GenAI กำลังปรับเปลี่ยนขั้นตอนการลงทุนเร็วกว่าที่บริษัทส่วนใหญ่สามารถปรับตัวได้ การเปิดตัว Claude for Monetary Providers ถือเป็นก้าวล่าสุดในการนำ GenAI ไปใช้ในอุตสาหกรรมการลงทุน การมุ่งเน้นไปที่ความรู้ในขอบเขตและขั้นตอนการทำงานเฉพาะทางทำให้แตกต่างจาก LLM ทั่วๆ ไป และทำให้เกิดคำถามสำคัญเกี่ยวกับวิธีการทำงานทางการเงินจะพัฒนาไปอย่างไร งานจะถูกแบ่งระหว่างมนุษย์และเครื่องจักรอย่างไร และทักษะใดที่จำเป็นในการประสบความสำเร็จในอนาคตของการเงิน
บริษัททางการเงินกำลังแข่งขันกับการยกเครื่องความสามารถด้านเทคโนโลยีที่สำคัญที่สุดในยุคนี้ การเปลี่ยนแปลงทางดิจิทัลที่ขับเคลื่อนด้วย AI กำลังปรับเปลี่ยนบทบาทงานและกระบวนการลงทุน กระตุ้นให้ผู้เชี่ยวชาญพิจารณาขอบเขตระหว่างการรับรู้ของมนุษย์และเครื่องจักร ในขณะที่บริษัทต่างๆ ทำงานเพื่ออัปเกรดกลุ่มเทคโนโลยีและทุนมนุษย์เพื่อให้ยังคงสามารถแข่งขันได้
ท่ามกลางการเปลี่ยนแปลงนี้ บริษัทและผู้ประกอบวิชาชีพต้องประเมินทักษะที่จำเป็นต่อความสำเร็จอีกครั้ง การคาดการณ์ว่า AI จะเปลี่ยนขั้นตอนการทำงานและบทบาทของงานอย่างไรนั้นเป็นเรื่องที่ท้าทาย เมื่อพิจารณาจากความก้าวหน้าทางเทคโนโลยีและความไม่แน่นอนในเส้นทางการเปลี่ยนแปลง ถึงกระนั้น การประเมินนี้จำเป็นสำหรับการวางแผนเชิงกลยุทธ์ ทั้งสำหรับผู้นำในอุตสาหกรรมและสำหรับบุคคลที่พิจารณาเส้นทางอาชีพของตน
CFA Institute ติดตามและตีความการพัฒนา AI อย่างต่อเนื่อง ตลอดจนให้คำแนะนำและให้ความรู้เพื่อช่วยให้ผู้เชี่ยวชาญด้านการเงินสำรวจภูมิทัศน์ที่เปลี่ยนแปลงไป และสร้างทักษะทางอาชีพที่พวกเขาต้องการเพื่อประสบความสำเร็จ เพื่อความก้าวหน้าของภารกิจนี้ เรากำลังเริ่มโครงการที่มีความทะเยอทะยานเพื่อวิเคราะห์ผลกระทบเชิงโครงสร้างของ AI สำหรับวิชาชีพการลงทุน เราจะสำรวจสถานการณ์ต่างๆ ว่า AI จะส่งผลต่อการปฏิบัติงานทางวิชาชีพ การตัดสินใจ ความไว้วางใจ ความรับผิดชอบ และเส้นทางอาชีพอย่างไร โดยต่อยอดจากการวิจัยของเราจนถึงปัจจุบัน(1)
ในบริบทนี้ มักมีคำถามสองข้อเกิดขึ้น: AI จะมาแทนที่ผู้เชี่ยวชาญที่เป็นมนุษย์หรือไม่ และอะไรคือความเกี่ยวข้องของโปรแกรม CFA ในสภาพแวดล้อมในอนาคตที่ AI สามารถทำงานด้านเทคนิคส่วนใหญ่ได้?(2)
ดังที่เราได้กล่าวไว้ในที่อื่น เราเชื่อว่าอนาคตจะถูกกำหนดโดยความสามารถเสริมด้านการรับรู้ของมนุษย์และเครื่องจักร โดยมีรูปแบบ “AI + HI” และความสำคัญอย่างต่อเนื่องของความสามารถทางวิชาชีพ เพื่อทำความเข้าใจว่าชุดค่าผสมนี้มีลักษณะอย่างไร อันดับแรกจำเป็นต้องประเมินขอบเขตปัจจุบันของการนำ AI มาใช้ในกระบวนการลงทุน ก่อนที่จะระบุเส้นทางการเปลี่ยนแปลงที่เป็นไปได้ไปยังสถานการณ์ในอนาคตที่โดดเด่นด้วยการผสมผสานระหว่างปฏิสัมพันธ์ของมนุษย์และเครื่องจักรที่แตกต่างกัน
