Claude Skills & Financial Modeling Workshop — คู่มือสร้าง AI Workflow สำหรับงานการเงิน

จากเซสชัน Workshop เชิงปฏิบัติที่สอนการใช้ระบบ Skill ของ Claude ในงานวิเคราะห์การเงิน ตั้งแต่โครงสร้างของ Skill ไปจนถึงการสร้าง Financial Model, Valuation และ Fund Analysis แบบครบวงจร

โครงสร้างของ Skill คืออะไร?
Skill คือ “คู่มือ” ที่เขียนไว้ให้ AI อ่านก่อนเริ่มทำงาน ประกอบด้วยส่วนสำคัญหลายส่วน:
Description — อธิบายว่า Skill นี้มีไว้ทำอะไร ส่วนนี้สำคัญมากเพราะ AI จะอ่านแค่ตรงนี้ก่อนตัดสินใจว่าจะโหลด Skill ทั้งหมดหรือไม่ ถ้าเขียนเยอะเกินไป AI จะกินโทเคนเยอะ ถ้าเขียนพอดีก็ช่วยให้ทำงานได้ดี
Guidelines — กำหนดกฎ กติกา และข้อห้ามต่างๆ เช่น ปัญหาที่อาจเกิดขึ้นได้ วิธีแก้ไขเมื่อเกิดปัญหา สิ่งที่ไม่ควรทำ
Error Handling — บอก AI ว่าถ้าเกิดปัญหาขึ้นให้ทำอย่างไร ให้ดึงกลับมาสู่ลู่ทางได้อย่างไร
แนวคิดนี้สะท้อนให้เห็นว่า AI ไม่ใช่ “ถามปุ๊บตอบปั๊บ” แบบสมบูรณ์แบบ แต่ต้องมีระบบควบคุมคุณภาพ เหมือนกับการที่มนุษย์เรียนรู้งานใหม่ — เริ่มจากไม่รู้ แล้วค่อยๆ ขยับไปจนทำได้ดีขึ้น

การติดตั้ง Skill — วิธีปฏิบัติจริง
ช่องทางการติดตั้ง:
∙ ผ่าน Terminal (Claude Code) — ทำได้แน่นอน แนะนำสำหรับเริ่มต้น
∙ ผ่าน IDE (VS Code Extension) — ใช้งานง่ายกว่า มีปุ่มเปิด/ปิด Skill ได้
∙ ผ่าน Chat ปกติ — Skill จะถูกเรียกอัตโนมัติเมื่อตรงเงื่อนไข แต่ไม่สามารถติดตั้ง Skill ใหม่ผ่านช่องนี้ได้
แหล่ง Skill:
∙ ไปที่ Marketplace ของ Claude เลือก Skill ที่ตรงกับสายงาน (เช่น Financial Services)
∙ Copy ลิงก์ Skill แล้วติดตั้งผ่าน Terminal

คำเตือนสำคัญ: อย่าติดตั้ง Skill เยอะเกินไป เพราะ Skill แต่ละตัวจะกิน Token ของ Context Window โดยปริยาย ควรเลือกเฉพาะที่จำเป็นจริงๆ

Context Window — โต๊ะทำงานของ AI
Context Window เปรียบเหมือน “โต๊ะทำงาน” ของ AI ยิ่งทำงานเยอะ เอกสารบนโต๊ะก็ยิ่งเยอะ
Auto Compact คือระบบที่ AI จะปัดกวาดโต๊ะอัตโนมัติเมื่อ Context เต็ม — สรุปเอกสารที่มีทั้งหมดให้เหลือเฉพาะสาระสำคัญ
ข้อดี: โต๊ะสะอาดขึ้น ทำงานต่อได้
ข้อเสีย: AI อาจตัดสิ่งที่เราต้องการทิ้งไป หรือเก็บสิ่งที่เราไม่ได้ต้องการไว้

แนะนำ: ถ้าทำงานใหญ่ ควรปัดกวาด Context เอง ก่อนที่ AI จะกวาดให้เรา เพื่อควบคุมว่าอะไรควรเก็บ อะไรควรทิ้ง

