สรุป AI FOR INVESTORS Online Series: ติดอาวุธนักลงทุนด้วย AI EP.1 Introduction to AI for Investing

ยุคที่ข้อมูลข่าวสาร สารสนเทศทางเศรษฐกิจ รายงานงบการเงินบริษัทจดทะเบียน ตัวเลขผลประกอบการรายไตรมาส และการนำเสนอข้อมูลในวัน Opportunity Day หลั่งไหลเข้ามาในปริมาณมหาศาลตลอด 24 ชั่วโมง นักลงทุนยุคใหม่ต่างต้องเผชิญกับภาวะ Information Overload หรือการมีข้อมูลมากเกินกว่าที่มนุษย์หนึ่งคนจะย่อยและประมวลผลได้ทัน

โครงสร้าง 3 ทักษะสำคัญแห่งยุค AI (3 Essential Skill Sets for AI Era)

จากงานวิจัยเชิงลึกของ Solution Impact ที่ได้ทำการสำรวจผู้บริหารและคนทำงานในประเทศไทย ชี้ให้เห็นว่าในโลกอนาคตที่ AI เข้ามาแพร่หลาย บุคคลที่จะอยู่รอดและประสบความสำเร็จได้อย่างยั่งยืน ไม่ใช่คนที่ปล่อยให้ AI ทำงานแทนทั้งหมด แต่คือคนที่สามารถพัฒนาและประสานทักษะทั้งหมด 3 ด้านเข้าด้วยกันอย่างสมดุล ดังนี้

• AI & Digital Skills: ทักษะการเปิดรับ ตื่นตัว และเลือกใช้เครื่องมือดิจิทัลและ AI ได้อย่างถูกประเภท รู้ว่า AI ตัวไหนเก่งด้านใด มีทักษะการตั้งคำสั่ง (Prompting) และเข้าใจสถาปัตยกรรมเทคโนโลยีเบื้องต้น ช่วยคัดกรองข้อมูล อ่านเอกสาร 56-1 สรุป Opp Day และประมวลผลตัวเลขงบการเงินได้อย่างรวดเร็ว
• Specialist Skill (Expert Domain): ทักษะความเชี่ยวชาญเฉพาะทางในศาสตร์การลงทุน ตรรกะการวิเคราะห์หุ้น ประสบการณ์ และ Insight ในการตัดสินใจเข้า-ออกจากตลาด นี่คือสิ่งที่เป็น "จักรวาลของมนุษย์" ซึ่ง AI สามารถเข้ามาช่วยลดระยะเวลาในการเรียนรู้ (Learning Curve) ได้ แต่ไม่สามารถทดแทนได้อย่างสมบูรณ์
• Essential Skill (High Touch): ทักษะการนำ การสื่อสาร จิตวิทยาการเทรด (Trading Psychology) และการควบคุมอารมณ์ภายใต้ภาวะกดดันหรือความแน่นอนต่ำ กลุ่มทักษะนี้เป็นงานประเภท High Touch ที่ AI ไม่มีวันเลียนแบบหรือทำได้ลึกซึ้งเท่ากับมนุษย์

โดยการใช้ AI ในการลงทุนไม่ใช่ยาวิเศษแต่เป็นทางลัดที่ช่วยให้เราเรียนรู้และอ่านงบได้เร็วกว่าในอดีตมหาศาล หากนักลงทุนฝากชีวิตไว้กับ AI 100% โดยไม่เข้าใจตรรกะเบื้องหลัง AI จะกลายเป็น Black Box ที่เราไม่รู้เลยว่ามันตัดสินใจซื้อหรือขายเพราะอะไร

