AI ตรวจสอบสัญญา 2026 สัญญาเช่าโรงงานในไทยมีผลทางกฎหมายเพียง 3 ปี

“ระหว่างต้นฉบับภาษาไทยกับคำแปลภาษาญี่ปุ่น ฉบับใดคือฉบับที่มีผลบังคับ” ในงานสัญญาของบริษัทญี่ปุ่นที่เปิดโรงงานอยู่ในประเทศไทย คำถามเพียงประโยคเดียวนี้ทำให้การพิจารณาหยุดชะงักได้บ่อยครั้ง สัญญาเช่าโรงงานและคลังสินค้า สัญญากับซัพพลายเออร์ และบันทึกข้อตกลงที่ผูกกับเงื่อนไข BOI เดินคู่ขนานกันไปทั้งภาษาญี่ปุ่น ภาษาไทย และภาษาอังกฤษ ขณะที่ผู้รับผิดชอบงานกฎหมายแบบเต็มเวลามีอยู่เฉพาะที่สำนักงานใหญ่ในญี่ปุ่นเท่านั้น บทความนี้จะเรียบเรียงให้เห็นว่า AI ตรวจสอบสัญญา ทำอะไรได้และทำอะไรไม่ได้ ควบคู่ไปกับความเสี่ยงด้านสัญญาที่เป็นเรื่องเฉพาะของการดำเนินโรงงานในประเทศไทย

ทำไมโรงงานญี่ปุ่นในไทยจึงอ่านสัญญาไม่ทัน

สัญญาที่ฝ่ายกฎหมายของสำนักงานใหญ่ในญี่ปุ่นดูแล กับสัญญาที่บริษัทลูกด้านการผลิตในไทยต้องรับมือ ต่างกันทั้งปริมาณ ประเภท และลักษณะของเนื้อหา ฝั่งสำนักงานใหญ่นั้นผู้เชี่ยวชาญด้านกฎหมายอ่านสัญญาซื้อขายพื้นฐานและสัญญาจ้างทำของที่เขียนด้วยภาษาญี่ปุ่นเหมือนกันทั้งหมด ขณะที่เอกสารซึ่งหมุนเวียนอยู่ในฐานการผลิตที่ไทยมีหน้าตาแบบนี้

• สัญญาเช่าโรงงานและคลังสินค้าที่ทำกับผู้ประกอบการนิคมอุตสาหกรรมหรือเจ้าของที่ดิน
• สัญญาซื้อขายกับซัพพลายเออร์ในประเทศ และสัญญาจ้างผลิตหรือจ้างแปรรูปภายนอก
• สัญญาจัดหาเครื่องจักรและการขยายกำลังผลิตที่ผูกกับเงื่อนไขการส่งเสริมการลงทุนของ BOI (สำนักงานคณะกรรมการส่งเสริมการลงทุน)
• สัญญาบริการต่าง ๆ เช่น จัดหาแรงงาน รักษาความปลอดภัย ทำความสะอาด และกำจัดของเสีย
• สัญญาสนับสนุนทางเทคนิคและสัญญาอนุญาตให้ใช้สิทธิที่ทำกับสำนักงานใหญ่ในญี่ปุ่น

ในบรรดาเอกสารเหล่านี้ สัญญาที่ทำกับบริษัทท้องถิ่นมักมีโครงสร้างสามชั้น คือต้นฉบับเป็นภาษาไทย แนบฉบับภาษาอังกฤษไว้เพื่อใช้อ้างอิง แล้วจึงมีบทสรุปภาษาญี่ปุ่นสำหรับอธิบายภายในองค์กร ไม่มีอะไรรับประกันว่าทั้งสามฉบับจะตรงกันทุกถ้อยคำ และคนที่ต้องอ่านเอกสารกองนี้ส่วนใหญ่คือผู้จัดการฝ่ายบริหารหรือหัวหน้าแผนกจัดซื้อ ซึ่งรับงานนี้ควบไปกับงานประจำของตัวเอง

อีกปัจจัยหนึ่งคือ จังหวะเวลาที่สัญญาถูกหยิบขึ้นมาอ่านนั้นช้าเกินไป ในการดำเนินโรงงาน สัญญามักถูกตรวจอย่างจริงจังเพียงครั้งเดียวตอนลงนาม จากนั้นก็เข้าตู้เก็บเอกสารและไม่ถูกแตะต้องอีกเลย ปัญหาจะโผล่ขึ้นมาตอนต่ออายุสัญญาเช่า ตอนรายงานต่อ BOI หรือตอนเกิดข้อพิพาทกับคู่ค้า ถึงตอนนั้นจึงเริ่มค้นว่า “ข้อกำหนดข้อนี้เขียนไว้ว่าอย่างไร” แล้วก็พบว่าฉบับภาษาญี่ปุ่นกับฉบับภาษาไทยเขียนไม่เหมือนกัน ช่องว่างของเวลานี้เองที่ทำให้ความเสี่ยงด้านสัญญาในฐานการผลิตที่ไทยมองไม่เห็นในเวลาปกติ และเมื่อมองเห็นแล้วก็มักสายเกินแก้

จะแก้ด้วยการเพิ่มคนก็ไม่ง่ายอย่างที่คิด การให้ผู้มีใบอนุญาตทนายความญี่ปุ่นมาประจำที่ฐานการผลิตในไทยแทบเป็นไปไม่ได้ในทางปฏิบัติ ส่วนการส่งสัญญาทุกฉบับให้สำนักงานกฎหมายท้องถิ่นดูก็ทำให้ค่าใช้จ่ายบานปลาย สุดท้ายจึงลงเอยที่แนวทาง “ส่งเฉพาะสัญญาที่ดูสำคัญให้ภายนอกตรวจ ส่วนที่เหลือให้ผู้รับผิดชอบอ่านเอง” และกอง “ส่วนที่เหลือ” นี้เองคือจุดตั้งต้นของแนวคิดที่จะให้ระบบอัตโนมัติช่วยกรองในชั้นแรก

อนึ่ง เมื่อจะใช้เครื่องมือ AI ที่ฐานการผลิตต่างประเทศ ประเด็นที่ต้องตัดสินก่อนคือจะทำสัญญาในนามบัญชีใดและในนามนิติบุคคลใด สัญญาของสำนักงานใหญ่ในญี่ปุ่นนำมาใช้ที่ไทยได้เลยหรือไม่ หรือบริษัทในไทยควรทำสัญญาแยกต่างหาก คำถามนี้มาก่อนเรื่องค่าบริการเสียอีก เราได้เรียบเรียงประเด็นนี้ไว้ใน การนำ ChatGPT มาใช้ในองค์กรปี 2026 สิ่งที่ต้องตัดสินไม่ใช่แพ็กเกจแต่เป็นคู่สัญญา แนะนำให้อ่านผ่านตาสักรอบก่อนเริ่มคัดเลือกเครื่องมือ

