ภาคต่อของซีรีส์ที่รอมานาน — เล่าวันสอบ CISA จริงที่ศูนย์สอบสาทร ตั้งแต่เลื่อนวันสอบ เพื่อนข้างๆ พูดกับตัวเอง ท้องไส้ไม่ดีเข้าห้องน้ำหลายรอบ ทำไป 100 ข้อคิดว่าไม่รอด จนผลออก 'อ้าว ผ่านเฉย' การเตรียมตัวที่เวิร์คจริง การเขียนบล็อกช่วยตอนสอบยังไง จนได้วุฒิบัตรมา — และด่านต่อไปที่วางไว้คือ CIA

ปิดท้ายซีรีส์ AI 101 ภาคธุรกิจด้วยเกร็ดน่ารู้ที่เจ้าของกิจการชอบถามผม — AGI หรือ AI ฉลาดเท่าคนใกล้มาแล้วจริงไหม, ทำไมเขาบอกว่า AI กินไฟมหาศาล, โมเดลแบบ open กับ closed ต่างกันยังไงแล้วเราควรเลือกแบบไหน, และความเชื่อผิดๆ เรื่อง AI ที่ทำให้หลายคนตัดสินใจพลาด — เล่าแบบภาษาคน

ทุกคนพูดว่า AI คือเทรนด์เงินก้อนใหญ่แห่งยุค ลงทุนตอนนี้รวยแน่ — ตอนนี้ผมชวนคุยแบบภาษาคนว่าเงินมันไหลไปทางไหนในโลก AI ลงทุนใน AI 'คุ้ม' จริงไหมในมุมภาพรวม (ไม่ใช่คำแนะนำลงทุนนะครับ) แล้ว AI ไปทำอะไรในวงการการเงิน/fintech บ้าง

อีก 2-5 ปีข้างหน้า AI agent จะทำงานต่อเนื่องเองได้มากขึ้น จนหลายส่วนของธุรกิจ AI รันแทบจะเองทั้งหมด — ตอนนี้ผมเล่าแบบภาษาคนว่าทิศทางมันไปทางไหน เปิดโอกาสอะไร แอบมีความเสี่ยงอะไรซ่อนอยู่ และเจ้าของกิจการอย่างเราควรเตรียมใจ เตรียมระบบยังไงตั้งแต่วันนี้

AI ในธุรกิจไม่ได้พังแบบจอฟ้า มันพังแบบยิ้มแย้ม — แชตบอตตอบผิดจนผูกพันบริษัท, AI ลำเอียงคัดคนเงียบๆ, ทีมพึ่ง AI จนพลาด — ตอนนี้ผมเล่าแบบภาษาคนว่า AI ในธุรกิจพังเป็นแพตเทิร์นยังไง แล้วเจ้าของกิจการต้องคุมตรงไหน

เอา AI มาใช้ในร้านแล้วผิดกฎหมายได้ไหม — ตอนนี้ผมเล่าแบบภาษาคนว่า PDPA คุมการใช้ข้อมูลลูกค้ายังไง งานที่ AI สร้างมีลิขสิทธิ์หรือเปล่า แล้วทำไมกฎ AI ของยุโรปถึงเอื้อมมาถึงร้านเล็กๆ ในไทยได้

AI เก่งขึ้นทุกวัน แต่มีงานบางอย่างที่ปล่อยให้มันตัดสินใจเดี่ยวๆ ไม่ได้ — ตอนนี้ผมเล่าแบบภาษาคนว่าเจ้าของกิจการต้องคิดเรื่องอะไรบ้าง ความเป็นธรรม-อคติ การบอกลูกค้าตรงๆ ว่าใช้ AI งานที่ไม่ควรให้ AI เคาะ และสุดท้าย ใครรับผิดถ้ามันพลาด

AI เก่งจริง แต่เก่งแบบมั่นหน้าได้ — ตอนนี้ผมเล่าแบบภาษาคนถึง 3 กับดักใหญ่ที่เจ้าของกิจการตกบ่อยที่สุดเวลาเอา AI มาใช้ในงานจริง: มันมั่วแบบหน้าตาเฉย, เราเผลอแปะข้อมูลลูกค้า/ความลับใส่ AI สาธารณะ, และเราพึ่งมันจนลืมตรวจ พร้อมวิธีกันแบบง่ายๆ ที่ทำได้เลย

ลง AI ไปแล้วได้ผลจริงไหม วัดยังไง — ตอนนี้ผมเล่าแบบภาษาคนว่าเจ้าของกิจการควรวัดผล AI ด้วยตัวเลขอะไร ทำไม 'เวลาที่ประหยัด-คุณภาพ-ยอด' ถึงสำคัญกว่าตัวเลขสวยๆ และทำไมต้องระวัง vanity metric ที่ดูดีแต่ไม่ได้แปลว่ารวยขึ้น

ซื้อ AI มาแล้วแต่คนในร้านไม่ยอมใช้ — ตอนนี้ผมเล่าแบบภาษาคนว่าเจ้าของกิจการจะพาทีมทั้งทีมขยับมาใช้ AI ยังไง เริ่มตรงไหน อบรมแค่ไหนพอ วางกติกาเบื้องต้นยังไงไม่ให้พังหรือรั่ว และจะรับมือกับคนที่ต้านยังไงให้เขายอมเปลี่ยนเอง

อยากให้ AI ในร้านฉลาด ต้องเริ่มจากข้อมูลในบ้านก่อน — ตอนนี้ผมเล่าแบบภาษาคนว่าทำไมข้อมูลดีถึงแปลว่า AI ดี ทำไมต้องจัดบ้านข้อมูลก่อนซื้อเครื่องมือ และเรื่องความเป็นส่วนตัวที่เจ้าของกิจการต้องไม่มองข้าม

เจ้าของกิจการเล็กๆ อยากเริ่มใช้ AI แต่ไม่รู้จะเริ่มตรงไหน กลัวลงทุนแล้วไม่คุ้ม — ตอนนี้ผมเล่าแบบภาษาคนว่าให้เริ่มจากงานซ้ำๆ ที่กินเวลา มอง ROI แบบ SME ยังไง ทำไมของถูกลงเยอะแล้ว และทำไมห้ามลงทุนเกินงาน

คนชอบบ่นว่า AI ตอบไม่ได้เรื่อง — แต่หลายครั้งปัญหาไม่ได้อยู่ที่ AI โง่ มันอยู่ที่เราสั่งมันไม่เป็นต่างหาก ตอนนี้ผมเล่าแบบภาษาคนว่าการ 'คุยกับ AI ให้ได้ผล' มันมีเทคนิคจับต้องได้ — ให้บริบท ยกตัวอย่าง สั่งทีละขั้น แล้วค่อยๆ ขัดเกลา

เปิดเว็บทีไรก็เจอชื่อเครื่องมือ AI เต็มไปหมดจนเลือกไม่ถูก — ตอนนี้ผมเล่าแบบภาษาคนว่าจริงๆ แล้วมันแบ่งเป็นกี่ประเภท เจ้าใหญ่ๆ ที่ได้ยินบ่อยมันต่างกันยังไง แล้วเจ้าของกิจการอย่างเราควรเลือกจากอะไร — เลือกจาก 'งาน' ไม่ใช่เลือกจาก 'ชื่อที่ดังที่สุด'

Part 1 เราเข้าใจแล้วว่า AI agent ลงมือทำงานเองเป็นขั้นๆ ได้ — ตอนนี้ผมเล่าแบบภาษาคนว่าเอามันมาใช้ในธุรกิจจริงทำอะไรได้บ้าง แล้วเจ้าของกิจการต้องวางกรอบคุมมันยังไงไม่ให้มันทำงานเลยเถิด

ยุคนี้ AI ไม่ได้มาแทนคน แต่มานั่งข้างๆ เป็นผู้ช่วยขับ — ตอนนี้ผมเล่าแบบภาษาคนว่าคนทำงานกับเจ้าของกิจการควรปรับ workflow ยังไง prompting ทำไมกลายเป็นทักษะรายวัน ทำไมต้องมีคนคอยเช็คงาน AI และทำไมห้ามเชื่อมันร้อยเปอร์เซ็นต์

AI วาดรูป เขียนแคปชั่น ทำคลิปได้ในไม่กี่วินาที — แล้วคนทำงาน creative จะอยู่ตรงไหน ผมเล่าแบบภาษาคนว่า AI เป็นเครื่องมือหรือมาแทนคน แล้วเรื่องลิขสิทธิ์กับความเป็นต้นฉบับมันยุ่งยังไง

เอา AI ไปคุยกับลูกค้า ดูเหมือนดีแต่มีเส้นบางๆ ที่ถ้าข้ามไปลูกค้าจะรำคาญและอยากคุยกับคนจริง — ตอนนี้ผมเล่าแบบภาษาคนว่า chatbot กับ personalization ทำให้ดีต้องทำยังไง แล้วทำไม 'ความโปร่งใส' ถึงสำคัญกว่าที่คิด

เคยสงสัยไหมว่า AI ที่คนพูดถึงกันทั้งบ้านทั้งเมือง พอลงไปในวงการจริงๆ มันไปช่วยตรงไหน — ตอนนี้ผมพาเดินดูทีละวงการแบบภาษาคน ค้าปลีก สุขภาพ การผลิต โลจิสติกส์ บริการ ใครเอาไปใช้ทำอะไรได้บ้าง โดยไม่มั่วตัวเลขให้ปวดหัว

เลิกถามว่า 'บริษัทเราควรใช้ AI ไหม' แล้วมาถามให้ตรงจุดกว่าว่า 'แผนกไหนเอา AI ไปทำงานอะไรได้บ้าง' — ตอนนี้ผมพาเดินทีละแผนกแบบภาษาคน การตลาด การเงิน HR ปฏิบัติการ บริการลูกค้า งานไหนเข้าทาง งานไหนยังต้องระวัง

กลัว AI จะแย่งงานไหม? ตอนนี้ผมเล่าแบบภาษาคนว่า เราจะปรับตัว เรียนใช้ AI เป็นเครื่องมือ แล้วทำงานคู่กับมันยังไง — ไม่ต้องเก่งโค้ด ไม่ต้องกลัวจนนอนไม่หลับ

ทุกคนกลัวว่า AI จะมาแย่งงาน แต่ความจริงมันแย่งได้บางอย่าง แล้วก็แย่งไม่ได้อีกหลายอย่าง — ตอนนี้ผมเล่าแบบภาษาคนว่าอะไรคือทักษะที่ AI ยังแทนคนไม่ได้ และเจ้าของกิจการควรลงทุนกับคนของเราตรงไหน

ทุกคนกลัวว่า AI จะมาแย่งงาน แต่ของจริงมันแอบเปิดงานใหม่ๆ ขึ้นมาเงียบๆ เหมือนกัน — ตอนนี้ผมเล่าให้ฟังแบบภาษาคนว่ามีอาชีพไหนเกิดใหม่จาก AI บ้าง แล้วอาชีพเดิมที่เรารู้จักมันกำลังกลายร่างไปยังไง

คำถามที่เจ้าของกิจการกลัวที่สุด — AI จะมาแทนคนของเราไหม คำตอบไม่ได้อยู่ที่ชื่อตำแหน่งครับ แต่อยู่ที่ว่างานนั้น routine แค่ไหน ตอนนี้ผมเล่าหลักการง่ายๆ ให้ฟังว่างานแบบไหนโดน AI แตะมาก งานแบบไหนแตะน้อย

พอได้ยินคำว่า AI หลายคนนึกถึงภาพ "หุ่นยนต์มาแย่งงาน" ทันที — แต่จริงๆ AI เข้ามาในงานได้ 3 โหมด แทนที่ ช่วย และสร้างงานใหม่ ตอนนี้ผมเล่าแบบภาษาคนว่าทำไมโหมด "ช่วยคน" มักคุ้มและชนะกว่าโหมด "แทนคน" ในธุรกิจจริงๆ

AI มันมาทั้งโลก แต่พอลงมาที่บ้านเรา ไทยได้เปรียบตรงไหน เสียเปรียบตรงไหน — ตอนนี้ผมชวนคุยแบบภาษาคน มองมุมเจ้าของกิจการว่าโอกาสกับความเสี่ยงของ AI ในไทยมันหน้าตาเป็นยังไง (เป็นมุมมอง ไม่ใช่สถิติเป๊ะๆ นะครับ)

ทำไมพอ AI เข้ามา บางธุรกิจโตพรวด บางเจ้าค่อยๆ เงียบหาย — ตอนนี้ผมเล่าแบบภาษาคนว่า AI มันขยับเศรษฐกิจยังไง ใครได้ใครเสีย แล้วเจ้าของกิจการตัวเล็กๆ อย่างเราควรยืนตรงไหนในคลื่นลูกนี้

ทุกอย่างติดป้าย AI ไปหมด vendor ก็เสนอขายกันรัวๆ — ตอนนี้ผมเล่าให้ฟังแบบภาษาคนว่าอะไรคือของจริงที่คุ้มเงิน อะไรคือ hype ที่ฟังหรูแต่ยังไม่ถึงเวลา แล้วเจ้าของกิจการอย่างเราจะแยกออกได้ยังไงก่อนควักเงินจ่าย

AI ไม่ได้พังแบบจอฟ้าให้เห็นชัดๆ มันพังแบบยิ้มแย้มตอบมั่นใจแต่ผิด — ตอนนี้ผมเล่าแบบภาษาคนว่า 4 อาการพังของโมเดล (จำเก่งเกินไป, อคติจากข้อมูล, โลกเปลี่ยนจนเพี้ยน, อธิบายไม่ได้) มันหน้าตายังไง แล้วทำไมต้องคอยดูมันตลอด

chatbot ตอบเสร็จก็จบ แต่ agent รับโจทย์แล้ววางแผน-ลงมือทำต่อเนื่องเองได้เป็นขั้นๆ — ตอนนี้ผมเล่าแบบภาษาคนว่ามันต่างกันตรงไหน ทำไม autonomy ยิ่งเยอะยิ่งช่วยงานได้มาก แต่ก็ยิ่งต้องระวัง

AI สร้างรูป สร้างเสียง สร้างข้อความขึ้นมาใหม่ได้ยังไงทั้งที่มันไม่ได้เคยเห็นของจริง — ผมเล่าแบบภาษาคนว่าเบื้องหลังมันคือศิลปินปลอมแข่งกับนักจับผิด แล้วทำไม deepfake ถึงน่ากลัว กับอาการ 'มโนหน้าตาเฉย' ที่เจ้าของกิจการต้องระวัง

เปิดฝาดูว่าข้างใน ChatGPT มันคิดยังไง — แบบไม่มีคณิตสักตัว ผมเล่าให้ฟังว่า LLM, Transformer, token, embedding, attention คืออะไร แล้วทำไมจริงๆ มันก็แค่ทายคำถัดไปเก่งมากๆ เท่านั้นเอง

อัลกอริทึมคือสูตรที่ AI ใช้เรียน ส่วน hyperparameter คือปุ่มที่คนตั้งให้มัน — ตอนนี้ผมเล่าแบบภาษาคนว่าสองตัวนี้คืออะไร ต่างกันยังไง แล้วทำไมการ 'จูน' ถึงเป็นเรื่องที่กินเวลาคนทำ AI มากที่สุด โดยไม่ต้องแตะคณิตศาสตร์เลยสักนิด

ทำไม AI ตัวหนึ่งดูภาพเก่ง อีกตัวเขียนข้อความเก่ง ทั้งที่ก็เรียกว่า neural network เหมือนกัน — ตอนนี้ผมเล่าแบบภาษาคนว่าตระกูล FNN / CNN / RNN มันต่างกันยังไง แล้วทำไมมันคือเครื่องมือช่างคนละชิ้นในกล่องเดียวกัน

ได้ยินคำว่าโครงข่ายประสาทเทียม แล้วรู้สึกว่ามันลึกลับเหมือนสมองมนุษย์ไหมครับ ตอนนี้ผมจะเปิดฝาดูข้างในแบบภาษาคน ว่า neuron, layer, weight มันคืออะไร แล้วทำไมเขาถึงเรียกว่า deep — ไม่มีคณิตศาสตร์ มีแต่อุปมาบ้านๆ

AI บางตัวไม่ได้เรียนจากครู แต่เรียนเองด้วยการลองผิดลองถูก ได้รางวัลก็จำไว้ โดนหักก็เลิกทำ — เหมือนฝึกหมาเล่นกล หรือเล่นเกมจนเก่ง ผมเล่าให้ฟังแบบภาษาคนว่ามันคืออะไร แล้วมันอยู่ในเกม หุ่นยนต์ กับฟีดที่เราเลื่อนดูทุกวันยังไง

