“จุดตาย” ของการใช้ AI กับการลงทุนในหุ้น | EP.179

ในยุคปัจจุบัน เทคโนโลยีปัญญาประดิษฐ์ได้ก้าวเข้ามาปฏิวัติเกือบทุกวงการ รวมถึงแวดวงการเงินที่กระแสของ AI ,การลงทุน กำลังเป็นที่พูดถึงอย่างกว้างขวาง หลายคนเชื่อว่า AI จะเป็นเครื่องมือวิเศษที่ทำให้ใครๆ ก็สามารถทำกำไรในตลาดได้โดยง่าย แต่คำถามสำคัญที่นักลงทุนระดับกูรูต้องตั้งขึ้นมาคือ “หากทุกคนหันมาใช้กระบวนการ AI ,การลงทุน กันหมดแล้ว ใครจะเป็นผู้ชนะที่แท้จริง?” และ “เราจะดึงศักยภาพของมันมาสร้างความได้เปรียบที่ไม่มีใครเลียนแบบได้ (Unfair Advantage) ได้อย่างไร?”

บทความนี้จะเจาะลึกข้อคิดจากนักลงทุนแนวคุณค่า (VI) ที่จะมาเปิดเผย “จุดตาย” ของปัญญาประดิษฐ์ และเผยเคล็ดลับที่มนุษย์จะใช้เทคโนโลยีนี้ร่วมกับ “แรงสมองและสองเท้า” เพื่อสร้างผลตอบแทนชนะตลาดได้อย่างยั่งยืน

วิวัฒนาการของ AI: จากแชทบอทสู่ระบบออโตเมชัน

วันนี้เราก้าวข้ามยุค Generative AI แบบถาม-ตอบทั่วไป ไปสู่ยุคของ AI Agent ที่สามารถสร้างระบบงานอัตโนมัติ (Workflow Automation) แทนงานรูทีนที่ซับซ้อน เช่น การดึงตัวเลขจากหลายแหล่งและการทำสูตร Excel

อ.ประพาสได้แบ่งปันกรณีศึกษาการใช้ AI ศึกษาอุตสาหกรรมที่ตนไม่มีความรู้มาก่อนเลย เช่น “หุ้นธนาคารสเต็มเซลล์ (STEM)” ที่เพิ่งจดทะเบียนเข้าตลาด สำหรับนักลงทุนทั่วไปนี่เป็นเรื่องไกลตัวมาก พี่พาร์ทใช้เวลาพูดคุยและซักถาม AI ยาวนานตลอดหนึ่งวันเต็มเพื่อทำความเข้าใจโครงสร้างอุตสาหกรรม (Flow) และมองหาจุดบอดสำคัญ

หัวใจสำคัญ: ศักยภาพของ AI ขึ้นอยู่กับ “คำถาม” ของคุณ หากถามกว้างๆ ว่า “สรุปอุตสาหกรรมนี้ให้หน่อย” สิ่งที่ได้จะกว้างและแบนราบจนไร้ประโยชน์ แต่หากใช้ประสบการณ์ไล่เจาะถามทีละประเด็นแบบช่างสงสัย AI จะเป็นตัวย่อระยะเวลาสืบค้นที่ทรงพลังมาก

จุดตายข้อที่ 1: ภัยเงียบของ “ข้อมูลขยะ” และคอนเทนต์ที่ถูกสร้างขึ้นมาหลอกตา

ความเสี่ยงใหญ่หลวงที่นักลงทุนมักมองข้ามเมื่อเข้าสู่โลกของ AI ,การลงทุน คือแหล่งที่มาของข้อมูล ปัจจุบัน คอนเทนต์ทางการเงินตามกลุ่มไลน์หรือโซเชียลมีเดียจำนวนมากถูกปั่นขึ้นมาโดยปัญญาประดิษฐ์แบบ 100% ซึ่งหากแหล่งข้อมูลฐานรากมีความผิดพลาด หรือ AI ไปดึงข้อมูลที่ติดหน้าแรกของกูเกิลด้วยกระบวนการทำ SEO แต่เป็นข้อมูลที่ไม่มีใครตรวจสอบ นักลงทุนที่เชื่อข้อมูลนั้นย่อมได้รับความเสียหายอย่างแสนสาหัส

