สรุป AI FOR INVESTORS Online Series: ติดอาวุธนักลงทุนด้วย AI EP.6 AI Automation สร้างระบบวิเคราะห์พอร์ตการลงทุนและรายงานข้อมูลแบบอัตโนมัติ

เนื้อหาของ AI FOR INVESTORS ในตอนนี้จะพาไปทำความเข้าใจแนวคิด AI Automation ตั้งแต่การออกแบบกระบวนการทำงาน ไปจนถึงการสร้างระบบติดตามข่าวสารและวิเคราะห์ข้อมูลการลงทุนที่สามารถส่งรายงานให้ผู้ใช้งานได้อย่างต่อเนื่อง พร้อมแนะนำแนวทางใช้เครื่องมือ AI เพื่อพัฒนาระบบที่ตอบโจทย์รูปแบบการลงทุนของแต่ละคน

ก่อนเข้าเนื้อหาผู้อ่านสามารถอ่านสรุปใน Ep.5 ได้ที่ > https://www.setinvestnow.com/th/knowledge/article/821-investhow-ai-for-investor-ep5-2026

เข้าใจการเปลี่ยนแปลงที่ไม่หยุดนิ่งของ AI และทักษะ "Co-working Skill"

ที่ผ่านมา นักลงทุนจำนวนมากอาจคุ้นเคยกับการใช้ AI ในลักษณะ Chat-based AI เช่น การสอบถามข้อมูลเกี่ยวกับบริษัท ขอให้สรุปงบการเงิน หรือช่วยอธิบายแนวคิดทางการลงทุน ซึ่งเป็นการใช้งานที่ผู้ใช้ต้องเริ่มต้นป้อนคำสั่งทุกครั้งเมื่อต้องการข้อมูล

อย่างไรก็ตาม ความสามารถของ AI ในปัจจุบันไม่ได้จำกัดอยู่เพียงการตอบคำถาม แต่ยังสามารถทำงานร่วมกับเครื่องมืออื่น จัดการไฟล์ ประมวลผลข้อมูล และดำเนินงานตามลำดับขั้นตอนที่กำหนดไว้ได้ จึงเกิดแนวคิดการทำงานร่วมกับ AI หรือ AI Coworking ที่เปลี่ยนบทบาทของ AI จากเครื่องมือค้นหาคำตอบให้กลายเป็นผู้ช่วยในการทำงาน คนที่ใช้ AI ได้ดี ต้องมี 2 ทักษะ ได้แก่

1. Communication Skill: การคุยและสั่งงาน AI ด้วยภาษาธรรมชาติอย่างมีทิศทางชัดเจน   
2. Tools & Command Awareness: การเข้าใจโครงสร้างและฟังก์ชันของเครื่องมือ AI แต่ละประเภท เพื่อเลือกใช้ให้เหมาะกับลักษณะงาน  

สำหรับนักลงทุน การมี AI เป็นผู้ช่วยไม่ได้หมายความว่าจะต้องลดการคิดวิเคราะห์ของตนเองลง แต่หมายถึงการลดเวลาที่ใช้กับงานซ้ำ ๆ เพื่อให้สามารถนำเวลาไปใช้กับการตีความข้อมูล ประเมินความเสี่ยง และพิจารณาการลงทุนในมิติที่ลึกขึ้น

AI Automation คืออะไร และทำไมจึงสำคัญต่อการลงทุน?

AI Automation คือการนำความสามารถของ AI มาผสานกับกระบวนการทำงานอัตโนมัติ เพื่อให้ระบบสามารถดำเนินงานตามคำสั่งและเงื่อนไขที่กำหนดไว้ โดยไม่จำเป็นต้องให้ผู้ใช้งานเริ่มต้นสั่งงานใหม่ทุกครั้ง

ตัวอย่างเช่น หากนักลงทุนต้องติดตามข่าวหุ้นทุกเช้า กระบวนการแบบเดิมอาจเริ่มจากการเปิดเว็บไซต์ข่าว ค้นหาข้อมูลบริษัทที่สนใจ อ่านบทความหลายแหล่ง คัดเลือกประเด็นสำคัญ และนำข้อมูลมาจัดทำเป็นสรุปสำหรับใช้ประกอบการตัดสินใจ