ภูมิทัศน์ปัจจุบัน
เมื่อต้นปีที่แล้ว สถาบัน CFA ตีพิมพ์ผลการศึกษาแบบสำรวจว่า “การสร้างมูลค่าจาก Massive Information ในกระบวนการจัดการการลงทุน: การวิเคราะห์ขั้นตอนการทำงาน– ในนั้น เราได้วิเคราะห์ขอบเขตการนำเทคโนโลยีมาใช้ในงานเวิร์กโฟลว์ต่างๆ ที่ดำเนินการในประเภทของบทบาทงานต่างๆ รวมถึงการให้คำปรึกษา การวิเคราะห์ การลงทุนและการตัดสินใจ ความเป็นผู้นำ ความเสี่ยง และการจัดการการขายและลูกค้า
ประเด็นสำคัญของงานนี้ก็คือ ผู้เชี่ยวชาญด้านการลงทุนนำกลยุทธ์ multihoming มาใช้ โดยที่พวกเขาใช้แพลตฟอร์มและ/หรือเทคโนโลยีที่หลากหลายเพื่อทำงานให้สำเร็จ ในหมวดหมู่บทบาทงานวิเคราะห์ ขั้นตอนการทำงานตัวอย่างสามตัวอย่าง ได้แก่ การประเมินมูลค่า การวิเคราะห์อุตสาหกรรม และบริษัท และการเตรียมรายงานการวิจัย จะแสดงรูปแบบนี้
ตารางแสดงสัดส่วนของผู้ตอบแบบสอบถามที่ใช้เทคโนโลยีที่แตกต่างกันสำหรับแต่ละงานเหล่านี้ ไม่น่าแปลกใจเลยที่เครื่องมือแบบดั้งเดิม เช่น Excel และฐานข้อมูลตลาดยังคงถูกใช้อย่างหนาแน่นที่สุด แต่ผู้ตอบแบบสอบถามยังรายงานว่ามีการบูรณาการเครื่องมือ เช่น Python และ GenAI ควบคู่ไปกับซอฟต์แวร์แบบดั้งเดิม ตัวอย่างเช่น ในขณะที่ 90% ของผู้ตอบแบบสอบถามแสดงการใช้ Excel สำหรับงานการประเมินค่า แต่ 20% ระบุว่าใช้ Python ในเวิร์กโฟลว์นี้ สำหรับบทบาทด้านการวิเคราะห์ GenAI ถูกใช้มากที่สุดเพื่อช่วยในการจัดทำรายงานการวิจัย อ้างอิงโดย 27% ของผู้ตอบแบบสอบถาม(3)
ที่มา: Wilson, CA, 2025, การสร้างมูลค่าจากข้อมูลขนาดใหญ่ในกระบวนการจัดการการลงทุน: การวิเคราะห์ขั้นตอนการทำงาน: https://rpc.cfainstitute.org/analysis/reviews/2025/creating-value-from-big-data-in-the-investment-management-process–
GenAI ในทางปฏิบัติ: ตัวอย่างขั้นตอนการทำงาน
เรามาพิจารณาดำเนินการวิเคราะห์อุตสาหกรรมและบริษัท โดยในขณะที่การสำรวจของเราดำเนินการในปี 2024 ผู้ตอบแบบสอบถาม 16% ยอมรับว่าใช้ GenAI ในขั้นตอนการทำงานนี้ ของเรา ระบบอัตโนมัติข้างหน้า ซีรีส์เนื้อหาในภาคต่อ RAG สำหรับการเงิน: การวิเคราะห์เอกสารอัตโนมัติด้วย LLMให้ตัวอย่างที่เป็นรูปธรรมว่า GenAI สามารถปรับปรุงขั้นตอนการทำงานนี้ได้อย่างไร
กรณีศึกษาเสริมด้วยสมุดบันทึก Python ในของเรา พื้นที่เก็บข้อมูล RPC Labs GitHub– โดยแสดงให้เห็นว่า RAG สามารถดึงรายละเอียดค่าตอบแทนผู้บริหารและการกำกับดูแลจากคำชี้แจงสิทธิ์ขององค์กรทั่วทั้งบริษัทพอร์ตโฟลิโอ และนำเสนอผลลัพธ์ในตารางที่มีโครงสร้าง ซึ่งเป็นหนึ่งในหลายๆ งานที่ดำเนินการในขั้นตอนการทำงานนี้