นอกจากนี้ การใช้ระบบถอดความอัตโนมัติจากไฟล์เสียงหรือวิดีโอ มักมีจุดผิดพลาดจากการออกเสียงที่คล้ายกัน เช่น ตัวเลข “4” กับ “10” ในภาษาไทย

ดังนั้น ทุกครั้งที่ใช้ AI สืบค้นข้อมูล จะต้องสั่งให้ระบุแหล่งที่มาและลิงก์อ้างอิงเสมอ และนักลงทุนต้องมีหน้าที่เข้าไปตรวจสอบกับต้นฉบับที่เป็นทางการ (เช่น รายงานประจำปี 56-1 One Report หรือเอกสารคำชี้แจง MD&A) เพื่อยืนยันความถูกต้องอีกครั้ง มิฉะนั้นคุณจะตกเป็นเหยื่อของหลักการ Garbage In, Garbage Out

การประยุกต์ใช้ AI ย่อย Opp Day และ “ระบบจัดสรรสมอง 3 Tiers”

ในการติดตามงบการเงินและฟีดแบ็กของหุ้นจำนวนมาก การฟัง Opportunity Day และอ่านรายงาน MD&A ด้วยตนเองทั้งหมดเป็นเรื่องที่ยากและกินเวลา เพื่อไม่ให้แรงสมองล้า พี่พาร์ทจึงออกแบบระบบการแบ่งเกรดหุ้นออกเป็น 3 Tiers เพื่อจัดสรรพละกำลังอย่างมีประสิทธิภาพ:

• Tier S / Tier 1 (กลุ่มสำคัญที่สุด): หุ้นที่เราถือครองอยู่หรือกำลังวางแผนเข้าซื้ออย่างจริงจัง กลุ่มนี้ต้องใช้ “ตาเนื้อตรวจ 100%” เท่านั้น โดยการดูสดออนไลน์และอาจฟังย้อนหลังซ้ำถึง 3 รอบเพื่อเก็บรายละเอียดเชิงลึกและไม่ยอมพึ่งบทสรุปจาก AI เลย
• Tier 2 (กลุ่มเฝ้าระวัง): หุ้นที่ดีและน่าสนใจ แต่อาจจะยังแพงเกินไปหรือจังหวะเวลายังไม่ได้ กลุ่มนี้เลือกที่จะดูวิดีโอย้อนหลังเพื่ออัปเดต ไม่จำเป็นต้องดูสด
• Tier 3 (กลุ่มคู่เทียบ): หุ้นคู่แข่งในอุตสาหกรรมเดียวกันที่เราต้องการเปรียบเทียบเพื่อให้เห็นภาพรวม สำหรับกลุ่มนี้ จะใช้ AI ช่วยสรุปใจความสำคัญ เพื่อประหยัดเวลาและรับทราบข้อมูลทั่วไป

จุดตายข้อที่ 2: สิ่งที่ AI ไม่มีวันอ่านออก — “ภาษาท่าทาง” และ “น้ำเสียงผู้บริหาร”

หนึ่งในจุดบอดที่น่ากลัวที่สุดของ AI สรุปเนื้อหาคือข้อมูลประเภท Non-verbal Cues หรือภาษาท่าทางและน้ำเสียงของผู้บริหารขณะตอบคำถาม การอ่านสัญญาณเหล่านี้ช่วยรักษาเงินทุนและทำกำไรล้านแปดมาหลายครั้ง เช่น:

• ผู้บริหารบางท่านแถลงข่าวยิ้มแย้มตลอดเวลาแม้ผลประกอบการกำลังแย่ เพื่อพยายามปิดบังความจริง
• ผู้บริหารที่ปกติมั่นใจและพูดจาเสียงดัง แต่คราวนี้กลับหน้าเจื่อน น้ำเสียงอ่อย และขาดความมั่นใจอย่างเห็นได้ชัด แม้ตัวเลขทางการเงินจะยังดีอยู่ก็ตาม

อาการเหล่านี้เป็นสัญญาณเตือนภัยล่วงหน้าที่ส่งตรงถึงนักลงทุน แต่ AI ที่สรุปข้อมูลผ่านตัวอักษรจะมองข้ามสิ่งนี้โดยสิ้นเชิง กว่าข้อมูลทางการเงินจริงจะปรากฏ ราคาหุ้นก็ร่วงลงไปเรียบร้อยแล้ว

จุดตายข้อที่ 3: “Key Message” น้ำหนักเบา ที่ AI ตัดทิ้ง แต่นักลงทุนใช้จับ “Big Opportunity”