ตอนก่อนเราสอน AI ด้วยข้อสอบที่มีเฉลย แต่ถ้าจู่ๆ โยนกองข้อมูลที่ไม่มีเฉลยให้มันล่ะ? ตอนนี้ผมเล่าแบบภาษาคนว่า AI แอบจัดกลุ่มลูกค้าให้เราเอง แล้วจับธุรกรรมแปลกๆ ได้ยังไงทั้งที่ไม่มีใครบอกมันว่าอะไรคือ 'แปลก'

AI เรียนรู้ยังไงตอนมีคนติดป้ายเฉลยให้ดู แล้วทำไมการ 'ทำนายตัวเลข' กับ 'จัดกลุ่ม' มันคนละงานกัน — ผมเล่าให้ฟังแบบภาษาคนด้วยตัวอย่างร้านค้าไทยสมมติ

เครื่องมันเรียนรู้ได้ยังไงทั้งที่ไม่มีใครสอนเป็นข้อๆ? ตอนนี้ผมเล่าแบบภาษาคนว่าหัวใจของ ML คือ 'ดูตัวอย่างเยอะๆ' (train) แล้วเอาไปทาย (inference) — แล้วทำไม 'ข้อมูล' ถึงเป็นคำสำคัญที่สุดของเรื่องนี้

AI, Machine Learning, Deep Learning, GenAI — สี่คำนี้ไม่ใช่ของคนละตัวที่ต้องเลือกอย่างใดอย่างหนึ่ง แต่มันคือกล่องซ้อนกล่อง ตอนนี้ผมเล่าให้ฟังแบบภาษาคนว่าอะไรอยู่ในอะไร แล้วทำไมเจ้าของกิจการอย่างเราต้องรู้ไว้ก่อนคุยกับ vendor

เปิดซีรีส์ AI 101 ฉบับภาษาคน สำหรับเจ้าของกิจการกับคนทั่วไปที่ไม่ใช่สาย IT — ทำไมต้องเข้าใจ AI สักหน่อย แล้วซีรีส์นี้แบ่งเป็น 2 ทางให้เลือกอ่าน เบื้องหลังมันทำงานยังไง กับเอาไปใช้ในงานจริง

เจ้าของร้านโดน vendor ป้ายยา ระบบ AI ทั้งที่จริงๆ มันแค่ทำตามกฎ — ตอนนี้ผมเล่าให้ฟังแบบภาษาคนว่า AI กับ automation มันคนละตัวกันยังไง แล้วทำไมต้องแยกให้ออกก่อนควักเงินจ่าย

สารบัญรวมของซีรีส์ AAISM — 39 ตอนว่าด้วยการบริหารการใช้ AI ในธุรกิจ จากมุมคนที่ใช้ AI / ผู้บริหาร / manager ที่ต้องตัดสินใจและออกแบบการคุม ไม่ใช่มุม auditor. วาง 'สารบัญ' เป็น 3 บท (D1 วางรากฐาน → D2 มองความเสี่ยง → D3 คุมงานจริง) พร้อมลิงก์ทุกตอน + path 'เริ่มอ่านจากตรงไหนดี' + 3 mental models ที่ใช้ตลอดซีรีส์

สารบัญรวมของซีรีส์ AI 101 ฉบับภาษาคน สำหรับเจ้าของกิจการกับคนทั่วไปที่ไม่ใช่สาย IT — แบ่งเป็น 2 ภาค Part 1 เบื้องหลัง AI ทำงานยังไง กับ Part 2 เอา AI ไปใช้งานและธุรกิจ พร้อมตัวช่วยเลือกว่าควรเริ่มอ่านจากตรงไหน และสารบัญเต็มทั้ง 41 ตอน

ตอนสุดท้ายของซีรีส์ AAISM ครับ — ปิดทั้ง Domain 3 และปิดทั้งซีรีส์ในตอนเดียว. เราถอยออกมามองทั้ง Domain 3 (เทคโนโลยี + การควบคุม AI) ตั้งแต่ 'รู้จัก AI ที่ต้องคุม' ไล่ลงไปจนถึง 'เฝ้าระวังต่อเนื่อง' แล้วซูมออกอีกชั้นเพื่อมองทั้งการเดินทาง: D1 ตั้งกฎให้พนักงาน AI → D2 มองว่าเขาพังตรงไหนได้ → D3 ลงมือคุมจริง = วงจรกำกับ 'พนักงาน AI' ที่ครบรอบ. แล้วปิดด้วยคำถามที่สำคัญที่สุด — เจ้าของกิจการที่อ่านมาถึงตรงนี้ พรุ่งนี้ทำอะไรต่อได้บ้าง (มุมคนใช้ AI จริง ไม่ใช่มุมสอบ)

พนักงาน AI ที่เราจ้างมาเก่งสุดๆ — แต่จ้างมาแล้วไม่ใช่จบ. ตอนนี้ว่าด้วยการ "คุมงานประจำวัน" ของพนักงานคนนี้: มันค่อยๆ ทำงานเพี้ยนลงเงียบๆ ได้ยังไง (model drift), เราต้องเฝ้าดูพฤติกรรมมันยังไงให้รู้ตัวก่อนพัง, ภัยใหม่ที่โจรเอา AI มาใช้เล่นงานเรา (deepfake, adversarial, credential stuffing) คุมยังไง, และจะวัดว่าระบบเฝ้าระวังของเราได้ผลจริงไหมด้วยตัวเลขอะไรบ้าง — ทั้งหมดในมุมเจ้าของที่ต้องตัดสินใจเลือก control ให้ถูก ไม่ใช่มุมคนสร้างโมเดลหรือผู้ตรวจ

control ที่แพงที่สุดอย่างหนึ่งไม่ใช่ซอฟต์แวร์ แต่คือ 'คนของเราเอง' — ตอนนี้เล่าในมุมคนบริหารว่า อบรมพนักงานเรื่อง AI ให้ได้ผลจริงต้องอบรมอะไรบ้าง (ไม่ใช่อ่าน policy ปีละครั้งจบ), วัดผลยังไงว่ามันได้ผล, และอีกด้านที่คนลืม — บริษัทเราเองมีคนที่ 'รู้พอจะคุม AI' หรือยัง หรือสั่งซื้อ AI มาก่อนแล้วค่อยหาคนทีหลัง

พนักงานใหม่เก่งๆ คนนี้ (AI) อยู่ในออฟฟิศเราจริงๆ แล้ว — ตอนนี้เราต้อง 'คุมงานเขาในแต่ละวัน'. ใครให้เขาแตะข้อมูลอะไรได้บ้าง (Access Control)? เราจะ 'ไม่เชื่อเขาแบบหลับหูหลับตา' ยังไง — ทั้งไม่เชื่อว่าใครที่เข้ามาคือคนจริง และไม่เชื่อว่าคำตอบเขาถูกเสมอ (Zero Trust)? เราจะ 'ย้อนรอย' ได้ไหมว่าเขาตัดสินใจจากอะไร (Traceability/Audit)? แล้วถ้าพนักงานในออฟฟิศแอบไปจ้าง AI ผีนอกระบบมาช่วยงาน (Shadow AI) เราจะรู้ได้ยังไง? ตอนที่ 35 เปิด 'การควบคุมรายวัน' ของ Domain 3 — Access Control, Zero Trust, AUP, Audits/Traceability, Supply Chain, Shadow AI และ AI Incident Management ในมุมผู้บริหารที่ต้อง 'เลือก control ให้ถูก'

เปิด Domain 3 — โดเมนที่เทคนิคที่สุดของ AAISM แต่ยังเล่าจากมุมคนบริหาร. ถ้า AI คือพนักงานใหม่เก่งๆ ที่เราจ้างมา Domain 3 คือ 'การลงมือคุมงานเขาจริงๆ ในแต่ละวัน'. ตอนนี้เราจะเดินดู 2 เรื่อง: (1) เอา AI มาเป็น 'ยาม' ให้เราเองได้ยังไง — SIEM/SOAR/XDR/UEBA ที่ใส่สมอง AI เข้าไป, (2) แล้วใครเขียน 'คู่มือคุม AI' ไว้ให้เราหยิบใช้บ้าง — NIST AI RMF, CSA AI Controls Matrix, MITRE ATLAS, OWASP Top 10 for LLM. มุมผู้บริหาร: ไม่ใช่สอนสร้างโมเดล ไม่ใช่สอนตรวจ — แต่สอน 'เลือก control ให้ถูกตัว'

พอ AI ตัดสินใจแล้วเราถามว่า 'ทำไมถึงตัดสินแบบนี้' แล้วไม่มีใครตอบได้ — นั่นแหละปัญหากล่องดำ (black box) ตอนนี้เล่าครบมุมคนบริหารว่าจะคุมความ 'ไว้ใจได้' กับ 'ความปลอดภัย' ของ AI ยังไง ตั้งแต่บันทึก log, AI observability, ไปจนถึงการวางคนคั่นก่อน AI ลงมือ (Human-in-the-Loop) — ไม่ใช่มุมนักวิทยาศาสตร์ข้อมูลสร้างโมเดล แต่เป็นมุมเจ้าของที่ต้องเลือก control ให้ถูก

พนักงานใหม่เก่งๆ คนนี้ (AI) จะใช้ข้อมูลลูกค้าของเรามาทำงาน — แต่ข้อมูลที่ลูกค้าให้มาตอนสมัครสมาชิก เขายอมให้เอาไป 'เทรน AI' ด้วยรึเปล่า? ลูกค้ามีสิทธิอะไรกับข้อมูลตัวเองบ้าง แล้วถ้าเขาขอให้ 'ลืม' เราลบออกจากโมเดลที่เทรนไปแล้วได้ไหม? และมีงานบางอย่างที่ AI ทำไม่ได้เด็ดขาด ไม่ว่าจะคุ้มแค่ไหน — เพราะมันผิดจริยธรรมและผิดกฎหมาย. ตอนที่ 32 เปิด Part D ของ Domain 3 ด้วย 2 เรื่องที่ผู้บริหารต้องเลือก control ให้ถูก — Privacy (legal basis, consent, 5 สิทธิเจ้าของข้อมูล, DPIA/DPA กับ third-party) และ Ethics (automatic decision-making, เส้นแดง EU AI Act, ethics controls)

ของที่ AI สร้างขึ้นระหว่างทาง — ข้อมูลที่เตรียมไว้เทรน, น้ำหนักโมเดล, ไฟล์ checkpoint — ถ้าหายหรือถูกแอบแก้ ธุรกิจเจ็บแค่ไหน? ตอนนี้เล่าเรื่องการสำรองของพิเศษของ AI กับการกันไม่ให้ข้อมูล/โมเดลถูกวางยา (data poisoning, model/embedding tampering) และการคุมขั้นตอนเตรียมข้อมูล (ETL) ในมุมเจ้าของกิจการที่ต้องเลือก control ให้ถูก ไม่ใช่มุมคนสร้างโมเดลหรือมุมผู้ตรวจ

พอเอา AI มาใช้จริง ข้อมูลลับของบริษัทไม่ได้นอนนิ่งในฐานข้อมูลอีกต่อไป — มันถูกแปลงเป็นตัวเลข เก็บในที่ใหม่ๆ และบางจังหวะถูกถอดรหัสออกมาให้โมเดลอ่าน ตอนนี้ไล่ดูว่า data security ของ AI ต่างจากระบบไอทีเดิมตรงไหน: tokenization, embeddings, vector database, data lake, จุดที่ข้อมูลโดนถอดรหัส และ homomorphic encryption — ในมุมเจ้าของที่ต้องเลือก control ให้ถูก ไม่ใช่มุมคนสร้างโมเดลหรือผู้ตรวจ

AI เก่งได้เพราะข้อมูล แต่ข้อมูลที่ไหลเข้า-ไหลออกจาก AI นี่แหละคือจุดที่บริษัทโดนปรับ โดนฟ้อง และข้อมูลหลุดบ่อยที่สุด ตอนนี้เล่าในมุมคนบริหารว่า ก่อนเอาข้อมูลไปป้อน AI ต้องถามอะไร (ที่มา + consent), ระหว่างใช้ต้องคุมการไหลและสิทธิ์เข้าถึงยังไง, แล้วพอเลิกใช้ต้อง 'ทำลายข้อมูล' ให้สะอาดยังไง — พร้อมกับดักที่เจ้าของกิจการพลาดบ่อย และ control 6 ตัวที่ต้องเลือกให้ถูก

พนักงานใหม่เก่งๆ คนนี้ (AI) ผ่านการสัมภาษณ์ + เซ็นสัญญามาแล้ว (Domain 2). Domain 3 คือวันที่เขามาเริ่มงานจริง — เราจะ 'คุมงาน' เขายังไงในแต่ละวัน? ตอนที่ 28 ลงลึก 5 เฟสกลางของวงจรชีวิต AI ที่ผู้บริหารต้องตั้ง control ให้ถูก: ตอนสร้าง/ปรับโมเดล (จุดที่ explainability เกิดหรือตาย), TEVV ทดสอบ 4 ด่าน, AI Red Teaming (จ้างคนมาแกล้งโจมตี AI ตัวเองก่อนโจรจะทำ), จุดเสียบ Human-in-the-Loop, การ deploy เข้า production จริง, การเฝ้า operate & monitor และการ retire/decommission อย่างปลอดภัย

พนักงานใหม่เก่งๆ คนนี้ (AI) ไม่ได้โผล่มาจากอากาศ — เขามีวงจรชีวิตตั้งแต่ 'เรายังไม่รับเข้ามา' ไปจนถึง 'วันที่ต้องให้เขาออก' ทั้งหมด 7 ช่วง. ตอนที่ 27 เปิด Domain 3 (บทเทคนิคที่สุด แต่เล่ามุมบริหาร) ด้วยแผนที่วงจรชีวิต AI 7 เฟสตามแนว OECD/NIST — Plan & Design, Collect & Process Data, Build/Adapt, TEVV, Deploy, Operate & Monitor, Retire — ว่าแต่ละช่วง 'ความเสี่ยงคนละหน้าตา' และผู้บริหารต้องวาง control ตัวไหนลงตรงไหน. เทียบกับ SDLC ที่หลายคนคุ้นอยู่แล้ว

พนักงานใหม่เก่งๆ คนนี้ (AI) — เราจะ 'ตั้งค่านิสัย' เขายังไง (อุณหภูมิความครีเอทีฟ / temperature), จะ 'เปลี่ยนตัว' ไปใช้รุ่นใหม่ตอนไหน, แล้ววันที่เขาทำพลาดหนักๆ ทำไม 'ถอยกลับ' (rollback) มันถึงยากกว่าซอฟต์แวร์ปกติเป็นสิบเท่า? ตอนที่ 26 ของ Domain 3 ลงมือคุมงานจริงในแต่ละวัน — Configuration Management, AI Model Selection, ผลกระทบเชิงกฎหมาย/สังคม และ AI Change Management 12 องค์ประกอบ + emergency change/rollback ในมุมผู้บริหารที่ต้องเลือก control ให้ถูก

เราซื้อ AI มาแล้ว ตัดสินใจแล้วว่าจะ mitigate ความเสี่ยง — คำถามถัดไปคือ 'แล้วจะวางมันลงในบ้านเรายังไงให้ปลอดภัยตั้งแต่วันแรก?' ตอนที่ 25 เปิด Domain 3 ที่ปุ่มแรกของเสื้อ — Secure-by-Design + DevSecOps สำหรับ AI. ผู้บริหารเป็น provider / producer / customer แบบไหน, ความปลอดภัยฝังตั้งแต่ออกแบบหรือแปะทีหลัง, AI ติดข้อมูลแค่ไหน (data dependency), แล้วข้อมูลที่ AI ผลิตออกมาทุกวันไปกองอยู่ตรงไหน (data storage) — มุมผู้บริหารเลือก control ให้ถูก ไม่ใช่ data scientist สอนสร้างโมเดล

เปิด Domain 3 ของซีรีส์ AAISM — บทเทคนิคที่สุด แต่เล่าในมุมผู้บริหาร ก่อนจะหยิบเครื่องมือคุม AI ต้องรู้ก่อนว่ากำลังคุม AI 'แบบไหน' รวมประเภทตามความสามารถ (ANI/AGI/ASI), generative กับ agentic, การเรียนรู้ของ ML (supervised/unsupervised/reinforcement), neural network, algorithm และ LLM/transformer — โยงทุกประเภทกลับสู่คำถามเดียว: type นี้ผู้บริหารต้องคุมอะไร