AI ตรวจสอบสัญญา คืออะไร แยกดูฟังก์ชันพื้นฐานทีละส่วน

AI ตรวจสอบสัญญา คือซอฟต์แวร์ที่เมื่อป้อนไฟล์สัญญาเข้าไปแล้วจะชี้ความเสี่ยงเป็นรายข้อกำหนด พร้อมเสนอข้อความแก้ไขให้ ตามข้อมูลหมวดหมู่ที่ ITreview รวบรวมไว้ ฟังก์ชันหลักที่ผลิตภัณฑ์ในกลุ่มนี้มีร่วมกันได้แก่ การตรวจจับความเสี่ยง การสร้างข้อเสนอแก้ไขอัตโนมัติ การเปรียบเทียบเวอร์ชัน การรองรับสัญญาภาษาอังกฤษ การตรวจสอบความสอดคล้องกับกฎเกณฑ์ และการจัดการเวิร์กโฟลว์ เราจะไล่ดูทีละข้อว่าแต่ละอย่างมีความหมายอย่างไรในมุมของการดำเนินโรงงาน

การตรวจจับความเสี่ยงและการสร้างข้อเสนอแก้ไขอัตโนมัติ

หัวใจที่อยู่ตรงกลางที่สุดคือการตรวจจับความเสี่ยง เมื่อป้อนสัญญาเข้าไป ระบบจะทำเครื่องหมายไว้ที่ข้อกำหนดซึ่งอาจทำให้บริษัทเสียเปรียบ ข้อกำหนดที่ควรจะมีแต่กลับหายไป และข้อกำหนดที่ใช้ถ้อยคำกำกวมจนตีความได้หลายทาง จุดสำคัญคือระบบไม่ได้เพียงระบายสีข้อกำหนดเท่านั้น แต่จะให้เหตุผลว่า “ทำไมสิ่งนี้จึงเป็นความเสี่ยง” มาพร้อมกับร่างข้อความทางเลือกว่า “ควรแก้อย่างไร”

ในมุมของการดำเนินโรงงาน ตัวอย่างของการขาดหายที่พบบ่อยคือ สัญญาซื้อขายมีข้อกำหนดเรื่องการตรวจรับแต่ไม่ได้กำหนดระยะเวลาตรวจรับ ไม่ได้กำหนดเพดานค่าเสียหาย หรือข้อกำหนดเหตุสุดวิสัยไม่ได้ระบุอุทกภัยไว้ในเหตุที่ครอบคลุม ในนิคมอุตสาหกรรมของไทย ความเสี่ยงเรื่องน้ำท่วมเป็นประเด็นที่เกิดขึ้นได้จริง แต่สัญญาที่ยกแบบฟอร์มของสำนักงานใหญ่ในญี่ปุ่นมาใช้ตรง ๆ มักไม่มีมุมมองนี้อยู่เลย เวลาคนอ่าน เรามักจับได้ว่าสิ่งที่เขียนไว้ผิดตรงไหน แต่จับได้ยากมากว่ามีอะไรที่ไม่ได้เขียนไว้ และตรงนี้คือสิ่งที่ระบบถนัด

การเปรียบเทียบเวอร์ชันและการตรวจสอบความสอดคล้องกับกฎเกณฑ์

การเปรียบเทียบเวอร์ชันจะได้ผลมากกับสัญญาที่แก้ไขกันไปกลับหลายรอบ ระบบจะแสดงให้เห็นเป็นรายข้อกำหนดว่าฉบับที่คู่สัญญาส่งกลับมาต่างจากฉบับที่เราส่งไปตรงไหนบ้าง ส่วนการตรวจสอบความสอดคล้องกับกฎเกณฑ์คือฟังก์ชันที่ตรวจว่าเนื้อหาขัดกับกฎหมายที่เกี่ยวข้องหรือมาตรฐานสัญญาภายในบริษัทหรือไม่ หากบันทึกมาตรฐานของบริษัทไว้ในระบบล่วงหน้า ระบบจะจับการเบี่ยงเบนจากกฎภายในได้อัตโนมัติ เช่น “การระงับข้อพิพาทให้ใช้อนุญาโตตุลาการ” หรือ “เพดานค่าเสียหายต้องไม่เกินมูลค่าสัญญา”

การรองรับสัญญาภาษาอังกฤษและการจัดการเวิร์กโฟลว์

การรองรับสัญญาภาษาอังกฤษมีความสำคัญเป็นพิเศษสำหรับฐานการผลิตในไทย เพราะในการทำสัญญากับบริษัทท้องถิ่น ฉบับภาษาอังกฤษมักกลายเป็นภาษาที่ใช้ทำงานจริง เครื่องมือที่รับได้เฉพาะสัญญาภาษาญี่ปุ่นจึงแทบไม่มีประโยชน์ ส่วนการจัดการเวิร์กโฟลว์คือฟังก์ชันที่ทำให้กระบวนการตั้งแต่ยื่นเรื่อง อนุมัติ ลงนาม จนถึงจัดเก็บ เดินอยู่บนระบบเดียวกัน และเหลือบันทึกไว้ว่าใครอนุมัติอะไรเมื่อไร ฟังก์ชันนี้ดูไม่หวือหวา แต่ช่วยได้จริงในแง่ที่ทำให้สัญญาของฐานต่างประเทศไม่ตกอยู่ในสภาพ “มีอยู่แค่ในกล่องอีเมลของผู้รับผิดชอบคนเดียว”

การนำ AI รีวิวสัญญา มาใช้งานจริงไปถึงไหนแล้ว

มีผลสำรวจที่สะท้อนการแพร่หลายของการใช้งานอยู่ ตามรายงานผลสำรวจเรื่อง Generative AI ที่ LegalOn Technologies เผยแพร่ โดยเก็บข้อมูลจริงผ่าน Cross Marketing Inc. ระหว่างวันที่ 21 ถึง 26 กุมภาพันธ์ 2025 กับกลุ่มผู้เกี่ยวข้องกับงานกฎหมายองค์กรจำนวน 500 คน พบว่าผู้ที่ตอบว่า “ใช้งาน Generative AI อยู่” มีสัดส่วน 60% ขึ้นไป

สิ่งที่น่าสนใจในผลสำรวจนี้คือรายละเอียดของงานที่นำไปใช้ งานที่มีสัดส่วนสูงที่สุดคือ “การตรวจทานและช่วยร่างสัญญา” ที่ 44% พูดอีกอย่างคือ การตรวจสอบสัญญาถูกยกให้เป็นจุดใช้งานอันดับหนึ่งของ Generative AI ในงานกฎหมายองค์กร ส่วนบริการที่ถูกใช้มากที่สุดคือ ChatGPT ของ OpenAI ที่ราว 70% และช่วงเวลาที่เริ่มนำมาใช้ซึ่งมีสัดส่วนสูงสุดคือปี 2024 ที่ 51%