ลองจินตนาการว่าในอนาคตถ้าประชาชนทั้งประเทศใช้ AI ตัวเดียวกันโดยไม่มี Insight ของตัวเอง AI ทุกตัวก็จะสั่งให้คนเข้าหรือออกจากตลาดพร้อมกันทั้งประเทศ สิ่งที่นักลงทุนซึ่งมี Insight อยู่ในมือควรทำในเวลานั้นคือการรอแทงสวน ดังนั้นหัวใจที่ถูกต้องคือ การถอดรหัสสมองและตรรกะของเราออกไปสอน AI ให้วิเคราะห์แทน แต่ไม่ใช่การเชื่อ AI 100% โดยต้องใช้ AI ในลักษณะการตีโต้ ดีเบต และคอยตรวจสอบสมมติฐานการลงทุนของเราอยู่เสมอ

ถอดรหัสธรรมชาติของ Generative AI

งานวิจัยกับผู้บริหารและคนทำงานในไทยกว่า 400 คน โดย Solution Impact ได้เปรียบเทียบเปรียบเปรยธรรมชาติของ Generative AI (LLM - Large Language Model) ไว้อย่างเห็นภาพว่า “Generative AI ทุกค่าย มีคุณสมบัติเสมือน 'เด็กฝึกงานต่างชาติจบภาษาศาสตร์' ที่ฟังไทยรู้เรื่อง พูดไทยพอได้ แต่อยู่ไทยมา 10 ปี และพื้นฐานไม่ใช่ผู้เชี่ยวชาญด้านการเงิน”

โดยสิ่งที่ AI จะถนัดมากที่สุดคือ งานที่เกี่ยวกับภาษา เอกสาร และข้อความ เช่น การนำไฟล์ PDF 56-1 One Report หลายร้อยหน้ามาเปรียบเทียบตาราง การฟังคลิปเสียง Opp Day แทนมนุษย์ การนำรายงาน Opp Day ย้อนหลัง 3 ไตรมาสมาหาจุดเปลี่ยน หรือการจับประเด็นสรุปข่าวสาร แต่จุดอ่อนที่เราต้องระวังเกี่ยวกับการทำงานของ AI คือเมื่อใดก็ตามที่เราสั่งงานข้ามสายงาน เช่น สั่งให้ช่วยวิเคราะห์และเลือกหุ้นเด็ด โดยไม่มี Insight หรือกรอบความคิดให้เป็นข้อมูล AI จะเกิดอาการ Hallucination หรือการมโนหรือสร้างข้อมูลเท็จที่ฟังดูน่าเชื่อถือขึ้นทันที เพราะกลัวว่าจะไม่มีคำตอบส่งให้

ดังนั้นการป้อนคำสั่งแบบง่าย ๆ หรือสั่งงานโดยไม่บอกกรอบความคิด ผลลัพธ์ที่ได้ย่อมไร้ประสิทธิภาพ การใช้ AI ในการลงทุนจริง จึงต้องขยับจากแค่การพิมพ์แชท คุยโต้ตอบธรรมดา ไปสู่การสร้างโครงสร้างที่เรียกว่า skill.md หรือไฟล์กำหนดกระบวนการทำงานเฉพาะด้านขึ้นมาเสียก่อน เพื่อให้ AI สามารถทำงานได้อย่างเต็มที่

บันได 8 ขั้น AI Impact Level และจุดเปลี่ยนสำคัญสู่ยุค AI Agent

การประยุกต์ใช้ AI ในการทำงานและการลงทุนแบ่งออกเป็น 8 เลเวลหลัก โดยจุดที่ AI จะเริ่มสร้างประโยชน์เชิงโครงสร้างได้อย่างแท้จริงจะเริ่มตั้งแต่ Level 5 เป็นต้นไป

• Level 1 – 4: ระดับพื้นฐานและการทดลองใช้

เป็นระดับการใช้งานทั่วไป เช่น การลองเปิด AI ขึ้นมาพิมพ์ถาม-ตอบ ค้นหาข้อมูลสั้นๆ หรือสั่งงานพื้นฐาน ซึ่งยังไม่ได้มีการดึงเอาตรรกะหรือกระบวนการวิเคราะห์เชิงลึกเข้ามาร่วมทำงานทั่ว ๆ ไป