แต่เมื่อเปลี่ยนกระบวนการดังกล่าวเป็น AI Automation นักลงทุนสามารถออกแบบให้ AI เข้าถึงแหล่งข่าวที่กำหนด ดึงข้อมูลที่เกี่ยวข้อง คัดกรองข่าวตามรายชื่อหุ้น สรุปประเด็นสำคัญ และส่งรายงานในเวลาที่ต้องการได้โดยอัตโนมัติ

ความสามารถนี้สามารถนำไปประยุกต์ใช้กับงานลงทุนได้หลากหลาย ไม่ว่าจะเป็นการติดตามข่าวรายวัน การรวบรวมข้อมูลจากบริษัทหลักทรัพย์ การสรุป Opportunity Day การเปรียบเทียบข้อมูลหลายไตรมาส หรือการติดตามปัจจัยที่อาจส่งผลกระทบต่อหุ้นในพอร์ต

หัวใจสำคัญจึงไม่ใช่เพียงการทำให้งานเสร็จเร็วขึ้น แต่เป็นการสร้างกระบวนการที่มีรูปแบบชัดเจน สามารถทำซ้ำ ตรวจสอบ และต่อยอดเป็นระบบวิเคราะห์ข้อมูลที่ตอบโจทย์การลงทุนของตนเองได้

5 องค์ประกอบสำคัญของการสร้าง AI Automation

ก่อนเริ่มสร้างระบบอัตโนมัติ จำเป็นต้องเข้าใจโครงสร้างพื้นฐานของการทำงาน ซึ่งสามารถแบ่งออกเป็น 5 องค์ประกอบสำคัญ ดังนี้

ทั้ง 5 องค์ประกอบนี้สามารถสรุปเป็นกระบวนการได้ว่า เลือกข้อมูล → กำหนดเวลา → สั่งงาน → จัดรูปแบบ → ส่งผลลัพธ์ ซึ่งเป็นพื้นฐานสำคัญในการออกแบบระบบ AI Automation สำหรับงานลงทุน

Human in the Loop: ระบบอัตโนมัติที่ดีต้องมีมนุษย์ตรวจสอบ

แม้ AI จะสามารถช่วยรวบรวม วิเคราะห์ และสรุปข้อมูลได้อย่างมีประสิทธิภาพ แต่ไม่ได้หมายความว่าผลลัพธ์ทุกอย่างจะถูกต้องเสมอไป เพราะ AI อาจตีความข้อมูลผิด ใช้ข้อมูลที่ไม่เป็นปัจจุบัน หรือสร้างข้อสรุปที่ดูสมเหตุสมผลทั้งที่ยังไม่มีหลักฐานเพียงพอ อีกทั้ง AI บางครั้งอาจแสดงความเห็นคล้อยตามสมมติฐานของผู้ใช้งานมากเกินไป จนเกิดความเสี่ยงจาก Confirmation Bias หรืออคติในการเลือกเชื่อข้อมูลที่สนับสนุนความคิดเดิม

แนวคิด Human in the Loop จึงมีบทบาทสำคัญในการออกแบบระบบ AI Automation โดยหมายถึงการให้มนุษย์ยังคงมีส่วนร่วมในการตรวจสอบ ประเมิน และตัดสินใจในขั้นตอนที่มีความสำคัญ

สำหรับการลงทุน นักลงทุนควรตรวจสอบแหล่งที่มา ความถูกต้อง และบริบทของข้อมูลที่ AI สรุป โดยเฉพาะข้อมูลที่มีผลต่อการประเมินมูลค่าหลักทรัพย์หรือการตัดสินใจซื้อขาย นอกจากนี้ AI สามารถทำหน้าที่เป็นผู้ช่วยในการจัดเตรียมข้อมูลและเสนอประเด็นที่ควรพิจารณา แต่การตัดสินใจลงทุนยังควรอยู่ภายใต้ความรู้ ประสบการณ์ และวิจารณญาณของนักลงทุนเอง

กล่าวอีกนัยหนึ่ง การใช้ AI Automation ไม่ได้ทำให้นักลงทุนหมดความจำเป็นต้องอ่านหรือคิดวิเคราะห์ แต่ช่วยเปลี่ยนเวลาจากการทำงานเชิงกระบวนการ ไปสู่การตรวจสอบและคิดวิเคราะห์ในประเด็นที่สร้างคุณค่ามากกว่าเดิม