จากลำดับของตัวเลขชุดนี้ อ่านได้สองเรื่อง เรื่องแรกคือข้อเท็จจริงที่ว่าการตรวจสอบสัญญาถูกเลือกให้เป็นปลายทางของ Generative AI ในงานจริง เรื่องที่สองคือสภาพที่ว่าองค์กรจำนวนมากเริ่มต้นจากแชท AI แบบอเนกประสงค์ก่อน ประเด็นหลังนี้เชื่อมไปสู่หัวข้อถัดไป

ลองดูขนาดของตลาดด้วย ตามบทสรุปรายงานตลาดปัญญาประดิษฐ์สำหรับงานกฎหมายที่ Global Information เผยแพร่ ตลาด AI ในแวดวงกฎหมายถูกคาดการณ์ว่าจะขยายจาก 4,590 ล้านดอลลาร์สหรัฐ ในปี 2025 ไปเป็น 5,590 ล้านดอลลาร์สหรัฐ ในปี 2026 และในปี 2030 มีการประมาณการว่าจะเติบโตถึง 12,490 ล้านดอลลาร์สหรัฐ ด้วยอัตราการเติบโตเฉลี่ยต่อปีที่ 22.3% ตัวเลขเหล่านี้เป็นเพียงการประมาณการ แต่สิ่งที่แน่นอนคือแวดวงนี้ถูกมองว่าไม่ใช่กระแสชั่วคราว หากเป็นตลาดที่จะมีผลิตภัณฑ์ใหม่ทยอยเข้ามาอย่างต่อเนื่อง ในมุมของผู้เลือกใช้เครื่องมือ นั่นแปลว่าควรเผื่อไว้ล่วงหน้าว่าจะมีการเปลี่ยนรุ่นผลิตภัณฑ์และเพิ่มฟังก์ชันกันเป็นระยะในช่วงไม่กี่ปี จึงควรพิจารณาเรื่องความง่ายในการย้ายระบบเข้าไปด้วย

ใช้แชท AI แบบอเนกประสงค์แทนได้หรือไม่

ถ้าวางเนื้อหาสัญญาลงในแชท AI อเนกประสงค์อย่าง ChatGPT แล้วถามว่า “ช่วยชี้ความเสี่ยงให้หน่อย” ก็จะได้คำตอบที่ดูเข้าท่ากลับมาจริง และในผลสำรวจที่ยกมาข้างต้น ChatGPT ก็ถูกใช้มากที่สุดที่ราว 70% แล้วแปลว่าไม่จำเป็นต้องมีเครื่องมือเฉพาะทางหรือไม่ คำตอบคือไม่ใช่

ตามประเด็นที่ LegalOn Technologies เรียบเรียงไว้บนเว็บไซต์ของตนเอง แชท AI อเนกประสงค์ด้อยกว่าเครื่องมือเฉพาะทางสำหรับตรวจสอบสัญญาในเรื่องการตรวจจับข้อกำหนดที่ตกหล่น เหตุผลเป็นเรื่องเชิงโครงสร้าง แชทอเนกประสงค์เก่งในการตอบเกี่ยวกับเนื้อหาที่อยู่ในข้อความที่ได้รับ แต่การจะชี้อย่างเป็นระบบว่า “ข้อกำหนดที่ควรมีแต่ไม่ปรากฏในข้อความนี้” คืออะไร จำเป็นต้องมีโครงสร้างข้อกำหนดมาตรฐานของสัญญาแต่ละประเภทเป็นเกณฑ์อยู่ในมือ เครื่องมือเฉพาะทางฝังเกณฑ์นั้นไว้ในตัวผลิตภัณฑ์ ขณะที่แชทอเนกประสงค์ต้องพึ่งคำสั่งที่ป้อนเข้าไปในแต่ละครั้ง

อีกเรื่องที่มักเป็นปัญหาในงานจริงคือความสม่ำเสมอของผลลัพธ์ แม้จะเป็นสัญญาฉบับเดียวกัน หากเปลี่ยนผู้รับผิดชอบหรือเปลี่ยนคำสั่ง เนื้อหาที่ระบบชี้ออกมาก็อาจไม่ตรงกัน งานตรวจสอบสัญญามีความหมายก็ต่อเมื่อเปลี่ยนคนทำแล้วยังตัดสินด้วยเกณฑ์เดียวกัน ความต่างตรงนี้จึงไม่ใช่เรื่องเล็ก นอกจากนี้ยังต้องตัดสินใจเรื่องการจัดการข้อมูลแยกต่างหากด้วยว่า จะป้อนสัญญาที่มีชั้นความลับสูงเข้าไปในบริการอเนกประสงค์ได้หรือไม่

จุดที่เกิดความผิดพลาดจริงในการเปรียบเทียบเวอร์ชันสัญญา

ในงานตรวจสอบสัญญา จุดที่เกิดความผิดพลาดมากที่สุดไม่ใช่การอ่านข้อกำหนดผิด แต่คือการหยิบผิดว่าฉบับไหนคือฉบับล่าสุด

ถ้าวาดเส้นทางที่พบบ่อยในฐานการผลิตที่ไทยออกมาเป็นภาพ จะได้ประมาณนี้ ซัพพลายเออร์ท้องถิ่นส่งร่างภาษาอังกฤษมาให้ ฝ่ายจัดซื้อสรุปเป็นภาษาญี่ปุ่นแล้วส่งไปที่สำนักงานใหญ่ ฝ่ายกฎหมายของสำนักงานใหญ่ใส่ความเห็นลงบนบทสรุปภาษาญี่ปุ่นนั้น ฝ่ายจัดซื้อแปลความเห็นกลับเป็นภาษาอังกฤษแล้วส่งให้ซัพพลายเออร์ ซัพพลายเออร์แก้ทั้งฉบับภาษาไทยและฉบับภาษาอังกฤษแล้วส่งกลับมา มาถึงตรงนี้ ต้นฉบับแตกออกเป็นสามภาษา ความเห็นถูกใส่ไว้บนบทสรุป และไม่มีใครตามได้ว่าการแก้ไขถูกสะท้อนลงในฉบับใดกันแน่

ฟังก์ชันเปรียบเทียบเวอร์ชันจะรับช่วงเส้นทางบางส่วนนี้ไปทำแทนคน โดยนำฉบับก่อนหน้ามาเทียบกับฉบับปัจจุบัน แล้วแสดงข้อกำหนดที่ถูกเพิ่ม ถูกลบ และถูกแก้ไข สิ่งที่คนมักมองข้ามไม่ใช่ตัวเลขที่เปลี่ยนไปอย่างเห็นได้ชัด แต่คือการแก้ถ้อยคำเล็ก ๆ ที่เปลี่ยนสิทธิให้กลายเป็นหน้าที่ เช่นเปลี่ยนจาก “อาจดำเนินการได้” เป็น “ต้องดำเนินการ” ถ้าระบบแสดงออกมาเป็นส่วนต่าง อย่างน้อยการมองข้ามก็จะลดลง

