AI ในการบริหารกองทุนปี 2026: 55% ใช้แล้ว แต่มีแค่ 6% ให้ AI ตัดสินใจ — งานจริงคือการอ่านเอกสารทั้งตลาด

มีผลสำรวจฉบับหนึ่งที่ผมคิดว่าคนทำสาย data/research การเงินควรอ่านให้ละเอียดกว่าพาดหัว "AI มาแทนนักวิเคราะห์" — Mercer 2026 AI in Asset Management Survey เก็บจากผู้จัดการกองทุนทั่วโลกช่วงต้นปี 2026 มันไม่ได้เล่าว่ากองทุนกำลังปล่อยให้ AI ตัดสินใจซื้อขายแทนคน แต่มันชี้ตรงข้าม: AI ในกองทุนโตเร็วจริง แต่ "งานที่มันทำจริง" ส่วนใหญ่คือการอ่านและย่อยเอกสารกองมหึมา ส่วนการตัดสินใจยังเป็นของคน และช่องว่างตรงนี้แหละคือจุดที่คนทำ data/risk มีของ

1. Mercer สำรวจใคร และกองทุนใช้ AI กันแค่ไหน

ก่อนอื่นต้องบอกว่านี่ไม่ใช่โพลเล็ก ๆ รายงานระบุว่า "The survey drew on responses from 131 managers around the world, gathered in February and March 2026." — เก็บจากผู้จัดการสินทรัพย์ 131 รายทั่วโลกในเดือนกุมภาพันธ์–มีนาคม 2026 คือถามคนที่บริหารเงินจริงว่าเอา AI ไปทำอะไรในกระบวนการลงทุน ไม่ใช่ถามความรู้สึกว่า AI น่าตื่นเต้นแค่ไหน

ภาพการใช้งานชัดเจนว่าไม่ใช่แค่ทดลองเล่นแล้ว รายงานพบว่า "55% of asset managers report AI is integrated in at least one of their strategy's investment processes, 27% are at pilot/proof-of-concept, and only 18% report no integration yet." — คือ 55% รวม AI เข้าไปในกระบวนการลงทุนอย่างน้อยหนึ่งจุดแล้ว อีก 27% อยู่ขั้นนำร่อง เหลือแค่ 18% ที่ยังไม่แตะเลย และแรงส่งยังไม่หยุด เพราะ "91% of managers responding that they plan to increase their use of AI in the next 12 months" — เกือบทั้งหมด คือ 91% วางแผนจะใช้ AI มากขึ้นในอีก 12 เดือนข้างหน้า

ทำไมมันสำคัญกับเรา: เลข 55% ใช้แล้ว บวก 91% จะใช้เพิ่ม แปลว่าสำหรับสายบริหารสินทรัพย์ AI ไม่ใช่คำถามว่า "จะใช้ไหม" อีกต่อไป แต่เป็น "ใช้ตรงไหนให้ได้เปรียบ" คนทำ data/research ที่ยังรอให้ทุกอย่างนิ่งก่อนค่อยเริ่ม กำลังเสียเวลาช่วงที่เครื่องมือยังใหม่พอจะสร้างความต่างได้

2. AI ทำอะไรจริง ๆ ในกองทุน — งานอ่านเอกสาร ไม่ใช่การกดซื้อขาย

นี่คือหัวใจที่ผมอยากให้ขีดเส้นใต้ เพราะมันสวนทางกับภาพจำ รายงานสรุปว่างานที่ AI ถูกใช้บ่อยที่สุดในตอนนี้คือ "use cases are idea generation/research, processing unstructured/external datasets, and signal generation/market trend analysis" — คือการหาไอเดีย/ทำ research, การประมวลข้อมูลไร้โครงสร้าง (unstructured) จากภายนอก, และการหาสัญญาณจากแนวโน้มตลาด พูดง่าย ๆ คืองานหลักของ AI ในกองทุนวันนี้คือ "อ่านของกองใหญ่ ๆ แล้วย่อยให้คนดูต่อ"

และเมื่อถามว่าใช้ในระดับไหน คำตอบยิ่งชัด รายงานบอกว่า "most firms describe their AI integration as being operational (74% using for automation/efficiency)" ควบคู่กับการใช้แบบผู้ช่วย (co-pilot) เพื่อ insight/analysis ขณะที่ปลายทางสำคัญคือ "with only 6% saying AI is used for decision-making" — มีแค่ 6% ที่บอกว่าปล่อยให้ AI ตัดสินใจ นั่นแปลว่าเกือบทั้งหมดยังกันการตัดสินใจไว้ให้คน ส่วน AI ทำหน้าที่เร่งงานอ่าน-ย่อย-คัดกรอง ส่วนคนยังถือพวงมาลัย