ใช้ AI ให้ถูกงาน และรู้จักเครื่องมือก่อนลงมือ

AI Automation ไม่ได้ทำให้เราคิดน้อยลง แต่ทำให้เราคิดมากขึ้นในเรื่องที่มีคุณค่ามากขึ้น งานจำเจอย่างการเปิดงบย้อนหลังแล้วไล่หาตัวเลขทีละหน้าให้ AI ทำแทนได้ ส่วนเวลาที่ได้คืนมาก็นำไปใช้คิดวิเคราะห์

อีกหลักที่สำคัญคือ "Put the right AI in the right job" เปรียบง่าย ๆ ว่าถ้าอยากได้คนมาช่วยรินชาให้แขก เราคงไม่จ้างนักวิทยาศาสตร์รางวัลโนเบลมาทำ ในทางกลับกัน คนรินชาก็คงคำนวณวงโคจรดาวเทียมไม่ได้ การเลือกโมเดล AI ก็เช่นกัน งานดึงข้อมูลธรรมดาไม่จำเป็นต้องใช้โมเดลที่เก่งที่สุด

เรื่องต้นทุนก็ต้องคิดด้วย การใช้ AI แบบแชท (Chat-based) ที่ถามตอบกันไปเรื่อย ๆ นั้นรวมอยู่ในค่าสมาชิกรายเดือนแล้ว แต่เมื่อสั่งงานแบบ Code-based เพื่อสร้างระบบ ทุกครั้งที่สั่งจะเสียทั้ง Token และเวลา จึงควรคิดให้ดีก่อนว่าจะสั่งอะไร

อีกหนึ่งส่วนสำคัญของบทเรียนคือการทำความรู้จักเครื่องมือ AI ที่สามารถช่วยสร้างระบบอัตโนมัติ โดยเฉพาะเครื่องมือประเภท Desktop AI Agent ที่สามารถทำงานร่วมกับไฟล์และโฟลเดอร์บนคอมพิวเตอร์ได้

ทำความรู้จัก Claude Desktop

Claude Desktop เป็นเครื่องมือหลัก ดาวน์โหลดได้จากเว็บไซต์ทางการ claude.com/download (แนะนำให้พิมพ์ลิงก์ตรง ๆ แทนการค้นหา เพื่อเลี่ยงลิงก์แปลกปลอม) ความต่างสำคัญจากการใช้ผ่านเบราว์เซอร์คือ แอปเดสก์ท็อปทำงานกับไฟล์บนคอมพิวเตอร์ของเราโดยตรง จึงดีกว่าในแง่ความเป็นส่วนตัว และรองรับงานแบบ Agent ที่ซับซ้อนได้ดีกว่า ระบบที่สร้างก็รันอยู่ภายใต้ค่าสมาชิก ไม่ต้องจ่ายค่า API เพิ่ม

ฟังก์ชันที่ควรรู้จักบนหน้าจอมีดังนี้

• โหมดการทำงาน เลือกระหว่างหน้าแชทกับหน้า Code ซึ่งเป็นหน้าที่ใช้สร้างระบบใน EP นี้
• ทำงานบนเครื่องหรือบนคลาวด์ เลือกได้ และยังสั่งงานจากมือถือได้ผ่าน Remote Control ขอแค่เปิดคอมพิวเตอร์ทิ้งไว้
• โฟลเดอร์โปรเจกต์ (Workspace) กำหนดว่า AI จะทำงานในโฟลเดอร์ไหน โดยจะไม่ไปยุ่งกับโฟลเดอร์อื่น
• การเลือกโมเดล มีตั้งแต่โมเดลตัวท็อปไปจนถึงรุ่นเล็ก สำหรับงานลงทุนแนะนำระดับ Sonnet ขึ้นไป ส่วน Haiku เหมาะกับงานดึงข้อมูลที่ไม่ต้องวิเคราะห์มาก ยิ่งโมเดลเก่งยิ่งเปลือง Token
• ระดับ Effort กำหนดว่าจะให้ AI คิดลึกแค่ไหน ยิ่งสูงยิ่งละเอียดแต่ช้าและเปลืองขึ้น แนะนำตั้งไว้ที่ High เป็นค่ากลาง แล้วค่อยเพิ่มสำหรับงานซับซ้อน แต่อย่าลืมว่าความสามารถสุดท้ายถูกจำกัดด้วยโมเดลที่เลือกตั้งแต่แรก
• Permission กำหนดว่า AI ทำอะไรได้บ้างโดยไม่ต้องถาม ตั้งแต่ถามทุกครั้งแบบ Manual ไปจนถึงปล่อยรันอัตโนมัติ ค่าที่กำลังดีคือ Accept Edits ซึ่งให้แก้ไฟล์ได้เลยโดยไม่ต้องถาม
• Plan Mode ให้ AI ช่วยคิดและยิงคำถามกลับมาเพื่อวางแผนโปรเจกต์ก่อนลงมือ ช่วยให้เรามองเห็นจุดที่นึกไม่ถึง