อย่างไรก็ตาม หลังจากระบบแสดงส่วนต่างออกมาแล้ว คนคือผู้ตัดสินว่าการแก้ไขนั้นรับได้หรือไม่ ถ้าเอาสองอย่างนี้มาปนกันเมื่อไร ระบบอัตโนมัติจะหยุดเดินทันที ประเด็นเรื่องการแบ่งแยกงานที่มีทั้งการตัดสินใจและการประมวลผลปนกันอยู่ เราได้อธิบายไว้อย่างละเอียดใน การเชื่อม RPA กับ Generative AI ปี 2026 ระบบอัตโนมัติหยุดเดินตรงจุดที่มีการตัดสินใจปนอยู่ งานตรวจสอบสัญญาคือแวดวงที่ต้องออกแบบให้ “ส่งเฉพาะส่วนที่เป็นการประมวลผลให้ระบบ ส่วนการตัดสินใจให้คนถือไว้” อย่างชัดเจน

เครื่องมือ AI ตรวจสอบสัญญา ที่มีอยู่ในตลาด ทั้งในญี่ปุ่นและต่างประเทศ

หากรวบรวมผลิตภัณฑ์ในญี่ปุ่นที่ปรากฏในข้อมูลหมวดหมู่ของ ITreview เข้ากับเครื่องมือที่ถูกเอ่ยชื่อในต่างประเทศ จะได้ภาพตามตารางด้านล่าง ความแตกต่างของฟังก์ชันปลีกย่อยในแต่ละผลิตภัณฑ์ขอให้ตรวจสอบจากข้อมูลทางการของแต่ละบริษัท ในที่นี้ขอให้จับภาพรวมก่อนว่ามีผู้เล่นหน้าไหนอยู่บ้าง

ช่อง “ประเภทการอ้างอิง” ในตารางบอกว่าเครื่องมือนั้นปรากฏอยู่ในแหล่งข้อมูลใด ไม่ได้บอกสัญชาติของบริษัทผู้ให้บริการ ตัวอย่างเช่น LegalOn Technologies ซึ่งให้บริการ LegalOn เป็นบริษัทสัญชาติญี่ปุ่น แต่ในที่นี้จัดไว้เป็น “ตัวอย่างเครื่องมือจากต่างประเทศ” เพราะถูกยกเป็นตัวอย่างในบทความอธิบายสำหรับผู้อ่านต่างประเทศ

รายการนี้ไม่ได้บอกว่าเครื่องมือใดดีกว่ากัน บางผลิตภัณฑ์เกิดมาเพื่อการตรวจสอบสัญญาโดยเฉพาะ บางผลิตภัณฑ์ตั้งต้นจากสัญญาอิเล็กทรอนิกส์หรือการช่วยร่างสัญญาแล้วจึงมีฟังก์ชันตรวจสอบเสริมเข้ามา จุดตั้งต้นจึงต่างกัน หากตั้งเงื่อนไขว่าจะใช้ที่ฐานการผลิตในไทย แกนการเปรียบเทียบจัดได้ตามนี้

ในบรรดาหกแกนนี้ “กฎหมายที่ใช้เป็นฐาน” คือจุดที่ถูกมองข้ามมากที่สุดเวลานำผลิตภัณฑ์ของญี่ปุ่นไปใช้ที่ฐานต่างประเทศ เครื่องมือ AI ตรวจสอบสัญญา ของญี่ปุ่นส่วนใหญ่ใช้โครงสร้างข้อกำหนดมาตรฐานที่ตั้งอยู่บนกฎหมายญี่ปุ่นเป็นเกณฑ์ หากป้อนสัญญาที่ใช้กฎหมายไทยบังคับเข้าไปตรง ๆ ก็จะมีบางจังหวะที่ตัวเกณฑ์เองไม่เข้ากับเนื้อหา การใช้งานจึงต้องตั้งอยู่บนความเข้าใจข้อจำกัดนี้ แล้วแยก “ประเด็นที่ระบบเก็บได้” ออกจาก “ประเด็นที่ระบบเก็บไม่ได้” ตามที่จะกล่าวต่อไป

หลุมพรางของสัญญาเช่าโรงงานและคลังสินค้าในไทย กับมาตรา 538

ในบรรดาความเสี่ยงด้านสัญญาที่เป็นเรื่องเฉพาะของการดำเนินโรงงานในไทย เรื่องที่มีผลกระทบเป็นตัวเงินมากที่สุด และสังเกตได้ยากที่สุดหากใช้สามัญสำนึกแบบญี่ปุ่น คือข้อจำกัดเรื่องระยะเวลาของสัญญาเช่าอสังหาริมทรัพย์

ตามประมวลกฎหมายแพ่งและพาณิชย์ของไทย มาตรา 538 การเช่าอสังหาริมทรัพย์นั้น แม้จะทำสัญญาไว้เกิน 3 ปี หากไม่ได้จดทะเบียนก็จะมีผลบังคับตามกฎหมายเพียง 3 ปีเท่านั้น พูดอีกอย่างคือ ต่อให้ลงนามในสัญญาเช่าอายุ 10 ปี และทั้งสองฝ่ายเข้าใจตรงกัน หากไม่ได้จดทะเบียน สิ่งที่อ้างได้ตามกฎหมายก็มีเพียง 3 ปีแรกเท่านั้น

เรื่องนี้มีความหมายอย่างไรต่อการดำเนินโรงงาน ความหมายคือโรงงานที่ติดตั้งเครื่องจักร ขอการรับรอง จ้างคน และเปิดเดินสายการผลิตไปแล้ว อาจถูกผู้ให้เช่าแจ้งในปีที่ 4 ว่า “ตามกฎหมายแล้วสัญญาสิ้นสุดไปแล้ว” ในทางปฏิบัติ ส่วนใหญ่ทั้งสองฝ่ายคงตกลงกันให้เช่าต่อ แต่เมื่อใดที่ผู้ให้เช่าเปลี่ยนมือ ที่ดินถูกขายออกไป หรือเรื่องนี้ถูกหยิบมาใช้เป็นเครื่องมือต่อรองขึ้นค่าเช่าครั้งใหญ่ ไพ่ที่เราถืออยู่บนโต๊ะเจรจาจะอยู่ในสภาพที่ขาดฐานรองรับทางกฎหมาย

ทิศทางการรับมือมีสองทาง ทางแรกคือจดทะเบียนสัญญาที่มีอายุเกิน 3 ปี ทางที่สองคือในกรณีที่จดทะเบียนได้ยาก ให้ขอคำยืนยันอย่างชัดแจ้งจากผู้ให้เช่าเรื่องการต่ออายุสัญญา หากวางแผนเดินเครื่องระยะยาว นี่คือประเด็นที่ควรตรวจสอบความเป็นไปได้ของการจดทะเบียนตั้งแต่ขั้นตอนเจรจาสัญญา

