ฉันไม่เคยคาดคิดมาก่อนว่าการประยุกต์ใช้ AI ร่วมกับคริปโตเคอร์เรนซีครั้งแรกจะอยู่ในด้านการตรวจสอบความปลอดภัย

ผู้เขียน: Zhou, ChainCatcher

ข้อมูลแสดงให้เห็นว่า ณ เดือนมิถุนายน มูลค่าสินทรัพย์รวมที่ถูกล็อก (TVL) ในภาค DeFi ลดลงจากประมาณ 115 พันล้านดอลลาร์ในช่วงต้นปี เหลือประมาณ 70 พันล้านดอลลาร์ ลดลง 39% โดยลดลงเกือบทุกเดือน

ในขณะเดียวกัน เหตุการณ์ด้านความปลอดภัยก็สร้างแรงกดดันเพิ่มเติมให้กับ DeFi จากสถิติพบว่า ตั้งแต่ปี 2026 เป็นต้นมา มีการโจมตีโดยแฮกเกอร์ในพื้นที่ DeFi จำนวน 121 ครั้ง ส่งผลให้เกิดความเสียหายสะสมประมาณ 942 ล้านดอลลาร์สหรัฐ เฉพาะในไตรมาสที่สอง มีเหตุการณ์เกิดขึ้นถึง 85 ครั้ง และความเสียหายสูงถึง 775 ล้านดอลลาร์สหรัฐ ทำให้ไตรมาสที่สองเป็นไตรมาสที่มีการโจมตีบ่อยที่สุดในรอบระยะเวลาดังกล่าว

ด้วยความนิยมของเครื่องมือ AI รุ่นใหม่ ต้นทุนและทักษะที่จำเป็นสำหรับการค้นหาช่องโหว่ของสัญญาอัจฉริยะจึงลดลงอย่างมาก ทำให้บริษัทตรวจสอบความปลอดภัยต้องก้าวขึ้นมาเป็นศูนย์กลางของการเปลี่ยนแปลงนี้

1. AI ในฝั่งโจมตี ระบบป้องกันความปลอดภัยแบบเก่าล้มเหลว ตรรกะแบบเก่าล่มสลาย

เมื่อใดก็ตามที่วงการนี้พูดถึงผลกระทบของ AI ต่อวงการคริปโตเคอร์เรนซี ปฏิกิริยาแรกมักจะเป็นการซื้อขายเชิงปริมาณ การให้คำปรึกษาด้านการลงทุนอัจฉริยะ และการวิเคราะห์ข้อมูลบนบล็อกเชน อย่างไรก็ตาม ความจริงกลับทำให้ทุกคนประหลาดใจ: ธุรกิจแรกที่ AI แทรกซึมเข้าไปคือธุรกิจที่หลายคนคิดว่าแข็งแกร่งที่สุดในอุตสาหกรรมนี้ นั่นก็คือ การตรวจสอบความปลอดภัย

เมื่อสองหรือสามปีก่อน บริษัทตรวจสอบความปลอดภัยถูกมองว่าเป็นเป้าหมายที่ค่อนข้างปลอดภัยสำหรับสถาบันการลงทุนที่ต้องการเข้ามามีส่วนร่วมในผลกำไรของอุตสาหกรรมคริปโตเคอร์เรนซี ตรรกะนั้นเรียบง่ายและตรงไปตรงมา: ตราบใดที่มีโปรโตคอลใหม่เปิดตัว ก็จำเป็นต้องมีการตรวจสอบ ยิ่งอุตสาหกรรมเฟื่องฟูมากเท่าไหร่ ความต้องการการตรวจสอบก็ยิ่งมากขึ้นเท่านั้น ราคาต่อหน่วยของลูกค้าสูง รายได้มั่นคง ไม่ขึ้นอยู่กับความผันผวนของราคาโทเค็น

ข้อมูลจาก Immunefi แสดงให้เห็นว่า ความเสียหายที่เกิดจากการโจมตีของแฮกเกอร์ต่อโปรโตคอล DeFi ลดลง 74% จากจุดสูงสุดที่ 2.62 พันล้านดอลลาร์ในปี 2022 เหลือประมาณ 680 ล้านดอลลาร์ในปี 2025 สัดส่วนของการโจมตีแบบ Cross-chain bridge ในความเสียหายทั้งหมดของ DeFi ลดลงอย่างมากจาก 73% ในปี 2022 เหลือเพียง 3% ในปี 2025 โดยทั่วไปแล้ว อุตสาหกรรมเชื่อว่าการพัฒนาอย่างต่อเนื่องของการตรวจสอบความปลอดภัยกำลังส่งผลดีต่อเรื่องนี้