ฝั่ง Codex ของ OpenAI ก็มีฟังก์ชันคล้ายกัน ทั้งช่องแชท การเลือกโฟลเดอร์ ระดับโมเดล Effort, Permission และ Plan Mode ต่างกันแค่ชื่อเรียก ใครถนัดตัวไหนก็เลือกใช้ได้เลย

วิธีปฏิบัติการสร้าง AI Automation โปรเจกต์แรกแบบ Step-by-Step

เพื่อให้เห็นภาพการนำ AI Automation ไปใช้งานจริง บทเรียน EP.6 ได้ยกตัวอย่างการสร้างระบบสรุปข่าวหุ้นจากเว็บไซต์ตลาดหลักทรัพย์แห่งประเทศไทย โดยใช้ AI ช่วยออกแบบกระบวนการรวบรวมและจัดทำรายงานข่าวสารที่นักลงทุนต้องติดตามเป็นประจำ

แนวทางนี้เริ่มต้นจากการนำกระบวนการทำงานเดิมของนักลงทุนมาวิเคราะห์ว่า มีขั้นตอนใดที่ทำซ้ำอยู่ทุกวัน และสามารถเปลี่ยนเป็นระบบอัตโนมัติได้บ้าง

ขั้นตอนที่ 1 เริ่มจากการให้ AI ทำความเข้าใจความต้องการของนักลงทุน

ก่อนสั่งให้ AI สร้างระบบทันที ควรเริ่มจากการกำหนดขอบเขตและเป้าหมายให้ชัดเจน โดยสามารถใช้วิธีให้ AI สัมภาษณ์ผู้ใช้งานทีละคำถาม เพื่อรวบรวมรายละเอียดที่จำเป็นต่อการออกแบบระบบ 

วิธีนี้ช่วยให้ผู้ใช้งานไม่จำเป็นต้องเขียนคำสั่งที่ซับซ้อนตั้งแต่เริ่มต้น แต่สามารถใช้ AI ช่วยตั้งคำถามและแปลงความต้องการให้กลายเป็นโครงสร้างการทำงานที่ชัดเจนได้เมื่อได้ข้อมูลครบถ้วนแล้ว AI จึงสามารถนำรายละเอียดเหล่านี้ไปออกแบบ Workflow ที่สอดคล้องกับความต้องการเฉพาะบุคคลในขั้นตอนต่อไป

ขั้นตอนที่ 2 กำหนดแหล่งข่าวและวิธีรวบรวมข้อมูล

หลังจากทราบความต้องการแล้ว ขั้นตอนต่อมาคือการกำหนดแหล่งข้อมูล ซึ่งในการสร้างระบบ AI ต้องเข้าใจลักษณะของข้อมูลที่ต้องอ่านด้วย เพราะข่าวบางรายการอาจแสดงเป็นข้อความบนหน้าเว็บไซต์ ขณะที่บางรายการอาจแนบเอกสาร PDF ซึ่งต้องเปิดอ่านเพิ่มเติมจึงจะได้รับข้อมูลครบถ้วน

ดังนั้น Instruction ควรระบุให้ AI เข้าไปอ่านรายละเอียดจากลิงก์ข่าว รวมถึงเอกสารแนบที่เกี่ยวข้อง ไม่ใช่อ่านเฉพาะพาดหัวข่าวแล้วนำมาสรุปทันที นอกจากนี้ ยังควรระบุให้ AI ใช้เฉพาะแหล่งข้อมูลที่กำหนด และแนบลิงก์ต้นทางไว้ในรายงาน เพื่อให้นักลงทุนสามารถย้อนกลับไปตรวจสอบข้อมูลได้

