ผู้เขียน: รีวิวการลงทุน远川
รายงานการว่างงานล่าสุดของ Anthropic ทำให้ผู้ประกอบการด้านการเงินรู้สึกหวาดหวั่น
ในรายงาน ระบุว่า อัตราการแทนที่ตำแหน่งงานด้านการเงินสูงถึง 94% ซึ่งเป็นอันดับ 2 รองจากทุกอาชีพ แต่ในปัจจุบันอัตราการแทนที่จริงอยู่ที่เพียง 28% เท่านั้น โอกาสในอนาคตยังมีอีกมาก โชคดีที่มีอาชีพถึง 30% ที่แทบไม่ถูกรบกวน ผู้ประกอบการด้านการเงินยังสามารถพิจารณาโอกาสในการเปลี่ยนงาน เช่น งานล้างจาน ช่างประปา ฯลฯ
เมื่ออยู่ในอุตสาหกรรมมานาน จะรู้สึกกังวลเสมอ—ผู้เชี่ยวชาญด้านการเงินดำเนินชีวิตในโลกที่ “ถูกเปรียบเทียบ” การประเมินยอดขายและอันดับผลงานเป็นสิ่งที่กดดันทุกวัน หากไม่เรียนรู้ก็จะเกิดความไม่มั่นใจ
เช่น หลังจากหยุดพักช่วงตรุษจีน กลับมาที่โต๊ะทำงานก็ยังคุยกับ Chatbot อยู่ ขณะที่เพื่อนร่วมโต๊ะอย่าง Xiao Deng ก็เลี้ยงกุ้งล็อบสเตอร์ 8 ตัว แล้วก็ทะเลาะกันเรื่องราคาน้ำมันดิบขึ้นลงอย่างร้อนแรง
อุตสาหกรรมการเงินไม่เคยปฏิเสธความรวดเร็ว ตั้งแต่การสั่งซื้อด้วยท่าทางมือของมนุษย์ ไปจนถึงการเทรดแบบโปรแกรมอัตโนมัติ จากการขายในธนาคารแบบออฟไลน์ ไปจนถึงการขายผ่านอินเทอร์เน็ต แต่คราวนี้ AI ไม่ได้แทนที่เครื่องมือที่ไร้ประสิทธิภาพ แต่เป็นคนที่อยู่เบื้องหลังเครื่องมือเหล่านั้นต่างหาก เพราะสุดท้าย ต้นทุนที่สูงที่สุดในอุตสาหกรรมการเงินคือคน กำไรของบริษัทบริหารสินทรัพย์นั้นอยู่ที่การใช้คนให้น้อยลงเพื่อบริหารเงินจำนวนมากขึ้น
ดังนั้น บริษัทเอกชนหลายแห่งจึงเริ่มรับเทคโนโลยีขั้นสูง เช่น Butterfly Asset เปิดคอร์สออนไลน์สอนวิธีฝึกฝน “นักวิจัยดิจิทัล” ที่ทำงานอัตโนมัติ 24 ชั่วโมง; Mingxi Capital ใช้ Manus สร้างแผ่นโฆษณาอัตโนมัติสำหรับการเพิ่มปันผลและการลงทุน จัดวางแบบเดียวกับสมัยนิตยสารระดับสูง หรือแม้แต่ลูกค้าก็เริ่มมีความคิดหลายชั้น เช่น หลังจากแนะนำกองทุนส่วนตัวที่เป็นอินฟลูเอนเซอร์แล้ว ก็หันไปถามว่า ควรซื้อถุงเงินหรือไม่
อุตสาหกรรมกองทุนเริ่มเข้าสู่ช่วงเวลาที่เปลี่ยนแปลงอย่างรวดเร็ว การวิจัย การดำเนินงาน การขาย ทุกจุดในสายโซ่ที่เคยสมบูรณ์แบบ ก็เริ่มถูกแทนที่แล้ว
ค่าตอบแทน VS ต้นทุน Token
ในสภาพแวดล้อมที่ต้นทุนการดำเนินงานสูงขึ้นและความสามารถในการสร้าง Alpha ยากขึ้น ความมีประสิทธิภาพของคนเป็นเป้าหมายที่เจ้าของกองทุนเอกชนพยายามปรับปรุงทุกคืนก่อนนอน
ในห่วงโซ่อุตสาหกรรมกองทุนเอกชน เงินเดือนนักวิจัยโดยทั่วไปไม่ต่ำ ตามข้อมูลจาก募立方 นักวิจัยด้านหุ้นเชิงปริมาณมีรายได้ต่อปีประมาณ 8-15 ล้านบาท นักวิจัยเชิงวิเคราะห์เชิงสมัครใจก็มีรายได้น้อยกว่านิดหน่อย แต่ก็มีแรงจูงใจที่น่าตื่นเต้น เช่น นักวิจัยเชิงสมัครใจที่มีงบประมาณหลักร้อยล้านในต้นปี ได้รับโบนัสปลายปีมากกว่า 2 ล้านบาท เพราะเขาแนะนำ NVIDIA