ทำไมมันสำคัญกับเรา: ภาพ "AI อ่าน คนตัดสิน" ตรงกับหลักที่ผมยึดจากงาน model risk มาตลอด — โมเดลเก่งเรื่องประมวลของเยอะ ๆ ให้เร็วและสม่ำเสมอ แต่ judgment ว่า "ข้อมูลนี้แปลว่าอะไรกับพอร์ต" ยังเป็นงานคน ใครที่จับ AI ไปวางถูกจุด (เร่งงานอ่านเอกสาร) แทนที่จะฝันว่ามันจะเทรดแทน คือคนที่ได้ประโยชน์จริงตั้งแต่วันนี้

3. ได้ผลจริงแค่ไหน — คุ้มที่ "ประหยัดเวลา" มากกว่า "ทำเงินเพิ่ม"

รายงานไม่ได้ขาย AI เกินจริง มันแยกให้เห็นชัดว่าคุณค่าที่วัดได้ส่วนใหญ่มาจากประสิทธิภาพ ไม่ใช่ผลตอบแทนที่เพิ่มขึ้น "the most common measurable benefits were enhanced operational efficiency (69% cited this benefit) and faster/higher-quality insights or decision-making (55% saw these improvements)" — 69% บอกว่าได้ประสิทธิภาพการทำงานเพิ่มขึ้น และ 55% เห็นว่าได้ insight ที่เร็วขึ้น/ดีขึ้น

แต่พอไปถึงผลตอบแทนกับความเสี่ยง ตัวเลขหล่นทันที "Improved returns and reduced risk/volatility were cited far less often (8% each)." — มีแค่ 8% เท่านั้นที่บอกว่า AI ช่วยให้ผลตอบแทนดีขึ้น และอีก 8% ที่บอกว่าช่วยลดความเสี่ยง/ความผันผวน ช่องว่างระหว่าง 69% (ประหยัดเวลา) กับ 8% (ทำเงินเพิ่ม) นี่แหละคือความจริงที่คนทำงานควรรับไว้ก่อนตั้งความคาดหวัง

ทำไมมันสำคัญกับเรา: ถ้าคุณค่าหลักของ AI ในกองทุนคือ "ประหยัดเวลาอ่าน" การลงทุนที่คุ้มที่สุดคือการเอามันไปแก้จุดที่คนเสียเวลามากที่สุด — และสำหรับสาย research การเงิน จุดนั้นชัดเจนคือการอ่านเอกสารเปิดเผยจำนวนมหาศาลเพื่อหาไม่กี่ประโยคที่สำคัญ

4. ช่องว่างของตลาดไทย: อ่านคำชี้แจงผู้บริหารทั้งตลาดคือคอขวดจริง

ผลสำรวจนี้เก็บจากกองทุนระดับโลกที่มีเครื่องมือพร้อม แต่พอมองกลับมาที่ตลาดหุ้นไทย ช่องว่างมันชัดกว่าเดิม งานที่ Mercer บอกว่า AI ทำได้ดีที่สุด — "processing unstructured/external datasets" — ตรงกับงานที่นักวิเคราะห์และนักลงทุนไทยเสียเวลามากที่สุดพอดี นั่นคือการนั่งไล่อ่าน MD&A (คำอธิบายและวิเคราะห์ของฝ่ายจัดการ) ในแบบ 56-1/รายงานประจำปีทีละบริษัท เพื่อหาว่าใครเริ่มพูดถึงต้นทุนที่สูงขึ้น ใครเปลี่ยนน้ำเสียงเรื่องหนี้ ใครกังวลเรื่องกำลังซื้อ

ปัญหาคือ "เสียงของผู้บริหาร" กระจายอยู่ในเอกสารสาธารณะจำนวนมหาศาลทั่วทั้งตลาด อ่านทีละบริษัทยังพอไหว แต่ไม่มีทางอ่านครบทั้งตลาดย้อนหลังหลายปีด้วยมือได้ทัน นี่คือปัญหาเดียวกับที่ผมเจอสมัยสร้างระบบเตือนภัยล่วงหน้า (early warning) ที่อ่านข้อความจากเอกสารจำนวนมากในธนาคาร — คุณค่าไม่ได้อยู่ที่ AI คิดแทนคน แต่อยู่ที่มันอ่านของกองมหึมาแล้วชี้ให้คนไปโฟกัสถูกจุด