ระบบ AI ทั่วไปจะสรุปข้อมูลโดยให้น้ำหนักกับประเด็นที่มีการกล่าวถึงซ้ำๆ ซึ่งมักเป็นข้อมูลทั่วไปที่ทุกคนรู้อยู่แล้ว (Generic Information) แต่ในแง่ของการมองหาโอกาสเติบโตในอนาคต ข้อมูลที่สำคัญที่สุดมักเป็น สิ่งที่ผู้บริหารพูดถึงน้อยที่สุดและสั้นที่สุด

เนื่องจากบริษัทต้องการเก็บความลับไม่ให้คู่แข่งรู้ตัวล่วงหน้า พวกเขาจึงอาจเผยกลยุทธ์สำคัญออกมาเพียงแค่สั้นๆ ไม่กี่วินาทีระหว่างนำเสนอ 45 นาที ประเด็นเหล่านี้เป็นข้อมูลที่น้ำหนักเบามากในระบบของอัลกอริทึม ทำให้ AI มักตัดทิ้งและไม่นำมารายงาน แต่นักลงทุนระดับกูรูจะสังเกตเห็น “คีย์เวิร์ด” นี้ และใช้มันเพื่อโทรสืบต่อกับเจ้าหน้าที่ลงทุนสัมพันธ์ (IR) หรือขอเข้าร่วม Company Visit ทันทีเพื่อคว้าโอกาสทองก่อนใคร

นิยามใหม่ของ “Edge” และทำไมเทคโนโลยีจะทำให้ “คนขยันยิ่งได้เปรียบคนขี้เกียจ”

ในตลาดหุ้น ความสามารถในการทำกำไรเหนือตลาดเรียกว่า Edge หรือความได้เปรียบในการแข่งขันแบบไม่แฟร์ ในอดีต Edge คือการเข้าถึงข้อมูลที่เร็วกว่า แต่ในยุคที่ทุกคนเข้าถึง AI ได้เท่ากัน ข้อมูลทั่วไปจึงไม่สร้างความได้เปรียบอีกต่อไป

เทคโนโลยีที่อำนวยความสะดวกจะส่งผลทำให้นักลงทุนโดยเฉลี่ยมีพฤติกรรมที่ขี้เกียจลงและลดการใช้ดุลยพินิจของตนเอง สิ่งนี้จะทำให้ช่องว่างแห่งความสำเร็จระหว่าง “คนขยันที่แท้จริง” กับ “คนขี้เกียจที่พึ่งแต่ AI” ห่างออกจากกันเรื่อยๆ นักลงทุนที่ชนะจะใช้ AI เพื่อจัดการงานรูทีนที่น่าเบื่อหน่ายออกไป เพื่อเปิดโอกาสให้ตนเองมีเวลาเหลือสำหรับการลงพื้นที่หาข้อมูลนอกอินเทอร์เน็ต (Boots on the Ground)

กรณีศึกษาจริง: การจับสัญญาณหุ้นร้านอาหารยอดฮิต ช่วงต้นปีหนึ่ง พี่พาร์ทสนใจลงทุนในหุ้นร้านอาหารแบรนด์ดังที่ราคาหุ้นกำลังพุ่งสูงมาก แต่เมื่อลงพื้นที่จริงไปเดินดูหน้าร้านและทดลองรับประทานอาหาร เขาสังเกตเห็นว่าจำนวนลูกค้าเบาบางลงอย่างชัดเจน และทางร้านเริ่มงัดโปรโมชั่นลดราคาอย่างดุเดือด การวิเคราะห์ด้วยตาเนื้อทำให้เขารู้ทันทีว่า ยอดขายสาขาเดิมน่าจะมีปัญหา และโปรโมชั่นลดราคาจะฉุดอัตรากำไรขั้นต้นดิ่งลงอย่างรุนแรง เขาจึงตัดสินใจขายหุ้นทิ้งทั้งหมดก่อนที่งบการเงินแย่ๆ จะออกมา ข้อมูลลักษณะนี้เป็นข้อมูลที่ต่อให้ใช้กระบวนการ AI ,การลงทุน ค้นหาเท่าไหร่ก็ไม่มีวันเจอในโลกอินเทอร์เน็ต