พนักงานใหม่เก่งๆ คนนี้ (AI) — เวลาเราจ้างเขามาเสียบเข้าระบบเดิมที่ใช้มา 20 ปี มันพังตรงไหนได้บ้าง? งานที่เขาทำให้เป็นของเราจริงไหม หรือลอกใครมา? แล้วเขามาจากสายผลิตที่ยาวแค่ไหน — จาก prompt ที่เราพิมพ์ ไล่ย้อนไปถึงโรงงานผลิตชิปในไต้หวันและเครื่องพิมพ์ลายวงจรในเนเธอร์แลนด์ที่เราไม่เคยรู้จัก. ตอนที่ 23 ปิด Domain 2 ด้วย 2 ความเสี่ยงที่ผู้บริหารชอบมองข้าม — Integration Risk (legacy + IP/ลิขสิทธิ์ GenAI) และ AI Software Supply Chain (First→Nth party, MLOps, monitoring) แล้วสรุป Domain 2 ทั้งโดเมน + เกริ่น Domain 3

vendor ที่เราใช้อยู่แล้ว แอบยัดฟีเจอร์ AI เข้ามาโดยเราไม่ทันรู้ตัว — แล้วความเสี่ยงใหม่ก็เข้าบ้านมาฟรีๆ ตอนนี้เล่าในมุมคนบริหารที่เป็น 'ผู้ใช้ AI ของคนอื่น' (deployer) ว่าต้องคัด vendor ยังไง, ดูอะไรตอน vetting, คุมต่อเนื่องยังไง, และต้องเขียนอะไรลงสัญญา — right-to-audit, แจ้งเตือนล่วงหน้า, เกณฑ์เลิกใช้ — กับ checklist 9 ข้อที่ทำให้ตอบคำว่า 'ไม่เอา vendor นี้' ได้อย่างมีหลัก

AI ที่เราเอามาใช้ไม่ได้เราสร้างเอง — แล้วถ้ามันทำพัง ใครรับผิด? ตอนนี้แยกให้ชัดว่า 'คนทำ AI ขาย (provider)' กับ 'คนเอา AI มาใช้ (deployer)' ต้องรับผิดชอบคนละส่วนยังไง บทเรียนแชตบอตสายการบินที่ทำบริษัทแพ้คดี และโมเดลแบ่งความรับผิดชอบแบบเดียวกับคลาวด์ — เล่าในมุมเจ้าของกิจการที่ 'เป็นเจ้าของความเสี่ยงเอง' ไม่ใช่มุมผู้ตรวจ

ภัยของ AI ที่ patch ไม่ได้ — มโน, อคติ, พึ่งมากเกินไป, deepfake, ค่าไฟค่าน้ำ, การเมืองโลก ไปจนถึงภัยที่ใช้ AI เป็นอาวุธ แล้วจบด้วย playbook จับคู่ภัย→วิธีรับมือ ในมุมเจ้าของกิจการที่ต้องตัดสินใจและรับมือเอง ไม่ใช่มุมผู้ตรวจ

พนักงาน AI ที่เราจ้างมาเก่งจริง แต่มันพังตรงไหนได้บ้าง? ไล่ภัยเทคนิคของ AI ทีละแบบ — ข้อมูลรั่วตอนเทรน, วางยาข้อมูล, วางยาโมเดล, ขโมยโมเดล, หลอกด้วย prompt, หลอกให้ทายผิด, และดูดความลับออกจากโมเดล — ในมุมเจ้าของกิจการที่ต้องตัดสินใจรับมือเอง ไม่ใช่มุมผู้ตรวจ

ถ้า AI คือพนักงานใหม่เก่งๆ ที่เราจ้างมา ตอนนี้คือจังหวะนั่งคิดเย็นๆ ว่า 'พนักงานคนนี้มีโอกาสทำพังตรงไหนได้บ้าง แล้วใครจ้องจะหลอกเขา' — เล่าครบเรื่องภัย AI ทั้งฝั่งเทคนิค-ไม่เทคนิค-ภัยที่ AI ช่วยก่อ, ใครคือคนร้าย, และแผนที่ MITRE ATLAS ในมุมเจ้าของกิจการที่ต้องเป็นเจ้าของความเสี่ยงเอง ไม่ใช่มุมผู้ตรวจ

รู้ว่า AI เสี่ยงตรงไหนแล้ว ต่อไปต้องตัดสินใจว่าจะ รับ-เลี่ยง-ลด-โอน ความเสี่ยงนั้นยังไง แล้วจะ มองล่วงหน้า ว่าพนักงาน AI คนนี้จะทำพังตรงไหนด้วยเครื่องมือ threat modeling ตั้งแต่ STRIDE ยันตัวใหม่อย่าง MAESTRO เล่าในมุมเจ้าของที่เป็นคนตัดสินใจเอง ไม่ใช่มุมผู้ตรวจ

AI ที่เราเอามาใช้ ตัวไหน 'พังได้แค่นิดเดียว' ตัวไหน 'พังแล้วถึงคน' — เจ้าของกิจการต้องจัดระดับความเสี่ยงของ AI แต่ละตัว ตีเป็นเงินด้วย FAIR-AIR ทำ FRIA/PIA/Conformity ตอนไหน และขีดที่ 'รับได้' ของบริษัทอยู่ตรงไหน เล่าครบในมุมคนเป็นเจ้าของความเสี่ยง ไม่ใช่มุมผู้ตรวจ

สองกรอบจัดการความเสี่ยง AI ที่ดังที่สุดในโลก — NIST AI RMF (สมัครใจ ยืดหยุ่น) กับ EU AI Act (กฎหมาย บังคับ แบ่ง 4 ระดับเสี่ยง) ต่างกันยังไง เจ้าของกิจการควรหยิบอันไหนมาใช้ และทำไมจริงๆ แล้วใช้ทั้งคู่ ในมุมคนที่ 'เป็นเจ้าของความเสี่ยง' ไม่ใช่คนตรวจ

เปิด Domain 2 ของซีรีส์ AAISM — มองว่า 'พนักงาน AI' ที่เราจ้างมาอาจทำพังตรงไหนได้บ้าง แล้วเจ้าของกิจการต้องเป็นเจ้าของความเสี่ยงและจัดการเองยังไง เล่าเรื่อง AI Trust 7 คุณสมบัติ, พีระมิดความเสี่ยงองค์กร, วงจรจัดการความเสี่ยง และ 10 ภัยยอดฮิตของ AI ในมุมคนบริหาร ไม่ใช่มุมผู้ตรวจ

ปิด Domain 1 ของซีรีส์ AAISM — ถอยออกมามองทั้งเส้นทางที่เราเดินผ่าน 12 ตอน ตั้งแต่ตั้งเจ้าภาพ AI, แบ่งบทบาท/กฎบัตร, กรอบ&กฎหมาย, เลือก use case, สร้างเองหรือซื้อ, เขียนนโยบาย, จริยธรรม, ทำบัญชี AI/Shadow AI, จัดการข้อมูล, สร้างโปรแกรมความปลอดภัย ไปจนถึงแผนรับมือเหตุ. สรุปเป็น '5 บทเรียนสำหรับเจ้าของกิจการ' จาก Domain 1 แล้วเกริ่น Domain 2 — พอวางกฎและโครงเสร็จ ต่อไปคือมองความเสี่ยง AI ที่ระบบเดิมไม่เคยมี

วันที่ AI ที่เราจ้างมาทำงานพลาดจนเกิดเรื่อง — เจ้าของกิจการต้องเตรียมทีม วางแผน containment/eradication/recovery และคุมความต่อเนื่องของธุรกิจยังไง เล่าครบทั้งกระบวนการรับมือเหตุ AI ในมุมคนบริหาร ไม่ใช่มุมผู้ตรวจ

เจ้าของกิจการจะ 'สร้างโปรแกรมความปลอดภัยสำหรับ AI' ของตัวเองยังไง — 8 หลักการตั้งต้น, แยกให้ออกระหว่าง security FOR AI กับ AI FOR security, แล้ววัดผลด้วย KPI/KRI ตัวไหนถึงจะรู้ว่าพนักงาน AI ทำงานดีหรือเริ่มมั่ว ทั้งหมดในมุมคนตัดสินใจ ไม่ใช่มุมผู้ตรวจ

AI เก่งหรือพังขึ้นอยู่กับ 'อาหาร' ที่เราป้อน — ตอนนี้ว่าด้วยการทำบัญชีข้อมูล (data inventory/catalog), ตามรอยข้อมูล (lineage), จัดประเภท, ขอความยินยอม (consent), คุณภาพข้อมูล, ข้อมูลเอียง/ขาด และ model card ในมุมเจ้าของกิจการที่ต้องออกแบบ control ไม่ใช่มุมผู้ตรวจ

เจ้าของกิจการตอบได้ไหมว่าบริษัทตัวเองใช้ AI อยู่กี่ตัว ใครเป็นเจ้าของ ป้อนข้อมูลอะไรเข้าไป — ตอนนี้ว่าด้วยการตั้ง AI inventory และไล่ล่า Shadow AI ที่พนักงานแอบใช้ ในมุมคนบริหารที่ออกแบบ control เอง ไม่ใช่ผู้ตรวจ

AI ตัดสินใจแทนคนได้ แต่ใครรับผิดถ้ามันตัดสินผิด — เรื่องจริยธรรม AI ในมุมเจ้าของกิจการ ตั้งแต่อคติในโมเดล ความเป็นธรรม ความโปร่งใส ลิขสิทธิ์ สิทธิมนุษยชน ไปจนถึงค่าไฟที่ AI กิน ว่าเจ้าของต้องออกแบบการควบคุมอะไรบ้าง

พนักงานเอา AI มาใช้กันเองอยู่แล้ว ไม่ว่าบริษัทจะมีกฎหรือไม่ — ตอนนี้เล่าในมุมเจ้าของกิจการว่าจะออกกติกาใช้ AI ยังไง ตั้งแต่ AUP, ตัวนโยบายเต็ม, ไปจนถึง SOP/คู่มือ ให้คนทำตามได้จริง ไม่ใช่มุมผู้ตรวจ

เจ้าของกิจการจะเอา AI มาใช้ เลือกระหว่างสร้างเอง (build) กับซื้อสำเร็จรูป (buy) ยังไงให้ไม่เจ็บตัว, คุม vendor ที่ขาย AI ให้เรายังไง, และคำถามที่แพงที่สุด — ถ้า AI ที่ซื้อมาทำพัง ใครรับผิด? เล่าเรื่อง Shared Responsibility ของ AI ในมุมคนบริหารที่ต้องตัดสินใจและออกแบบ control เอง

บริษัทเริ่มใช้ AI แล้วถามว่าต้องทำตามกฎอะไรบ้าง — แยกให้ชัดระหว่างมาตรฐานที่เราเลือกหยิบมาใช้เอง (ISO 42001, NIST AI RMF) กับกฎหมายที่ฝ่าฝืนแล้วโดนปรับ (EU AI Act, PDPA) ในมุมเจ้าของกิจการ ไม่ใช่ผู้ตรวจ

บริษัทเริ่มใช้ AI กันทั้งบริษัท แต่พอถามว่า 'ใครรับผิดชอบ' กลับเงียบกันหมด — ตอนนี้ว่าด้วยการออกแบบโครงสร้างความรับผิดชอบ AI: บอร์ดรับผิดอะไร, AI Lead ทำอะไร, AI Steering Committee มีไว้ทำไม, แล้ว AI Charter หน้าตาเป็นยังไง ในมุมเจ้าของกิจการที่ต้องตัดสินใจ ไม่ใช่มุมผู้ตรวจ

AI Governance คือการ 'กำกับพนักงานใหม่ที่ชื่อ AI' — เจ้าของกิจการต้องตั้งกฎอะไร ออกแบบ control อะไร ก่อนปล่อย AI เข้าบริษัท พร้อมวิธีเช็คว่า 'บริษัทเราพร้อมใช้ AI รึยัง' แบบจับต้องได้ ในมุมคนตัดสินใจ ไม่ใช่คนตรวจ

เปิด Domain 1 ของซีรีส์ AAISM แบบ storyboard — เล่าเรื่องบริษัทที่ AI แทรกเข้าทุกแผนกโดยไม่มีใครวางแผน แล้ววางแผนที่ 5 ดินแดนที่เจ้าของกิจการต้องลุกมาดูแล: กฎ/บทบาท, กลยุทธ์/นโยบาย, ข้อมูล&สินทรัพย์ AI, โปรแกรมความปลอดภัย, รับมือเหตุ

เปิดซีรีส์ AAISM — มุมของเจ้าของกิจการที่เอา AI มาใช้ในบริษัท ไม่ใช่คนสร้างโมเดล ว่าด้วยการกำกับดูแล AI ในองค์กรให้ปลอดภัยและคุ้มค่า บันทึกการเรียนจากคู่มือ ในมุมคนตัดสินใจ ไม่ใช่คนตรวจ

ซีรีส์ 16 EP ที่พาคุณ — เจ้าของกิจการ ผู้บริหาร startup founder PM dev junior คนทั่วไป — เข้าใจโลก database ทั้งภาพ ตั้งแต่ ledger กระดาษของยุค 1960s → relational revolution → NoSQL → serverless → vector DB ของยุค AI ปี 2026 ภาษาคน ไม่ต้องเป็นโปรแกรมเมอร์

ปิดซีรีส์ Database 101 ทั้ง 16 ตอน — Decision Tree 1 หน้าตอบคำถาม 'ผมต้องเลือก DB อะไรสำหรับ project นี้?' + 5 anti-pattern ที่เจอบ่อย + 5 trends ที่ต้องจับตา (DuckDB / NewSQL / AI-native DB / Database Branching / WebAssembly DB)

ลูกค้าพิมพ์มาว่า 'เครื่องเสียงของผมไม่ดัง' — ในประโยคนี้ไม่มีคำว่า volume ไม่มีคำว่า เสียง แต่ AI customer service ตอบกลับเรื่อง volume ได้ถูกจุด. EP.15 เล่าว่าทำไมระบบเข้าใจได้ — Embedding + Semantic Similarity + Vector DB 5 เจ้า + RAG pattern ที่อยู่เบื้องหลัง AI app เกือบทุกตัวปี 2026 + ทำไมผมเดาว่า pgvector จะกินตลาดระยะยาว.

เคส e-commerce ไทยที่ junior copy backup file ที่ไม่ encrypt ออก external drive ‘เพื่อทดสอบ’ — drive หาย, customer record 2 ล้าน leak. EP.14 เจาะ 3 ชั้น Database Security (network / authentication / encryption), encryption at rest vs in transit vs field-level, tokenization, SQL injection prevention, Row-Level Security, backup encryption + immutable backup ป้องกัน ransomware และ audit logging — ทั้งหมดผูกกับ PDPA + GDPR ที่ถือว่า encryption เป็น ‘default expected control’ ปี 2026.

เคสสมมติของผู้ผลิตชิ้นส่วนรถยนต์ที่ DBA แก้ค่า quality test 15 record ตรงผ่าน database — ของหลุดถึงลูกค้าและ application log ไม่เห็นเลย เพราะ change ไม่ผ่าน application. EP.13 เล่าว่า DBA คือใคร, ทำไมเข้าตรง DB = bypass ทุก control, และ 5 เครื่องมือที่บริษัทใหญ่ใช้คุม — PAM, Session Recording, JIT Access, SoD, Audit Log Tampering Defense.

Netflix ใช้ DB ถึง 7 ตัว Uber 10+ ตัวในระบบเดียว — ไม่ใช่เพราะวิศวกรชอบเล่นของใหม่ แต่เพราะ enterprise ปี 2026 ไม่มี 'DB ตัวเดียวพอ' อีกแล้ว. EP.12 เล่าเรื่อง Polyglot Persistence, 8 family ของ DB ใน enterprise stack, DW vs DL vs Lakehouse, ETL/ELT/Reverse ETL, Data Mesh, CDC — และทำไม budget DB ของ enterprise ไทยใหญ่ขึ้นทุกปี ทั้งที่ data เพิ่มไม่เยอะขนาดนั้น.

ปี 2026 ทีม founder + dev + designer 3 คน รัน SaaS user 10,000 ได้ด้วยค่าใช้จ่ายเดือนละ ~$50 — สแตก Supabase + Vercel + Stripe + Cloudflare ที่ไม่มี server ไม่มี DBA ไม่มี on-call. EP.11 เจาะ 4 family ของ Serverless DB ปี 2026 + บทเรียน PlanetScale ปิด free tier ปี 2024 ที่บอกเราว่า vendor lock-in ต้องเห็นตั้งแต่ day 1.

เคยสงสัยมั้ย ทำไม Notion / Linear / Obsidian เปิดได้ตอนเครื่องบินไม่มีเน็ต แล้วพอลงเครื่องเปิดเน็ตเสร็จ ทุกอย่าง sync เข้ากันเองโดยไม่ต้องกดอะไร — เบื้องหลังคือ SQLite, database ที่อยู่ในมือถือคุณทุกเครื่อง browser ทุกตัว แต่ไม่มีใครพูดถึง. EP.10 คุยเรื่อง SQLite + Local-first movement + CRDT + Cloudflare D1 + Turso — pattern ที่ flip ทิศ data ownership กลับไปอยู่ที่ user.