งานดังกล่าวเดิมทีต้องใช้คนและใช้เวลามาก โดยต้องใช้ความพยายามอย่างมากจากจำนวนการถือครองพอร์ตโฟลิโอ ด้วย GenAI กระบวนการนี้สามารถปรับขนาดได้อย่างมีประสิทธิภาพด้วยการคำนวณเพิ่มเติมเพียงเล็กน้อยเท่านั้น ทำให้นักวิเคราะห์ไม่ต้องดึงข้อมูลด้วยตนเองและเตรียมการเปรียบเทียบแบบตาราง
ด้วยงานสกัดข้อมูลและการนำเสนอข้อมูลที่จ้างจากภายนอกไปยังโมเดล GenAI นักวิเคราะห์จึงสามารถมุ่งเน้นไปที่การตีความข้อมูลมากกว่าการเตรียมการ แทนที่จะกระทืบตัวเลข นักวิเคราะห์มุ่งเน้นไปที่การประเมินผลลัพธ์โดยการซักถามโมเดล ตรวจสอบความถูกต้องของข้อมูล การทำความเข้าใจข้อจำกัดของการวิเคราะห์ การแก้ไขข้อผิดพลาด การเสริมผลลัพธ์ด้วยข้อมูลเพิ่มเติมหรือข้อมูลเชิงลึกจากแหล่งอื่น ๆ ทั้งหมดนี้มุ่งสู่เป้าหมายในการระบุความเสี่ยงด้านการกำกับดูแลที่อาจเกิดขึ้นจากการถือครองพอร์ตโฟลิโอ
ตัวอย่างนี้ไม่ได้ขจัดความจำเป็นในการใช้นักวิเคราะห์ที่เป็นมนุษย์อีกต่อไป โดยแสดงให้เห็นว่าสามารถปลดล็อกคุณค่าที่มากขึ้นจากข้อมูลที่ได้รับจากมนุษย์ได้อย่างไร โดยการให้เวลาและความสามารถมากขึ้นสำหรับการคิดอย่างมีวิจารณญาณและการตัดสินใจ นอกจากนี้ยังแสดงให้เห็นถึงข้อจำกัดของ AI (งานดังกล่าวมีคะแนนความแม่นยำที่ไม่สมบูรณ์) และความต้องการที่ยั่งยืนในการกำกับดูแลและการตัดสินของมนุษย์
วิวัฒนาการ
Agentic AI ได้กลายเป็นเครื่องมืออันทรงพลังที่สามารถปรับปรุงขั้นตอนการทำงานและเพิ่มปฏิสัมพันธ์ระหว่างมนุษย์กับเครื่องจักรให้ลึกซึ้งยิ่งขึ้น เครื่องมือเหล่านี้สร้างจากข้อจำกัดบางประการของ RAG และรวมการใช้เหตุผลแบบลูกโซ่แห่งความคิดและการเรียกใช้ฟังก์ชันภายนอก (ดูบทความของเรา “AI ตัวแทนสำหรับการเงิน: ขั้นตอนการทำงาน เคล็ดลับ และกรณีศึกษา“) เจ้าหน้าที่ AI ขยายขอบเขตงานที่เครื่องจักรสามารถทำได้และอาจกำหนดทิศทางในอนาคตของการโต้ตอบระหว่างมนุษย์กับเครื่องจักร
ที่มา: Pisaneschi, B., 2025, Agentic AI สำหรับการเงิน: ขั้นตอนการทำงาน เคล็ดลับ และกรณีศึกษา: https://rpc.cfainstitute.org/analysis/the-automation-ahead-content-series/agentic-ai-for-finance–
ในหลาย ๆ ด้าน วิวัฒนาการนี้เป็นเพียงการขยายกลยุทธ์ multihoming โดยผสมผสานเครื่องมือและแพลตฟอร์มที่หลากหลายเข้าไว้ในอินเทอร์เฟซผู้ใช้เดียว Claude สำหรับบริการทางการเงินสะท้อนแนวทางนี้ โดยเชื่อมต่อกับฐานข้อมูลตลาดและแพลตฟอร์มแบบดั้งเดิม เช่น Excel เพื่อสร้างรายงานและการวิเคราะห์สำหรับผู้ใช้ ด้วยวิธีนี้ AI จะทำหน้าที่เป็นเลเยอร์แอปพลิเคชันเหนือเครื่องมือซอฟต์แวร์อื่นๆ โดยเชื่อมต่อกับนักวิเคราะห์ที่เป็นมนุษย์ซึ่งยังคงดูแลและรับผิดชอบ