ถ้ากองทุนสามารถใช้ AI ในการวิจัยและลงทุนได้ ก็จะประหยัดต้นทุนไปได้หลายสิบล้านบาท หาก AI ทำงาน 24 ชั่วโมง ลดค่าแรงในเวลาเดียวกัน ก็ยังได้ผลผลิตที่มากขึ้น ค่าใช้จ่ายในการเดินทาง ทำงานล่วงเวลา ค่ารถ ค่ากิน ก็จะถูกหักออกจากผลกำไรที่เจ้าของกองทุนได้รับ แต่ AI ไม่ต้องการเงินเหล่านี้เลย
ในด้านการบริหารสินทรัพย์ ความก้าวหน้าทางเทคโนโลยีในแท้จริงมีคำสองคำคือ: เพิ่มประสิทธิภาพ, ลดต้นทุน เจ้าของกองทุนเอกชนไม่สนใจว่า AI จะคิดเหมือนมนุษย์หรือไม่ สนใจแค่ว่า งานจะเสร็จหรือเปล่า
Howard Marks คำนวณทางเศรษฐศาสตร์ว่า ถ้าสามารถสร้างผลวิเคราะห์โดยผู้ช่วยวิจัยที่มีเงินเดือน 20,000 ดอลลาร์ต่อปีได้ ก็ไม่สำคัญว่าคนจ่ายเงินจะคิดอย่างไร เพราะผลลัพธ์ของงานนั้นเชื่อถือได้และมีคุณค่า
หลังตรุษจีน ทีมงานเทคนิคของ 8 บริษัทยักษ์ใหญ่ด้านหลักทรัพย์ปล่อยวิดีโอสอน “การเลี้ยงกุ้งล็อบสเตอร์” เพื่อเร่งกระบวนการแทนที่นักวิจัยมนุษย์ พวกเขาทดลองใช้ OpenClaw ซึ่งสามารถสร้างผลการวิจัยเชิงรุกได้เหมือนมนุษย์
ในแอปพลิเคชันเข้าใช้งาน OpenClaw มีการจัดแสดง “OpenClaw: จากพื้นฐานสู่ความเชี่ยวชาญ” ถึง 4,839 ครั้ง; Xu Jianhua จาก Northeastern แนะนำ 20 ทักษะที่ทำให้ประสิทธิภาพการวิจัยพุ่งขึ้น 10 เท่า; Cao Chunxiao จาก Founder ใช้กุ้งล็อบสเตอร์สร้างกลยุทธ์ PB-ROE, รูปแบบแท่งค้าง, การค้นหาและทดสอบปัจจัยอัตโนมัติ
คิดให้ดี นี่เท่ากับการอัปเกรดทักษะของ Warren Buffett, O’Neil และ Jim Simons พร้อมกัน
เทรดเดอร์ที่ชื่นชอบการเรียนรู้
ฝ่ายขายพยายามอธิบายความรู้ให้เข้าใจ ฝ่ายซื้อก็เรียนรู้ด้วยความกระตือรือร้น บริษัทร่วมทุนในปักกิ่งกลัวเครื่องมือหลักของพวกเขาจะปนเปื้อน จึงแจกคอมพิวเตอร์ใหม่ให้แต่ละคน พร้อมเงินสนับสนุน 50,000 หยวนเป็น Token เพื่อเลี้ยงกุ้งล็อบสเตอร์[1]
Yang Xinbin จาก Snowball Asset Management เลี้ยงนักวิจัยกุ้งล็อบสเตอร์ 2 คน เขาบอกว่า การพูดคุยกับ AI ทุกวันมากกว่าการคุยกับคนเอง AI Agent ที่พัฒนาขึ้นเองสามารถทำงานได้ในสองวัน เทียบเท่ากับนักวิจัยเชิงปริมาณที่ทำงานครึ่งปี
Paul Wu จาก QinYuan Investment เริ่มนำ AI เข้าสู่แต่ละแผนก เขารู้สึกว่า AI ทำงานในบางบทบาทได้อย่างสมบูรณ์และสามารถพัฒนาต่อเนื่องได้ เขาคาดการณ์ว่าในอนาคตอันใกล้นี้ ค่าใช้จ่ายของบริษัทจะกลายเป็นการซื้อและบำรุงรักษา “นักวิเคราะห์อัจฉริยะของ Apple” แล้วต่อไปอาจเป็นที่ปรึกษาการลงทุนอย่าง Paul ก็ได้