Financial Modeling ด้วย AI — ตัวอย่างจริง
ขั้นตอนการสร้าง Financial Model:
1. เตรียมข้อมูล — ดึงงบการเงินจากแหล่งข้อมูล (เช่น SEC Filing / EDGAR) ให้ AI อ่าน
2. ให้ AI ถามก่อนเริ่มงาน — เทคนิคสำคัญ! บอก AI ว่า “ก่อนเริ่มงาน ถามฉันก่อนว่ามีอะไรอยากรู้อีก” จะช่วยลดการสั่งแล้วได้งานผิด
3. เลือกรูปแบบ — Spreadsheet หรือ Model ต้องการกี่ปี ต้องการ Detail ระดับไหน
4. ปล่อยให้ทำงาน — AI จะสร้าง Model ตรวจสอบ Formula ทุกช่อง และแก้ Error ด้วยตัวเอง
ตัวอย่าง Demo สด:
ให้ AI สร้าง DCF Model จากข้อมูล SEC Filing สำเร็จภายในประมาณ 10 นาที พร้อม Projection 5 ปี

คำเตือนสำคัญเรื่อง Assumption:
ตัวอย่างจากเซสชัน — AI สร้าง Model มาว่าราคาหุ้นควรอยู่ที่ $18 แต่ราคาตลาดอยู่ที่ $140+ โดย Assumption ที่ AI ใช้มี Revenue Growth 100% ต่อปี ซึ่งสูงมาก สิ่งนี้สะท้อนว่า อย่าเชื่อตัวเลขที่ AI ให้มาโดยไม่ตรวจสอบ โดยเฉพาะ Forward-looking Projection ที่มี Assumption อยู่เบื้องหลัง
สิ่งที่ AI ทำได้ดีคือ แปลงข้อมูลดิบให้เป็นรูปแบบที่เข้าใจง่าย แต่สิ่งที่ “มองไปข้างหน้า” ยังต้องพึ่งวิจารณญาณของมนุษย์

เปรียบเทียบช่องทาง: Claude Code vs Claude Chat
สั่งงานเหมือนกัน วัตถุดิบเดียวกัน โมเดลเดียวกัน แต่ผลลัพธ์ต่างกันชัดเจน:
Claude Code (Terminal): งานออกมาดีกว่ามาก เพราะ Claude Code มีระบบ Plan Mode, Agent รีวิว, Error Handling ฝังในตัว ทำให้งานเนี้ยบขึ้น
Claude Chat: งานออกมาได้ แต่คุณภาพน้อยกว่า และถ้าต้องดึงข้อมูลจากเว็บ มักใช้วิธี Screenshot แล้วอ่านจากภาพ ซึ่งกิน Token มากและอาจอ่านผิดพลาด

แนะนำ: ถ้าทำงาน Financial Modeling จริงจัง ควรใช้ Claude Code ผ่าน Terminal หรือ IDE

เทคนิคประหยัด Token ที่ต้องรู้
1. ใช้ภาษาอังกฤษ — ภาษาไทยกิน Token มากกว่าภาษาอังกฤษประมาณ 2 เท่า เพราะการตัดคำภาษาไทยใช้ Token ยาวกว่ามาก
2. เตรียมวัตถุดิบให้ถูกรูปแบบ — ถ้าให้ AI อ่าน PDF มันต้องแปลงก่อน กิน Token เพิ่ม ควรแปลงเป็น CSV, JSON หรือ Markdown ที่ AI อ่านได้โดยตรง
3. ใช้ Plan Mode — ให้ AI วางแผนก่อนทำงาน จะได้ไม่ต้องแก้งานหลายรอบ เหมือนกับการสร้างบ้านที่ต้องมีแบบก่อนลงมือ
4. อย่าเรียกข้อมูลภายนอกจนกว่าจะจำเป็น — ทำงานกับข้อมูลที่มีก่อน พอใจแล้วค่อยเรียกเพิ่ม
5. ใส่ Skill เท่าที่จำเป็น — Skill แต่ละตัวกิน Token ตลอดเวลาที่อยู่ในระบบ

