SEC วาง ‘ความถูกต้องของคำกล่าวอ้างเรื่อง AI’ เป็นวาระตรวจปี 2026 — ขณะบริษัทแห่เขียน ‘ความเสี่ยง AI’ ลงแบบรายงาน 4%→43% แต่วิจัยชี้ยังลอย ๆ

มีความเคลื่อนไหวของฝ่ายกำกับที่ผมคิดว่าคนอ่านงบและคนทำความเสี่ยงควรรู้ เพราะมันกำลังเปลี่ยน “คำพูดเรื่อง AI” ในเอกสารบริษัทจาก “การตลาดฟรี ๆ” ให้กลายเป็น “สิ่งที่ต้องรับผิดชอบตามกฎหมาย” — และมันเกิดพร้อมกับข้อมูลวิจัยที่ชี้ว่า ทุกวันนี้บริษัทเขียนเรื่องความเสี่ยง AI กันเยอะขึ้นมากก็จริง แต่ส่วนใหญ่ยัง “ลอย ๆ” จนแทบเอาไปใช้ตัดสินอะไรไม่ได้ — เนื้อหานี้เพื่อการศึกษา ไม่ใช่คำแนะนำการลงทุน

เมื่อ 17 พฤศจิกายน 2025 ฝ่ายตรวจสอบ (Division of Examinations) ของ SEC สหรัฐฯ ประกาศ “วาระการตรวจสอบประจำปี 2026” และคราวนี้ “AI” ถูกยกขึ้นมาเป็นจุดโฟกัสชัดเจน สาระที่คนทำ governance ต้องอ่านคือ SEC จะไม่ได้ดูแค่ว่า “บริษัทใช้ AI ไหม” แต่จะดูว่า สิ่งที่บริษัทพูดเรื่อง AI ตรงกับที่ทำจริง และตรงกับที่เปิดเผยต่อผู้ลงทุนหรือเปล่า

1. SEC: จะตรวจว่า “คำกล่าวอ้างเรื่อง AI” จริงหรือแค่พูดสวย

หัวใจของวาระปี 2026 อยู่ที่ประโยคนี้ SEC ระบุว่าฝ่ายตรวจสอบจะดู "whether representations regarding AI capabilities are fair and accurate" — คือความสามารถด้าน AI ที่บริษัทกล่าวอ้าง “เป็นธรรมและถูกต้อง” ไหม และจะดูต่อว่า "operations and controls are consistent with regulatory obligations and disclosures made to investors" — คือการทำงานจริงและระบบควบคุมสอดคล้องกับ “สิ่งที่เปิดเผยต่อผู้ลงทุน” หรือไม่

ที่ลงลึกกว่านั้นคือ SEC จะดูถึงระดับว่า "algorithms produce advice or recommendations consistent with investors' stated strategies" — อัลกอริทึมให้คำแนะนำตรงกับกลยุทธ์ที่ผู้ลงทุนแจ้งไว้จริงไหม พร้อมประเมิน "procedures to monitor and/or supervise AI technologies" ในงานอย่าง "fraud prevention and detection, back-office operations, anti-money laundering ('AML'), and trading functions"

แปลเป็นภาษาคน: ถ้าคุณโฆษณาว่า “ขับเคลื่อนด้วย AI” หรือใส่คำว่า AI ไว้เต็มเอกสาร แต่เบื้องหลังยังเป็นคนทำมือหรือ AI แทบไม่ได้มีบทบาท — นั่นคือสิ่งที่ตลาดเรียกว่า “AI washing” และมันคือเป้าที่ SEC จ้องอยู่

ทำไมมันสำคัญกับเรา: นี่คือสัญญาณว่าเส้นแบ่งใหม่ของความน่าเชื่อถือไม่ใช่ “พูดเรื่อง AI เก่งแค่ไหน” แต่คือ “คำพูดกับของจริงตรงกันแค่ไหน” สำหรับคนทำ model risk นี่คือหลักที่เราคุ้นอยู่แล้ว — คำกล่าวอ้างต้อง ตรวจย้อนได้ ต่างกันแค่ตอนนี้มันขยับจากห้อง validation ในแบงก์ ออกมาเป็นวาระของหน่วยงานกำกับตลาดทั้งตลาด

2. อีกด้าน: บริษัทเขียน “ความเสี่ยง AI” ลงงบมากขึ้นจริง แต่ส่วนใหญ่ยังลอย ๆ

คำเตือนของ SEC มาพอดีกับภาพจากงานวิจัย ทีมนักวิจัยเผยแพร่ผลศึกษา "Are Companies Taking AI Risks Seriously? A Systematic Analysis of Companies' AI Risk Disclosures in SEC 10-K forms" ที่สแกนเอกสาร "over 30,000 filings from more than 7,000 companies over the past five years" แล้วพบแนวโน้มสองด้านที่สวนกัน

ด้านหนึ่ง บริษัทตื่นตัวขึ้นมาก — "sharp increase in the companies that mention AI risk, up from 4% in 2020 to over 43% in the most recent 2024 filings" คือสัดส่วนบริษัทที่พูดถึงความเสี่ยง AI พุ่งจาก 4% ในปี 2020 เป็นกว่า 43% ในไฟลิ่งปี 2024 และประเภทความเสี่ยงที่เอ่ยถึงบ่อยสุดคือด้านกฎหมายและการแข่งขัน โดยเริ่มมีความเสี่ยงเชิงสังคมมากขึ้น "such as cyberattacks, fraud, and technical limitations"

แต่อีกด้านคือคุณภาพยังตามไม่ทันปริมาณ — งานวิจัยสรุปว่า "many disclosures remain generic or lack details on mitigation strategies" คือเปิดเผยเยอะขึ้นก็จริง แต่จำนวนมากยัง “ลอย ๆ” ไม่บอกว่าจะรับมือความเสี่ยงนั้นยังไง ซึ่งเป็นลักษณะของ boilerplate — เขียนไว้ให้ครบ ไม่ได้เขียนไว้ให้เข้าใจ