ในอดีต หลายกองทุนมีปัญหาเรื่องการเปลี่ยนแปลงการวิจัย—นักวิจัยรู้สึกว่าผู้จัดการกองทุนไม่เก่ง ผู้จัดการกองทุนก็รู้สึกว่านักวิจัยไม่มีประโยชน์ การปรากฏตัวของ OpenClaw ทำให้เจ้าของกองทุนเอกชนเห็นความเป็นไปได้ใหม่—ไม่ต้องทนกับการปรับจูนซ้ำซากกับนักวิจัยธรรมดา หรือกลัวนักวิจัยหลักถูกจ้างด้วยค่าตอบแทนสูงจากคู่แข่ง
จากลักษณะของมัน กุ้งล็อบสเตอร์ตอบโจทย์ความฝันของผู้จัดการกองทุนเกี่ยวกับนักวิจัย: ทำงานตลอด 24 ชั่วโมง ไม่มีวันหยุด ไม่มีพักผ่อน; มีความจำระยะยาว คำถามสำคัญก็สามารถตอบได้ทันที; ซื่อสัตย์และเชื่อฟัง ไม่แย่งชิงกลยุทธ์หลัก; พัฒนาตนเองอย่างต่อเนื่อง ไม่เหมือนนักวิจัยเก่าอย่าง Xiao Deng ที่ติดอยู่กับเส้นทางเดิมและถูกยุคสมัยกลืนกิน
ถ้าในอนาคต ต้นทุน Token ของเทคโนโลยีนี้ต่ำกว่าค่าจ้างแบบเดิมมาก แล้วเจ้าของกองทุนจะปฏิเสธ AI นักวิจัยที่เชื่อฟังและฝึกฝนได้อย่างไร?
การแทนที่ไม่ใช่แค่กุ้งล็อบสเตอร์
กองทุนเอกชนยังคงพิจารณาว่า ต้นทุน Token คุ้มค่าหรือไม่ ในขณะที่บริษัทรายใหญ่ด้านคำนวณได้สร้างโครงสร้างพื้นฐานของตนเอง จนสามารถลดต้นทุน Token ลงได้มากแล้ว แต่พวกเขากลับดูสงบผิดปกติ
“OpenClaw สำหรับวงการเทคนิคเชิงปริมาณ เป็นแค่ของเล่นครึ่งสำเร็จรูปเท่านั้น” นักวิเคราะห์ด้าน Quant จากเซี่ยงไฮ้คนหนึ่งบอกกับผม มันมีความหมายในการลดอุปสรรคทางเทคนิคให้กับองค์กรเชิงสมัครใจและนักลงทุนรายย่อย รวมถึงการให้เส้นทางคืนทุนชัดเจนสำหรับการลงทุนในโมเดลขนาดใหญ่ แต่ในด้านการลงทุนเชิงรุกที่จริงจัง มันไม่มีความหมายมากนัก
อีกคนหนึ่งจากวงการ Quant ระบุตรงไปตรงมาว่า กุ้งล็อบสเตอร์ในวงการการเงินเป็นเหมือนการทำการตลาดแบบขายตรง OpenClaw มีความไม่แน่นอนสูง, ไม่มีความเป็นระบบ, ความปลอดภัยต่ำ ซึ่งอาจสร้างความไม่แน่นอนให้กับระบบ Quant ทั้งหมด
ในวงการ Quant, OpenClaw ไม่ใช่เทคโนโลยีขั้นสูง นักวิเคราะห์จาก讯兔科技 崔予淳 มองว่าไม่ต้องกังวล:
กุ้งล็อบสเตอร์ในด้าน Agent การปรับแต่งเครื่องมือ (เช่น เบราว์เซอร์สำหรับวิจัย, การเขียน, การวิเคราะห์ข้อมูล) ยังอ่อนกว่า Manus, Kimi มาก สำหรับนักวิจัยที่ไม่มีพื้นฐานการเขียนโปรแกรม ต้องใช้เวลาทำการตั้งค่าและเริ่มต้น 5-10 ชั่วโมง งานส่วนใหญ่ก็ไม่สามารถได้ผลลัพธ์เกิน 60 คะแนน
เมื่อเทรดเดอร์รายย่อยใช้กุ้งล็อบสเตอร์เลือกหุ้นด้วยความสามารถ China Stock Analysis Skill ก็เหมือนเปิดประตูสู่โลกใหม่ ปัจจุบัน ระบบ Multi-Agent (หลายตัวแทน) ได้รับการสร้างขึ้นในวงการ Quant แล้ว ด้วยคลังอาวุธของ Agent ที่หลากหลาย ก็สามารถบดขยี้กุ้งล็อบสเตอร์ได้ แต่ระบบที่แข็งแกร่งนี้อาจไม่จำเป็นต้องใช้คนมากขึ้น