การคำนวณมูลค่าการลงทุนของ BOI กับกฎ 3 ปี

สิ่งที่ยุ่งยากกว่านั้นคือกฎ 3 ปีนี้ไปเกี่ยวพันกับระบบส่งเสริมการลงทุนของ BOI ในการส่งเสริมการลงทุนของ BOI สัญญาเช่าที่นำมารวมในการคำนวณมูลค่าการลงทุนได้นั้น กำหนดไว้ว่าต้องเป็น มูลค่าสัญญาเช่าที่มีอายุเกิน 3 ปีเท่านั้น

ตรงนี้จึงเกิดความขัดแย้งขึ้น หากย่นระยะเวลาสัญญาให้อยู่ภายใน 3 ปีเพื่อเลี่ยงข้อจำกัดของมาตรา 538 มูลค่าสัญญาเช่านั้นก็จะไม่ถูกนับเข้าไปในการคำนวณมูลค่าการลงทุนของ BOI ผลที่ตามมาคืออาจได้รับสิทธิประโยชน์ไม่เต็มที่ ในทางกลับกัน หากทำสัญญาเกิน 3 ปีเพื่อให้นับรวมเป็นมูลค่าการลงทุนของ BOI ก็ต้องจดทะเบียน หรืออย่างน้อยต้องคิดมาตรการที่เทียบเท่าการจดทะเบียน มิฉะนั้นผลบังคับทางกฎหมายของตัวสัญญาเองจะขาดลงเมื่อครบ 3 ปี

นั่นแปลว่า จุดเดียวคือระยะเวลาของสัญญาเช่า กำลังตัดสินทั้งเรื่องผลบังคับทางกฎหมายและเรื่องสิทธิประโยชน์ทางภาษีไปพร้อมกัน ประเด็นนี้มองไม่เห็นจากการอ่านข้อกำหนดเพียงข้อเดียวในสัญญา ต้องนำไปเทียบกับเงื่อนไขการยื่นขอ BOI จึงจะเข้าใจความหมาย AI ตรวจสอบสัญญา ดึงข้อมูลออกมาได้แบบอัตโนมัติว่า “ระยะเวลาสัญญาเกิน 3 ปีหรือไม่” และ “มีข้อกำหนดเรื่องการจดทะเบียนหรือไม่” แต่การตัดสินว่าสิ่งนั้นส่งผลต่อสิทธิประโยชน์ของ BOI อย่างไร เป็นงานของคน การตกลงเรื่องการแบ่งงานนี้ตั้งแต่ต้นจึงสำคัญมาก

เงื่อนไขการส่งเสริมการลงทุนของ BOI กับเนื้อหาในสัญญา

เรื่องตัวระบบของ BOI เองก็มีหลักการที่ส่งผลต่องานสัญญาซึ่งควรทำความเข้าใจไว้ให้ชัด ตามคู่มือที่ BOI จัดทำ การอนุมัติของ BOI ไม่ได้ให้เป็นรายบริษัท แต่ให้เป็นรายโครงการ และเนื้อหาของสิทธิประโยชน์ต่างกันไปตามประเภทกิจการ หากนิติบุคคลเดียวกันมีหลายโครงการ แต่ละโครงการก็จะมีเงื่อนไขของตัวเอง

ในด้านเงื่อนไขเรื่องจำนวนเงินและขั้นตอน มีการระบุไว้ดังนี้

• มูลค่าการลงทุนขั้นต่ำต้องไม่น้อยกว่า 1,000,000 บาท โดยไม่รวมค่าที่ดินและเงินทุนหมุนเวียน
• ก่อนออกบัตรส่งเสริม ต้องมีการชำระทุนจดทะเบียนแล้วไม่น้อยกว่าหนึ่งในสี่
• หลังได้รับบัตรส่งเสริม โดยหลักต้องเริ่มดำเนินการผลิตภายใน 36 เดือน
• โครงการที่ได้รับการส่งเสริมจาก BOI มีหน้าที่ต้องรับการตรวจสอบและรายงานตามกำหนด

เงื่อนไขเหล่านี้ผูกโดยตรงกับกำหนดวันและจำนวนเงินที่อยู่ในสัญญา ตัวอย่างเช่น เมื่อมีเงื่อนไขว่าต้องเริ่มดำเนินการผลิตภายใน 36 เดือน ข้อกำหนดเรื่องกำหนดส่งมอบในสัญญาจัดหาเครื่องจักร การกำหนดวันแล้วเสร็จของการติดตั้งและการทดลองเดินเครื่อง รวมถึงการแบ่งความรับผิดเมื่อเกิดความล่าช้า ก็ไม่ใช่เพียงประเด็นทางการค้าอีกต่อไป แต่กลายเป็นประเด็นที่เกี่ยวข้องกับการรักษาสิทธิประโยชน์ หากความล่าช้าในการส่งมอบสะสมจนเริ่มผลิตไม่ทันกำหนด ผลกระทบจะไม่จบอยู่แค่ระหว่างคู่สัญญา

เรื่องเดียวกันนี้ใช้ได้กับการยกเว้นค่าที่ดินและเงินทุนหมุนเวียนด้วย ในเมื่อมีการแยกว่าสิ่งใดนับรวมเป็นมูลค่าการลงทุนและสิ่งใดไม่นับ การที่สัญญาระบุว่าค่าใช้จ่ายรายการใดถูกลงบัญชีเป็นหมวดใด ย่อมเปลี่ยนผลการคำนวณได้ หากจะนำการตรวจสัญญาด้วย AI มาใช้ การใช้งานแบบดึงกำหนดวันและจำนวนเงินที่เกี่ยวกับ BOI ออกมา คือกรณีใช้งานแรกที่ควรวางไว้ เพราะการดึงข้อมูลเป็นสิ่งที่ระบบถนัด ส่วนการตัดสินเป็นหน้าที่ของคน การแบ่งบทบาทแบบนี้ใช้ได้ตรง ๆ กับงานนี้

PDPA กับสัญญา จะตรวจข้อกำหนดเรื่องข้อมูลส่วนบุคคลอย่างไร

พระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคลของไทย หรือ PDPA มีผลบังคับใช้เต็มรูปแบบเมื่อเดือนมิถุนายน 2022 เป็นระบบที่อ้างอิงแนวทางของ GDPR จึงมีจุดร่วมกับ GDPR หลายเรื่อง ทั้งหลักการขอความยินยอมจากเจ้าของข้อมูล การรับรองสิทธิของเจ้าของข้อมูล และการรักษาความปลอดภัยเมื่อมีการโอนข้อมูลออกนอกประเทศ

ในการดำเนินโรงงาน ข้อมูลส่วนบุคคลเคลื่อนไหวอยู่ในขอบเขตที่กว้างกว่าที่คิด ทั้งข้อมูลบุคลากรของพนักงาน บันทึกการเข้าออกพื้นที่ ผลการตรวจสุขภาพ ข้อมูลผู้ติดต่อของคู่ค้า และภาพจากกล้องวงจรปิด การจัดการข้อมูลเหล่านี้ปรากฏเป็นข้อกำหนดอยู่ในเอกสารอย่างสัญญาจัดหาแรงงาน สัญญาจ้างรักษาความปลอดภัย สัญญาบำรุงรักษาระบบ และข้อกำหนดการใช้บริการคลาวด์