อย่างไรก็ตาม คำตัดสินนี้กำลังถูกท้าทายมากขึ้นเรื่อยๆ

เมื่อวันที่ 9 มิถุนายน Anthropic ได้เปิดตัวโมเดล AI รุ่นใหม่ล่าสุด Claude Mythos และมุมมองหนึ่งก็ผุดขึ้นอย่างรวดเร็วในตลาด: การโจมตีโปรโตคอลหลักๆ ที่เพิ่มขึ้นอย่างผิดปกติในช่วงหลัง อาจเกี่ยวข้องกับการพัฒนาอย่างก้าวกระโดดของโมเดล AI ที่ล้ำสมัย

ไซมอน เดดิค ผู้ก่อตั้ง Moonrock Capital ชี้ให้เห็นว่า ด้วยความนิยมของเครื่องมือ AI รุ่นใหม่ ต้นทุนและทักษะที่จำเป็นสำหรับการค้นหาช่องโหว่ของสัญญาอัจฉริยะจะลดลงเกือบเป็นศูนย์ และโปรโตคอลที่ไม่ได้รับการตรวจสอบจะกลายเป็นเป้าหมาย โดยช่องโหว่ที่ทราบอยู่แล้วจะถูกนำไปใช้ประโยชน์อย่างต่อเนื่อง

ข้อมูลจาก Chainalysis ยืนยันแนวโน้มนี้: ในช่วงหกเดือนที่ผ่านมา การโจมตีที่มุ่งเป้าไปที่สัญญาที่มีซอร์สโค้ดที่ไม่เปิดเผยโดยเฉพาะ ทำให้เกิดความเสียหายประมาณ 36.7 ล้านดอลลาร์ ผู้โจมตีใช้การถอดรหัสไบต์โค้ดดั้งเดิมโดยใช้ AI เพื่อค้นหาช่องโหว่ และปัจจุบันโมเดลภาษาขนาดใหญ่สามารถปรับขนาดการจดจำรูปแบบช่องโหว่ สแกนสัญญาหลายพันฉบับอย่างเป็นระบบ รวมถึงโปรโตคอลต่างๆ เช่น Truebit, Aperture Finance และ Ekubo

กระบวนการทั้งหมดตั้งแต่การค้นพบไปจนถึงการดำเนินการโดยผู้โจมตีถูกบีบอัดให้เหลือเพียงไม่กี่นาที ระยะเวลาความถูกต้องของรายงานการตรวจสอบแบบดั้งเดิมนั้นวัดเป็นเดือน และช่องว่างเวลาดังกล่าวเป็นข้อบกพร่องเชิงโครงสร้างที่ร้ายแรงที่สุดของแบบจำลองการตรวจสอบแบบเก่า

ตรวจสอบแล้ว แต่ยังถูกแฮ็กอยู่ดี?

เป้าหมายหลักของการโจมตีของแฮกเกอร์ไม่ได้จำกัดอยู่แค่โปรโตคอลขนาดเล็กระดับสองและสามอีกต่อไปแล้ว Drift Protocol เป็นแพลตฟอร์มสัญญาถาวรชั้นนำบน Solana และสัญญาอัจฉริยะของแพลตฟอร์มนี้ได้รับการตรวจสอบหลายรอบจากบริษัทรักษาความปลอดภัยที่มีชื่อเสียงหลายแห่ง อย่างไรก็ตาม การสืบสวนโดยบริษัทรักษาความปลอดภัย TRM Labs เปิดเผยว่าผู้โจมตีแทรกซึมเข้าไปในทีมงานของ Drift ผ่านการโจมตีแบบวิศวกรรมสังคมเป็นเวลาหกเดือน และในที่สุดก็ได้รับคีย์ผู้ดูแลระบบที่มีสิทธิ์พิเศษ

KelpDAO ก็เคยประสบกับสถานการณ์ที่คล้ายคลึงกัน ผู้โจมตีใช้ช่องโหว่ในการกำหนดค่าโหนดตรวจสอบความถูกต้องเพียงโหนดเดียวในสะพานเชื่อมข้ามเชน LayerZero เพื่อปลอมแปลงเงินฝากและสร้างโทเค็นที่ไม่มีหลักประกัน ขโมยเงินไป 293 ล้านดอลลาร์ในเวลาเพียง 46 นาที ต่อมาพบว่ามีการแนะนำให้ใช้รูปแบบการกำหนดค่าโหนดตรวจสอบความถูกต้องหลายโหนด แต่ไม่ได้นำไปใช้ สัญญาผ่านการตรวจสอบแล้ว แต่การกำหนดค่าโครงสร้างพื้นฐานมีข้อบกพร่อง และยังคงเกิดความเสียหายขึ้น

