AI for Finance: จาก Chat สู่ Agent Team — 3 ระดับที่ทุกคนต้องรู้

เมื่อ AI ไม่ใช่แค่เครื่องมือแชทอีกต่อไป แต่กลายเป็น "ทีมงาน" ที่ช่วยทำงานซับซ้อนได้จริง มาดูกันว่า 3 ระดับของการใช้ AI ในงาน Finance คืออะไร และเราจะเข้าสู่แต่ละระดับได้อย่างไร

Level 1 — Foundation: แชทและสื่อสาร
ระดับแรกคือการพูดคุยกับ AI เหมือนเพื่อนคู่คิด ถามตอบ สรุปข้อมูล ช่วยคิด ช่วยวิเคราะห์เบื้องต้น

ความเสี่ยงที่ต้องระวัง: "Hallucination" หรือการที่ AI ตอบเกินจริง ตอบไม่ตรงข้อมูล ดังนั้นต้องตรวจสอบเสมอ
สิ่งสำคัญคือ ทักษะการสื่อสารกับ AI — การแชทที่ดีไม่ใช่แค่พิมพ์ไปเรื่อยๆ แต่ต้องชัดเจน ตรงประเด็น

Level 2 — Workflow: สร้างขั้นตอนงานอัตโนมัติ
เมื่อก้าวข้ามการแชทธรรมดา เราเริ่มสร้าง Workflow ที่มีองค์ประกอบสำคัญ 3 อย่าง:
1) Input / Data — ข้อมูลนำเข้า
ไม่ใช่แค่ข้อมูลจาก Prompt แต่รวมถึงข้อมูลจากระบบภายใน ฐานข้อมูลที่เราอนุญาต หรือข้อมูลที่เราป้อนเข้าไปเอง
2) Skills — ทักษะ/คู่มือ
AI เข้าถึงระบบได้ แต่ไม่รู้ว่าต้องทำอย่างไร Skills คือ "คู่มือ" แบบ Step-by-Step ที่บอก AI ว่าต้องไปตาราง (Table) ไหนก่อน ดึงข้อมูลอะไร ต่อยอดอย่างไร
3) Process — กระบวนการแปลงข้อมูล
การเปลี่ยน Input ให้กลายเป็น Output ที่ต้องการ ไม่ว่าจะเป็น Excel, PowerPoint, รายงานวิเคราะห์ หรือ Financial Statement

วิธีเข้าวงการ Workflow แบบง่ายที่สุด:

ให้ AI อ่านประวัติการแชทของเรา → มันจะเรียนรู้ Pattern ว่าเราทำอะไรบ่อย แล้วสร้าง Skill ให้อัตโนมัติ
ใช้ Skill Creator — เล่าเรื่องงาน ตำแหน่ง สถานการณ์ให้ AI ฟัง แล้วมันจะสร้าง Skill ขึ้นมาให้
ใช้ Pre-defined Skills ที่มีอยู่แล้ว (เช่น Skill การทำบัญชี, Financial Statement, Stress Testing) แล้วต่อยอดให้เข้ากับงานของเรา
Upload Custom Skills — เขียนคู่มือหรือแปลงคู่มือในองค์กรมาเป็น Skill

ความเสี่ยงที่เพิ่มขึ้น:

Hallucination จะสะสมทุก Step — ถ้าผิดตั้งแต่ขั้นแรก ขั้นต่อๆ ไปก็จะผิดตาม
Skill ที่เป็น Pre-defined อาจไม่ตรงกับบริบทของเราทั้งหมด → ต้อง Validate เสมอ
ต้องมีการ Cross-check โดยเฉพาะงานที่ต้องตัดสินใจสำคัญ

Level 3 — Systems: ระบบอัตโนมัติและ Agent Team
ระดับสูงสุดคือการสร้างระบบที่ทำงานซับซ้อน สเกลได้ และมี AI หลายตัวทำงานร่วมกัน

การสร้างระบบ:

เชื่อมต่อผ่าน API, MCP Connectors เข้ากับระบบเดิมขององค์กร
ใช้ Code เป็นตัวกลางในการแปลง Input เป็น Output ตามรูปแบบที่ต้องการ
สามารถทำ Automation ที่ซับซ้อน เช่น ดึงข้อมูลจากหลายแหล่ง → วิเคราะห์ → สร้างรายงาน → ส่งต่อ

Agent Team — ทีม AI ทำงานร่วมกัน:
แนวคิดใหม่ที่น่าตื่นเต้นที่สุด คือการ Spin-off AI Agent หลายตัวให้ทำงานเป็นทีม:

ตัวเก็บข้อมูล (Data Collector) — รวบรวมข้อมูลจากแหล่งต่างๆ
ตัววิเคราะห์ความเสี่ยง (Risk Analyzer) — ประเมินและวิเคราะห์
ตัวทำรายงาน (Report Generator) — สร้างรายงาน Dashboard
ตัว Research — ค้นคว้าข้อมูลเพิ่มเติม

Agent เหล่านี้ "คุยกันได้" เหมือนทีมฟุตบอลที่ส่งบอลให้กัน มีหัวหน้าทีมคอยประสาน และเราสามารถ Monitor ดูว่าแต่ละตัวทำอะไร กิน Token ไปเท่าไหร่

Financial AI Benchmark (FAB) — เมื่อไหร่ใช้คน เมื่อไหร่ใช้ AI?
หลักการสำคัญที่ต้องเข้าใจ:

AI เก่งเรื่อง Automation แต่ยังไม่เก่งเรื่อง การตัดสินใจ 100%
มนุษย์เก่งเรื่อง สัญชาตญาณ การตัดสินใจ แต่ก็ไม่สมบูรณ์แบบ 100%
จุดที่ดีที่สุดคือ การทำงานร่วมกันระหว่างคนกับ AI — คำถามคือ งานไหนใช้คน งานไหนใช้ AI เท่าไหร่ อันนี้เราเป็นคนตัดสินใจเอง

สรุป 3 ทักษะที่ต้องมี:

สื่อสารเป็น — ไม่ว่าจะแชท เขียน Prompt หรืออธิบาย Workflow ต้องชัดเจน
Validate ได้ — ต้องตรวจสอบผลลัพธ์จาก AI ได้ ยิ่งงานซับซ้อน ยิ่งต้องตรวจเยอะ
รู้จัก Skills & Tools — รู้ว่ามี Skill อะไรให้ใช้ เครื่องมืออะไรเชื่อมต่อได้ จะสร้าง Skill เองก็ได้

เริ่มต้นได้เลยวันนี้:

Level 1: แชทให้เป็น สื่อสารให้ชัด
Level 2: สร้าง Workflow ด้วย Skills + Data
Level 3: สร้างระบบ + Agent Team ให้ทำงานแทน

ไม่ว่าจะอยู่ Level ไหน สิ่งสำคัญคือ Domain Knowledge ของเราเป็นตัวตัดสิน — AI เก่งขึ้นทุกวัน แต่คนที่รู้เรื่องจริงเท่านั้นที่จะใช้มันได้อย่างมีประสิทธิภาพและปลอดภัย
#AIforFinance #AgentTeam #Workflow #FinancialTechnology #AIWorkflow #DigitalTransformation #FinTech