ในมุมของสัญญา สิ่งที่ควรตรวจสอบมีประมาณนี้

• กรณีส่งมอบข้อมูลส่วนบุคคลให้ผู้รับจ้าง มีการระบุขอบเขตและวัตถุประสงค์ของการใช้ข้อมูลไว้ชัดเจนหรือไม่
• กรณีเกิดการโอนข้อมูลออกนอกประเทศ มีการระบุเรื่องนี้และมาตรการรักษาความปลอดภัยไว้หรือไม่
• มีการกำหนดหน้าที่ส่งคืนหรือทำลายข้อมูลเมื่อสัญญาสิ้นสุดหรือไม่
• กรณีเกิดเหตุข้อมูลรั่วไหล มีการกำหนดหน้าที่แจ้งเหตุและกรอบเวลาในการแจ้งหรือไม่
• ระบุไว้หรือไม่ว่าให้จ้างช่วงได้หรือไม่ และมีข้อกำหนดให้ผู้รับจ้างช่วงมีหน้าที่เทียบเท่ากันหรือไม่

ในบริบทของการควบรวมกิจการ มีการชี้ให้เห็นความสำคัญของการตรวจสอบการจัดการข้อมูลส่วนบุคคลในสัญญาระหว่างกระบวนการตรวจสอบสถานะกิจการ แต่เรื่องนี้ไม่ได้จำกัดอยู่แค่ตอนซื้อกิจการ การรื้อสำรวจสัญญาที่มีอยู่เดิมทั้งหมดแล้วตรวจข้ามฉบับว่ามีข้อกำหนดเรื่องข้อมูลส่วนบุคคลหรือไม่ คือหนึ่งในการใช้งานที่ AI ตรวจสอบสัญญา แสดงศักยภาพได้มากที่สุด โดยดึง “ข้อกำหนดที่กล่าวถึงข้อมูลส่วนบุคคล” ออกมาจากกองสัญญาที่มีอยู่ แล้วทำเป็นรายการว่าองค์ประกอบที่จำเป็นครบหรือไม่ งานแบบนี้หากทำด้วยมือจะกินแรงพอสมควร แต่เฉพาะส่วนของการดึงข้อมูลนั้นย่นเวลาลงได้มาก

ประเภทสัญญาที่ AI รีวิวสัญญา ช่วยได้จริงในการดำเนินโรงงานในไทย

ขอสรุปประเด็นทั้งหมดที่กล่าวมาโดยจัดตามประเภทสัญญา โดยจับคู่ประเด็นหลักของแต่ละประเภทเข้ากับส่วนที่ AI ตรวจสอบสัญญา เก็บได้ง่าย

เมื่อดูตารางนี้จะเห็นว่าสิ่งที่ AI เก็บได้อยู่ในระดับ “มีหรือไม่มี” และ “เขียนไว้ว่าอย่างไร” มองกลับด้าน หากยกการตรวจในระดับนั้นให้ระบบได้ คนก็จะมีเวลาไปใช้กับการตัดสินว่า “เงื่อนไขนี้รับได้หรือไม่” คุณค่าของเครื่องมือ AI ตรวจสอบสัญญา จึงไม่ได้อยู่ที่การทำหน้าที่ตัดสินแทน แต่อยู่ที่การรับงานเตรียมข้อมูลก่อนถึงขั้นตัดสิน

จะเริ่มนำ AI ตรวจสอบสัญญา มาใช้อย่างไร

ขอเรียบเรียงลำดับการนำมาใช้ในเชิงปฏิบัติ

ข้อแรก จำกัดขอบเขตให้แคบก่อน ถ้าเอาสัญญาทุกฉบับของทั้งบริษัทมาเป็นเป้าหมายตั้งแต่แรก งานจะติดหล่มอยู่ที่การออกแบบกฎการใช้งานเพียงอย่างเดียว สำหรับฐานการผลิตในไทย การเริ่มจากสัญญาซื้อขายและสัญญาบริการซึ่งมีจำนวนมากและมีรูปแบบค่อนข้างตายตัว เป็นแนวทางที่ทำได้จริงกว่า ส่วนสัญญาเช่าและสัญญาที่เกี่ยวกับ BOI นั้นมีจำนวนน้อยแต่มีความเฉพาะตัวสูงและมีผลกระทบเป็นตัวเงินมาก จึงควรแยกออกมาเป็นกลุ่มที่ต้องมีคนตรวจละเอียดเสมอเพิ่มเติมจากการตรวจชั้นแรกด้วย AI ตั้งแต่ต้น

ข้อที่สอง รื้อสำรวจสัญญาที่มีอยู่เดิม ผลลัพธ์ที่ปรากฏเร็วที่สุดไม่ใช่การตรวจสัญญาใหม่ แต่คือการตรวจทานสัญญาที่ลงนามไปแล้วทั้งหมด โดยทำรายการว่ามีสัญญาอยู่ที่ไหนกี่ฉบับ ครบกำหนดต่ออายุเมื่อไร และมีข้อกำหนดเรื่องข้อมูลส่วนบุคคลหรือไม่ งานนี้มีคุณค่าในตัวเอง และในขณะเดียวกันก็เป็นการทดสอบว่าเครื่องมืออ่านสัญญาของบริษัทเราได้ดีแค่ไหน

ข้อที่สาม เขียนเกณฑ์ของบริษัทออกมาเป็นลายลักษณ์อักษร การจะใช้ฟังก์ชันตรวจสอบความสอดคล้องกับกฎเกณฑ์ได้ ต้องมีเกณฑ์ว่าอะไรคือการเบี่ยงเบน จะใช้กฎหมายใดบังคับ จะระงับข้อพิพาทด้วยศาลหรืออนุญาโตตุลาการ จะวางเพดานค่าเสียหายไว้อย่างไร นี่คืองานแปลงสิ่งที่เคยตัดสินด้วยประสบการณ์ของผู้รับผิดชอบให้กลายเป็นเอกสาร หากการนำเครื่องมือเข้ามาเป็นจังหวะให้จัดระเบียบเกณฑ์ภายในองค์กรได้ นั่นก็คือผลงานในตัวมันเองแล้ว

ข้อที่สี่ กำหนดการแบ่งงานระหว่างคนกับระบบ เราส่งสิ่งที่ AI ชี้ออกมาให้คู่สัญญาตรง ๆ ไม่ได้ คนคือผู้ตัดสินว่าจะยกประเด็นใดขึ้นโต๊ะเจรจาและจะยอมรับประเด็นใด ใครเป็นผู้ตัดสินใจนั้น และผู้อนุมัติเปลี่ยนไปตามจำนวนเงินหรือประเภทสัญญาหรือไม่ ถ้าไม่ขีดเส้นนี้ไว้ก่อน งานจะหยุดนิ่งอยู่หน้ากองข้อสังเกตจำนวนมากที่ AI ปล่อยออกมา