ในบรรดาโปรโตคอลที่ผ่านการตรวจสอบ แม้ว่าความถูกต้องของโค้ดจะได้รับการตรวจสอบแล้ว แต่ผู้โจมตีก็สามารถหลีกเลี่ยงโปรโตคอลเหล่านั้นได้ในแง่ของตรรกะทางธุรกิจและกระบวนการปฏิบัติงาน

ในทางกลับกัน ขอบเขตการสแกนของ AI ไม่ได้จำกัดอยู่แค่โปรโตคอลใหม่ๆ เท่านั้น บริษัทรักษาความปลอดภัย Web3 อย่าง GoPlus Security ชี้ให้เห็นว่า ผู้โจมตีใช้ประโยชน์จากเทคโนโลยี AI เพื่อค้นหาช่องโหว่ในสัญญาเก่าๆ ที่ใช้งานมานานหลายปีแล้วอย่างกว้างขวาง เมื่อวันที่ 9 มิถุนายน สัญญา Ethereum อายุ 7 ปี ชื่อ Token of Power ถูกโจมตี ส่งผลให้สูญเสียไปประมาณ 1.5 ล้านดอลลาร์ เมื่อวันที่ 25 พฤษภาคม สัญญา WUSD.fi อายุ 3 ปี ถูกโจมตี ส่งผลให้สูญเสียไปประมาณ 200,000 ดอลลาร์ และสัญญาเก่าที่ใช้งานโดย Aztec Network เมื่อสองปีก่อน ถูกโจมตีสองครั้งในวันที่ 14 และ 18 มิถุนายน โดยมีมูลค่าความเสียหายรวมกว่า 4 ล้านดอลลาร์ นี่แสดงให้เห็นว่า ระยะเวลาการป้องกันที่มีประสิทธิภาพของรายงานการตรวจสอบเก่าๆ อาจหมดลงแล้ว

เมื่อเดือนที่แล้ว Manuel Aráoz ผู้ร่วมก่อตั้งบริษัทรักษาความปลอดภัยคริปโต OpenZeppelin กล่าวว่าเขาเชื่อว่า "DeFi ทั้งหมดไม่ปลอดภัย" และได้แนะนำเพื่อนและครอบครัวให้ขายสินทรัพย์ DeFi ทั้งหมด รวมถึง Aave, MakerDAO และ Compound เหตุผลของเขาคือ ความสามารถของโปรแกรม AI ในการค้นหาช่องโหว่ได้ก้าวไปถึงระดับเหนือมนุษย์ ในขณะที่โครงสร้างความปลอดภัยของสัญญาอัจฉริยะนั้นไม่สมมาตรอย่างมาก ผู้ป้องกันต้องแก้ไขช่องโหว่ทุกจุด ในขณะที่ผู้โจมตีเพียงแค่ต้องหาจุดเข้าถึงที่มีประสิทธิภาพเพียงจุดเดียว

OpenZeppelin ให้บริการตรวจสอบบัญชีแก่ Aave, Compound, Uniswap และ Coinbase และเป็นหนึ่งในผู้ให้บริการโครงสร้างพื้นฐานด้านความปลอดภัยของสัญญาอัจฉริยะที่สำคัญที่สุดในอุตสาหกรรมคริปโตเคอร์เรนซี คำกล่าวของเขาในครั้งนี้จึงมีน้ำหนักอย่างมาก

อย่างไรก็ตาม ตลาดก็ยังมีข้อถกเถียงอยู่เช่นกัน Marc Zeller ผู้มีส่วนร่วมในระบบนิเวศของ Aave กล่าวว่า ในปีที่ผ่านมา การสูญเสียใน DeFi น้อยกว่า 10% เกิดจากช่องโหว่ของโค้ด ส่วนที่เหลือเกิดจากข้อผิดพลาดในการกำหนดค่าพารามิเตอร์ความเสี่ยง การจัดการหลักประกันที่ไม่เหมาะสม และความปลอดภัยในการดำเนินงานที่อ่อนแอ Michael Heinrich ซีอีโอของ 0G Labs ยังชี้ให้เห็นว่า ความปลอดภัยของการให้กู้ยืมใน DeFi ดีขึ้นประมาณ 98% เมื่อเทียบกับปี 2020