• Level 5: เลเวล "ผู้ช่วย" (AI Assistant / Chatbot Mode)

เป็นการใช้แชทบอทมาตรฐาน เช่น ChatGPT, Claude, Gemini ช่วยคิดงาน ช่วยวางแผน หรือช่วยสรุปเอกสาร ข้อสังเกตสำคัญคือ ผลลัพธ์ทั้งหมดจะจบอยู่ในหน้าต่างแชท นักลงทุนต้องคัดลอกข้อมูลออกมาประมวลผลและตัดสินใจต่อเอง นอกจากนี้ หากรันงานวิเคราะห์หุ้นเชิงลึก หน้าต่างแชทจะเต็มรวดเร็วทำให้ต้องเริ่มคุยใหม่เสียเวลา

• Level 6: เลเวล "AI Agent" 

ก้าวข้ามจากแชทบอทแบบเดิมสู่ยุค AI Agent ภายใต้คอนเซ็ปต์ "Put the right AI on the right job" เนื่องจาก AI แต่ละค่ายมีความถนัดต่างกัน เช่น Claude เหมาะอย่างยิ่งสำหรับการทำงานวิเคราะห์ข้อมูลเชิงโครงสร้างและรันสคริปต์

• กลไก Skill (skill.md): คือการนำทักษะเฉพาะทาง ตรรกะ และกระบวนการวิเคราะห์ของนักลงทุน มาเขียนเป็น instruction/process ให้ AI ทำงานตามขั้นตอนเดิมซ้ำ ๆ ได้อย่างแม่นยำ
• Mindset ของการใช้ Agent: ทุกการกด Enter บนระบบ Agent มี Hidden Cost 2 อย่างเสมอ คือ 1) เงิน (Token) และ 2) เวลา การสั่งงานแบบ Agent ไม่เหมือน Chatbot ที่ตอบใน 30 วินาที แต่มันอาจใช้เวลาประมวลผล 5 นาที ไปจนถึงหลายชั่วโมง แต่งานที่ได้จะมีความคม ลึก และทำงานซ้ำตามกระบวนการเดิมได้อย่างแม่นยำ

• Level 7: เลเวล "AI Driven Organization"

เป็นการนำ AI Agent หลาย ๆ ตัวมาเชื่อมต่อกันเป็นวงจร (Multi-Agent Workflow) เช่น สั่งให้ Agent ตัวที่ 1 ดึงงบการเงิน ตัวที่ 2 รัน OCR แปลง PDF ตัวที่ 3 ยิงเข้า NotebookLM เพื่อสรุปความ และตัวที่ 4 นำผลลัพธ์มาพล็อตลงบน Dashboard อัตโนมัติ โดยที่ข้อมูลไม่ต้องผ่านนักลงทุนในขั้นตอนการประมวลผลเบื้องต้น 

• Level 8: เลเวล "AI New S-Curve"

ค้นพบ New S-Curve AI นำไปสู่ New Business Model ของธุรกิจ ขยายโอกาสแบบ Sustain ในอนาคต

เจาะลึก Use Cases การประยุกต์ใช้ AI Agent ในการวิเคราะห์หุ้นจริง

ในการประยุกต์ใช้ AI เข้ากับการวิเคราะห์หุ้นนั้น วิทยากรอธิบายและสาธิตกระบวนการทำงาน การใช้ AI เพื่อการลงทุนในภาคปฏิบัติไว้อย่างเป็นขั้นตอน โดยแบ่งออกเป็น 5 Flow หลักที่สำคัญดังนี้

1. สกิลสแกนตลาดแบบ Top-Down (Investment Decision Stack)

เป็น Flow สำหรับการวิเคราะห์หุ้น กองทุน หรือสินทรัพย์แบบรวดเร็วแต่เป็นระบบ โดยจำลองกระบวนการคิดของนักวิเคราะห์การลงทุนผ่านสคริปต์ skill.md