เอาตรงๆ blog ที่คุณกำลังอ่านอยู่นี้ไม่มี database เลย — ย้ายจาก WordPress + MySQL บน Cloudways มาเป็น Markdown + Cloudflare Pages + R2 ไปแล้วเมื่อปีก่อน. EP.09 เล่าว่าทำไม static-first ถึงชนะสำหรับเว็บ content ปี 2026 และเมื่อไหร่ database ค่อย 'กลับมา' บางส่วน.

ตั๋วเครื่องบินที่นั่งสุดท้าย ลูกค้า 100 คนกดจองพร้อมกัน ระบบ confirm สำเร็จ 5 คน — ทุกคนได้ตั๋วใบเดียวกัน. EP.08 เจาะ Locking (shared/exclusive) → Deadlock → Isolation Levels 4 ระดับ → MVCC ของ Postgres → Optimistic vs Pessimistic Locking → Eventual Consistency. และทำไม 'isolation level ผิด' ถึงเป็น bug ที่ debug ยากที่สุดในวงการ — เจอเฉพาะตอน scale ใหญ่ ไม่เจอใน dev.

ระบบค้นหาลูกค้าของบริษัทค้าปลีก ปีแรก 0.01 วินาที เจอ — ปีที่สองช้าลงเป็น 30 วินาที ทั้งที่ code เดียวกัน server ตัวเดิม. EP.07 เล่าว่าทำไมมันช้าลง 1000 เท่า, root cause คือ index ขาด, แล้วพา tour B-tree / hash / composite index + EXPLAIN PLAN + N+1 problem แบบที่ผู้บริหารฟังรู้เรื่อง.

ลูกค้าเปลี่ยนที่อยู่ใน profile แต่ order เก่ายังโชว์ที่อยู่เก่า — ทำไม? เพราะ schema ออกแบบผิดตั้งแต่วันแรก. EP.06 พาดู Table/Row/Column, Primary Key, Foreign Key, แล้ว refactor ตารางรกๆ ให้สะอาดผ่าน 1NF/2NF/3NF, รู้ว่าเมื่อไหร่ควร denormalize 'ผิดหลักโดยตั้งใจ', แล้วปิดด้วย schema migration ที่ไม่ทำให้ระบบล่ม.

EP.04 จบที่ NoSQL ระเบิด + Polyglot Persistence. EP.05 คือทศวรรษที่ database เลิกต้องการ DBA — สตาร์ทอัพไทยปี 2025 launch product ด้วยทีม 3 คน + Supabase + 0 DBA + 0 server. 4 ระดับของ database evolution ในยุค cloud + pricing model ที่เปลี่ยนเกมของวงการสตาร์ทอัพทั้งวงการ.

EP.03 เราจบที่ ACID + relational เป็นกระดูกสันหลังของ enterprise. EP.04 คือทศวรรษที่กระดูกสันหลังนั้นเริ่มหัก — Twitter ล่มทุกสัปดาห์ปี 2008, Google เขียน paper BigTable ปี 2006, Amazon เขียน paper Dynamo ปี 2007, แล้วโลกก็ได้ NoSQL 4 ตระกูล + CAP theorem ที่บังคับให้ทุก distributed database ต้องเลือก trade-off เอง. ไม่ใช่ของดีกว่า relational — เป็น tool คนละงาน.

ATM โอนเงิน 1,000 บาทจาก A→B แล้วไฟดับตอนระบบหักจาก A เสร็จพอดี — เงินหายไปไหน? นี่คือคำถามที่ ACID เกิดมาตอบ. EP.03 เล่ายุคที่ relational + ACID กลายเป็นกระดูกสันหลังของธนาคาร, SQL ถูก standardize เป็นภาษากลาง, Big 4 (Oracle / SQL Server / DB2 / Sybase) ครองตลาด, ERP boom เปลี่ยน database เป็น single source of truth ของบริษัท, และตำแหน่ง DBA เกิดมาเป็น 'คนถือกุญแจทุกดอก'.

EP.01 จบที่คำถามว่า 'ห้องสมุดของเมืองดิจิทัล' เกิดขึ้นได้ยังไง. EP.02 พาย้อนไปดูยุคที่ database จริงๆ 'เกิด' — เริ่มที่ NASA Apollo Program ที่ต้องเก็บชิ้นส่วนยานล้านชิ้น ห้ามผิดแม้แต่ตัวเดียว, IBM ส่งทีมไปช่วยจน IMS เกิดในปี 1968, แล้วปี 1970 — Edgar Codd นักคณิตศาสตร์ของ IBM เขียน paper ฉบับเดียวที่เปลี่ยนทั้งวงการ. SQL กำเนิด, Oracle 1979 ปล่อยขายเชิงพาณิชย์ตัวแรก, และ relational database ก็ครองโลกต่อเนื่อง 50 ปี — เพราะมันเปลี่ยนวิธีคิดจาก 'บอกวิธีไปหา' เป็น 'บอกว่าต้องการอะไร'.

ลองนึกภาพออฟฟิศไทย 50 คนใช้ Excel customer list ร่วมกัน — 2 คนเซฟพร้อมกัน ของหายไปครึ่งวัน ที่อยู่ลูกค้าใน Excel A ≠ B ≠ C. EP.01 เปิดซีรีส์ Database 101 ด้วยคำถามเดียว — ทำไมโลกถึงต้องคิด database ขึ้นมาตั้งแต่แรก? คำตอบคือ 4 ปัญหาที่มนุษย์เจอทุกครั้งที่พยายามเก็บข้อมูลร่วมกัน

EP สุดท้ายของซีรีส์ 52 ตอน. พา reader เดินทัวร์เมืองครบทุกย่าน — สรุปแผนที่ 6 Parts (WHY → HOW → Identity → Data → Infrastructure → Operations → Governance) ในมุมเดียว. ทบทวน 3 mental tool ที่ใช้ได้ตลอดชีวิต (CIA Triad / Defense in Depth / Assume Breach). สรุป 5 leader takeaway ที่ผู้บริหารต้องจำ. Bridge ไปยัง CISA Domain 5 ในมุม auditor + topic mapping ของ Foundation → CISA D5 + next steps ตาม reader 4 กลุ่ม (เจ้าของกิจการ / CISA candidate / tech professional / general reader). ครอบคลุมเนื้อหาที่ขยายในรอบล่าสุด — BCM Standards Family (EP.08), Network Anatomy primer ที่ลึกถึง physical media + WAN + SAN + Network Types (PAN/WPAN/WWAN) + NAS vs SAN + VSAN + VLAN deep (EP.26.5), AAA Protocols (RADIUS/TACACS+/Diameter) + Certificate-based authentication (EP.11), Biometric performance metrics FAR/FRR/CER + 8 modalities (EP.13), PKI 3 components + 6 revocation reasons + 11 PKI risks + CP vs CPS (EP.23), IDS 4-part components + WIPS + 7 best practices (EP.29), IPSec internals + DNSSEC NSEC3 + CDN deep + NTP deep (EP.30), DLP Content Analysis 7 techniques + Risk/Controls taxonomies (EP.31), Community cloud + Cloud Repatriation + 9 CSA Top Threats (EP.32), CYOD + MDM 10 controls + Wireless categories + EAP 5 types + Mobile Payment 4-type (EP.35), Passive vs Active attack taxonomy (EP.39), Scareware + 12 specific attacks + Malware Wall 3 levels (EP.41), SOC 9 activities + SIM vs SEM + SIEM agent/agentless + SOAR 6 benefits (EP.43), White + Yellow team + Pen-test vs Ethical hacking + MAST + Fuzz testing (EP.45), 6 investigation types + DEBs + Forensic Report 8 quality (EP.47), ISSP 6 subtypes + Policy 9 elements + Baseline 7 categories (EP.48), Alarm Control Panel 8 reqs + EPO switches + Perpetrator profiles + 8 entry path audit (EP.50). Security ไม่ใช่ project — เป็น discipline ตลอดชีวิต

EP.48-50 ตอบเรื่อง policy + privacy law + physical security. แต่ในเมืองจริง — กฎหมายไม่บังคับใช้เองได้ ต้องมี เทศบาล + ผู้ว่าฯ + ตำรวจ + ผู้ตรวจสอบ ที่แยกอำนาจกัน. EP.51 พา reader ไปดู โครงสร้างองค์กร security ที่ผู้บริหารต้องเข้าใจ — เริ่มจาก CISO + กฎเหล็กที่บริษัทไทยพลาดกันบ่อย ห้ามให้ CISO รายงาน CIO/CTO/CFO เพราะ KPI ขัดกัน + Three Lines Model ที่แบ่ง operations / risk / audit ให้อิสระต่อกัน + Risk Committee vs Audit Committee ของ Board + CRO/CAE/DPO ที่ทั้ง 3 ห้ามอยู่ใต้คนที่ตัวเองตรวจ. เคสจริง — Equifax 2017 (CISO อยู่ใต้ CIO ก่อนเจาะ 147 ล้านคน) + Uber 2016 (CSO Joseph Sullivan โดนตัดสินคดีอาญาปี 2023) + Target 2013 (CISO turnover หลังเจาะ)

EP.49 คุยเรื่อง Privacy = สิทธิ์ดิจิทัลของชาวเมือง. แต่ security ที่เริ่มต้นจริงๆ ไม่ใช่ digital — มันคือ ของจริงๆ ในโลกจริง — ประตู + ระบบอากาศ + ไฟฟ้า + ระบบดับเพลิง. ถ้า physical พัง — ดิจิทัลพังตามทันที. EP.50 พาคุณเดินใน data center จริง — mantrap เหมือน airlock ของยานอวกาศ / HVAC ที่ทำให้ Target โดน hack ปี 2013 / FM-200 ดับเพลิงโดยไม่ทำลายเซิร์ฟเวอร์ / Uptime Tier I-IV ที่บอก downtime ต่อปีกี่นาที / Stuxnet ที่ข้าม air-gap ด้วย USB / AWS Iceland HVAC overheat ปี 2022. ผู้บริหารที่อ่านจบ — จะถามผู้รับเหมา data center ได้ถูกคำถาม

EP.48 พาคุณเข้าใจลำดับชั้นเอกสารของเมือง — Policy / Standard / Procedure / Guideline. EP.49 ลงเฉพาะกฎหมายที่บริษัทไทยเจอแน่นอนในปี 2026 — Privacy laws. GDPR ของยุโรปบังคับมาตั้งแต่ปี 2018 + PDPA ของไทยบังคับเต็มรูปแบบมิถุนายน 2022 + Cross-border transfer ที่ทุกคนสับสนหลัง Schrems II. EP.49 พาคุณเข้าใจสิทธิ์ของชาวเมืองในข้อมูลของตัวเอง — Data Subject Rights 8 ข้อ / Lawful Basis 6 ฐาน / Article 33 + มาตรา 37 (แจ้งภายใน 72 ชั่วโมง) / Schrems II ที่ล้ม Privacy Shield / SCC + BCR + Adequacy / Data Localization / DPO + DPIA + Privacy by Design — และเคสจริงที่ทำให้บริษัทเจ็บ: Cambridge Analytica 2018 / Meta โดนปรับ €1.2B / Marriott £18.4M / LINE Thailand 2024 leak

Part 5 ปิดด้วย Forensics. Part 6 (Governance) เปิดด้วยภาพใหญ่ที่สุด — กฎหมายของเมือง. EP.48 พาคุณเข้าใจลำดับชั้นเอกสาร 4 ชั้น — Policy (รัฐธรรมนูญ) / Standard (กฎหมายลูก) / Procedure (ขั้นตอน) / Guideline (คำแนะนำ) — ทำไมบริษัทไทยส่วนใหญ่ไม่มี Information Security Policy เป็นลายลักษณ์อักษร แล้วโดน audit fail / ทำไม Acceptable Use Policy = เกราะคุ้มกัน HR ตอนพนักงานทำผิด / lifecycle ของเอกสาร 7 ขั้น (Draft → Review → Approve → Publish → Train → Maintain → Retire) / เริ่มที่ไหน — NIST policy templates / SANS / ISO 27002

EP.46 พาคุณรู้จัก Incident Response — ทีมดับเพลิงที่หยุดไฟไม่ให้ลาม. EP.47 ปิด Part 5 ด้วย discipline ที่กฎเข้มที่สุดในวงการ — Digital Forensics. หลังหยุดไฟแล้ว — ค้นหาสาเหตุ + เก็บหลักฐาน + รู้ว่าโจรเอาอะไรไป — ทุกขั้นตอนต้องทำให้ถูกต้องตามใบเหลือง (chain of custody) ที่ทุกคนเซ็น. มิฉะนั้นหลักฐานเป็นโมฆะในศาล. รวม Order of Volatility (RFC 3227) — เก็บ RAM ก่อน disk + Locard's Exchange Principle — ทุกการสัมผัสทิ้งร่องรอย + Imaging + Write Blocker + Memory / File / Network forensics + Anti-forensics. เคสจริง BTK Killer 2005 (จับได้จาก metadata ของ floppy disk) + Silk Road 2013 (FBI ถ่าย RAM image ตอนที่เครื่องเปิดอยู่) + Power-Off Trap ที่ทำลายหลักฐานทุกครั้ง

EP.45 ลองเจาะตัวเอง — เจอบาง. แต่วันที่โจรจริงเข้ามา — ทำยังไง? คำตอบ — Incident Response. EP.46 พาคุณดูคู่มือดับเพลิงของวงการ — NIST 800-61 framework 4 phases (Preparation / Detection-Analysis / Containment-Eradication-Recovery / Post-Incident) + ทีม CSIRT ที่รวม IR lead / Forensics / Legal / PR / Exec / HR / DPO / Comms + Tabletop exercise ที่ฝึกก่อนไฟไหม้ + 72-hour clock ของ GDPR/PDPA + Cyber Insurance + IR retainer (Mandiant / CrowdStrike / Kroll) + 3 เคสจริง — Maersk NotPetya 2017 (10 วันกู้คืน + Ghana DC backup), Marriott 2018 (delay 30 วัน = £18M ICO fine), Uber 2016 (CSO Joseph Sullivan โดน criminal charges จากการปกปิด — convict 2023)

EP.44 พาคุณดู Threat Hunting + Deception — หาภัยแบบ active. คำถามต่อ — เราจะรู้ได้ยังไงว่าระบบของเรามีรู? คำตอบเดียวที่จริงคือ — แฮกตัวเองก่อนโจรจะหาเจอ. EP.45 พาคุณรู้จัก 4 ระดับของการแฮกตัวเอง — Vuln Scan (เด็กส่องไฟฉาย) / Pen Test (โจรลองเข้า) / BAS (Red Team ในกล่อง — automated, continuous) / Red Team (แก๊งโจรปลอมตัวเข้าทั้งบริษัท) — ต่างกันที่ความถี่ / ราคา / ทักษะ / เป้าหมาย. ปิดท้ายด้วย VM Lifecycle (Vulnerability Management) — closed loop 6 ขั้นที่ทำให้ของที่เจอถูกแก้จริง ไม่ใช่แค่นอนในรายงาน. ครอบคลุม PTES methodology, Black/Gray/White Box, Bug Bounty (HackerOne / Bugcrowd / ZDI / Apple), CVD + Google Project Zero 90-day policy. พร้อมเคสจริง — Coalfire pentester ที่ Iowa โดนจับติดคุก 12 ชั่วโมงเพราะกระดาษไม่ครบ + Hacking Team บริษัท security ที่โดนแฮกเสียเอง + Equifax 2017 ที่ patch ออกมา 6 สัปดาห์แล้วไม่ patch

EP.43 SOC + SIEM + EDR ดู alert ที่เครื่องจักรเห็น. แต่บางครั้งโจรเก่งกว่า — เครื่องไม่เห็น. EP.44 พาคุณเข้าโลกของ Threat Hunting (ตั้งสมมติฐานแล้วเดินหาในเมือง) + Deception (วางขนมหวานล่อให้โจรเข้าไปแตะ). 5 concept: hypothesis-driven hunt / IoC vs IoA / Threat Intelligence + STIX/TAXII / Pyramid of Pain (David Bianco) / Honeypot + Canary token. เคสจริง — Mandiant M-Trends dwell time / Snowden 2013 ที่ internal hunting น่าจะจับได้ / Canary token ของ Thinkst ที่ low-cost high-signal