ปัญหาในปัจจุบันคือขอบเขตของการตรวจสอบโค้ดนั้นแคบลงเรื่อยๆ ในขณะที่ช่องโหว่ให้ผู้โจมตีใช้ประโยชน์กลับขยายตัวมากขึ้น กรอบความปลอดภัยแบบเดิมจึงไม่สามารถให้คำตอบที่น่าเชื่อถือได้อีกต่อไป

2. การตอบสนองและการปรับโครงสร้างโดยทีมงานโครงการและบริษัทตรวจสอบบัญชี

แม้ว่ามาตรฐานการตรวจสอบบัญชีแบบเดิมจะแสดงให้เห็นถึงข้อบกพร่องที่สำคัญเมื่อเผชิญกับการโจมตีจากปัญญาประดิษฐ์ (AI) แต่ก็ไม่ได้หมายความว่าความต้องการการตรวจสอบบัญชีจะหายไป ตรงกันข้าม ทีมงานโครงการและบริษัทตรวจสอบบัญชีจะปรับตัวให้เข้ากับความเป็นจริงใหม่

ระยะสั้น: การปล่อยคำขอตรวจสอบเชิงป้องกันในปริมาณมาก

โปรโตคอลชั้นนำหลายแห่งที่เคยผ่านการตรวจสอบมาแล้วกำลังเผชิญแรงกดดันให้ต้องได้รับการตรวจสอบซ้ำตามมาตรฐานความปลอดภัยใหม่ในยุค AI ทีมงานโครงการเริ่มตระหนักว่า ในบริบทของความสามารถในการโจมตีของ AI ที่พัฒนาขึ้นอย่างต่อเนื่อง วงจรการป้องกันของการตรวจสอบแบบดั้งเดิมนั้นสั้นลง

ลักษณะสำคัญของความต้องการนี้คือการใช้จ่ายเพื่อป้องกันความเสี่ยง มากกว่าจะเป็นสัญญาณของการเติบโตที่ดีของอุตสาหกรรม บริษัทรักษาความปลอดภัย CertiK ชี้ให้เห็นในรายงานด้านกฎระเบียบปี 2026 ว่าการตรวจสอบความปลอดภัยของสัญญาอัจฉริยะกำลังพัฒนาจากแนวปฏิบัติที่ดีที่สุดของอุตสาหกรรมไปสู่ข้อกำหนดด้านกฎระเบียบ ซึ่งกลายเป็นเกณฑ์ที่จำเป็นสำหรับการอนุมัติใบอนุญาตและการขึ้นทะเบียนโทเค็น

ในระยะสั้น การใช้จ่ายเชิงป้องกันนี้จะสร้างความต้องการการตรวจสอบบัญชีขึ้นมาบ้าง แต่เป็นการลงทุนแบบไม่เชิงรุกของทีมงานโครงการเพื่อลดความเสี่ยงมากกว่า

ระยะยาว: ความแตกต่างพื้นฐานของรูปแบบธุรกิจของบริษัทตรวจสอบบัญชี

บริษัทตรวจสอบบัญชีก็กำลังเผชิญกับแรงกดดันเช่นกัน เนื่องจากเครื่องมือ AI ในฝั่งโจมตีมีการพัฒนาอย่างต่อเนื่อง บริษัทชั้นนำจึงเร่งพัฒนาความสามารถในการตรวจจับของตนเอง บริษัทตรวจสอบบัญชีหลักหลายแห่งกำลังเปิดตัวระบบตรวจสอบบัญชีที่ใช้ AI ช่วยเหลือระหว่างปี 2025 ถึง 2026 ซึ่งจะช่วยเพิ่มประสิทธิภาพผ่านการวิเคราะห์แบบขนานหลายโมเดลและการตรวจจับอัตโนมัติ

แม้ว่าประสิทธิภาพจะดีขึ้น แต่รูปแบบดั้งเดิมกำลังเผชิญกับแรงกดดัน มูลค่าทางการค้าของการส่งมอบรายงานการตรวจสอบแบบครั้งเดียวลดลง และในระยะยาว มีความเสี่ยงที่ปริมาณธุรกิจของสถาบันที่พึ่งพารายงานแบบจุดต่อจุดจะหดตัวลง