การตัดสินอย่างมืออาชีพยังคงเป็นสิ่งสำคัญในการทดสอบสมมติฐานและตรวจสอบความถูกต้องของแหล่งข้อมูลและการอ้างอิง นอกจากนี้ การใช้เครื่องมือเหล่านี้อย่างมีประสิทธิผลยังขึ้นอยู่กับความรู้พื้นฐานที่แข็งแกร่งในด้านการเงินและการลงทุน ช่วยให้นักวิเคราะห์ไว้วางใจและเป็นเจ้าของแบบจำลองผลลัพธ์ และรักษาพื้นฐานที่เหมาะสมสำหรับการตัดสินใจลงทุน
ผู้เชี่ยวชาญยังจำเป็นต้องมีทักษะด้านอารมณ์ที่ไม่สามารถจ้างเครื่องจักรจากภายนอกได้ รวมถึงการสร้างความสัมพันธ์และการปฏิบัติหน้าที่ของความภักดี ความรอบคอบ และการเอาใจใส่ ซึ่งมีพื้นฐานมาจากค่านิยมทางจริยธรรม
นับจากนี้ไป CFA Institute จะดำเนินการวิจัยเชิงลึกเกี่ยวกับขั้นตอนการทำงานและทักษะต่างๆ ในขณะที่ AI ได้กำหนดรูปแบบวิชาชีพด้านการลงทุนใหม่ ในขณะที่การผสมผสานของงานและทักษะที่จำเป็นในการปฏิบัติงานจะยังคงพัฒนาต่อไปอย่างไม่ต้องสงสัย และในรูปแบบที่เราอาจคาดไม่ถึง เราคาดหวังว่าหลักการ AI+HI จะยังคงเป็นรากฐานของการปฏิบัติวิชาชีพที่มีจริยธรรมและการจัดการการลงทุนที่ดี
เราขอเชิญผู้ปฏิบัติงานแบ่งปันความคิดในส่วนความคิดเห็นเกี่ยวกับทักษะและการเปลี่ยนแปลงขั้นตอนการทำงานที่คุณกำลังสังเกต
(1) คลังงานวิจัยของเราเกี่ยวกับ AI ประกอบด้วย:
AI ในการจัดการสินทรัพย์: เครื่องมือ แอปพลิเคชัน และขอบเขต
ผู้บุกเบิก AI ในการจัดการการลงทุน (2019)
ทีมรูปตัว T: การจัดระเบียบเพื่อนำ AI และข้อมูลขนาดใหญ่มาใช้ที่บริษัทการลงทุน (2021)
จริยธรรมและปัญญาประดิษฐ์ในการจัดการการลงทุน: กรอบการทำงานสำหรับมืออาชีพ (2022)
คู่มือปัญญาประดิษฐ์และการประยุกต์ใช้ข้อมูลขนาดใหญ่ในการลงทุน (2023)
ข้อมูลที่ไม่มีโครงสร้างและ AI: การปรับแต่ง LLM เพื่อปรับปรุงกระบวนการลงทุน (2024)
AI ในการจัดการการลงทุน: กรณีศึกษาด้านจริยธรรม (2024); AI ในการจัดการการลงทุน: กรณีศึกษาจริยธรรม ตอนที่ 2 (2024)
การสร้างมูลค่าจาก Massive Information ในกระบวนการจัดการการลงทุน: การวิเคราะห์ขั้นตอนการทำงาน (2025)
ข้อมูลสังเคราะห์ในการจัดการการลงทุน (2025)
AI ที่สามารถอธิบายได้ในด้านการเงิน: ตอบสนองความต้องการของผู้มีส่วนได้ส่วนเสียที่หลากหลาย (2025)
ระบบอัตโนมัติข้างหน้า: ซีรี่ส์เนื้อหา (2025)
(2) ดูตัวอย่าง Tierens, I., 2025, AI สามารถผ่านการสอบ CFA® ได้ แต่ไม่สามารถแทนที่นักวิเคราะห์ได้
(3) ข้อมูลเวอร์ชันโต้ตอบนี้มีอยู่ในพื้นที่เก็บข้อมูล RPC Labs GitHub ของเรา: https://github.com/CFA-Institute-RPC/AI-finance-workflow-heatmap