EP.39-42 พาคุณดู attack — Kill Chain / Phishing / Malware / OWASP Top 10. คำถามถัดมาที่จริงที่สุดของวงการคือ — รู้แล้วว่าโจรทำงานยังไง แล้ว detect ยังไง? EP.43 พาคุณเข้า ห้องควบคุมของเมือง — SOC ที่มี analyst 3 ชั้น + SIEM ที่รวม log ของทุกระบบเข้ามาดูในจอเดียว + EDR/XDR ที่เป็นกล้องในทุกตึก + SOAR ที่เป็นแม่บ้าน auto. ปิดด้วยเคส Target 2013 ที่ FireEye alert ดังแล้วแต่ทีม SOC ไม่ตอบ — ขโมยบัตรลูกค้าไป 40 ล้านใบ. บทเรียน: เครื่องมือดี + คนกับ process แย่ = ตาย

EP.41 พาคุณดูสวนสัตว์ malware ฝั่ง endpoint — virus / worm / ransomware / RAT. แต่ในยุคนี้ โจรไม่ต้องส่ง malware ก็ได้ — แค่ exploit bug ใน web app ของบริษัทคุณก็พอ. EP.42 พา reader เดินผ่าน OWASP Top 10 (2021 edition) — รายการ 10 ช่องโหว่ที่ developer + security team ทั่วโลกใช้เป็น checklist. ทุกข้อมีเคสจริง: Capital One ($100M+ จาก SSRF), Equifax (147M record จาก Struts injection), Sony 2011 (77M account จาก SQLi), Log4Shell (ทั้งโลกตื่นปลายปี 2021), SolarWinds 2020 (supply chain integrity). อ่านจบ — ผู้บริหารรู้ว่าแต่ละข้อแปลว่าอะไร + breach ดังเรื่องไหน map กับข้อไหน

EP.40 พาคุณดูวิธีที่โจรหลอกคน — phishing / BEC / vishing — แต่หลอกเสร็จแล้วโจรปล่อยอะไรเข้าเครื่อง? คำตอบคือ Malware — และไม่ใช่มีแค่ virus เหมือนที่คนทั่วไปคิด มันเป็นสวนสัตว์ทั้งสวน. EP.41 พาคุณเดินสวนสัตว์ของวงการ — virus / worm / trojan / RAT / rootkit / bootkit / ransomware / cryptominer / banking trojan / spyware / keylogger / stalkerware / wiper / logic bomb / backdoor / fileless — 12+ ประเภทแบ่งเป็น 5 ครอบครัวใหญ่. มาพร้อม WannaCry 2017 (worm + ransomware) / NotPetya 2017 (wiper ปลอม ransomware) / Stuxnet (state-grade) / Emotet (banker → loader) / Pegasus (Khashoggi 2018) / Mirai (IoT botnet). อ่านจบรู้ว่าแต่ละสัตว์ดุยังไง + ทำไมผู้บริหารต้องสนใจ

EP.39 พาคุณเดิน Kill Chain + MITRE ATT&CK — playbook ของโจรครับ. EP.40 ลงลึก phase แรกที่สำคัญที่สุด — Initial Access. ความจริงที่วงการรู้แต่บริษัทยังไม่ยอมรับ — โจรในยุคนี้ไม่เจาะ firewall. โจรหลอกคน. Verizon DBIR รายงานทุกปีว่า 70-80% ของ breach เริ่มจาก human element. FBI ประเมิน BEC (Business Email Compromise) ทำเงินให้โจรทั่วโลกสะสมกว่า $55B ตั้งแต่ 2013 ถึง 2023. ฮ่องกง 2024 พนักงานโอน $25M เพราะเชื่อ deepfake CFO ใน Zoom. Twitter 2020 พนักงานให้ credential เพราะคนปลอม IT โทรมาตอน lockdown. EP.40 พาคุณดู phishing 4 แบบ + BEC + vishing + smishing + pretexting + baiting + tailgating + defense layers. คนคือ Layer 6 ที่เปราะที่สุดในเมือง — แต่ก็แก้ได้ถ้าวางระบบถูก

Part 4 ปิด — Infrastructure ครบ. Part 5 เปิดด้วยคำถามที่จริงที่สุดของวงการ — โจรทำงานยังไง? EP.39 พาคุณเข้าหัวโจร 3 มุม: Lockheed Martin Kill Chain — 7 ขั้นตอนของการปล้นรถยุคดิจิทัล / Diamond Model — 4 มุมของทุก attack / MITRE ATT&CK — Google Maps ของวงการ security ที่ map ทุกซอย tactic + technique ที่โจรใช้จริง. SolarWinds APT29 mapped เป็น T1195.002 (supply chain) + T1078 (valid accounts). Conti playbook leak. ก่อน defend ต้องเข้าใจวิธีคิดของโจรก่อน — Part 5 เริ่มที่นี่

EP.27-37 พาคุณดูโครงสร้างพื้นฐานแบบดั้งเดิมของเมือง — firewall / segmentation / cloud / DevSecOps / ZTNA. แต่ในปี 2024-2025 มี 2 เทคโนโลยีใหม่ที่เปลี่ยนเกมทั้งหมด — AI กับ Blockchain. EP.38 ปิด Part 4 ด้วยเรื่องที่ผู้บริหารปี 2026 หลีกเลี่ยงไม่ได้: prompt injection ที่ใช้หลอก AI ของบริษัท + deepfake CEO ที่หลอกโอนเงิน $25M ที่ฮ่องกง + smart contract bug ที่ทำให้ DAO เสีย $60M + bridge hack Ronin $625M + exchange ล่ม Mt. Gox / FTX. AI = ผู้ช่วยใหม่ของเมืองที่หลอกได้. Blockchain = บัญชีสาธารณะที่แก้ไม่ได้ แต่กุญแจ wallet หายก็พังเหมือนกัน

EP.35-36 พาดูพนักงานนอกตึก + ของที่ฝังคอมในบ้าน. EP.37 ปิด case หนักสุดของยุค post-COVID — พนักงานทำงานที่บ้าน 100% ผ่านเน็ตที่บริษัทไม่ได้คุม. มีนาคม 2020 ทั้งโลกย้าย remote ใน 1 สัปดาห์ — RDP exposed เพิ่ม 127% — ransomware era เริ่มต้นจากตรงนี้. VPN ที่ใช้กันมา 25 ปี = castle-and-moat (เข้าได้ก็เดินทั้งเมือง). Zero Trust = ตำรวจที่ตรวจที่ทุกประตู ไม่ใช่แค่ประตูหน้าเมือง. ZTNA / SASE / SSE / Conditional Access + เคส Twitter 2020, Colonial Pipeline 2021, Citrix CVE-2019-19781 — และ home network risks ที่ผู้บริหารยุค hybrid work ต้องรู้

EP.35 รู้ mobile + wireless. แต่ของอีกประเภทที่ไม่มีใครคิดว่าเป็น 'IT' — สมาร์ทแอร์ในบ้าน + เครื่องจักรในโรงงาน + ระบบไฟฟ้าของประเทศ — ทุกอย่างฝังคอม + ต่อเน็ต + และโจรชอบ. EP.36 พาดู OWASP IoT Top 10 + ความต่างระหว่าง OT กับ IT ที่ผู้บริหารส่วนใหญ่ไม่รู้ + PLC / HMI / SCADA / Modbus ที่ทำให้โรงงานเดิน + ทำไม 'air-gap' เป็นตำนานที่ไม่จริง + เคส Stuxnet 2010 / Ukraine power grid 2015-2016 / Casino fish tank 2017 / Triton 2017 / Colonial Pipeline 2021 / Verkada 2021 — บทเรียนที่บริษัทไทยที่มีโรงงาน + บ้านที่มี IoT ต้องเข้าใจก่อนสายเกินไป

EP.34 build pipeline พร้อมแล้ว — code ผ่าน SAST/DAST/SCA + SBOM ครบ + secrets ไม่หลุด. แต่ของที่ build เสร็จไปอยู่ที่ไหน? อยู่บน **มือถือพนักงาน** ที่ขึ้นรถไฟฟ้ากลับบ้าน + ต่อ **Wi-Fi ร้านกาแฟ** ตอนกลางวัน + เชื่อม **Bluetooth หูฟัง** ระหว่างประชุม + ใช้ **4G/5G** ตอนเดินทาง — ทุกชั้นเป็นสัญญาณวิทยุที่ลอยอยู่ในอากาศ ใครก็ดักได้ ใครก็ปลอมได้. EP.35 พาคุณดู MDM/MAM/UEM (Microsoft Intune / Workspace ONE / Jamf), BYOD vs COPE vs COBO, Jailbreak / Root / Sideloading, Wi-Fi ตั้งแต่ WEP (ตาย 2001) ถึง WPA3, Evil Twin ที่ Vegas / KRACK 2017 ของ Mathy Vanhoef, Bluetooth BlueBorne + KNOB, IMSI Catcher (Stingray) ที่ปลอม cell tower, และ Pegasus ของ NSO Group ที่ใช้ติดตาม Jamal Khashoggi ก่อนถูกฆ่าในปี 2018.

EP.32-33 พาคุณเข้าโลก cloud + container เรียบร้อย — ของในเซฟวิ่งอยู่บน infrastructure ยุคใหม่ครบ. แต่ก่อนของจะ run บน production มันต้องผ่าน build pipeline — สายพานการผลิตที่เปลี่ยนโค้ดเป็นแอป. EP.34 พาคุณดูเหตุผลที่โจรยุคใหม่หันมาเจาะ pipeline แทนการเจาะ production — เพราะถ้าได้ pipeline = ทุกคนที่ใช้แอปคุณติดในวันเดียว. SolarWinds 2020 / Log4Shell 2021 / Codecov 2021 / npm-typosquatting — 4 เคสที่สอนว่าทำไม Shift-Left = เลื่อนการตรวจของกลับไปที่โรงงาน ไม่ใช่ตอนของถึงปลายทางแล้ว. SAST / DAST / SCA / IaC scanning / Secrets management / SBOM / Sigstore + supply chain — ทำไมโค้ดทุกบรรทัดที่ deploy ต้องมีลายเซ็น

EP.33 จบที่ Docker + Kubernetes ที่ครองตลาด enterprise. แต่ landscape ไม่ได้หยุดที่ container — AWS Lambda รันบน Firecracker (MicroVM) ตั้งแต่ปี 2018, Cloudflare Workers ไม่ใช้ container เลย ใช้ V8 isolate + WebAssembly แทน. EP.33.5 พาดู 3 runtime หลัง container — MicroVM, Wasm, Unikernel — ที่ Cloudflare/AWS/Fastly/Vercel กำลังเดิมพันสำหรับยุค edge computing + serverless ปี 2026-2028

EP.32 พาคุณดูเรื่อง cloud + shared responsibility — รู้แล้วว่าใครรับผิดชอบส่วนไหนของตึก. EP.33 ลงลึกอีกชั้น — หน่วยย่อยที่สุดของ cloud-native ยุคนี้คือ container + Kubernetes. เปลี่ยนวิธีคิดเรื่อง deployment ทั้งหมด. ทำไมตู้คอนเทนเนอร์ถึงเร็วกว่า VM, ทำไมภาพ Docker จาก Docker Hub โดยตรงเป็น supply chain risk ที่ใหญ่ที่สุดในรอบ 5 ปี, ทำไม Tesla โดน cryptojacking ผ่าน Kubernetes dashboard ที่ไม่ใส่รหัส, Pod / Service / Ingress / RBAC คืออะไรในภาษาคน, และ Pod Security Standards / Falco / OPA Gatekeeper / Service Mesh + mTLS ใช้ป้องกันอะไรในชีวิตจริง — สำหรับผู้บริหารที่ทีม dev บอกว่า 'ย้ายขึ้น K8s แล้วครับ' แต่ตัวเองยังงงว่ามันคืออะไร

EP.32 มี table 9 ชั้นที่บอกว่า ใครดูแล Network, Storage, Servers, Virtualization, OS, Container Tech, Runtime, Application, Data ในแต่ละ cloud model. แต่ถ้าไม่รู้ว่า 9 ชั้นนี้คืออะไร แต่ละชั้นทำหน้าที่อะไร table ก็เป็นแค่ตารางสีสวยที่อ่านไม่รู้เรื่อง. EP.32.5 ปูพื้น 9 layers ตั้งแต่ Network ขึ้นมาถึง Data ในภาษาที่ผู้บริหารใช้ในห้องประชุมได้ พร้อมตอบคำถามที่ค้างใจ — Runtime ต่างจาก Middleware ยังไง? ทำไม PaaS ดูแล Runtime แต่ IaaS ไม่ดูแล?

EP.27-31 พาคุณดู Infrastructure ของเมือง — ป้อมยาม (Firewall), แบ่งย่าน (Segmentation), ตำรวจ (IDS/IPS/WAF), ท่อใต้ดิน (VPN/Proxy/DNS), และยามรับนักท่องเที่ยว 10 ล้านคน (DDoS+DLP). ทั้งหมดเป็นภาพ on-premise — ของในตึกที่บริษัทเป็นเจ้าของ. แต่ปี 2025-2026 ทุกบริษัทไป cloud กันหมด — และคำถามที่ผู้บริหารไทยอ่านผิดบ่อยที่สุดในรอบ 10 ปีคือ Shared Responsibility Model. EP.32 พาคุณเข้าใจ IaaS / PaaS / SaaS / FaaS / CaaS ผ่านภาพ เช่าคอนโด vs ซื้อตึก, ทำไม Capital One โดน 100 ล้านแฟ้มในปี 2019 ทั้งที่ใช้ AWS, ทำไม Code Spaces บริษัทดีๆ ถูกลบหมดใน 12 ชั่วโมง, และความต่างระหว่าง CSPM / CIEM / CWPP / CNAPP ที่ vendor ขายให้สับสน

EP.30 พาคุณดูท่อใต้ดิน (VPN) + คนกลาง (Proxy) + สมุดที่อยู่ (DNS) — ระบบที่ทำให้ของวิ่งจากเมืองหนึ่งไปอีกเมืองได้ปลอดภัย. EP.31 ขึ้นกับโจทย์ใหญ่ของยุคนี้ — โจรไม่ต้องเจาะกำแพง โจรแค่ส่ง 10 ล้านคนมายืนหน้าประตูพร้อมกัน. DDoS 3 ประเภท (Volumetric / Protocol / Application) + Amplification ที่ทำให้ 1 packet กลายเป็น 50,000 packet + วิธีรับมือด้วย Anycast / Scrubbing / Rate limiting. และอีกครึ่งของ EP — DLP (Data Loss Prevention) ยามขาออก ที่คอยดูว่า data ไหลออกไปจากบริษัทผิดทางไหม. เคสจริง — Mirai 2016 ที่ล้ม Dyn DNS / GitHub 1.35 Tbps Memcached / AWS 2.3 Tbps record

EP.29 พาดูตำรวจในเมือง — IDS / IPS / WAF / RASP. EP.30 เปลี่ยนมาดูอีก 3 โครงสร้างที่ผู้บริหารไทยใช้ทุกวันแต่ไม่ค่อยเข้าใจ — VPN (ท่อใต้ดินจากบ้านพนักงานถึงออฟฟิศ) + Proxy (คนกลางส่งของแทนแทนที่จะออกหน้าเอง) + DNS Security (สมุดที่อยู่ของ Internet ที่โจรปลอมได้). IPsec / SSL VPN / WireGuard / Split vs Full tunnel / Forward vs Reverse Proxy (CDN/Cloudflare) / NAT / DNSSEC / DoH / DoT / DNS sinkholing — และ Kaminsky 2008 ที่เปลี่ยน Internet ทั้งโลก + DNSpionage 2018 + DGA ของ malware ที่ทำให้ block-list ใช้ไม่ได้

EP.27-28 ป้อมยามและการแบ่งย่านพร้อม. แต่โจรที่ผ่านป้อมแล้ว — เห็นได้ยังไง? EP.29 พาคุณรู้จัก ตำรวจตรวจการ (IDS) ที่เห็นแต่ไม่หยุด, ตำรวจหยุดรถ (IPS) ที่ block ทันทีแต่แลกด้วย latency, Network vs Host based ที่ใช้คู่กัน, WAF เฉพาะ Layer 7 ที่กรอง OWASP Top 10, และ RASP ยามที่นั่งอยู่ใน app เอง. เคส Equifax 2017 ที่ IDS/WAF ดีๆ ควรจะจับได้ + Capital One 2019 ที่ SSRF ผ่าน WAF ที่ misconfigure