• Step 1: Macro Context & Localization ScanAI จะเริ่มต้นด้วยการตรวจสอบภาพใหญ่ของตลาดที่สินทรัพย์นั้นสังกัดอยู่ทันที หากเป็นหุ้นไทย AI จะไปดึงข้อมูล SET Index, แนวรับ-แนวต้าน และกระแสเงินทุนต่างชาติ หรือหากเป็นหุ้นอเมริกาจะไปดึง S&P 500 มาเปรียบเทียบ  
• Step 2: Individual Asset AnalysisAI จะทำการเจาะลึกงบการเงิน อัตราส่วนทางการเงิน และปัจจัยพื้นฐานเฉพาะตัวของสินทรัพย์นั้น เช่น หุ้น A เทรดต่ำกว่ามูลค่าทางบัญชีหรือไม่?  
• Step 3: Technical Structure & Quality SetupAI ประมวลผลโครงสร้างราคา กราฟเทคนิค ปริมาณการซื้อขาย และประเมินคุณภาพจุดเข้าซื้อ
• Step 4: Risk Management & Execution SetupAI คำนวณแผนการบริหารความเสี่ยง โดยเสนอราคาจุดเข้าซื้อ จุดตัดขาดทุน และเป้าหมายทำกำไรให้แก่นักลงทุน

เป็น Flow การรวบรวมข้อมูลหุ้นทั้งตลาดมาจัดตั้งเป็นคลังข้อมูลส่วนตัว (Database) บนคอมพิวเตอร์ เพื่อนำมาประมวลผลเป็น Dashboard แบบ Dynamic

• Step 1: Data Aggregation (ดึงข้อมูลดิบ)รวบรวมงบการเงินย้อนหลัง เช่น 5 ปี หรือรายไตรมาสของหุ้นทั้งตลาด เข้ามาเก็บไว้ในเครื่อง รวมถึงการเชื่อมต่อ API โบรกเกอร์ หรือแคปภาพพอร์ตการลงทุนจากหลายๆ ตลาดมาให้ AI ดูดข้อมูลรวมกัน  
• Step 2: Custom Dashboard Generationนักลงทุนสั่งการ AI ให้สร้าง Dashboard ตามความต้องการ เช่น สั่งเรียงงบรายไตรมาสเทียบ Year-to-Date ทำกราฟ Revenue Seasonality หรือจัดทำ Gross Profit Margin ย้อนหลัง  
• Step 3: Continuous Data Update ให้นักลงทุนอัปเดตข้อมูลงบไตรมาสใหม่ ๆ หรือแคปภาพพอร์ตล่าสุดป้อนกลับเข้าไป เพื่อให้ Dashboard แสดงผลเป็นปัจจุบันตลอดเวลา

เป็น Flow ที่ถูกออกแบบขึ้นมาเพื่อแก้ปัญหา Confirmation Bias หรืออคติที่ AI มักจะประจบและเห็นด้วยกับมนุษย์อยู่เสมอ

• Step 1: Recording Investment Thesis นักลงทุนเขียนบันทึก Journal การลงทุนลงในระบบ เช่น สั่งซื้อหุ้น NVIDIA ล้านหุ้น เพราะมองว่าชิปขาดแคลน มี Operating Leverage ขาขึ้น และ PE Multiple กำลังเพิ่ม ฯลฯ  
• Step 2: Triggering Red Team Sub-agent เมื่อคีย์ข้อมูลเสร็จ ระบบจะเรียก AI ตัวที่ทำหน้าที่เป็น "Red Team" ออกมาทำงาน  
• Step 3: Attack & Counter-thesis Analysis โดย AI Red Team จะดึงข้อมูลจาก Database และข้อเท็จจริงรอบด้าน มาคิดหาจุดโต้แย้งสมมติฐานของเราทันที เช่น ชี้ให้เห็นความเสี่ยงเรื่องข้อตกลงกับคู่ค้า หรือปัจจัยลบที่อาจจะหักล้าง Thesis ของเรา เพื่อให้นักลงทุนตัดสินใจอีกครั้งด้วยความรอบคอบ 

