BIS เตือน AI boom ระดับ 1 ล้านล้านดอลลาร์ อาจเป็นชนวนวิกฤตการเงินรอบหน้า — รายงานประจำปี 2026

เวลามีคนถามผมว่า "AI จะเป็นฟองสบู่ไหม" ผมมักตอบว่าเป็นคำถามผิดข้อ คำถามที่คนทำสาย risk ควรถามไม่ใช่ "มันแพงเกินจริงหรือเปล่า" แต่คือ "ถ้ามันสะดุด เงินที่ไหลเข้าไปมันผูกกันไว้แน่นแค่ไหน แล้วแรงกระแทกจะลามไปถึงใครบ้าง" — และเมื่อ 28 มิ.ย. 2026 ธนาคารเพื่อการชำระหนี้ระหว่างประเทศ (BIS) ซึ่งเป็นเหมือน "ธนาคารกลางของธนาคารกลาง" ออกรายงานประจำปี 2026 ที่ตอบคำถามข้อหลังนี้ตรง ๆ มันไม่ได้เถียงว่า AI ดีหรือไม่ดี แต่มันชี้ว่า วิธีที่โลกกำลังจ่ายเงินซื้อ AI ต่างหากที่กำลังก่อความเสี่ยงเชิงระบบขึ้นมา

1. BIS พูดว่าอะไร — ไม่ใช่ "AI ปลอม" แต่คือ "จ่ายเงินกันแบบเสี่ยง"

ประเด็นแรกที่ต้องเข้าใจให้ตรงคือ BIS ไม่ได้บอกว่า AI ไม่มีค่า สิ่งที่มันเตือนคือ ความคาดหวัง รอบตัว AI อาจอยู่ไม่นาน รายงานเขียนไว้ตรง ๆ ว่า "Optimism surrounding AI may not last, despite its promise of future productivity gains." พูดง่าย ๆ คือแม้ AI จะสัญญาว่าจะเพิ่ม productivity ในอนาคตจริง แต่ความเชื่อมั่นที่ค้ำราคาสินทรัพย์อยู่ตอนนี้ไม่ได้การันตีว่าจะอยู่ยาว

สิ่งที่ทำให้ผมสะดุดคือมุมที่ BIS เลือกมอง — มันมองผ่านแว่นของคนดูวัฏจักร ไม่ใช่แว่นของคนเชียร์เทคโนโลยี Fortune สรุปธีมของรายงานว่าเป็น "the $1 trillion AI investment boom" ที่กำลังมุ่งหน้าไปสู่บทพิสูจน์ และอ้างถ้อยคำของ BIS ว่า "The scale and pace of the current AI investment boom, accompanied by expectations of large productivity payoffs, bear resemblance to these precedents" — แปลว่า BIS เอาการลงทุน AI รอบนี้ไปเทียบกับ boom-bust ในประวัติศาสตร์ ทั้งขนาดและความเร็ว ไม่ใช่ในฐานะ "ครั้งนี้ต่างออกไป"

ทำไมมันสำคัญกับเรา: ในงาน model risk เราถูกฝึกให้ระวังประโยค "ครั้งนี้มันต่าง" มากที่สุด เพราะมันคือสัญญาณว่าคนกำลังปิดตาข้างหนึ่งกับ base rate ในอดีต การที่หน่วยงานอย่าง BIS เลือกจงใจเทียบ AI boom กับวัฏจักรก่อน ๆ คือการบอกให้เรากลับไปดูว่า "รอบก่อนมันจบยังไง" ก่อนจะสรุปว่ารอบนี้จะไม่เป็นแบบนั้น

2. หัวใจไม่ได้อยู่ที่ "ขนาด" แต่อยู่ที่ "โครงสร้างการเงิน"

ถ้ารายงานบอกแค่ว่า "ลงทุนเยอะไป" ก็คงไม่น่าสนใจเท่านี้ จุดที่ทำให้มันเป็นเรื่องของคนทำ risk จริง ๆ คือ วิธีการจัดหาเงิน BIS เขียนว่า "The financing of AI is increasingly leveraged, featuring complex interactions within the AI supply chain." คือเงินที่ใช้ลงทุน AI พึ่งพาหนี้มากขึ้นเรื่อย ๆ และมีความสัมพันธ์ที่ซับซ้อนพันกันไปมาในห่วงโซ่อุปทาน