นักวิเคราะห์ของ JP Morgan ชี้ให้เห็นอย่างชัดเจนว่าเหตุการณ์ด้านความปลอดภัยของ DeFi ที่เกิดขึ้นอย่างต่อเนื่องกำลังจำกัดการเข้ามาของนักลงทุนสถาบันรายใหญ่ นี่ไม่ใช่แค่ความรู้สึกของตลาดเท่านั้น แต่ยังเป็นการตั้งคำถามต่อคุณค่าของอุตสาหกรรมการตรวจสอบบัญชีโดยรวมอีกด้วย

แพลตฟอร์มตรวจสอบสัญญาอัจฉริยะ Code4rena ซึ่งเป็นที่รู้จักในด้านโมเดลการตรวจสอบที่มีประสิทธิภาพ ได้ประกาศปิดตัวลงเมื่อเร็ว ๆ นี้ โดยทรัพยากรของลูกค้าและนักวิจัยได้โอนไปยัง Immunefi แพลตฟอร์มนี้เคยระดมทุนได้ 6 ล้านดอลลาร์สหรัฐจาก Paradigm ในปี 2023 และครั้งหนึ่งเคยถูกมองว่าเป็นส่วนเสริมที่แข็งแกร่งสำหรับโมเดลการตรวจสอบแบบดั้งเดิม แต่กลับหยุดดำเนินการหลังจากถูกซื้อกิจการได้ไม่ถึงสองปี

ที่มาของภาพ: RooData

โปรโตคอลการให้กู้ยืม DeFi อย่าง Radiant ประกาศปิดตัวลงหลังจากไม่สามารถกู้คืนเงินทุนได้หลังจากการโจมตีของแฮกเกอร์ในเดือนตุลาคม 2024 แม้จะพยายามมานานถึง 18 เดือนแล้วก็ตาม นอกจากนี้ Ionic Protocol ยังประกาศยุติการดำเนินงานทั้งหมดในทันทีเนื่องจากผลกระทบจากช่องโหว่ด้านความปลอดภัยขยายวงกว้างขึ้นอย่างต่อเนื่อง

อย่างไรก็ตาม การเปลี่ยนแปลงไม่ได้เกิดขึ้นเพียงด้านเดียว ปัญญาประดิษฐ์ยังแสดงให้เห็นถึงความสามารถเหนือมนุษย์ในด้านการป้องกันด้วยเช่นกัน คำถามคือใครจะเป็นผู้ใช้มันก่อน

เครื่องมือตรวจสอบที่ใช้ AI อย่าง Firepan เปิดเผยว่า ในระหว่างการตรวจสอบอิสระของสัญญา AMM ใหม่ของ Curve Finance ในเดือนเมษายน 2026 ได้ค้นพบช่องโหว่เชิงการจัดเรียงที่สำคัญ: ในขณะที่แอตทริบิวต์แต่ละอย่างดูเหมือนจะเป็นโค้ดปกติ แต่ภายใต้การจัดเรียงการทำงานเฉพาะบางอย่าง ผู้โจมตีสามารถหลีกเลี่ยงกลไกการป้องกันการบริจาคและถอนเงินได้

ก่อนหน้านี้ Curve ได้ผ่านการตรวจสอบหลายรอบจากบริษัทตรวจสอบอิสระ 6 แห่ง และได้รับการยอมรับว่าเป็นหนึ่งในโปรโตคอลที่มีความเข้มข้นของการตรวจสอบสูงที่สุดใน DeFi แต่ช่องโหว่นี้ก็ยังคงแฝงตัวอยู่ในจุดบอดของการตรวจสอบโดยมนุษย์

ไมเคิล เอโกโรฟ ผู้ก่อตั้ง Curve Finance กล่าวในภายหลังว่า AI มีประโยชน์อย่างมากในการรักษาความปลอดภัยของสัญญาอัจฉริยะ อย่างไรก็ตาม เขาชี้ให้เห็นว่าประสบการณ์ที่ประสบความสำเร็จของ AI ในการตรวจจับช่องโหว่ในเบราว์เซอร์และเคอร์เนลของลินุกซ์นั้นไม่สามารถนำมาใช้กับสัญญาอัจฉริยะได้โดยตรง เนื่องจากสัญญาอัจฉริยะมักมีโค้ดเพียงไม่กี่พันบรรทัด ซึ่งมนุษย์และ AI ทั่วไปสามารถวิเคราะห์ได้อย่างครบถ้วน ความเสี่ยงที่แท้จริงที่ควรระวังนั้นมาจากการรั่วไหลของคีย์ในระดับปฏิบัติการ (OpSec) และการโจมตีห่วงโซ่อุปทานมากกว่าช่องโหว่ของโค้ดเอง