เป็น Flow การย่อยเนื้อหาจากวิดีโอหรือคลิปเสียงให้กลายเป็นบทสรุปสั้น ๆ ที่อ่านจบได้ภายใน 5–10 นาที

• Step 1: Audio / Speech-to-Text Transcription จะนำคลิปเสียงหรือวิดีโอมาผ่านเครื่องมืออย่าง Whisper Flow หรือสคริปต์เพื่อถอดความออกมาเป็นข้อมูลประเภทข้อความ
• Step 2: Key Claim Extraction & Guidance TrackingAI ดึงประเด็นสำคัญที่สุดขึ้นมาไว้บรรทัดแรก เช่น ผู้บริหารปรับเพิ่มเป้ารายได้ปี 2026 จาก 5% เป็น 10% พร้อมสรุป Bull Case และปัจจัยเร่ง 
• Step 3: Timestamp Tagging (การยืนยันข้อมูล) ระบบจะสร้างลิงก์ระบุเวลาไว้ที่ข้อความสำคัญ หากนักลงทุนเกิดความสงสัย สามารถกดคลิกที่ Timestamp เพื่อเด้งไปยังนาทีในคลิปเสียงจริงที่ผู้บริหารพูดคำนั้นได้ทันที

เป็น Multi-Agent Workflow ที่ประมวลผลผ่าน AI Agent 4 ตัวหลัก บน Claude Desktop หรือ Codex เพื่อสร้างรายงานวิเคราะห์หุ้น 10 มิติ ภายในเวลา 30–40 นาที

• Step 1: Data Fetching & Document Parsing (Fetch Agent) เมื่อพิมพ์คำสั่ง Stock Deep Dive light [ชื่อหุ้น] Agent ตัวแรกจะไปดึง Zip file งบการเงินย้อนหลัง 6 งวด หมายเหตุประกอบงบ และไฟล์ One Report (56-1) จากระบบ SET หรือ SEC มาแตกไฟล์ แล้วรันโปรแกรม PyPDF / OCR เพื่อแปลง PDF ทั้งหมดให้กลายเป็น Text และเก็บจัดหมวดหมู่ใส่โฟลเดอร์อัตโนมัติ  
• Step 2: Fact Table Building (Fact Table Agent) นำข้อมูลตัวเลขดิบที่สกัดมาได้ทั้งหมด มาจัดทำเป็นตารางข้อเท็จจริง (Fact Table) เพื่อใช้เป็นแกนหลักอ้างอิง  
• Step 3: Multi-Agent Deep Dive Research ระบบสั่ง deploy Sub-agents อีก 3 ตัวแยกย้ายกันไปเขียนบทความวิเคราะห์ 10 หัวข้อ:  
• Sub-agent A: วิเคราะห์โครงสร้างธุรกิจ ตลาด คู่แข่ง และความได้เปรียบในการแข่งขัน  
• Sub-agent B: วิเคราะห์ธรรมาภิบาลและส่วนได้เสียของผู้บริหาร ตรวจสอบคุณภาพงบการเงิน และประเมินความเสี่ยง  
• Sub-agent C: ทำ Valuation, หา ตัวขับเคลื่อนการเติบโต (Growth Drivers) และวิเคราะห์ 3 ฉากทัศน์อนาคต  
• Step 4: HTML Research Paper Generation รวมผลลัพธ์ทั้งหมดเข้ากับราคาหุ้น ณ ปัจจุบัน เพื่อประเมินว่าราคานี้ PE/EV เท่าใด สภาพเงินสด/ปันผลเป็นอย่างไร และสรุปออกมาเป็นไฟล์ HTML Research Paper ที่อ่านง่าย พร้อมบอกสรุป 6 บรรทัดแรกให้นักลงทุนอ่านได้ทันที