ขั้นตอนที่ 3 ใช้ Plan Mode วางแผนก่อนสร้างระบบจริง

หนึ่งในแนวทางที่นำเสนอคือการใช้ Plan Mode หรือโหมดวางแผน เพื่อให้ AI วิเคราะห์งานและเสนอขั้นตอนดำเนินการก่อนเริ่มสร้างระบบ ตัวอย่างเช่น หากต้องการสร้างระบบติดตามข่าวจากเว็บไซต์ตลาดหลักทรัพย์ AI อาจช่วยแยกงานออกเป็นการเข้าถึงหน้าเว็บไซต์ การตรวจสอบข่าวใหม่ การอ่านเอกสาร การคัดกรองข้อมูล การสรุปผล และการจัดทำรายงาน

ผู้ใช้งานสามารถตรวจสอบแผนดังกล่าวและเพิ่มเติมเงื่อนไขได้ เช่น ต้องการให้ตรวจสอบข่าวซ้ำหรือไม่ ต้องการจัดลำดับความสำคัญอย่างไร หรือหากไม่พบข่าวใหม่ควรให้ระบบแสดงผลแบบไหน การวางแผนก่อนลงมือทำช่วยลดความคลาดเคลื่อนระหว่างความต้องการของผู้ใช้กับผลลัพธ์ที่ AI สร้างขึ้น โดยเฉพาะระบบที่มีหลายขั้นตอนหรือเชื่อมต่อกับเครื่องมือภายนอก

ขั้นตอนที่ 4 ตั้งเวลาให้ระบบทำงานด้วย Scheduled Task

เมื่อออกแบบกระบวนการเรียบร้อยแล้ว สามารถกำหนดตารางเวลาการทำงานผ่านฟังก์ชัน Scheduled Task หรือ Routine Automation ตามความสามารถของเครื่องมือที่ใช้งาน

นอกจากนี้ ยังมีแนวคิดให้ระบบตรวจสอบข่าวที่ตกค้างจากรอบก่อนหน้า เช่น ข่าวที่เผยแพร่หลังเวลาสรุปรายงานรอบเย็น อาจถูกนำมารวมไว้ในรายงานรอบเช้าของวันถัดไป การกำหนดช่วงเวลาที่เหมาะสมจะช่วยให้นักลงทุนได้รับข้อมูลที่ต้องการอย่างต่อเนื่อง โดยไม่จำเป็นต้องเข้ามาตรวจสอบทุกเว็บไซต์ด้วยตนเอง

ขั้นตอนที่ 5 สร้างรูปแบบรายงานที่อ่านง่ายและตรวจสอบได้

หลังจาก AI รวบรวมข่าวแล้ว ขั้นตอนต่อมาคือการจัดทำรายงานให้อยู่ในรูปแบบที่สามารถนำไปใช้งานได้จริง ตัวอย่างรายงานที่อธิบายในบทเรียนมีการจัดกลุ่มข่าวตามประเภท เช่น ข่าวผลประกอบการ การเปลี่ยนแปลงโครงสร้างทุน ประเด็นด้านกฎหมาย การดำเนินธุรกิจ และรายการซื้อขายหลักทรัพย์ของผู้บริหาร

นอกจากนี้ ยังสามารถจัดลำดับให้ข่าวที่เกี่ยวข้องกับหุ้นในพอร์ตปรากฏเป็นอันดับแรก เพื่อให้นักลงทุนมองเห็นประเด็นที่อาจมีความสำคัญต่อการลงทุนของตนเองได้ทันที โดยรายงานอาจแสดงเป็นข้อความ Markdown ซึ่งเหมาะกับการจัดเก็บและประมวลผล หรือ HTML ที่สามารถออกแบบรูปแบบการนำเสนอให้อ่านง่ายขึ้น ทั้งนี้ขึ้นอยู่กับความต้องการของผู้ใช้งาน

อีกหนึ่งสิ่งที่ไม่ควรมองข้ามคือการแสดงแหล่งอ้างอิงและลิงก์ข่าวต้นทาง เพราะการสรุปข้อมูลให้สั้นลงไม่ควรทำให้ความสามารถในการตรวจสอบข้อมูลลดลงตามไปด้วย

เคล็ดลับต่อยอดระบบให้เก่งขึ้นทุกวัน

การสร้างระบบ AI Automation ไม่จำเป็นต้องเริ่มจากโครงการขนาดใหญ่หรือระบบที่มีความซับซ้อนสูง นักลงทุนสามารถเริ่มต้นจากงานเล็ก ๆ ที่ทำเป็นประจำก่อนก็ได้ 