กรณีที่คล้ายกันนี้ก็เคยเกิดขึ้นในวงการเหรียญคริปโตที่เน้นความเป็นส่วนตัวเช่นกัน วิศวกรด้านความปลอดภัย Taylor Hornby ซึ่งได้รับมอบหมายจากองค์กรไม่แสวงผลกำไร Shielded Labs ได้ใช้โมเดล Anthropic Opus 4.8 ในการตรวจสอบโปรโตคอล Zcash และค้นพบช่องโหว่ที่สำคัญในกลุ่มความเป็นส่วนตัว Zcash Orchard ซึ่งไม่เคยมีใครสังเกตเห็นมาตั้งแต่ปี 2022 ซึ่งในทางทฤษฎีแล้วจะทำให้ผู้โจมตีสามารถสร้างเหรียญ ZEC ปลอมที่ไม่สามารถตรวจจับได้ได้อย่างไม่จำกัด

Zooko Wilcox ผู้ก่อตั้ง Zcash ได้กล่าวขอบคุณ Anthropic อย่างเป็นทางการในภายหลัง นอกจากนี้ Hornby ยังระบุว่าเขาได้เพิ่ม Monero (XMR) เข้าสู่คิวการตรวจสอบ และจะดำเนินการตรวจสอบความปลอดภัยสำหรับโครงการเหรียญความเป็นส่วนตัวอื่นๆ ในอนาคต

มีรายงานว่า OpenZeppelin ได้เปิดตัวระบบ Skills ซึ่งให้ความรู้ที่เชื่อถือได้เกี่ยวกับไลบรารีสัญญาอัจฉริยะที่ผ่านการตรวจสอบแล้วแก่ตัวแทนการเขียนโปรแกรม AI ซึ่งเป็นการยกระดับแนวป้องกันไปสู่ขั้นตอนการพัฒนา

นี่คือทิศทางใหม่ที่บริษัทตรวจสอบบัญชีแบบดั้งเดิมถูกบังคับให้ต้องดำเนินการ โดยเปลี่ยนจากการตรวจสอบหลังเกิดเหตุการณ์ไปสู่การบูรณาการอย่างเต็มรูปแบบ จากการส่งมอบงานเพียงครั้งเดียวไปสู่การตรวจสอบอย่างต่อเนื่อง การตรวจสอบอย่างเป็นทางการ และการตรวจจับความเสี่ยงแบบเรียลไทม์บนบล็อกเชน

บทสรุป

โดยรวมแล้ว กระบวนการตรวจสอบความปลอดภัยกำลังเปลี่ยนแปลงจากรูปแบบที่เน้นผลตอบแทนไปสู่รูปแบบที่เน้นการแข่งขัน ปัญญาประดิษฐ์ (AI) ได้เร่งประสิทธิภาพการโจมตีและผลักดันให้เกิดการพัฒนาในระบบป้องกัน กระบวนการนี้ไม่เพียงแต่ส่งผลกระทบต่อรูปแบบธุรกิจของบริษัทตรวจสอบเท่านั้น แต่ยังต้องการให้ระบบนิเวศ DeFi ทั้งหมดคิดใหม่เกี่ยวกับวิธีการลงทุนด้านความปลอดภัยด้วย

สำหรับทีมงานโครงการ ยุคของการตรวจสอบเพียงครั้งเดียวที่ให้ความอุ่นใจตลอดชีพได้สิ้นสุดลงแล้ว ความปลอดภัยไม่ได้เป็นเพียงขั้นตอนก่อนการใช้งานจริงอีกต่อไป แต่เป็นโครงสร้างพื้นฐานที่ต้องมีการลงทุนอย่างต่อเนื่อง

สำหรับสถาบันตรวจสอบบัญชี การติดตาม AI อย่างเฉื่อยชาไม่เพียงพออีกต่อไปแล้ว ผู้เล่นที่สามารถดำเนินการปรับปรุงโครงสร้างอย่างครอบคลุมตั้งแต่เครื่องมือไปจนถึงแบบจำลองบริการได้รวดเร็วกว่า มีแนวโน้มที่จะยังคงอยู่ในเวทีการแข่งขันในขั้นตอนต่อไป