ทำไมมันสำคัญกับเรา: นี่คือเหตุผลที่ผมทำเครื่องมือค้น MD&A ทั้งตลาด — ให้คุณถามเป็นภาษาคน เช่น "บริษัทไหนเริ่มพูดถึงต้นทุนพลังงานสูงขึ้น" แล้วได้คำตอบจากคำชี้แจงผู้บริหารของบริษัทจดทะเบียนทั้งตลาดย้อนหลังหลายปีในไม่กี่วินาที พร้อมยกข้อความต้นฉบับและลิงก์ให้ตรวจสอบเอง มันไม่ได้ตัดสินใจแทนคุณ (จำเลข 6% ไว้) — มันแค่ทำงานอ่านที่หนักที่สุดให้จบเร็วขึ้น เพื่อให้คุณเอาเวลาไปคิดต่อ

5. คนทำ data/research การเงินไทยควรทำอะไรตั้งแต่วันนี้

ผมถอดบทเรียนจากรายงานนี้ออกมาเป็นการบ้านสำหรับคนทำงานจริงสามข้อ

• วาง AI ให้ถูกงาน: อ่าน ไม่ใช่ตัดสิน — เมื่อของจริงบอกว่ามีแค่ 6% ที่ให้ AI ตัดสินใจ อย่าเสียเวลาไล่ตามฝันว่าจะให้มันเทรดแทน เอามันไปเร่งงานอ่าน-คัดกรองเอกสารก่อน นั่นคือจุดที่คุ้มที่สุดในวันนี้
• เลือกเครื่องมือที่ยกที่มาให้ตรวจได้ — งาน research การเงินแพ้ไม่ได้เรื่องความถูกต้อง เครื่องมือ AI ที่ดีต้องยกข้อความต้นฉบับ + แหล่งอ้างอิงมาเสมอ ไม่ใช่สรุปลอย ๆ ให้เชื่อ; ผมเขียนแนวคิดนี้ไว้ในมุม การอ่านงบด้วยหลักฐาน แล้ว
• เริ่มจากคำถามที่คุณถามอยู่แล้ว — คุณอ่าน MD&A เพื่อหาอะไร? เอาคำถามนั้นแหละไปเป็นโจทย์แรกของเครื่องมือ ไม่ต้องเริ่มจากศูนย์ ทักษะการตั้งคำถามเชิงคุณภาพที่สาย risk/research ฝึกมาคือสินทรัพย์ที่โอนมาใช้กับ AI ได้ทันที

ทำไมมันสำคัญกับเรา: จุดแข็งของคนสายเราในยุคนี้ไม่ใช่การใช้ AI ให้หวือหวาที่สุด แต่เป็นการรู้ว่า "ควรถามอะไร" และ "ต้องตรวจต้นฉบับตรงไหน" — ซึ่งเป็นทักษะเดียวกับที่เราใช้อ่านเอกสารเปิดเผยและ ระบบเตือนภัยจากข้อความ มาก่อน AI จะดังเสียอีก

ภาพรวม

ผลสำรวจ Mercer 2026 ไม่ได้บอกว่า AI กำลังยึดงานบริหารกองทุน มันบอกว่ากองทุนส่วนใหญ่ (55% ใช้แล้ว, 91% จะใช้เพิ่ม) เอา AI ไปทำงานอ่านและย่อยเอกสารเป็นหลัก โดยเก็บการตัดสินใจไว้กับคน (แค่ 6% ให้ AI ตัดสิน) และคุณค่าที่วัดได้จริงคือการประหยัดเวลามากกว่าการทำเงินเพิ่ม สำหรับตลาดไทย คอขวดที่ชัดที่สุดคือการอ่านคำชี้แจงผู้บริหารทั้งตลาด — งานที่ AI ทำได้ดีที่สุดพอดี

ถ้าคุณอยากข้ามคอขวดนั้น ลองดูเครื่องมือค้น MD&A ทั้งตลาด ที่เปลี่ยนการนั่งอ่านรายงานทีละฉบับ ให้เป็นการถามคำถามเดียวแล้วได้คำตอบจากทุกบริษัทพร้อมต้นฉบับอ้างอิง และถ้าอยากวางระบบ AI ช่วยงาน data/research แบบตรวจสอบได้ตั้งแต่ต้น ผมรวบรวมวิธีไว้ในคอร์ส Claude Code

เนื้อหานี้เพื่อการศึกษาและวิเคราะห์พร้อมอ้างอิง ไม่ใช่คำแนะนำการลงทุน

ที่มา

• Moving Beyond the AI Pitch: Asset Managers' use of AI — Mercer
• Most asset managers are using AI, but few let it call the shots — InvestmentNews