ข้อที่ห้า ออกแบบบทบาทของผู้เชี่ยวชาญภายนอกใหม่ การนำ AI เข้ามาไม่ได้แปลว่าไม่ต้องมีทนายความอีกต่อไป แต่แปลว่าเนื้อหาที่เราไปปรึกษาทนายความจะเปลี่ยนไป เมื่อระบบเก็บเรื่องการมีอยู่ของข้อกำหนดและข้อบกพร่องเชิงรูปแบบไปแล้ว เราก็จะถามผู้เชี่ยวชาญได้อย่างเจาะจงกับประเด็นที่ต้องใช้วิจารณญาณ เช่น “ภายใต้กฎหมายไทย เงื่อนไขนี้มีผลใช้บังคับหรือไม่” หรือ “ขัดกับเงื่อนไขของ BOI หรือไม่” ผลที่แท้จริงจึงไม่ใช่การลดค่าใช้จ่าย แต่คือการได้ให้ผู้เชี่ยวชาญดูประเด็นที่สำคัญกว่าเดิมด้วยค่าใช้จ่ายเท่าเดิม

สามหลุมพรางที่ต้องระวังตอนเริ่มใช้งาน

เรื่องแรกคือการคาดหวังกับการรองรับภาษาไทยมากเกินไป เครื่องมือ AI ตรวจสอบสัญญา ของญี่ปุ่นส่วนใหญ่ตั้งอยู่บนภาษาญี่ปุ่นและภาษาอังกฤษ จึงไม่ได้แปลว่าจะอ่านสัญญาภาษาไทยได้อย่างแม่นยำเสมอไป การตัดสินสัญญาที่มีต้นฉบับภาษาไทยเป็นฉบับที่มีผลบังคับ โดยอาศัยผลการตรวจของ AI เพียงอย่างเดียวจึงเป็นเรื่องอันตราย ในทางปฏิบัติควรวางเป็นสองชั้น คือใช้ AI ตรวจกับฉบับภาษาอังกฤษ แล้วตรวจความตรงกันกับต้นฉบับภาษาไทยแยกอีกครั้ง

เรื่องที่สองคือการจัดการข้อมูลที่เป็นความลับ ในสัญญาอัดแน่นไปด้วยข้อมูลที่ออกไปข้างนอกไม่ได้ ทั้งราคาซื้อขาย เงื่อนไขการจัดหา และข้อมูลทางเทคนิค ก่อนเริ่มใช้งานจึงต้องตรวจสอบว่าข้อมูลที่ป้อนเข้าไปจะถูกนำไปใช้เรียนรู้หรือไม่ ถูกเก็บไว้บนเซิร์ฟเวอร์ที่ใด และมีปัญหาในมุมของ PDPA ของไทยหรือไม่ ยิ่งเป็นองค์กรที่การวางเนื้อหาสัญญาลงในแชท AI อเนกประสงค์แพร่หลายอยู่แล้ว ยิ่งควรจัดระเบียบเรื่องนี้ก่อน

เรื่องที่สามคือการยึดผลลัพธ์ของ AI เป็นคำตัดสินสุดท้าย AI ตรวจสอบสัญญา ให้ข้อสังเกตออกมาก็จริง แต่ไม่มีอะไรรับประกันว่าข้อสังเกตนั้นถูกต้อง และการที่ไม่มีข้อสังเกตออกมาก็ไม่ได้แปลว่าไม่มีปัญหา ระบบเป็นเพียงการคัดกรองชั้นแรก ความรับผิดชอบสุดท้ายยังอยู่ที่ฝ่ายที่ลงนามในสัญญา หากไม่เขียนหลักการนี้ไว้ในกฎการใช้งานให้ชัด ภายหลังจะเกิดความคลุมเครือว่าใครเป็นผู้รับผิดชอบ

คำถามที่พบบ่อย

AI ตรวจสอบสัญญา มีค่าใช้จ่ายประมาณเท่าไร

เนื่องจากโครงสร้างราคาต่างกันมากในแต่ละผลิตภัณฑ์ จึงไม่สามารถบอกราคากลางแบบเดียวได้ มีทั้งแบบคิดตามปริมาณสัญญา แบบไลเซนส์ตามจำนวนผู้ใช้ และแบบตัวเลือกเสริมรายฟังก์ชัน ส่วนผลิตภัณฑ์ที่รวมการช่วยร่างสัญญาหรือสัญญาอิเล็กทรอนิกส์ไว้ด้วยกัน บางครั้งก็ไม่ได้แสดงราคาของฟังก์ชันตรวจสอบแยกออกมา เวลาเปรียบเทียบ แนะนำให้สอบถามแต่ละบริษัทว่าถ้าคำนวณจากจำนวนสัญญาต่อปีที่คาดไว้แล้วจะออกมาเป็นเท่าไร และการใช้งานจากฐานต่างประเทศจะมีค่าใช้จ่ายเพิ่มหรือไม่ ซึ่งสำคัญกว่าตัวเลขราคาเปล่า ๆ

AI ตรวจสอบสัญญา รองรับสัญญาภาษาอื่นนอกจากภาษาญี่ปุ่นได้หรือไม่

การรองรับสัญญาภาษาอังกฤษเป็นหนึ่งในฟังก์ชันหลักที่ผลิตภัณฑ์ในแวดวงนี้มีร่วมกัน ดังนั้นสำหรับสัญญาภาษาอังกฤษจึงถือได้ว่าผลิตภัณฑ์ส่วนใหญ่รับมือได้ ส่วนภาษาอย่างภาษาไทยหรือภาษาเวียดนามนั้น ทั้งการรองรับและความแม่นยำต่างกันมากในแต่ละผลิตภัณฑ์ หากตั้งเงื่อนไขว่าจะใช้ที่ฐานการผลิตในไทย ทางที่ปลอดภัยคือตรวจสอบภาษาที่รองรับเป็นอันดับแรก และวางกระบวนการให้ต้นฉบับภาษาไทยยังต้องผ่านการตรวจโดยคน

การตรวจสัญญาด้วย AI ใช้แทนการตรวจโดยทนายความได้หรือไม่

ใช้แทนไม่ได้ สิ่งที่ AI ถนัดคืองานอย่างการดึงข้อมูลว่ามีข้อกำหนดใดบ้างและมีข้อบกพร่องเชิงรูปแบบตรงไหน การค้นข้ามหลายสัญญา และการแสดงส่วนต่างระหว่างเวอร์ชัน ส่วนการตัดสินว่าข้อกำหนดนั้นมีผลใช้บังคับภายใต้กฎหมายไทยหรือไม่ หรือขัดกับเงื่อนไขของ BOI และกฎระเบียบท้องถิ่นหรือไม่ เป็นแวดวงของผู้เชี่ยวชาญ ในทางปฏิบัติ การใช้ AI คัดกรองชั้นแรกแล้วนำประเด็นที่ลอยขึ้นมาไปปรึกษาผู้เชี่ยวชาญแบบเจาะจง คือการผสมที่สมเหตุสมผลทั้งในแง่ค่าใช้จ่ายและคุณภาพ