EP.27 ผมพาคุณรู้จัก ป้อมยามที่ขอบเมือง — Firewall 4 รุ่น. แต่ถ้าโจรเข้าเมืองได้แล้ว — เดินเล่นไปย่านไหนก็ได้? ไม่ได้ครับ. ต้องแบ่งย่าน. นี่คือ Segmentation. EP.28 พาคุณดู VLAN / Subnet / DMZ / VPC / Microsegmentation — 5 ระดับของการแบ่งย่านในเมืองดิจิทัล + ทำไม Target 2013 (โจรเข้าผ่าน HVAC vendor) + Maersk NotPetya 2017 (ระบาดทั่วโลก 10 วัน) + Equifax (flat network) คือบทเรียนของ Segmentation ที่ผู้บริหารทุกคนต้องอ่าน — และทำไม Zero Trust ปี 2026 สั่งให้ทุก service มี policy ของตัวเอง ไม่ใช่กลุ่มใหญ่ๆ แบบ VLAN classic

Part 3 ปิดด้วย Privacy — ข้อมูลของเมืองเราปกป้องแล้ว. แต่ข้อมูลไม่ลอยในอากาศ — มันวิ่งบน ถนน + กำแพง + ท่อ ของเมือง. Part 4 เปิดที่นี่ — โครงสร้างพื้นฐาน. EP.27 พาคุณเดินเริ่มที่ ป้อมยามหน้าหมู่บ้าน — Firewall 4 รุ่น (Packet Filter → Stateful → NGFW → Cloud) + เข้าใจ TCP/IP / port / packet ในภาษาคน + เคส firewall rule sprawl 1,000+ rules ที่บริษัทไทยติด pattern คลาสสิคของวงการ — และทำไม Default Deny คือกฎเหล็กที่ลด liability มากกว่าซื้อ firewall แพง

Primer ปูพื้น network anatomy ทั้งหมดก่อนเข้า Part 4 (Infrastructure). คุย OSI 7 Layer + TCP/IP 4-Layer + protocol stack ของแต่ละชั้น (HTTP / TCP / IP / Ethernet อยู่ชั้นไหน) + LAN physical media 5 ชนิด (UTP / STP / Coax / Fiber / Wireless) + EMI/Crosstalk + LAN topology (Bus / Ring / Star / Mesh) + device→Layer mapping (Hub / Switch / Router / L3 Switch / Firewall) + WAN transmission (Simplex / Duplex + Circuit/Packet switching + SVC/PVC + LAN/MAN/WAN) + SNMP/ICMP สำหรับ management + diagnostic + SAN/Storage protocols (FC / FCoE / iSCSI / MPLS) + network primitive 6 ตัวที่ผู้บริหารต้องอ่านได้ (NAT / Proxy / DMZ / VLAN / VPN / VoIP) + 4 metric ที่วัด network จริง (Throughput / Latency / Jitter / Packet loss) — ทุกหัวข้อเล่าด้วยภาษาคน ไม่ต้องท่อง

EP.18-25 พาคุณดู Security ของข้อมูล — ปกป้องของในเซฟจากโจร. แต่ในโลกปี 2026 มีอีกมิติที่ใหญ่กว่าและกฎหมายบังคับใช้แล้ว — Privacy. EP.26 ปิด Part 3 ด้วยคำถามที่ flip มุมมองทั้งหมด — บริษัทคุณอาจ secure (โจรเข้าไม่ได้) แต่ privacy พังได้ (เก็บข้อมูลลูกค้าเยอะเกิน ไม่ลบ แชร์ผิด). 5 หลักการของ GDPR + ความต่างระหว่าง Anonymization vs Pseudonymization + PETs ที่ Apple/Google ใช้จริง + เคส Cambridge Analytica / Netflix Prize / Strava heatmap ที่เปิดฐานทัพลับ — และทำไม Privacy by Design ต้อง built-in ตั้งแต่วันแรก ไม่ใช่ bolt-on ตอนโดน audit

EP.24 หุ้มเกราะให้ web traffic ด้วย HTTPS. แต่ traffic ที่ใหญ่ที่สุดในโลก — ที่บริษัทคุณใช้ทุกวันรับใบสั่งซื้อ ส่งใบแจ้งหนี้ คุยกับลูกค้า — คืออีเมล. และโปรโตคอลอีเมลที่ออกแบบในปี 1982 ไม่มี authentication เลย — ใครก็พิมพ์ From: [email protected] แล้วส่งได้ฟรี. EP.25 พาคุณดูระบบไปรษณีย์ของเมืองดิจิทัล — SPF (ป้อมยามดูที่อยู่ผู้ส่ง) / DKIM (ตราประทับขี้ผึ้ง) / DMARC (policy ของหมู่บ้าน) / BIMI (โลโก้ในกล่องจดหมาย) — เคสจริง Toyota Boshoku $37M / Ubiquiti $46M / Crelan Bank €70M — ทำไม FBI ประเมิน BEC fraud สะสมกว่า $55B ตั้งแต่ปี 2013 ถึง 2023 — และทำไม Gmail/Apple บังคับ DMARC ในปี 2024.

EP.23 พาคุณดู certificate + PKI — ระบบบัตรประชาชนของเมืองดิจิทัล. EP.24 ดูการใช้งานยอดฮิตของมัน — HTTPS — กุญแจสีเขียวข้างๆ URL ที่ทุกคนเคยเห็น แต่ส่วนใหญ่ไม่รู้ว่ามันบอกอะไรกันแน่ และที่สำคัญกว่า — มันไม่ได้บอกอะไร. EP นี้ผมพาคุณดู TLS Handshake แบบไม่ต้องอ่าน RFC — ดูว่า HTTPS ป้องกัน 3 อย่าง (Confidentiality / Integrity / Server Authentication) ไม่ป้องกัน 4 อย่าง (Data at rest / Phishing site ที่มี cert ถูกต้อง / Misconfig / Client malware) — และเคสจริง Heartbleed 2014 ที่ทำให้โลกอินเทอร์เน็ตทั้งโลกต้อง reset password ใน 1 สัปดาห์

EP.21 บอกว่า public key ใช้ encrypt + verify ได้. แต่ — คุณจะรู้ได้ยังไงว่า public key ที่เห็นนี่คือของ Google จริงๆ ไม่ใช่ของโจรปลอม? คำตอบ — PKI (Public Key Infrastructure) ระบบบัตรประชาชนของอินเทอร์เน็ตทั้งโลก. EP นี้ผมพาคุณดูราชวงศ์ที่ทุกคนเชื่อ (Root CA), ขุนนางที่ราชวงศ์แต่งตั้ง (Intermediate CA), บัตรประชาชนของแต่ละเว็บ (Leaf cert), กลไก revoke / OCSP / Certificate Transparency — และเคสจริง DigiNotar ปี 2011 — ราชวงศ์ของฮอลแลนด์ที่ถูกปลอม → บริษัทล่มสลายใน 3 สัปดาห์ → ทำให้เกิด Certificate Transparency

EP.21 จบ Asymmetric — RSA / ECC / Diffie-Hellman — ตู้ไปรษณีย์ที่ใครๆ ก็ใส่ของเข้าได้ แต่เปิดได้คนเดียว. EP.22 เข้าตระกูลที่ 3 — Hashing — และตระกูลนี้ต่างจาก 2 ตัวก่อนหน้าโดยสิ้นเชิง. Hashing ไม่ใช่ encryption (เพราะย้อนกลับไม่ได้) — มันคือ 'ลายนิ้วมือดิจิทัล' ของข้อมูลที่ใช้ใน password storage / file integrity / digital signature / blockchain. EP นี้พาคุณดู — properties 5 ข้อของ hash function ที่ดี, ตระกูล SHA ทั้งบ้าน (MD5 ตายแล้ว / SHA-1 โดน Google ฆ่าปี 2017 / SHA-2 ยังยืน / SHA-3 มาเป็น backup), ทำไม password ต้องใช้ slow hash ไม่ใช่ SHA-256, Collision attack + Birthday Paradox ที่ทำให้ 2^128 ลดเหลือ 2^64, และ HMAC + Merkle tree ที่ Bitcoin กับ Git ใช้กันทุกวัน.

EP.20 รู้ Symmetric ดี — แต่ปัญหา key distribution ยังไม่จบ. EP.21 ตอบ — Asymmetric encryption — สิ่งประดิษฐ์ที่นักวิจัย Cold War เปลี่ยนโลก. ตู้ไปรษณีย์ที่ใครก็ใส่จดหมายลงไปได้ — แต่เปิดออกได้คนเดียว. ผมพาคุณดู Diffie-Hellman 1976, RSA 1977, ECC ที่โลก crypto สมัยใหม่ใช้, Diffie-Hellman key exchange + ECDH ที่อยู่ใน TLS 1.3 ทุก HTTPS handshake, Perfect Forward Secrecy ที่ทำให้ session ในอดีตปลอดภัยตลอดกาล และ Digital Signature ที่เป็นรากของ code signing + iMessage + PGP.

EP.19 รู้แล้วว่า crypto มี 3 ตระกูล — Symmetric / Asymmetric / Hashing. EP.20 ผมพาคุณเจาะตระกูลแรก — Symmetric — ตระกูลที่เป็น workhorse ของโลก crypto. คุณจะเห็น AES (มาตรฐานที่ชนะการแข่งขัน NIST ปี 1998 และครองวงการมา 25 ปี), Block vs Stream cipher (ทำไม AES = block, ChaCha20 = stream — Google เลือกตัวไหนสำหรับ mobile), 4 Modes of Operation ที่สำคัญที่สุด (ECB ห้ามใช้กับ penguin image ที่กลายเป็นภาพสอนของวงการ, CBC, GCM, CTR), DES และ 3DES ที่ NIST เพิ่งฆ่าทิ้งในปี 2023, และทำไม WhatsApp + Signal เลือก AES-256-GCM.

EP.18 รู้แล้วว่าข้อมูลคืออะไร แบ่งระดับยังไง วงจรชีวิตเป็นยังไง. EP.19 คือคำตอบของวงการต่อคำถาม 1,000 ปี — ตอนข้อมูลเดินทาง + ตอนเก็บไว้ — ปกป้องยังไงไม่ให้คนกลางทางอ่านออก? คำตอบคือ Cryptography (รหัสลับ). และในวงการมี 3 ตระกูลใหญ่ — Symmetric (ตู้เซฟกุญแจเดียว) / Asymmetric (ตู้ไปรษณีย์เปิด-ปิดต่างกุญแจ) / Hashing (ลายนิ้วมือของของ). 3 ตระกูลนี้แก้ปัญหาคนละมุม — ทำไมถึงไม่ใช้ตัวเดียวจบ? EP นี้เป็น overview ก่อนที่ EP.20-22 จะลงลึกทีละตัว.

Part 2 จบ — Identity ครบทุกซอกทุกมุม. EP.18 เปิด Part 3 ด้วยคำถามที่ใหญ่ที่สุด — control ทั้งหมดที่ผ่านมา สุดท้ายปกป้องอะไร? คำตอบ: ข้อมูล. แต่ข้อมูลในเมืองไม่เท่ากันทุกชิ้น — บางอย่างเป็น public บางอย่าง top secret. และของทุกชิ้นมีวัยเกิด-เติบโต-เก่า-ตาย. EP นี้พาคุณดู 4-tier classification, 3 บทบาท Owner/Custodian/Steward, 6 phase ของ data lifecycle, secure disposal (wipe / degauss / shred / crypto-shredding), Data Sovereignty (GDPR / PDPA), และเคสจริงที่ Morgan Stanley จ่าย $35M ค่าปรับเพราะทิ้ง HDD ไม่ถูกวิธี.

Part 2 climax — เด็ก 17 ปีใน Florida เข้าควบคุมบัญชี Obama / Elon / Bill Gates ในคืนเดียว ไม่ใช่เพราะ hack Twitter ได้ — แต่เพราะ admin tool ของ Twitter ทำได้ทุกอย่าง และคน 1-2 คนถือกุญแจชุดนั้น. EP.17 เล่าเรื่อง PAM (ตู้เซฟของกุญแจ admin) + Zero Trust (mindset ของ Google ที่เปลี่ยนวงการ) — แล้วปิด Part 2 ด้วยข้อสรุปเดียว: Identity คือ perimeter ใหม่.

EP.11-15 ตอบคำถาม 'คุณคือใคร' (Authentication) ครบทุกซอกทุกมุม. EP.16 ขยับไปคำถามถัดมาที่ใหญ่กว่า — 'คุณทำอะไรได้บ้าง?' (Authorization). ยามที่ประตูตึกถามคุณ 2 รอบ — รอบแรก 'คุณคือใคร', รอบที่สอง 'บัตรนี้เปิดประตูห้องไหนได้บ้าง'. EP นี้ผมพาคุณดู 4 รูปแบบของการแจกสิทธิ์ที่ครองวงการ — RBAC (ตามตำแหน่งงาน), ABAC (ตาม context), MAC (ระบบบังคับ), DAC (เจ้าของแชร์เอง) — กฎทอง 3 ข้อ Least Privilege + Need-to-Know + Separation of Duties — เคสจริง Société Générale €4.9B ที่ trader คนเดียวพัง 1 แบงค์ฝรั่งเศส — และทำไม IDOR ครองอันดับ 1 ของ OWASP Top 10 ตั้งแต่ปี 2021.

EP.15 พาดผ่านประโยคหนึ่งว่า SAML เกิดในปี 2005 ตอน 'XML กำลังฮิตในวงการ enterprise — SOAP, WSDL, XSD ทุกอย่างเป็น XML'. หลายคนที่ผ่านบรรทัดนั้นไป สงสัยว่ายุคที่ว่าคือยุคไหน. EP.15.5 นี้ผมขอแทรกเป็น primer สั้นๆ เปิดซอง 3 ตัวอักษรของยุคนั้น — SOAP (ซองจดหมายราชการระหว่างบริษัท), WSDL (คู่มือว่ารับเรื่องอะไรได้บ้าง), UDDI (สมุดรายชื่อบริษัททั่วโลก). ทำไม UDDI ตายไปตั้งแต่ปี 2006 ทำไม SOAP ยังไม่ตาย — และทำไม auditor + security engineer ของปี 2026 ยังต้องรู้จัก trio นี้ทั้งที่ดูเหมือนของเก่า.

EP.14 จบที่ Kerberos — ระบบ check-in โรงแรมของบริษัทเดียว. แต่ในปี 2026 พนักงานคนนึงเปิดเช้าวันจันทร์ — เปิด Slack, เปิด Salesforce, เปิด Office 365, เปิด Zoom, เปิด Notion, เปิด Figma, เปิด HubSpot — รวมแล้ว 50+ SaaS — ทุกตัวอยู่คนละบริษัทคนละโลก. ระบบรู้ยังไงว่าเขาคือเขา ข้าม organization? คำตอบคือ Federation + SSO — เทคโนโลยีที่ทำให้ปุ่ม 'Login with Google' กดได้ทุกที่ในอินเทอร์เน็ต. EP นี้ผมพาคุณดูภาพ passport ดิจิทัล — รัฐบาล (IdP) ออก passport, ประเทศปลายทาง (SP) ตรวจ passport — 3 protocol ที่ครองวงการ (SAML / OAuth / OIDC), JWT format ของ token, Federation gotchas — confused deputy, OAuth consent phishing, token theft — เคสจริง Twitter 2020 + Okta 2022 — และทำไมบริษัทไทยที่ปล่อยให้พนักงานใช้ gmail ส่วนตัว login SaaS = orphan account ระดับองค์กร.

EP.13 จบไปแล้วเรื่อง MFA + Biometric — Passkey, Hardware Key, Push Notification. แต่ทั้งหมดนั้นเป็น authentication ที่คุณเห็นในชีวิตประจำวัน — login Gmail / mobile banking ของคุณเอง. คำถามถัดมาคือ — บริษัทที่มี Windows 1,000 เครื่อง + พนักงาน 500 คน + ระบบภายใน 50 ระบบ (file server, email, intranet, SAP, HR) — พนักงาน login Windows เช้านี้ครั้งเดียว แล้วเข้าได้ทุก app ที่เปิดต่อๆ มา — ระบบรู้ยังไงว่าเขาคือเขา? คำตอบคือ Kerberos — protocol ที่เกิดที่ MIT ในปี 1988, ที่ Microsoft รับมาเป็น backbone ของ Active Directory, ที่บริษัทใหญ่ทั่วโลกใช้กันในปี 2026. EP นี้ผมพาคุณดูระบบ check-in โรงแรม 3 เคาน์เตอร์ของ Kerberos — KDC / AS / TGS, บัตรแขก (TGT) + คีย์ห้อง (Service Ticket), flow จริงตั้งแต่ 9 โมงเช้าถึง 5 โมงเย็น, attack สำคัญที่ red team ทั่วโลกใช้ — Mimikatz, Pass-the-Ticket, Golden Ticket, Silver Ticket, Kerberoasting, และทำไม Domain Admin ใน Active Directory คือ crown jewel ที่ ransomware gang เก่งๆ ระดับ Conti / LockBit เป้าหมายแรก.