ประเมินมูลค่าหุ้น (Valuation) และการพยากรณ์กำไร: ศิลปะที่แทนที่ด้วยสูตรไม่ได้

แม้ AI จะคำนวณคณิตศาสตร์ทางการเงินได้ว่องไว แต่การประเมินมูลค่าหุ้นและการพยากรณ์กำไรเป็นเรื่องของการใช้ดุลยพินิจ (Judgment) ซึ่งเป็นทั้งศาสตร์และศิลป์ หากเราให้ AI คำนวณ Valuation ให้โดยไม่มีข้อกำหนดที่รัดกุม ระบบจะเพียงไปดึงสมมติฐานการเติบโตจากบทวิเคราะห์ต่างๆ มาเฉลี่ยค่าให้เรา

สิ่งสำคัญที่สุดคือการทำความเข้าใจตัวแปรเฉพาะเจาะจง เช่น Character ของผู้บริหาร ที่อัลกอริทึมไม่มีวันเข้าใจ:

• ผู้บริหารสไตล์มองโลกในแง่ดีเกินจริง (Optimistic): มักตั้งเป้าหมายสูงลิ่วเพื่อจูงใจพนักงาน (เช่น ตั้งเป้าโต 30% แต่ทำจริงได้ 10% ทุกปี)
• ผู้บริหารสไตล์อนุรักษนิยม (Conservative): มักตั้งเป้าต่ำแต่ทำได้จริงทะลุคาดตลอดเวลา (เช่น ตั้งเป้าโต 5% แต่ทำได้ 15% เสมอ)

หากนักลงทุนไม่นำค่าดุลยพินิจเกี่ยวกับคาแรกเตอร์เหล่านี้มาร่วมประเมิน สมมติฐานที่ใส่เข้าไปย่อมคลาดเคลื่อนอย่างสิ้นเชิง นักลงทุนที่ดีจึงต้องควบคุมทิศทางตัวแปรเองทั้งหมด และใช้ AI ทำหน้าที่เพียงแค่ “เครื่องคิดเลขส่วนตัว”

กรณีศึกษา: การสร้างระบบสกรีนข่าวประกาศของ SET

แม้ AI จะมีจุดบอดเรื่องวิจารณญาณเชิงลึก แต่ในด้านการคัดกรองข้อมูลขนาดใหญ่ ระบบนี้เป็นผู้ช่วยชั้นเลิศ พี่พาร์ทได้ออกแบบแอปพลิเคชันปัญญาประดิษฐ์ส่วนตัวขึ้นมาเพื่อจัดการกับข่าวประกาศของตลาดหลักทรัพย์ฯ ที่มีมากกว่า 300 – 500 ข่าวต่อวัน

ระบบนี้จะดึงข้อมูลข่าวสารและใช้ AI ช่วยแยกแยะคัดกรองจัดหมวดหมู่ทันที โดยคัดเลือกเฉพาะประกาศสำคัญที่ส่งผลกระทบโดยตรงต่อตัวเลขงบการเงิน จากนั้นระบบจะส่งสัญญาณแจ้งเตือนอัตโนมัติเข้าสู่ Line ทันที เพื่อไม่ให้พลาดโอกาสในจังหวะที่มีข่าวร้ายชั่วคราวเข้ามาฉุดราคาหุ้นจนร่วงหนักลงมาถึงเกณฑ์ซื้อที่คุ้มค่า

สัญญาณเตือนภัย: การแคปหน้าจอพอร์ตปรึกษา AI และทางเลือกของรายย่อย

ปัจจุบัน มีนักลงทุนรายย่อยจำนวนมากนิยมแคปหน้าจอพอร์ตโฟลิโอของตนส่งไปให้ AI เพื่อขอคำปรึกษาการปรับพอร์ต นี่เป็นพฤติกรรมที่อันตรายอย่างยิ่ง เพราะเป็นการยกการตัดสินใจของตนเองให้สิ่งอื่น และทำให้ทักษะการวิเคราะห์เสื่อมถอยลง

สำหรับรายย่อยที่ไม่มีเวลาศึกษาด้วยตนเองอย่างลึกซึ้ง มีทางเลือก 2 เส้นทางหลัก:

1. ยอมรับข้อจำกัดและปลอดภัย: ขายหุ้นรายตัวทั้งหมดและหันไปลงทุนในกองทุนดัชนี (Passive Fund) แทน โดยคาดหวังผลตอบแทนตามค่าเฉลี่ยตลาดโลกประมาณ 10% ต่อปี
2. สู้ชีวิตเพื่อเอาชนะ: ทุ่มเทเวลาและแรงกายเพื่อเรียนรู้งบการเงิน ประเมินมูลค่าธุรกิจ และลงพื้นที่วิเคราะห์ Edge ของอุตสาหกรรมอย่างจริงจัง