เวลาเลือกเครื่องมือ AI ตรวจสอบสัญญา ควรเปรียบเทียบจากจุดใด

ตามตารางเปรียบเทียบในบทความนี้ แกนพื้นฐานมีหกข้อ ได้แก่ ภาษาที่รองรับ ความครอบคลุมของประเภทสัญญา กฎหมายที่ใช้เป็นฐาน การจัดการข้อมูล การจัดเก็บและการค้นหา และบันทึกการอนุมัติ กรณีใช้งานที่ฐานต่างประเทศ น้ำหนักของ “กฎหมายที่ใช้เป็นฐาน” และ “การจัดการข้อมูล” จะมากกว่าการใช้ในประเทศญี่ปุ่น ขอให้ทดสอบด้วยสัญญาจริงของบริษัทตั้งแต่ช่วงทดลองใช้ ว่าเกณฑ์ที่สร้างบนกฎหมายญี่ปุ่นใช้ได้แค่ไหนกับสัญญาที่ใช้กฎหมายไทยบังคับ และสัญญาที่ป้อนเข้าไปถูกเก็บไว้ที่ใด

การนำ AI รีวิวสัญญา มาใช้ต้องใช้เวลาประมาณเท่าไร

ระยะเวลาขึ้นอยู่กับความกว้างของขอบเขต หากจำกัดไว้ที่สัญญาบางประเภทและเริ่มจากการรื้อสำรวจสัญญาเดิม ก็เดินการทดลองใช้ควบคู่ไปกับการจัดทำกฎการใช้งานได้ ในทางกลับกัน หากเริ่มจากสภาพที่เกณฑ์สัญญาภายในองค์กรยังไม่ได้เขียนเป็นเอกสารเลย เวลาส่วนใหญ่จะไปตกอยู่ที่การสร้างเกณฑ์ ถ้าเข้าใจไว้ตั้งแต่ต้นว่างานแปลงเกณฑ์การตัดสินของบริษัทออกมาเป็นถ้อยคำใช้เวลามากกว่างานตั้งค่าเครื่องมือ การประเมินระยะเวลาก็จะคลาดเคลื่อนน้อยลง

สรุป

งานสัญญาของบริษัทญี่ปุ่นที่ดำเนินโรงงานในประเทศไทยมีเงื่อนไขตั้งต้นต่างจากสำนักงานใหญ่ในญี่ปุ่น ภาษาญี่ปุ่น ภาษาไทย และภาษาอังกฤษปะปนกัน ประเภทของสัญญาไม่ได้หยุดอยู่แค่สัญญาซื้อขายพื้นฐาน แต่ขยายไปถึงสัญญาเช่าและสัญญาที่เกี่ยวกับ BOI ขณะที่คนซึ่งดูแลเรื่องนี้มีจำกัด ภายใต้โครงสร้างแบบนี้ แนวทางที่ให้คนอ่านสัญญาทุกฉบับอย่างละเอียดจึงไม่ตั้งอยู่บนความเป็นจริงตั้งแต่ต้น

AI ตรวจสอบสัญญา คือเครื่องมือที่เข้ามารับงานตรวจเชิงกลไก เช่น การมีอยู่ของข้อกำหนดและส่วนต่างระหว่างเวอร์ชัน ผลสำรวจที่ระบุว่า “การตรวจทานและช่วยร่างสัญญา” เป็นงานที่ใช้ Generative AI มากที่สุดในงานกฎหมายองค์กรที่สัดส่วน 44% แสดงให้เห็นว่าการใช้งานแบบนี้ถูกเลือกจริงในทางปฏิบัติ อย่างไรก็ตาม แชท AI อเนกประสงค์ถูกระบุว่าด้อยกว่าเครื่องมือเฉพาะทางในการตรวจจับข้อกำหนดที่ตกหล่น การเลือกว่าจะใช้อะไรจึงส่งผลต่อผลลัพธ์

และประเด็นที่เป็นเรื่องเฉพาะของไทยนั้นปิดจบด้วยระบบอย่างเดียวไม่ได้ ข้อจำกัด 3 ปีตามประมวลกฎหมายแพ่งและพาณิชย์ มาตรา 538 กับการคำนวณมูลค่าการลงทุนของ BOI ที่นับเฉพาะมูลค่าสัญญาเช่าที่มีอายุเกิน 3 ปี มีความสัมพันธ์กันในแบบที่มองไม่เห็นจากการอ่านข้อกำหนดเพียงข้อเดียว ยกการดึงข้อมูลให้ระบบ ส่วนการตัดสินให้คนถือไว้ การขีดเส้นแบ่งนี้ตั้งแต่ต้นคือเงื่อนไขของการนำมาใช้ให้สำเร็จ

ควรเริ่มจัดระเบียบสัญญาของบริษัทจากจุดใด และเครื่องมือใดเหมาะกับสภาพจริงของฐานการผลิต ขึ้นอยู่กับจำนวนและประเภทของสัญญาที่มีอยู่ TOMAS TECH รับปรึกษาเรื่องการทำงานหลังบ้านให้เป็นดิจิทัลสำหรับผู้ผลิตสัญชาติญี่ปุ่นที่มีฐานอยู่ในประเทศไทย ตั้งแต่ขั้นตอนการจัดระเบียบก่อนเริ่มนำระบบมาใช้ แม้เพิ่งเริ่มคิดเรื่องนี้ก็ยินดีพูดคุย เริ่มจากการเล่าสถานการณ์ปัจจุบันให้เราฟังก่อนก็ได้ ติดต่อเราได้ที่ แบบฟอร์มติดต่อสอบถาม

ข้อมูลอ้างอิง

• รายงานผลสำรวจสภาพการใช้งาน Generative AI โดย LegalOn Technologies
• รายงานตลาดปัญญาประดิษฐ์สำหรับงานกฎหมายทั่วโลก โดย Global Information
• ข้อมูลหมวดหมู่เครื่องมือตรวจสอบสัญญาด้วย AI โดย ITreview
• AI Contract Review Software โดย LegalOn Technologies
• ข้อควรระวังเกี่ยวกับสัญญาเช่าโรงงานและคลังสินค้าในประเทศไทย โดย ThaiBiz
• BOI A Guide to the Board of Investment ฉบับภาษาญี่ปุ่น โดย Thailand Board of Investment
• กฎหมายคุ้มครองข้อมูลส่วนบุคคลของไทย PDPA คืออะไร โดย สำนักงานผู้สอบบัญชีรับอนุญาต Kuno Yasunari