ทำไม password ที่ดีที่สุดในโลกยังโดน phishing ในไม่กี่วินาที — และทำไมยามหน้าคอนโดของเราต้องขอหลักฐานชั้นที่ 2 และ 3. EP นี้พาเดินจาก ATM ปี 1967 ถึง Passkey ปี 2024 — ดูว่าทำไม SMS OTP ตาย, ทำไม Uber โดน hack ทั้งที่เปิด MFA, และทำไม FIDO2 ถึงเป็นจุดเปลี่ยนเกมจริง.

EP.11 รู้แล้วว่า Factor 1 (สิ่งที่คุณรู้) = password — แต่ผมเปิดเรื่องไว้แค่ overview. EP.12 ทั้ง EP ผม dedicate ให้กับ password อย่างเดียว — เพราะ breach ใหญ่ๆ ในโลกครึ่งหนึ่งของ 20 ปีที่ผ่านมา มาจาก password ที่เก็บผิดวิธี. ใน EP นี้คุณจะเห็น — ทำไม MD5 (อัลกอริทึมที่ใช้กันมา 30 ปี) ตายไปแล้วในวงการ, ทำไม bcrypt/argon2/scrypt/PBKDF2 ดีกว่า, Salt กับ Pepper คืออะไรและทำไมร้านเก็บ password ที่ดีต้องใช้, NIST 2017 เปลี่ยนกฎ password ทั้งหมดยังไง, เคส Colonial Pipeline 2021 ที่ท่อน้ำมันครึ่งฝั่งตะวันออกของอเมริกาหยุด 6 วันเพราะ password 1 ตัว, และทำไม Password Manager เปลี่ยนชีวิตคนทำงานทั่วไป.

EP.10 ปิดด้วยคำถาม — ตอน user login จริงๆ ระบบรู้ยังไงว่าคนนี้คือคนนี้? EP.11 พาคุณยืนหน้าเคาน์เตอร์ยามคอนโด — ดูว่าคำตอบ 'พี่เป็นใคร' ต้องการหลักฐาน 3 ประเภทคนละแบบ Know / Have / Are — และทำไม MFA ที่ ATM ใช้มาตั้งแต่ 1967 เพิ่งกลายเป็น baseline ของวงการเมื่อไม่กี่ปีนี้.

EP.09 ปิด Part 1 ด้วยประโยคที่ว่า compliance ไม่ใช่ security — รากของ security จริงๆ คือ identity. EP.10 เปิด Part 2 ที่ lifecycle ของบัตรประจำตัวพนักงาน — Joiner / Mover / Leaver. ลองนึก scenario พนักงานลาออก 6 เดือนยัง login VPN บริษัทเก่าได้, Tesla insider ใช้ account ที่ยังเปิด, Twitter 2020 ใช้ admin panel เดียวยึด Obama/Musk/Apple. รู้จัก Provisioning / Deprovisioning / Privilege Creep / Orphan Account / Account Reviews + Recertification — และเข้าใจว่าทำไม 'วันสุดท้าย' เป็นขั้นตอนที่บริษัทไทยลืมมากที่สุด.

EP.08 รู้จัก framework แล้ว — แต่ Equifax / Heartland / Target ทั้ง 3 บริษัทผ่าน PCI DSS ก่อนโดน breach. ทำไม? เพราะ audit ดูในวันที่ X — โจรมาในวันที่ Y. EP นี้เปรียบผู้ตรวจการเทศบาลกับโจรจริง — คนละเรื่อง. รู้จัก audit 3 ประเภท / PCI DSS / SOX / HIPAA / GDPR / PDPA / Compliance theater / Continuous compliance — และปิด Part 1 พร้อมเปิด Part 2 (Identity).

EP.07 รู้จัก Blue / Red / Purple แล้ว — แต่พวกเขาทำงานตาม blueprint อะไร? ทำไมทุกบริษัทใหญ่ต้องอ้าง 'ผ่าน ISO 27001'? NIST ของอเมริกา ใช้ฟรี — ดียังไง? COBIT เป็น framework สำหรับใคร? และทำไมบริษัทเล็กควรเริ่มที่ CIS Controls ไม่ใช่ ISO. คู่มือเลือก framework สำหรับเจ้าของกิจการ

EP.06 รู้จักโจร 6 ประเภทแล้ว. EP นี้ฝั่งเรา — CISO ที่ห้ามรายงาน CIO, Blue Team ที่นั่งเฝ้าจอ 24x7, Red Team ที่แฮกบริษัทตัวเอง, Purple Team ที่ทำให้สองทีมคุยกัน, ตลาด vendor ที่ซับซ้อนเหมือน Mall, และคำถามใหญ่ที่สุดของ SME ไทย — เมื่อไหร่ควร outsource ทั้งหมด

Part 1 เริ่มแล้วครับ. ก่อนเจาะวิธีป้องกัน — ต้องรู้ก่อนว่ากำลังป้องกันใคร. เด็กแว้นดิจิทัล / แก๊งโจรอาชีพ / นักเคลื่อนไหว / คนใน / หน่วยข่าวกรองรัฐ / นายหน้าขายประตู — 6 ประเภทที่ล่าเหยื่อต่างวิธี ของกินต่างกัน และเหตุผลที่บริษัทของคุณเป็นเป้าของกลุ่มไหนกันแน่

ป้อมปราการ 5+ ชั้นพร้อมแล้ว — แต่ถ้าโจรฝ่าเข้ามาได้ล่ะ? นี่คือ mindset ที่ Microsoft / Google / Netflix ใช้เปลี่ยนเกม: สมมติว่าโจรอยู่ในป้อมแล้ว ออกแบบให้ damage จำกัด + รู้เร็ว + ลงทุนตาม Risk ไม่ใช่ตามความรู้สึก

CIA บอก 'เป้าหมาย' แต่ไม่ได้บอก 'วิธีไปถึง'. ป้อมปราการที่ดีไม่มีกำแพงเดียว — มี 5+ ชั้นต่างเทคนิค พร้อมชั้นทดแทนสำหรับจุดที่ซ่อมไม่ได้. นี่คือวิธีคิดของนายช่างที่รู้ว่าโจรเก่งกว่าที่คิดเสมอ

ในเมืองที่ของมีค่ามากขึ้น ยามที่ดีต้องตอบ 3 คำถามให้ได้ทุกครั้ง — ใครเห็นได้บ้าง / ของถูกแก้ไหม / ใช้ได้ตอนต้องใช้ไหม. ถ้า control ตัวไหนตอบไม่ได้ แปลว่าอาจไม่จำเป็น

4 เมืองใหญ่ที่ถูกปล้น 4 รูปแบบ — Equifax, Target, Capital One, SolarWinds — อ่านจบเห็น pattern ที่ทำให้บริษัทใดๆ พังได้ ไม่ว่าใหญ่หรือเล็ก

เปิดซีรีส์ CyberSecurity Foundation ภาษาคน — ทำไมเรื่องนี้ไม่ใช่ของฝ่าย IT คนเดียวอีกต่อไป และถ้ายังคิดว่าตัวเองไม่มีอะไรน่าขโมย คุณคือเหยื่อในอุดมคติของโจรยุคนี้

ก่อนเข้าซีรีส์ 52 ตอน — บทเปิดที่ปูภาพใหญ่ที่สุด: วิวัฒนาการของ Security 5 generations จาก Computer Security (1970s) → Information Security (1990s) → Cybersecurity (2010s) → Cyber Resilience (2017+) → Cyber Dominance (2020+ ยุค AI). พร้อม PPT Framework (People + Process + Technology) — mental model ที่ครอบทุกยุค. และไขความสับสน CISA 2 ตัวที่คนเขียนเหมือนกันแต่คนละหน่วยงาน — ISACA CISA (certification) กับ US CISA (Cybersecurity and Infrastructure Security Agency) ที่ออก CRR (Cyber Resilience Review) — 10 domains assessment ที่บริษัท critical infrastructure ใช้กันทั่วโลก

ซีรีส์ 52 EP ที่พาคุณ — เจ้าของกิจการ ผู้บริหาร พนักงาน หรือคนทั่วไปที่ใช้ smartphone — เข้าใจโลก cybersecurity ทั้งภาพ ตั้งแต่ WHY (ทำไมเรื่องนี้สำคัญกับคุณ) → HOW (ใครคือใคร ใช้ framework ตัวไหน) → WHAT (Identity / Data / Infrastructure / Operations / Governance). ไม่ต้องเป็นโปรแกรมเมอร์ ไม่ต้องสอบใบเซอร์ฯ แค่อยากเข้าใจเมืองของตัวเอง

หลัง 2 อาทิตย์ใช้ Flux Schnell ก็เจอ Z-Image Turbo — Apache 2.0 เหมือนกัน, text rendering ดีกว่า, stack เล็กกว่า. เล่าทำไมเปลี่ยน, อะไรเปลี่ยน, 10 lessons hard-won (Layer A v4 subject-agnostic, define-center-precisely, rich-not-empty, ControlNet trade-off)

บทสุดท้ายของซีรีส์ — Recap Domain 5 ทั้ง 12 ตอน, 5 บทเรียนที่อยู่ในใจหลัง 54 ตอน 5 Domains 133,000 คำ, ขั้นตอนต่อไปสำหรับการสอบจริง (registration, study schedule, practice questions, exam day) — และคำขอบคุณ

Power-off trap (อันที่ใหญ่ที่สุดของ Domain 5), volatile vs non-volatile evidence, chain of custody, disk imaging, file carving, และ 6 ประเภทของ digital forensics — สิ่งที่ทำให้ incident กลายเป็นหลักฐานที่ใช้ในศาลได้

IDS/IPS placement (top trap), signature vs anomaly detection, SIEM correlation, log integrity, alert fatigue, Incident Response 4 phases (Preparation → Detection → Containment → Post-incident), CSIRT, IRP testing และ SOAR

Fraud Triangle, attack taxonomy, malware/ransomware lifecycle, vulnerability assessment vs penetration test, pen test types (black/white/grey/double-blind), Red/Blue/Purple teams, SAST vs DAST — เข้าใจการโจมตีเพื่อออกแบบการป้องกัน

ปิด Part A ของ Domain 5 — Awareness vs Training vs Education, security culture, needs assessment, simulated phishing, และ behavior change measurement ที่ทำให้ training ไม่ใช่แค่ checkbox compliance

MDM, BYOD policy, mobile payment + tokenization, wireless protocols (WPA2/WPA3 + WPS trap), Evil Twin attack และ IoT security ที่หลายองค์กรลืมว่ามี endpoint แบบ default password เป็นพันตัว

Shared Responsibility Model (top trap ของ Domain 5), IaaS vs PaaS vs SaaS, virtualization risks, VLAN hopping, container security, cloud migration audit และ DevSecOps — สิ่งที่ต้องเข้าใจเมื่อขอบเขตของบ้านดิจิทัลย้ายไปอยู่ในตึกของคนอื่น

Symmetric vs Asymmetric, hashing, link vs E2EE, digital signature ที่ไม่ใช่ encryption, ECC + quantum threat, PKI lifecycle, certificate revocation (CRL/OCSP) และ root CA compromise — ทุกเรื่องที่ทำให้ข้อมูลอ่านไม่ได้ถ้าไม่มีกุญแจ

Network architecture (LAN/WAN/VPN/CDN/NTP), firewall rule review, IDS/IPS placement (top trap ของ CISA), EDR/XDR endpoint protection และ DLP ที่ป้องกันข้อมูลรั่วในสามสถานะ at rest / in transit / in use

Section ใหญ่ที่สุดของ Domain 5 — IAM lifecycle, AAA framework, Zero Trust Architecture, Privileged Access Management, RBAC vs ABAC, IGA และ IDaaS — ทุกเรื่องที่ทำให้ 'คนถูกคน เข้าถูกที่ ถูกเวลา' ทำงานได้จริง

ฐานรากของ Domain 5 — Security Policy hierarchy (organizational/system-specific/issue-specific), framework selection, baselines, และ physical/environmental controls ที่หลายองค์กรลืมตรวจเพราะดูเรียบง่ายเกินไป

Storyboard ของ Domain 5 — Domain ที่ใหญ่ที่สุดในซีรีส์ ใช้ metaphor 'บ้านดิจิทัล' เป็นแกนเดียวร้อย 15 sections เข้าด้วยกัน ตั้งแต่กฎบ้าน ประตู กุญแจ ถนน ตู้เซฟ ไปจนถึงระบบดับเพลิงและตำรวจสืบสวน — ก่อนเจาะรายละเอียด 11 บทถัดไป

ปิด Domain 4 ทั้งหมด — recap 11 ตอน 16 sections (รวม Hardware Review Program, EDI/EDIFACT/X12, IS Operations, DAM, Classification of Operations 4-tier, BCP test 3 vs DR test 5), 5 บทเรียนสำคัญที่ Domain 4 ฝังในหัว, และเกริ่น Domain 5 ที่จะมาเรื่อง Security — ปกป้องระบบและข้อมูลที่เพิ่ง run ผ่านกันมา

Section 4.15 + 4.16 — บทใหญ่ที่สุดของซีรีส์ CISA: BCP (organization-wide) vs DRP (IT tactical), RPO vs RTO ที่ exam หลอกบ่อย, hot/warm/cold/mirror site ที่ต้องเลือกตาม BIA, BCP test 3 ระดับ vs DR test 5 ระดับ (คนละชุดกัน), Pandemic + Black Swan, Interruption Window + Orphan/Catch-up data, IS auditor checklist สำหรับ BCP/DRP, insurance ที่เป็น component ของ BCP — และทำไม reciprocal agreement = bad idea

Section 4.13 + 4.14 — resilience (clustering, telecom redundancy) ทำให้ระบบไม่ล่ม + backup ทำให้ข้อมูลไม่หายเมื่อระบบล่มจริง บทนี้คุย active-active vs active-passive, ransomware ที่กิน sync backup, และทำไม backup ที่ไม่เคย restore = false security

Section 4.12 — เปิด Part B (Business Resilience) ด้วย BIA ที่เป็นรากของ resilience decision ทุกตัว ER triage analogy + ที่ผู้บริหารต้องนั่งร่วม ไม่ใช่ปล่อยให้ IT ทำเอง

Section 4.11 — database คือโกดังที่เก็บคำตอบของทุกคำถามทางธุรกิจ DBA คือคนที่มีกุญแจทุกดอก ใครคุม DBA? บทนี้คุย DBMS architecture, ACID, field-level access, DBA bypass risk, และ backup encryption

Section 4.9 + 4.10 — log = ความจำขององค์กร ที่ทำให้ตอบได้ว่าเกิดอะไรขึ้น และ SLA = สัญญาที่วัดบริการได้จริง บทนี้คุยเรื่อง log integrity, SIEM ที่ตั้งค่าผิด, outsourced SLA ที่ไม่เคย verify

Section 4.8 — outage ส่วนใหญ่ไม่ได้มาจาก hacker หรือ hardware แต่มาจาก change ที่เราทำเอง บทนี้คุยทุกแง่ของ change/patch/config management ที่ exam ออกถาม emergency change, backout plan, และ CMDB

Section 4.6 + 4.7 — capacity management ป้องกันก่อนล่ม, incident management กู้คืนเมื่อล่ม, problem management หาต้นตอเพื่อไม่ให้ล่มซ้ำ ที่ exam ชอบหลอกว่า incident กับ problem คือเรื่องเดียวกัน — มันไม่ใช่

ข้อมูลที่หาย/ผิด/รั่ว ส่วนใหญ่เกิดตอนเดินทางระหว่างระบบ ไม่ใช่ตอนนิ่งใน database ตอนนี้คุย Section 4.4 (System Interfaces) + 4.5 (Shadow IT/EUC) — สองเรื่องที่ผมเรียกว่า รอยต่อทางการ และ รอยต่อใต้ดิน

ปูพื้น 3 เรื่องโครงสร้างของ Part A — USB ที่เป็นประตูหลังที่ network firewall มองไม่เห็น, IT Asset Management ที่ทุก control เริ่มจากการรู้ว่ามีอะไร, และ Job Scheduling ที่ทำงานเงียบๆ ทุกคืน. (OSI 7 Layer + Network primitives ที่เคยอยู่ในตอนนี้ ย้ายไปอยู่ใน Cybersecurity Foundation EP.26.5 เป็น primer ที่อ่านก่อนได้)

บทเปิด Domain 4 — หลังจาก D3 ปั้นระบบจน go-live ตอนนี้ระบบอยู่ในสนาม ทำงานทุกวัน เจอแรงกระแทกทุกแบบ Domain 4 คือเรื่องของ Run + Survive: ทำให้ทำงานต่อเนื่อง + รอดเมื่อเกิดเหตุไม่คาดคิด