Fortune ขยายภาพนี้ด้วยคำที่รายงานใช้เอง — บริษัทในสาย AI ผูกกันด้วยสิ่งที่ BIS เรียกว่า "a complex web of private arrangements" และรูปแบบที่เด่นสุดคือ circular financing: "hyperscalers take equity stakes in AI labs, which in turn commit to multi-year purchases of chips or computing power from those same hyperscalers" อ่านช้า ๆ จะเห็นว่ามันคือเงินที่วิ่งเป็นวงกลม — เจ้าของคลาวด์รายใหญ่เอาเงินไปถือหุ้นใน AI lab แล้ว lab นั้นก็เอาเงินกลับมาซื้อชิป/พลังประมวลผลจากเจ้าของคลาวด์รายเดิม รายได้ฝั่งหนึ่งจึงมาจากการลงทุนของตัวเองอีกฝั่งหนึ่ง

และถ้าวงนี้สะดุด BIS เตือนว่าผลตอบแทนที่น่าผิดหวัง "could trigger a sudden pullback in financing and turn the capex boom into a protracted investment bust" — คือแค่ความผิดหวังเรื่องผลตอบแทนก็อาจทำให้เงินทุนถอนตัวฉับพลัน แล้วพลิกจากยุคลงทุนเฟื่องฟูเป็นยุคลงทุนหดตัวยืดเยื้อได้

มุมคนทำ model validation: circular financing คือฝันร้ายเดียวกับที่เราไล่จับในงาน validate โมเดลความเสี่ยงเครดิต — เมื่อ exposure ก้อนหนึ่งถูกนับเป็นทั้งรายได้และหลักประกันในหลายที่พร้อมกัน ตัวเลขบนงบจะดู "โตและมั่นคง" กว่าความจริง เพราะความเสี่ยงชุดเดียวถูกกระจายให้ดูเหมือนหลายชุด กติกาข้อแรกที่ผมใช้เสมอคือ ไล่ให้เจอว่าเงินก้อนเดียวถูกนับซ้ำกี่รอบ ก่อนจะเชื่อว่ามันแข็งแรง

3. ตัวเลขที่ทำให้มันเป็นเรื่องของทั้งระบบ ไม่ใช่แค่ Silicon Valley

คำถามต่อไปที่คนทำ risk จะถามคือ "แล้วมันลามออกจากกลุ่มบริษัทเทคได้ยังไง" คำตอบอยู่ที่ว่า AI ไปฝังตัวในตลาดทุนลึกแค่ไหนแล้ว Fortune อ้างรายงานว่า "AI accounts for nearly half of all investment-grade bond issuance, 87% of venture capital funding, and a growing share of high-yield debt" — พูดง่าย ๆ คือ AI กินสัดส่วนเกือบครึ่งของการออกหุ้นกู้ระดับ investment-grade และถึง 87% ของเงินร่วมลงทุน (venture capital) ตัวเลข 87% นี่แหละที่ทำให้มันไม่ใช่เรื่องของคนไม่กี่คนอีกต่อไป มันคือกระแสเงินหลักของตลาด

ที่น่ากังวลกว่าคือฝั่ง private credit รายงานระบุว่ากองทุน direct lending ได้ "quadrupled their lending to the AI and IT sectors over the past five years, now representing about 15% of their portfolios" — คือเพิ่มการปล่อยกู้ให้ภาค AI และ IT ขึ้นสี่เท่าในช่วงห้าปีที่ผ่านมา จนตอนนี้คิดเป็นราว 15% ของพอร์ต ยิ่งการเงินของ AI พึ่งหนี้มากเท่าไหร่ ช่องทางที่แรงกระแทกจะวิ่งกลับเข้าระบบการเงินก็ยิ่งกว้าง สอดคล้องกับที่ CNBC สรุปว่า "the financing of the AI boom also looks increasingly reliant on debt and complex funding structures across the supply chain"

BIS ยังเตือนถึง wealth effect ด้วยว่า การ repricing ราคาสินทรัพย์ที่เกี่ยวกับ AI ครั้งใหญ่ "could have more pronounced wealth effects and sharper consumption pullback than in the past" — คือถ้าราคาสินทรัพย์กลุ่มนี้ถูกตีใหม่แรง ๆ ผลกระทบต่อความมั่งคั่งและการหดตัวของการบริโภคอาจรุนแรงกว่าอดีต