ทำไมมันสำคัญกับเรา: ช่องว่างระหว่าง “43% พูดถึงแล้ว” กับ “ส่วนใหญ่ยังลอย ๆ” คือสนามที่คนอ่านงบเป็นได้เปรียบ เมื่อทุกบริษัทเขียนย่อหน้า “ความเสี่ยง AI” คล้าย ๆ กัน คุณค่าจึงไม่ได้อยู่ที่ “ใครเขียนถึง” แต่อยู่ที่ “ใครเขียนแบบมีเนื้อจริง” การแยกถ้อยคำมาตรฐานออกจากความกังวลจริง คือทักษะเดียวกับที่ผมใช้อ่านคำชี้แจงผู้บริหาร (MD&A) ทั้งตลาด และเป็นเหตุผลที่ผมเชื่อว่าเครื่องมือค้นควรแยก “คำที่ตรงประเด็น” ออกจาก boilerplate ให้เห็นทันที

3. อ่านเป็นสำคัญกว่าเดิม — และมันคือทักษะที่ productize ได้

ถ้าปะภาพสองด้านเข้าด้วยกัน เทรนด์ชัดเจน: ปริมาณ “คำพูดเรื่อง AI” ในเอกสารบริษัทจะยิ่งเยอะ (เพราะบริษัทกลัวทั้งพลาดโอกาสและกลัวโดนตรวจ) แต่ สัดส่วนที่มีเนื้อจริงจะยังน้อย ผลคือภาระถูกโยนมาที่คนอ่าน — ต้องแยกให้ออกว่าอันไหนคือสาระ อันไหนคือถ้อยคำกันเหนียว

นี่ไม่ใช่ปัญหาเฉพาะตลาดสหรัฐฯ บริษัทจดทะเบียนไทยก็เขียน MD&A และแบบ 56-1 ด้วยพลวัตเดียวกัน — พอทุกคนต้องพูดเรื่องเดียวกัน ภาษาก็กลายเป็นสูตรสำเร็จ และของจริงก็ซ่อนอยู่ใต้ถ้อยคำที่ดูปลอดภัย การกำกับก็เดินมาทางเดียวกัน ผมเคยสรุปทิศทางที่หน่วยงานกำกับ (รวมถึง ธปท.) ขยับเรื่อง AI ในภาคการเงินไว้ที่ฝ่ายกำกับเริ่มจับ AI agent ในงานการเงิน

ทำไมมันสำคัญกับเรา: เมื่อ “เขียนถึง” กลายเป็นของถูก “อ่านออก” กลายเป็นของแพง ทักษะการอ่านเอกสารเปิดเผยแบบวิพากษ์ — แยกคำโฆษณาออกจากสาระ แยก boilerplate ออกจากความเสี่ยงจริง — คือสิ่งที่คนทำ data/risk สายการเงินมีติดตัว และเป็นสิ่งที่เครื่องมือ AI ที่ดีควร “เร่ง” ให้ ไม่ใช่ “แทน” โดยเฉพาะในงานที่ผลลัพธ์ต้องตรวจย้อนกลับไปที่ต้นฉบับได้เสมอ ซึ่งผมยึดเป็นกฎเวลาให้ AI ยุ่งกับตัวเลข — เขียนไว้ที่3 ด่านกันตัวเลขปลอมที่ AI แต่งขึ้น

ภาพรวม: “คำพูดเรื่อง AI” กำลังกลายเป็นของที่ต้องรับผิดชอบ

สรุปเป็นประโยคเดียว: หน่วยงานกำกับเริ่มถือว่า “คำกล่าวอ้างเรื่อง AI” เป็นข้อความที่ต้องถูกต้องและตรวจได้ (SEC 2026) ขณะที่ข้อมูลจริงบอกว่าบริษัทพูดถึงความเสี่ยง AI กันเยอะขึ้นมาก (4%→43%) แต่ส่วนใหญ่ยังลอย ๆ — สองแรงนี้รวมกันทำให้ “การอ่านเอกสารเปิดเผยให้ทะลุถ้อยคำ” มีค่ามากขึ้น ไม่ใช่ลดลง

สำหรับคนทำ data/risk สายการเงิน นี่เป็นจังหวะที่ทักษะเก่า (อ่านงบเป็น แยกสาระจากถ้อยคำ) มาบรรจบกับทักษะใหม่ (ใช้ AI อ่านของกองใหญ่แบบตรวจย้อนได้) ใครมีทั้งคู่จะอ่านตลาดได้เร็วโดยไม่ต้องเชื่อแบบตาบอด ถ้าอยากเห็นว่าผมเอาแนวคิดนี้ไปทำเป็นเครื่องมือจริงยังไง ลองดูเสิร์ช MD&A ทั้งตลาดด้วย semantic search และ5 คำถามที่คนทำ risk ใช้อ่าน MD&A ทั้งตลาด

ที่มา

• 2026 SEC Division of Examinations Priorities — Debevoise & Plimpton (Harvard Law School Forum on Corporate Governance, 4 ม.ค. 2026)
• SEC Releases Its 2026 Examination Priorities — The National Law Review
• 2026 SEC Exam Priorities for Registered Investment Advisers and Registered Investment Companies — Goodwin
• Are Companies Taking AI Risks Seriously? A Systematic Analysis of Companies' AI Risk Disclosures in SEC 10-K forms — arXiv:2508.19313

เนื้อหานี้เพื่อการศึกษาและวิเคราะห์พร้อมอ้างอิง ไม่ใช่คำแนะนำการลงทุน