries, พร้อมยกระดับความปลอดภัยในกระบวนการสร้างและส่งมอบซอฟต์แวร์ (CI/CD Pipelines) รวมถึงการสร้างระบบตรวจจับและตอบสนองต่อความผิดปกติในเชิงปฏิบัติการที่แข็งแกร่ง”

โดยผู้บริหารความมั่นคงปลอดภัยสารสนเทศ หรือ CISO ควรดำเนินการกำหนดให้ผู้จำหน่ายส่งมอบเอกสารคลังส่วนประกอบซอฟต์แวร์และ AI (SBOM และ AIBOM) พร้อมประเมินความเสี่ยงด้วย Threat Intelligence เลือกใช้คลังจัดเก็บโค้ดที่ผ่านการตรวจสอบ ลงนามดิจิทัลในขั้นตอนการพัฒนา และบังคับใช้ระบบควบคุมสิทธิ์เท่าที่จำเป็น (Least-Privilege)

สุดท้ายคือ การโจมตีด้วยพรอมต์ (Prompt Injection) ซึ่งเป็นภัยคุกคามที่พุ่งเป้าไปที่ระบบ AI โดยเฉพาะระบบที่ใช้โมเดลภาษาขนาดใหญ่ (LLMs) โดยผู้โจมตีจะปรับแต่งหรือแทรกคำสั่งเพื่อบิดเบือนพฤติกรรมโมเดล ส่งผลให้ข้อมูลรั่วไหล ทำสิ่งที่ไม่ได้รับอนุญาต หรือข้ามผ่านระบบควบคุมความปลอดภัย ซึ่งเป็นวิกฤตที่ทีมไซเบอร์ซีเคียวริตี้มองข้ามไม่ได้เมื่อองค์กรหันมาใช้ GenAI มากขึ้น

การต่อสู้กับภัยคุกคามนี้จำเป็นต้องใช้กลยุทธ์ป้องกันแบบเป็นชั้น ตั้งแต่การทดสอบความปลอดภัยเชิงรุก กำหนดคำสั่งเชิงระบบ (System Prompts) ที่แข็งแกร่ง ติดตั้งระบบคัดกรองพฤติกรรมขณะรันไทม์ (AI Runtime Guardrails) นำระบบตรวจสอบและล้างข้อมูลอินพุต (Input Validation and Sanitization) มาใช้ ตลอดจนจัดตั้งระบบตรวจสอบและแจ้งเตือนพฤติกรรมที่ผิดปกติเพื่อสกัดกั้นการโจมตีได้ทันท่วงที

The post การ์ทเนอร์เตือน 4 ภัยคุกคามไซเบอร์ยุค AI ที่ผู้นำความมั่นคงปลอดภัยต้องเร่งปรับแผนรับมือ appeared first on Brickinfo News Agency.