ทำไมมันสำคัญกับเรา: ตัวเลข 87% กับ 15% คือสิ่งที่เปลี่ยนเรื่องนี้จาก "ข่าวหุ้นเทค" เป็น "ความเสี่ยงเชิงระบบ" เพราะมันแปลว่า correlated exposure — สินทรัพย์ที่ผูกกับธีมเดียวกันจำนวนมากถูกถือกระจายอยู่ทั่วทั้งตลาดตราสารหนี้และ private credit ในงานที่ผมทำ อะไรก็ตามที่ correlated สูงคือสิ่งที่ต้อง stress test ก่อนเสมอ เพราะเวลามันลง มันมักลงพร้อมกัน ไม่ได้ทยอยลงให้เราตั้งตัว

4. ทำไมรายงานฉบับนี้ตรงกับงาน model risk โดยตรง

จุดที่ผมอยากให้ทุกคนขีดเส้นใต้คือ BIS ไม่ได้กำลังพูดภาษาของนักเทคโนโลยี มันกำลังพูดภาษาเดียวกับที่เราใช้ทุกวันในงานวัดความเสี่ยง — hidden leverage, correlated exposure, และ overinvestment CNBC สรุปคำเตือนของ BIS ว่า "supply bottlenecks and intense competition could lead to the kind of overinvestment seen in previous boom-and-bust cycles" คือคอขวดด้านอุปทานบวกกับการแข่งขันดุเดือดอาจนำไปสู่การลงทุนเกินตัวแบบที่เคยเห็นในวัฏจักรเฟื่องฟู-ล่มสลายก่อน ๆ

และความเสี่ยง AI นี้ก็ไม่ได้อยู่ลอย ๆ มันซ้อนทับกับความเปราะบางเดิมของระบบ BIS ชี้ว่าหนี้สาธารณะที่สูงเป็นประวัติการณ์ "creates a new sovereign-financial stability nexus and poses growing financial stability risks" — สร้าง "จุดเชื่อมความเสี่ยงระหว่างหนี้ภาครัฐกับเสถียรภาพการเงิน" ขึ้นมาใหม่ พอความเสี่ยงสองก้อนนี้มาเจอกัน โอกาสที่ช็อกก้อนเดียวจะจุดชนวนหลายจุดพร้อมกันก็สูงขึ้น

นี่คือเหตุผลที่ผมคิดว่าคนทำ data/risk การเงินอ่านรายงานแบบนี้ได้เปรียบ เพราะเครื่องมือที่เราใช้อยู่แล้ว — การไล่หา exposure ที่ซ่อน, การทำ scenario ที่ให้หลายอย่างพังพร้อมกัน, การตั้งคำถามว่า "หลักประกันก้อนนี้ถูกนับที่อื่นอีกไหม" — คือเครื่องมือเดียวกับที่ใช้อ่านความเสี่ยงของ AI boom ก้อนนี้ ผมเคยเขียนเรื่องกลไกที่ leverage ซ่อนตัวในตลาดจนกลายเป็นความเสี่ยงเชิงระบบไว้ใน เทรด basis กับ leverage และความเสี่ยงเชิงระบบ — หลักคิดชุดเดียวกันใช้กับกรณีนี้ได้ตรง ๆ

มุมคนทำ model validation: สิ่งที่รายงานฉบับนี้สอนคนทำ risk ไม่ใช่ "ให้กลัว AI" แต่คือ ให้แยกความเสี่ยงของเทคโนโลยีออกจากความเสี่ยงของการเงินที่ห่อมันไว้ เทคโนโลยีอาจเวิร์กจริง แต่ถ้าโครงสร้างการเงินที่ใช้ซื้อมันเปราะ ความเปราะนั้นก็เป็นความเสี่ยงในตัวมันเอง โดยไม่ต้องรอให้เทคโนโลยีล้มเหลวเลย

5. BIS แนะอะไร — และคนทำ risk ควรทำอะไรตั้งแต่วันนี้

ฝั่งนโยบาย Fortune สรุปข้อเสนอของ BIS ไว้ว่าให้ "regulators extending prudential standards to the non-bank financial institutions now sitting at the center of AI financing" — คือให้ผู้กำกับขยายมาตรฐานความมั่นคง (prudential standards) ไปครอบสถาบันการเงินที่ไม่ใช่ธนาคาร (NBFI) ซึ่งตอนนี้นั่งอยู่ใจกลางของการจัดหาเงินให้ AI ประเด็นนี้ตรงกับสิ่งที่หลายหน่วยงานกำลังคิด — ว่าความเสี่ยงย้ายออกไปอยู่นอกขอบเขตที่กฎเดิมมองเห็น