Multi-Agent Workflow สำหรับงานการเงิน
ตัวอย่างเวิร์กโฟลว์ที่สร้างขึ้นจริงในเซสชัน:
Agent 1: Data Collector — ดึงงบการเงิน, Segment Data, Rating, IFRS 16 Lease Data
Agent 2: Model Builder — สร้าง DCF Model, Projection, Valuation
Agent 3: Reviewer — ตรวจสอบว่า Formula ถูกต้อง ข้อมูลตรงกัน (แนะนำให้ลง Superpower Plugin)
Agent 4: Report Writer — เขียนรายงานวิเคราะห์ตาม Style Guide ที่กำหนด
Agent 5: Competitor Analyst — วิเคราะห์คู่แข่ง เปรียบเทียบข้อมูล
มี 3 โหมดการทำงาน: Audit (ตรวจรายงานที่มีอยู่), Build from Scratch (สร้างใหม่ทั้งหมด), Reform (ปรับปรุงงานเดิม)

Factor Investing & Fund Analysis
เซสชันยังครอบคลุมเรื่อง Factor Investing ที่ใช้หลักเศรษฐศาสตร์มาเป็นสัญญาณในการคัดกรองหุ้น:
∙ บริษัทที่ Debt Ratio สูง → มีแนวโน้ม Underperform
∙ บริษัทที่ Beta ต่ำ → มีแนวโน้ม Outperform
∙ สามารถถอด Factor Exposure ของกองทุนได้ว่า ผลตอบแทนมาจาก Market, Size, Value หรือ Alpha จริงๆ
ตัวอย่าง: กองทุนไทย 3 กอง พบว่าผลตอบแทนส่วนใหญ่มาจาก Market Exposure ไม่ได้มาจากฝีมือการเลือกหุ้น (Alpha) มากนัก ซึ่งหมายความว่าถ้าเรารู้ Factor เหล่านี้ เราสามารถสร้างพอร์ตเองได้โดยไม่ต้องจ่ายค่าธรรมเนียมกองทุน

Plugin ที่แนะนำ:
Superpower — Plugin สำหรับ Claude Code ที่ช่วยเรื่อง Workflow Design มี 3 ส่วนหลัก:
1. Brainstorm — คุยวางแผนก่อนเริ่มงาน (ใช้เวลาประมาณ 45 นาที ได้แผนงานสมบูรณ์)
2. Execute — ลงมือทำตามแผน พร้อมตรวจสอบ Error
3. Refine — ปรับปรุง ทบทวน รีวิวงาน
แนะนำสำหรับคนที่ไม่ถนัดเขียนโค้ดแต่อยากสร้าง Workflow ที่ซับซ้อน

บทเรียนสำคัญจาก Workshop:
1. “ก่อนเริ่มงาน ถามฉันก่อน” — ประโยคเดียวที่ช่วยลดความผิดพลาดได้มหาศาล ให้ AI ถามก่อนว่าต้องการอะไร แทนที่จะปล่อยให้มันทำเลย
2. อย่าเชื่อ Assumption ของ AI — AI สร้างโมเดลได้ แต่ตัวเลขที่มองไปข้างหน้ายังต้องใช้วิจารณญาณมนุษย์ตรวจสอบ
3. เตรียมวัตถุดิบให้ถูกรูปแบบ — ประหยัด Token ประหยัดเวลา ประหยัดเงิน
4. ลิมิตของ AI อยู่ที่ลิมิตของจินตนาการของคนสั่ง — ยิ่งสื่อสารเป็น ออกแบบ Workflow ดี ยิ่งได้ผลลัพธ์ที่ดี
5. วางแผนก่อนลงมือ — เหมือนสร้างบ้านต้องมีแบบ ไม่ใช่บอกช่างว่า “สร้างบ้านหน่อย แล้วค่อยแก้หน้างาน”

เรื่องค่าใช้จ่าย:
∙ Claude Chat แบบ Pro: ~$20/เดือน (เพียงพอสำหรับการใช้งานทั่วไป)
∙ Claude Code API: ขึ้นอยู่กับปริมาณการใช้งาน หากใช้หนักอาจหลายร้อยดอลลาร์ต่อเดือน
∙ Multi-Agent ใน Claude Code: กิน Token เร็วมาก ตัวอย่างจากเซสชัน ใช้ $30 ในครึ่งชั่วโมงเมื่อเปิด Agent เต็มที่

ควรตั้ง Limit ไว้ก่อน แล้วค่อยขยับตามการใช้งานจริง
#ClaudeAI #FinancialModeling #AISkills #DCFModel #FactorInvesting #FundAnalysis #AIWorkflow #QuantFinance #ClaudeCode #FinTech