เจาะลึกมุมมองสไตล์ VI จากช่วงตอบคำถาม (Q&A)

• รายได้ Wealth Management ของธนาคารไทย ยั่งยืนหรือไม่? เป็นเทรนด์ “ถาวร” เนื่องจากโครงสร้างประชากรไทยมีความเหลื่อมล้ำแบบหางยาว คนรวยหัวลูกอ๊อดมีปริมาณน้อยแต่ถือครองเม็ดเงินมหาศาล ธนาคารจึงเน้นขายผลิตภัณฑ์ทางการเงินกับกลุ่มนี้เลียนแบบอเมริกาเพื่อสร้างรายได้ค่าธรรมเนียมระยะยาว
• ศึกน้ำมะพร้าวจีนและยุโรป: SAPPE vs PLUS SAPPE เป็นผู้บุกเบิกตลาด (First Mover) จนแบรนด์แข็งแกร่ง ผู้บริโภคยากจะเปลี่ยนใจ ส่วน PLUS พยายามเจาะตลาดจีนแต่มาสายเกินไป (Late Mover) ในช่วงที่ความนิยมเริ่มเสื่อมลงและคู่แข่งเยอะขึ้น จึงยากที่จะแย่งชิงเค้กจากเบอร์ 1
• หุ้นซื้อคืน และอุตสาหกรรมผู้สูงอายุ (Aging Society) การซื้อหุ้นคืนแบบไม่ระบุวัตถุประสงค์มักไม่ทำให้ราคาพุ่งแรง เพราะตลาดรู้ว่าเดี๋ยวบริษัทก็ต้องเทขายคืนใน 3 ปี ส่วนเทรนด์ผู้สูงอายุ นอกจากโรงพยาบาลแล้ว ยังมีหุ้นเฉพาะกลุ่มเช่น EKH (ศูนย์ดูแลผู้ป่วยระยะสุดท้าย), MOONG (ผ้าอ้อมผู้ใหญ่), และ NEO (ผลิตภัณฑ์ล้างกลิ่นตัวผู้สูงอายุ) ที่รับโอกาสได้ดี
• หุ้น MEB และภัยคุกคามของ “ละครสั้นแนวตั้ง” ภัยคุกคามของธุรกิจ E-Book นวนิยาย ไม่ใช่แพลตฟอร์มหนังสืออื่น แต่เป็น “ละครสั้นแนวตั้ง” บนโซเชียลมีเดียที่เข้ามาแย่งชิงความสนใจและเวลาว่างของกลุ่มวัยรุ่นไปอย่างถาวร ถือเป็นสินค้าทดแทนที่น่ากลัว

ศาสตร์แห่ง AI ,การลงทุน เปรียบเสมือน “ผ้าคลุมล่องหน” ของแฮร์รี่ พอตเตอร์ หากใช้มันอย่างเข้าใจและระมัดระวัง มันจะสร้างคุณประโยชน์อันเป็นเอกสิทธิ์มหัศจรรย์ แต่หากนำไปใช้โดยปราศจากความเข้าใจแกนกลางอย่างแท้จริง มันอาจนำความพินาศมาสู่ตัวผู้ใช้เอง เทคโนโลยีช่วยเพิ่มความเร็วในการสืบค้นข้อมูลได้ แต่มันไม่มีวันทดแทนความเพียรพยายาม การลงพื้นที่สำรวจหาข้อมูลของจริง และสติปัญญาการตัดสินใจของมนุษย์ได้เลย จงเป็นผู้ควบคุมเทคโนโลยีแทนการยอมให้เทคโนโลยีเข้ามาครอบงำดุลยพินิจทางการเงินของคุณเอง

หมายเหตุ: บทความนี้จัดทำขึ้นเพื่อการศึกษา และการเขียนบล็อกเท่านั้น ไม่ถือเป็นคำแนะนำในการลงทุน หรือชี้นำให้ซื้อ ถือ หรือขายหลักทรัพย์ใดๆ ผู้ลงทุนควรศึกษาข้อมูลเพิ่มเติมก่อนตัดสินใจลงทุน