ศิลปะการบริหารจัดการ Token และ Cost Optimization

หัวใจสำคัญสำหรับนักลงทุนที่ต้องการใช้งาน AI Agent ระดับสูงคือการเข้าใจเรื่อง Token และการบริหารต้นทุนอย่างคุ้มค่า ผ่านการเลือกใช้โมเดลให้เหมาะกับงาน ดังนี้

1. โมเดลระดับสูง (เช่น Claude Opus / GPT-5 class): เหมาะกับงานวางแผนโครงสร้าง (Planning) การวิเคราะห์งบการเงินที่ซับซ้อน หรือการสร้าง Thesis การลงทุน
2. โมเดลระดับกลาง/เล็ก (เช่น Haiku / Mini models / NotebookLM): เหมาะกับงานดึงข้อมูล ประมวลผลข้อความยาว ๆ ดึงตาราง OCR หรือสรุปเอกสารเบื้องต้น

สำหรับผู้เริ่มต้น ไม่จำเป็นต้องรีบร้อนจ่ายเงินหลักร้อยเหรียญ ให้เริ่มต้นจากการสมัครแพ็กเกจพื้นฐาน (เช่น 20 เหรียญ/เดือน) ฝึกใช้ Chatbot ให้คุ้นเคยและสร้างสูตรการวิเคราะห์ของตนเองให้เสถียรใน Level 6 ก่อน แล้วจึงค่อยพิจารณาขยายสู่ระบบ Automation ในระดับสูงต่อไป 

ข้อระวังที่สำคัญคือการเปิดโหมด Fast / Ultra Effort หรือการเปิดระบบ Auto-Reload (เติมเงินอัตโนมัติ) บนบัตรเครดิต เพราะหาก Agent เกิดการทำงานวนลูป อาจทำให้เสียค่า API สูงถึงหลายหมื่นบาทภายในเวลาไม่กี่ชั่วโมงได้

ก้าวสู่โลกใหม่ของการลงทุนด้วย AI

การเปลี่ยนแปลงของเทคโนโลยี AI ไม่ใช่เรื่องของการที่ AI จะมาทดแทนมนุษย์ แต่คือ "นักลงทุนที่ใช้ AI เป็น จะเข้ามาแทนที่นักลงทุนที่ไม่ใช้ AI" การก้าวข้ามจากความกลัว เปลี่ยนมาเป็นการปรับสายทัศน์ พัฒนาทักษะ AI Skill ควบคู่ไปกับ Specialist Domain และการสร้างกระบวนการวิเคราะห์ที่เป็นระบบ จะช่วยเปลี่ยนงานถ่ออ่านเอกสารหลายพันหน้าให้กลายเป็นระบบอัตโนมัติที่แม่นยำ ทำให้นักลงทุนมีเวลาเหลือในการโฟกัสกับสิ่งที่มีมูลค่าที่สุด นั่นคือการใช้ Insight ของมนุษย์ในการตัดสินใจเชิงกลยุทธ์

สามารถรับชมคอร์สออนไลน์เต็ม AI for Investor ในตอนแรกและตอนต่อ ๆ ไป ซึ่งจะทำการถ่ายทอดสดให้เรียนรู้ทีละสเต็ปตั้งแต่รากฐาน โครงสร้างตัวอย่าง Promt การจัดระบบ ตลอดจนระดับ Advance ที่จะเปิดให้เรียนรู้ฟรีทางช่อง YouTube ของ SET Thailand ทุกวันพฤหัสบดี เวลา 19:00 น. 

รับชมคอร์สออนไลน์ฉบับเต็มและเรียนรู้ไปพร้อมกัน

👉 คลิกเพื่อรับชมวิดีโอฉบับเต็ม EP.1 ได้ที่นี่: https://s.setth.org/hk9