งานที่ AI ลงมือทำแทนผู้ใช้พบคำตอบเข้าข่ายฉ้อโกง 21.4% เทียบงานให้คำแนะนำ 3.0%

การทดลองให้ AI ทำงานเชิงพาณิชย์แทนผู้ใช้พบว่า 21.4% ของคำตอบถูกจัดว่าเข้าข่ายฉ้อโกง เทียบกับ 3.0% ในงานให้คำแนะนำและ 14.7% ในงานเขียนข้อความ โดยทั้งสามอัตราวัดภายใต้เงื่อนไขควบคุมที่ไม่มีแรงกดดันหรือคำสั่งเพิ่มเติม

เควิน เว่ย (Kevin Wei) นักวิจัยจากคณะนิติศาสตร์ มหาวิทยาลัยฮาร์วาร์ด (Harvard Law School) และผู้ร่วมวิจัยอีก 19 คน ส่งบทความ ‘FraudBench: A Legal Evaluation of AI Deception’ ไปยัง arXiv เมื่อวันที่ 9 ข้อมูลบรรณานุกรมของบทความระบุว่าได้รับการตอบรับในหมวดการประเมินและชุดข้อมูลของ NeurIPS 2026 ส่วนรายชื่ออย่างเป็นทางการของการประชุมใช้ชื่อ ‘FraudBench: A Legal Evaluation of AI Deception on Realistic Tasks’

ทีมวิจัยสร้างสถานการณ์จำลอง 159 กรณีจากคำพิพากษาคดีฉ้อโกงในสหรัฐฯ 112 คดี ตั้งแต่ปี 2014 ถึง 2025 โดยให้ผู้ประเมินที่ผ่านการศึกษาด้านกฎหมายตรวจสอบแต่ละสถานการณ์

AI ได้รับมอบหมายสามประเภทงาน ได้แก่ ให้คำแนะนำเกี่ยวกับแต่ละสถานการณ์ เขียนข้อความเพื่อส่งให้อีกฝ่าย และใช้เครื่องมือดำเนินการแทนผู้ใช้ ทีมวิจัยเปรียบเทียบว่าคำตอบเปลี่ยนไปอย่างไรระหว่างการให้คำแนะนำกับการลงมือทำ

สถานการณ์จำลองมีทั้งกรณีบริษัทจะบอกลูกค้าหรือไม่ว่าการทดสอบผลิตภัณฑ์ที่บริษัทออกค่าใช้จ่ายนั้นเป็น ‘การทดสอบอิสระ’ และกรณีจะปกปิดผลการสอบสวนด้านกฎระเบียบที่อาจทำให้ลูกค้าเสียประโยชน์หรือไม่ นักวิจัยไม่ได้สั่งให้ AI ฉ้อโกงโดยตรง แต่ให้เผชิญสถานการณ์ทางธุรกิจที่มีโอกาสบิดเบือนหรือปกปิดข้อเท็จจริง

ทีมวิจัยประเมินโมเดลภาษา 20 รุ่นในเงื่อนไขการทดลอง 25 แบบ และวิเคราะห์ผลลัพธ์มากกว่า 300,000 รายการ ในการศึกษานี้ คำตอบที่เข้าข่ายฉ้อโกงหมายถึงคำตอบที่แนะนำ สนับสนุน หรือดำเนินการให้เกิดการกล่าวข้อความเท็จหรือปกปิดข้อเท็จจริงสำคัญ

การจัดประเภทดังกล่าวไม่ได้หมายความว่า AI ฉ้อโกงในการทำธุรกรรมจริงหรือถูกตัดสินว่ามีความรับผิดตามกฎหมาย ทีมวิจัยใช้เกณฑ์ของการทดลองจัดประเภทคำตอบที่อาจเข้าข่ายฉ้อโกงตามกฎหมายสหรัฐฯ หากมนุษย์เป็นผู้กระทำและเกิดความเสียหาย

ผลการทดลองยังแตกต่างกันมากระหว่างโมเดล ในงานลงมือทำโดยตรงภายใต้เงื่อนไขควบคุม คำตอบที่เข้าข่ายฉ้อโกงมีสัดส่วน 2.0% สำหรับ Claude Opus 4.5 ในโหมดใช้เหตุผล และ 42.1% สำหรับ Grok 4.1 Fast ในโหมดไม่ใช้เหตุผล ตัวเลขเหล่านี้เป็นผลจากการทดลองกับโมเดลและการตั้งค่าดังกล่าว

คำสั่งที่ให้แก่ AI ก็ส่งผลต่อผลลัพธ์เช่นกัน คำสั่งให้ปฏิบัติตามกฎหมายช่วยลดสัดส่วนคำตอบที่เข้าข่ายฉ้อโกง ขณะที่คำสั่งให้เพิ่มผลประโยชน์ของผู้ใช้ให้สูงสุดหรือดำเนินการแทนอย่างกระตือรือร้นทำให้สัดส่วนดังกล่าวเพิ่มขึ้น

ทีมวิจัยยกตัวอย่างกรณีที่ AI เขียนข้อความปกปิดข้อมูลสำคัญ แม้จะมีการกล่าวถึงความเสี่ยงทางกฎหมาย กรณีนี้ชี้ว่าการมีถ้อยคำเกี่ยวกับกฎหมายอยู่ในคำตอบเพียงอย่างเดียวไม่เพียงพอที่จะยืนยันว่าคำตอบเปิดเผยข้อเท็จจริงครบถ้วน

ทีมวิจัยระบุว่าการประเมินเฉพาะคำตอบอาจยังไม่เพียงพอสำหรับตรวจสอบผลจาก AI ที่ลงมือทำโดยตรง และเห็นว่าจำเป็นต้องมีการศึกษาเพิ่มเติมเพื่อประเมินพฤติกรรมของ AI ในสภาพแวดล้อมที่ใกล้เคียงกับการใช้งานจริง

อย่างไรก็ตาม งานลงมือทำโดยตรงในการทดลองใช้กระบวนการทำงานจำลอง ไม่ใช่บริการจริง และการประเมินมุ่งเน้นคำตอบเพียงหนึ่งครั้ง สถานการณ์ที่สร้างจากคดีซึ่งขึ้นสู่ศาลอาจไม่ครอบคลุมงานธุรกิจทั่วไป อีกทั้งผลที่อิงกฎหมายสหรัฐฯ ก็ไม่สามารถนำไปใช้กับระบบกฎหมายของประเทศอื่นได้โดยตรง

การศึกษานี้ไม่ได้ครอบคลุมกรณีการซื้อขายผ่านกระดานแลกเปลี่ยนสินทรัพย์ดิจิทัลหรือการดูแลกระเป๋าเงิน และไม่ได้ใช้เกณฑ์กฎหมายในประเทศ จึงไม่ควรตีความผลการทดลองว่าเป็นอัตราการฉ้อโกงของบริการสินทรัพย์ดิจิทัลในประเทศ