Section 3.8 — Postimplementation Review (PIR) ที่ปิด governance loop ที่เปิดไว้ตั้งแต่ business case ทำไม PIR ต้องรอ 6-12 เดือน, ทำไม independence ของ auditor PIR สำคัญที่สุด, project closure 5 ขั้น พร้อม recap Domain 3 ทั้ง 8 ตอน + 5 บทเรียนสำคัญ และเกริ่น Domain 4 ที่จะคุยเรื่อง 'ระบบที่ build เสร็จแล้ว ดูแลให้ทำงานยังไง'

Section 3.6 + 3.7 — วันที่ความเสี่ยงสูงสุดของโปรเจ็คทั้งหมด ครอบคลุม configuration management (CMDB, baselines, check-in/check-out), data migration architecture (Unload-Cleanse-Transfer-Load), changeover techniques (parallel, phased, abrupt), rollback plan ที่ต้องทดสอบจริง และ end-user training ที่ไม่ใช่กิจกรรมท้ายสุด

Section 3.5 — testing classifications (unit, integration, system, recovery, security, performance), QAT vs UAT, ทำไม UAT ห้าม delegate ให้ vendor และ IS auditor's own tools (ITF, GAS, SCARF, snapshot, parallel simulation) ที่เป็น CAATs ในมุม SDLC พร้อม data integrity testing + certification process ก่อน go-live

Section 3.4 — application controls ที่ทดสอบบ่อยที่สุดในข้อสอบ Input controls (edit checks, batch totals, source authorization), Processing controls (run-to-run totals, exception reports, reasonableness), Output controls (distribution, retention, reconciliation) พร้อมเรื่อง DBA bypass — application controls แข็งแค่ไหน ก็ไม่มีความหมายถ้าฐานข้อมูลถูกแก้ตรง

Section 3.3.5 — methodology ที่ไม่ใช่ waterfall ทุกแบบมี risk profile คนละเรื่อง Agile ไม่ใช่ no documentation, Prototype ไม่ใช่ production after approval, RAD ไม่ใช่แค่ shortened waterfall, DevOps ไม่ใช่ทำให้ change control หาย OOSD เป็น programming paradigm ไม่ใช่ methodology ของโปรเจ็ค auditor ต้องตรวจคนละจุดในแต่ละแบบ

Section 3.3 phases 1-3 + 3.3.7-3.3.9 — SDLC แบบ waterfall ที่ทุก methodology อื่นใช้เป็น baseline เปรียบเทียบ พร้อมเรื่องการซื้อระบบ: RFP/ITT, vendor evaluation, source code escrow, right-to-audit clause และเหตุผลที่ buyer ต้องทดสอบเอง — ห้าม delegate ให้ vendor

Section 3.1 + 3.2 — ก่อนจะเริ่มสร้างระบบ ต้องมี governance structure (sponsor, steering committee, PM, PMO), business case ที่วัดได้, และ feasibility study ที่เปรียบเทียบทางเลือกอย่างซื่อตรง บทนี้รวม WBS, Gantt, CPM, PERT, EVA และเรื่องที่ IS auditor มักพลาดที่สุด — independence ที่หายไปเมื่อเข้าไปอยู่ในทีมโปรเจ็ค

เปิด Domain 3 — ก่อนจะลงรายละเอียด SDLC, methodology หลายแบบ, application controls, testing, migration และ postimplementation review ผมขอวาด map ทั้ง domain ก่อน — ตั้งแต่วันที่ business โยนไอเดียมา จนถึงวันที่ระบบขึ้น production แล้วยังต้องมีคนกลับมาตรวจอีกรอบ

ปิด Domain 2 — recap ทั้ง 9 ตอน, 5 บทเรียนสำคัญที่ Domain 2 ฝังในหัว (Accountability ไม่ transfer, Governance vs Management, วงจรไม่หยุด, Independence = Structural, Documentation = Asset) บวกเกริ่น Domain 3 ที่เปลี่ยนเรื่องไปยัง 'สร้าง IT system ใหม่'

QA vs QC ที่คนใช้สลับกันตลอด, QA Independence ที่ต้อง structural ไม่ใช่แค่ stated, Quality Management ที่ทำให้ process เป็น repeatable, Operational Excellence — ที่มาของ continuous improvement บวก trap คลาสสิก: developer review code ตัวเอง

วัด IT performance ที่ไม่ใช่แค่ตัวเลขบน dashboard — KPI (จะถึงเป้ามั้ย), KRI (เสี่ยงเพิ่มขึ้นมั้ย), KGI (control ทำงานจริงมั้ย) — 3 ตัวที่บอกคนละเรื่อง บวก PDCA cycle และ IT Balanced Scorecard ที่ทำให้ board เห็น IT ครบทุกมิติ

Outsourcing เป็น sourcing ที่ใหญ่ที่สุดของ IT ในยุคนี้ — แต่ผู้บริหารเข้าใจผิดบ่อยที่สุดว่า 'ส่งออกแล้วไม่ต้องรับผิดชอบ' จริง ๆ accountability ไม่ transfer สัญญา outsourcing ที่ดี + SOC report + right-to-audit + cloud governance + concentration risk

Part B ของ D2 เริ่มแล้ว — ลงไปดู operational governance: portfolio management ที่จัดสรร IT investment, HR controls (background check, mandatory leave, termination), enterprise change management, financial management (chargeback, capex vs opex), security management ที่เป็นระบบ

Section 2.6 + 2.7 ลึก — Privacy Program (data controller vs processor, consent + opt-in/out + withdrawal, 8 documentation types, ISACA Privacy Principle 9, Privacy Audit), Data Governance (4 classification levels, Information Owner, Legal Purpose / Consent / Legitimate Interest), NIST Privacy Framework (Control-P + Communicate-P), Transborder Data Flow

Section 2.5 ERM ลึก — Risk Appetite vs Risk Tolerance, ISRM = management function (ไม่ใช่ audit), Risk Lifecycle 4 ขั้น (Identify/Assess/Respond/Monitor), Threat actors (script kiddie / hacktivist / nation-state), Environmental threats, Vulnerabilities, Risk Responses 4 แบบ, Control Matrix, Risk Methods (Qualitative/Semiquantitative/Quantitative + Delphi)

ส่วนที่ 2 ของ Section 2.2 + Section 2.4 — ทำงานยังไงในชีวิตจริง: IS Strategy + Strategic Planning Lifecycle (agile/rolling vs 5-year cycle), IT Strategy vs IT Steering Committee (trap คลาสสิก), Organizational Structure + SoD + Job Rotation + Mandatory Leave, Business Intelligence + Data Architecture (11 layers), Enterprise Architecture (Zachman + TOGAF)

ส่วนที่ 1 ของ Section 2.2 — ใครรับผิดชอบ governance ของ IT? Corporate Governance + COBIT 7 components, EGIT (board responsibility ไม่ใช่ของ CIO), Governance vs Management ที่คนสับสนตลอด, Three Lines Model (First/Second/Third Line) + Information Security Governance (CISO reporting line trap)

ลำดับชั้นของกฎ — จากกฎหมายภายนอก (PDPA, GDPR) ลงมาเป็น policy ภายใน → standards → procedures → guidelines เห็นว่ากฎที่ดูยุ่งเหยิงในชีวิตจริง จัดเป็นชั้นได้สวยงาม และทำไม auditor ต้องเข้าใจชั้นทั้งหมดเพื่อตรวจ control ให้ตรงจุด

บทเปิด Domain 2 — เปลี่ยนมุมจาก 'วิธีของหมอ' (auditor process ใน D1) มาเป็น 'สรีระวิทยาของผู้ป่วย' (governance ขององค์กรที่ถูก audit) เล่าตั้งแต่เถ้าแก่ตัดสินใจคนเดียว จนบริษัทโตเป็น enterprise ที่ต้องการ board, committee, และระบบ governance ของ IT

Section 1.10 — ใครตรวจ auditor? Audit Committee oversight, IS Audit QA process, Training & development, Independence + CPE monitoring พร้อม recap Domain 1 ทั้ง 13 ตอน 5 บทเรียนสำคัญ และเกริ่นว่า Domain 2 (Governance) จะพาเราไปไหนต่อ

Section 1.9 — ออก audit report ยังไงให้ board ใช้ตัดสินใจได้ — 6 objectives ของ report, รู้ว่าใครเป็น audience, structure ของ report, balance ระหว่าง positive/negative findings, follow-up เป็น value creation จริง และ documentation ที่ trace ได้ทั้งสองทาง

Section 1.8 — เทคโนโลยีเปลี่ยน audit ยังไง วิวัฒนาการของเครื่องมือจาก CAATs (Generalized Audit Software) → Continuous Auditing (5 techniques) → AI/ML in IS Audit พร้อม risks ของ AI ที่ต้องระวังเสมอ

Section 1.7 — เก็บ evidence ยังไงให้ยืน — Sufficient + Competent (reliable + relevant) นิยาม Evidence, 4 มิติคุณภาพ, 7 เทคนิคเก็บหลักฐาน, ลำดับชั้นความน่าเชื่อถือ และศิลปะของการสัมภาษณ์ + สังเกตการณ์

Section 1.6 — เครื่องมือทดสอบใน Fieldwork phase ของ engagement สองคู่ที่ต้องเข้าใจ: Compliance vs Substantive testing + Statistical vs Nonstatistical sampling พร้อม Attribute, Variable sampling, Sampling Risk และ 6 ขั้นตอนสร้าง sample

บทเปิด Part B พร้อมเนื้อ Section 1.5 เต็ม — Audit Engagement คือ Project ที่มี 3 phases ลึกลงไปดู Audit Objectives, Phases, Programs, Work Papers และการรับมือ Fraud พร้อมแย้มทุกบทถัดไปใน Part B

บทสุดท้ายของ Part A — กฎหมาย/regulations เป็น mandatory input ที่บังคับ audit scope ไม่ว่า risk จะบอกอะไร พร้อมสรุปภาพรวมทั้ง Part A 8 ตอน และเตรียมตัวเข้าสู่ Part B (Execution: testing, evidence, reporting, QA)

ขยายขั้น 'วางแผนตรวจ' จาก flow ในตอน 03 — เอาภาษา Risk + Control จากตอน 05 มาใช้จริง สร้าง Audit Universe จัดอันดับด้วย risk assessment ผ่าน 4-layer planning hierarchy ที่ ISACA กำหนด

บทที่ใหญ่สุดของ Part A — ปูพื้นภาษา 2 คำที่เป็นคู่หูในมุม owner: Risk (สิ่งที่อาจเกิดขึ้นแล้วเสียหาย) และ Control (สิ่งที่ทำเพื่อกัน) ครอบคลุม Audit Risk Trinity, Materiality, 3 Control Methods, 5 Classifications, Risk-Control Link และ Prescriptive Frameworks

Section 1.2 ของ Domain 1 — ขยายขั้น 'เลือกประเภท audit' จาก flow ในตอน 03 ทำไม ISACA ถึงแบ่ง audit ออกเป็น 11 ประเภท วิธีคิดมาจากไหน บวก 2 แนวทางพิเศษ (CSA + Integrated) ที่เปลี่ยนบทบาท auditor

บทที่ผมเขียนย้อนกลับมาแทรก หลังอ่าน Part A จบ — เพราะถ้าไม่เห็น flow ทั้งวง ทุกศัพท์ใน Section 1.2-1.4 ก็จะลอย เล่าตั้งแต่ปัญหาเกิดในธุรกิจ จนวิวัฒนาการเป็น Charter ส่งต่อให้ auditor ลงสนามจนออก report

ก่อน IS auditor จะมี audit ให้ตรวจ ต้องมี mandate ที่ board อนุมัติให้ทำงานก่อน — Audit Charter คือเอกสารที่กำหนด authority, scope, independence และสายการรายงานที่เป็นรากของ Audit Universe ทั้งหมดในองค์กร

ก่อน IS auditor จะออกไปตรวจอะไร ต้องรู้ว่าตัวเองถูกกำกับด้วยกฎอะไรบ้าง — ITAF เป็นบ้านที่ครอบ 3 ชั้นกฎ (Standards บังคับ, Guidelines ต้องพิจารณา, Tools เลือกได้) บวก Code of Ethics 7 ข้อที่กำกับว่าคุณเป็น auditor แบบไหน

อาจารย์บอกว่า Open Book + เอาคอมเข้าได้ แต่ห้ามต่อเน็ต — เลยลองทำ AI ติดเครื่องไปเองดูซะเลย 555+ บันทึก 3-4 วัน (หมดเป็นวันๆ เลย) ลุย Local LLM + RAG บน gaming laptop เครื่องเดียว อธิบายทุก tool ตั้งแต่ Ollama, Embedding, ChromaDB, RAG, Hybrid RRF ให้เข้าใจตั้งแต่ศูนย์ — เผื่อตัวเองมา refer หรือใครเจอสถานการณ์คล้ายกัน หรือแค่อยากมี AI ส่วนตัวพกไว้ในเครื่อง ไม่ต้องพึ่ง cloud

เปิดตัวเรื่อง CISA — Certified Information Systems Auditor วุฒิบัตรสากลของสาย IT Audit ที่อยู่มา 48 ปี ทำไมยังเป็น gold standard, โครงสร้างข้อสอบเป็นยังไง, ค่าใช้จ่าย/ประสบการณ์เท่าไหร่ และทำไมผมถึงเริ่มสนใจ — บทเปิดก่อนซีรีส์ทบทวนเนื้อหาแต่ละ Domain

ทำไมผมถึงให้ทีมคุยกับ AI แทนที่จะเรียน technical setup ของ 10+ platforms — เก็บเวลาไปคิดกลยุทธ์ดีกว่า

เคยอัปรูปขึ้น Facebook Page cover แล้วบนมือถือเห็นเต็ม แต่บนเดสก์ท็อปหัวคนถูกตัดมั้ย? บล็อกผมก็เจอปัญหาเดียวกัน — เลยออกแบบ Safe-Zone Discipline ให้ AI รู้ว่าควรวาง subject ตรงไหนเพื่อให้รอดทุก crop

จาก Nano Banana API ไม่ฟรีอีกต่อไป ถึง Flux Schnell บน RTX 4060 8GB — เรื่องราวของการทำ cover blog ฟรี 100% สั่งผ่านแชทอย่างเดียว

ตอนจบของ IT Foundation — Agile vs Waterfall vs MVP, วิธีรันโปรเจ็ค software ตั้งแต่ศูนย์ถึงร้อย สำหรับเจ้าของกิจการ

ตอนที่ 9 ของ IT Foundation — Zero-Trust Architecture, Offensive Security, Incident Response สำหรับธุรกิจที่อยากรอดในยุค AI

ตอนที่ 8 ของ IT Foundation — จากการเขียนโค้ดในยุค AI ไปจนถึง Git, Hosting, Deploy, Monitoring ครบวงจรส่งของถึงลูกค้า

ตอนที่ 7 ของ IT Foundation — ทำยังไงให้เว็บเร็ว ทดสอบไม่ให้พัง และขยายให้รองรับคนล้านคน

ตอนที่ 6 ของ IT Foundation — รู้จักโจรดิจิทัล OWASP, Authentication แบบยาม, Encryption แบบรถขนเงิน อธิบายแบบป้อมปราการ

ตอนที่ 5 ของ IT Foundation — เครื่องมือจริงที่คนทำเว็บใช้ ทั้งฝั่ง frontend backend และการไหลของข้อมูล อธิบายแบบโรงงานกับพัสดุ

ตอนที่ 4 ของ IT Foundation — วิวัฒนาการของ server architecture และกลยุทธ์ mobile app เปรียบเทียบแบบวางผังเมือง

ตอนที่ 3 ของ IT Foundation — ซอฟต์แวร์ทำงานแบบร้านอาหาร: Frontend คือห้องอาหาร Backend คือห้องครัว Data Flow คือวงจรออเดอร์

ตอนที่ 2 ของ IT Foundation — Data Structures, Algorithms, Networking, DNS, Database อธิบายแบบคนคุยกับคน

เริ่ม series IT Foundation — รากฐานคอมพิวเตอร์ตั้งแต่ลูกคิด ENIAC ซิลิคอน IoT ไปจนถึง Quantum Computing อธิบายเป็นภาษาคน

เดือนเดียวประหยัดค่าโฮสไปหลายพันบาท ย้ายเว็บทั้งหมดออกจาก WordPress + Cloudways มาอยู่บน Cloudflare ecosystem ล้วนๆ เขียนเว็บผ่านแชทกับ Claude — ทำไม ใช้อะไรแทน ดีกว่าเดิมยังไง

เรียนคอมที่ศูนย์การศึกษาต่อเนื่องจุฬาฯ ตั้งแต่ ป.2 ยุคไม่มี IDE เจอ bug ต้องร้องไห้ — จนมาเจอ AI ที่ทำให้พื้นฐานที่เรียนมา pay off