• ไม่ต้องสมบูรณ์แบบตั้งแต่วันแรก ระบบที่ใช้งานจริงทุกวันล้วนผ่านการแก้มาหลายรอบ ใช้ไปสักวันสองวันหรือสักสัปดาห์ แล้วค่อยเพิ่มสิ่งที่ยังไม่ตรงใจ ระบบจะค่อย ๆ เติบโตเหมือนต้นไม้ที่เสียบกิ่งเพิ่มไปเรื่อย ๆ
• คุยต่อเนื่องแบบ Prompt Chaining ถ้าผลลัพธ์รอบแรกยังไม่ใช่ ให้คุยต่อ สั่งแก้ต่อ เหมือนคุยกับลูกน้องที่ทำงานยังไม่ตรงสเปก ไม่จำเป็นต้องจบทุกอย่างในพรอมต์เดียว
• ให้ตัวอย่างที่ชอบ โยนเอกสาร บทความ หรือไฟล์ที่เคยทำไว้แล้วชอบเข้าไป แล้วบอกว่าอยากได้หน้าตาแบบนี้ AI จะมีแนวทางอ้างอิงและทำได้ตรงใจขึ้นมาก
• ถามที่มาเสมอ ถามว่าข้อมูลนี้เอามาจากไหน กระบวนการนี้ทำอย่างไร เพื่อตรวจสอบความถูกต้อง และเป็นการเรียนรู้ไปพร้อมกับ AI ไม่ใช่ตอบแค่ "เอาตามนี้" ทุกครั้ง
• เผื่อเวลาดูแลระบบ ช่วงแรกเวลาส่วนใหญ่จะหมดไปกับการสร้าง แต่ในระยะยาวต้องแบ่งเวลามาดูแลรักษาระบบด้วย
• เริ่มจากสิ่งที่ง่ายที่สุด จุดสำคัญที่สุดคือการเริ่มต้น เมื่อเริ่มแล้วไอเดียจะตามมาเอง และไม่จำเป็นต้องจำกัดอยู่แค่ข่าวตลาดหลักทรัพย์ จะทำระบบ Morning Brief สรุปบทความจากนักวิเคราะห์ต่างประเทศ หรือแหล่งข่าวที่เชื่อถือได้อื่น ๆ ก็ทำได้เช่นกัน

ใช้ AI ลดงานซ้ำ เพิ่มเวลาให้การตัดสินใจที่มีคุณภาพ

AI Automation กำลังเปิดโอกาสให้นักลงทุนเปลี่ยนวิธีจัดการข้อมูล จากการใช้เวลาส่วนใหญ่ไปกับการค้นหาและรวบรวมข้อมูล สู่การสร้างระบบที่สามารถทำงานเหล่านี้ได้อย่างต่อเนื่องตามเงื่อนไขที่กำหนด สิ่งสำคัญไม่ได้อยู่ที่การเลือกใช้ AI ที่มีความสามารถสูงที่สุดเสมอไป แต่อยู่ที่การเข้าใจงานที่ต้องการทำ เลือกเครื่องมือให้เหมาะสม ออกแบบกระบวนการอย่างเป็นระบบ และกำหนดวิธีตรวจสอบผลลัพธ์ให้ชัดเจน

ท้ายที่สุดแม้ AI จะสามารถช่วยจัดการงานที่ซ้ำซ้อนและประมวลผลข้อมูลจำนวนมากได้ แต่การตรวจสอบความถูกต้อง การประเมินความเสี่ยง และการตัดสินใจลงทุนยังคงเป็นหน้าที่สำคัญของมนุษย์ เพราะเป้าหมายของการใช้ AI ในการลงทุน ไม่ใช่การให้เทคโนโลยีคิดแทนทุกอย่าง แต่เป็นการใช้เทคโนโลยีช่วยจัดการข้อมูล เพื่อให้นักลงทุนมีเวลาและข้อมูลประกอบการคิดวิเคราะห์ได้อย่างมีคุณภาพมากขึ้น

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

รับชมคอร์สออนไลน์ฉบับเต็มและเรียนรู้ไปพร้อมกัน

👉 คลิกเพื่อรับชมวิดีโอฉบับเต็ม EP.6 ได้ที่นี่ https://youtu.be/gIrFuwDFle0?si=ezUFM_ajPJHiZEiH