สำหรับคนทำ data/risk การเงินที่อ่านมาถึงตรงนี้ สิ่งที่ทำได้ทันทีไม่ต้องรอผู้กำกับคือ:

• ไล่ map exposure ทางอ้อม — พอร์ตหรือโมเดลที่คุณดูอยู่ แตะ AI/เทคผ่านหุ้นกู้ investment-grade, high-yield, หรือ private credit ตรงไหนบ้าง สัดส่วน 87% ของ VC และ 15% ของ direct lending บอกว่ามันอาจซ่อนอยู่ในที่ที่ไม่คิดว่าจะเจอ
• เพิ่ม scenario ที่ให้หลายอย่างลงพร้อมกัน — อย่า stress test AI แยกจากหนี้ภาครัฐและ NBFI เพราะ BIS ชี้ว่าจุดเชื่อมของมันคือปัญหา
• ตั้งคำถามเรื่องการนับหลักประกันซ้ำ — เมื่อไหร่ที่เจอโครงสร้างแบบ circular ให้ถือว่าตัวเลขความแข็งแรงบนหน้างบสูงเกินจริงไว้ก่อน จนกว่าจะพิสูจน์ได้ว่าไม่ใช่

ขอย้ำให้ชัด: รายงาน BIS ไม่ได้ฟันธงว่า AI คือฟองสบู่ และบทความนี้ก็ไม่ได้บอกว่าตลาดจะขึ้นหรือลง สิ่งที่ทั้งสองอย่างทำคือชี้ให้เห็น "โครงสร้างความเสี่ยง" เพื่อให้เราเตรียมตัวได้ ไม่ใช่เพื่อให้เดาทิศทางราคา

ภาพรวม

รายงานประจำปี BIS 2026 ไม่ได้บอกว่า AI ล้มเหลว มันบอกว่า การเงินที่ใช้ซื้อ AI กำลังเปราะขึ้น — พึ่งหนี้มากขึ้น ผูกกันเป็นวงด้วย circular financing และฝังตัวอยู่ในตลาดตราสารหนี้กับ private credit จนกลายเป็น correlated exposure ทั้งระบบ สิ่งที่รายงานเรียกร้องคือความมีวินัยเชิงนโยบายและการขยายกฎกำกับไปถึง NBFI ส่วนสิ่งที่คนทำ data/risk การเงินทำได้เองคือกลับไปใช้เครื่องมือพื้นฐานของเรา — ไล่หา exposure ที่ซ่อน, stress test แบบให้พังพร้อมกัน, และไม่เชื่อความแข็งแรงบนหน้างบจนกว่าจะไล่เจอว่าเงินก้อนเดียวถูกนับซ้ำกี่รอบ

ใครที่อยากเอา AI มาช่วยงาน data/risk การเงินแบบที่ตรวจสอบได้และคุมได้จริง — ไล่ exposure, ทำ scenario, verify ตัวเลขกับแหล่งที่มาแบบอัตโนมัติ — ผมรวบรวมวิธีประกอบระบบทั้งชุดไว้ในคอร์ส Claude Code ตั้งแต่การวางกรอบตรวจสอบไปจนถึงการรันงานจริง เนื้อหาเรื่องช่องว่างระหว่าง "ใช้ AI" กับ "วัดผล AI ได้" ผมเขียนต่อไว้ใน ช่องว่าง AI ในภาคการเงินปี 2026 และมุมของคนทำ model risk ในยุค AI

เนื้อหานี้เพื่อการศึกษาและวิเคราะห์พร้อมอ้างอิง ไม่ใช่คำแนะนำการลงทุน ไม่การันตีหรือทำนายทิศทางราคา

ที่มา

• BIS — Global economic pressure points call for policy discipline (Annual Economic Report 2026)
• CNBC — Debt, AI boom and economic fragilities raise global risks, BIS says
• Fortune — The central bank of central banks sees a $1 trillion AI investment boom headed for a reckoning