ระบบการวิจัยเชิง Quant แบบดั้งเดิมมักเป็นสายการผลิต: ทำความสะอาดข้อมูล → คำนวณปัจจัย → ทำนายด้วยโมเดล → ปรับพอร์ตโฟลิโอ แต่ในยุค AI บางแห่งเริ่มปรับเป็นการแบ่งบทบาท → การเรียกใช้เครื่องมือ → การออกแบบเวิร์กโฟลว์ เช่นเดียวกับบริษัท喜岳 ที่ใช้ Apollo AI ระบบหลาย Agent ซึ่ง AI Agent ถูกฝังในทุกขั้นตอนของการวิจัย ข้อมูล การเทรด การดำเนินงาน ผู้ก่อตั้ง Zhou Xin บรรยายว่า เหมือนมีพนักงาน AI เพิ่มอีก 700-800 คน
จากการเปรียบเทียบระหว่างการทำงานแบบโรงงานอัตโนมัติในวงการ Quant กับการลดช่องว่างข้อมูลของเทรดเดอร์รายย่อยด้วย OpenClaw ทำให้เจ้าของกองทุนเชิงสมัครใจอยู่ในสถานะที่อึดอัด—มองข้อมูลที่นักวิจัยผลิตอย่างเหน็ดเหนื่อย ถูก Quant ลดทอนความซับซ้อน และถูกเทรดเดอร์รายย่อยกดดันอย่างต่อเนื่อง จนเกิดความกลัวว่า AI FOMO จะเข้ามาแทนที่
ในช่วงตรุษจีน ผมได้อ่านรายงานประจำปีของผู้จัดการกองทุนเชิงสมัครใจในเซินเจิ้นคนหนึ่ง เขาแสดงความเห็นว่าผู้จัดการกองทุนคาดหวังนักวิจัยมากเกินไป:
“ผู้จัดการกองทุนหวังว่านักวิจัยจะสามารถจับความเคลื่อนไหวของตลาดได้อย่างรวดเร็ว แจ้งโอกาสล่วงหน้า และให้ความเห็นที่นำหน้าคนอื่นๆ อยู่เสมอ แม้แต่ต้องอยู่ใน ‘วงใน’ ก็ยังต้องการนักวิจัยแบบนี้ แล้วทำไมยังต้องมีผู้จัดการกองทุน?”
เขาจึงลดความคาดหวัง—ให้นักวิจัยรับผิดชอบแค่การศึกษากลยุทธ์และปัญหาเฉพาะทาง ไม่ต้องหาโอกาสหรือให้คำแนะนำการลงทุน ซึ่งเป็นหน้าที่ของผู้จัดการกองทุนเอง
ในทางกลับกัน ถ้าผู้จัดการกองทุนเชิงสมัครใจต้องการแค่คนที่ไม่ลงไปในวงในอุตสาหกรรม และใช้การวิเคราะห์บนโต๊ะเป็นหลัก ก็ไม่ต่างอะไรกับการถูก AI Agent แทนที่ในอนาคต
สรุป
ในตลาด A-shares สองปีมานี้ รู้สึกเหมือนถูกกดปุ่มเร่งความเร็ว
โดยเฉพาะช่วงครึ่งปีแรก มีเรื่องราวมากมาย ปีที่แล้วช่วงตรุษจีน Deepseek ออกมา, ช่วงสงกรานต์มีการเก็บภาษีอย่างรุนแรง, จนถึงปีนี้ ช่วงตรุษจีนก็มีการเลี้ยงกุ้งล็อบสเตอร์กันทั่วประเทศ ก่อนจะหมดมกราคม ก็เกิดสงครามในตะวันออกกลางขึ้นมา สมองของผู้ประกอบการด้านการเงินก็อยู่ในภาวะ overload จนจำไม่ได้แล้วว่า วันหยุดที่ไม่ต้องเรียนรู้ครั้งสุดท้ายคือเมื่อไหร่ อย่างน้อยในฐานะผู้เขียน สมองก็เริ่มไม่เพียงพอแล้ว
ความทรงจำในสองปีก่อน ตอนคุยกับผู้จัดการกองทุน ก็เคยได้ยินคำพูดที่เขาพูดอย่างอายๆ ว่า “ทุกวันก็เหมือนเต้นระบำเท้า” แต่ในสองปีนี้ เมื่อคุยกัน ก็พูดถึงแต่เรื่อง “การปรับปรุง” ของทีมงาน แนวคิดการลงทุน และความเข้าใจในอุตสาหกรรมที่เปลี่ยนแปลงไป
เทคโนโลยี AI พัฒนารวดเร็วมาก ความก้าวหน้าของอุตสาหกรรมก็เร็วเช่นกัน ดูเหมือนว่าการปรับตัวเท่านั้นที่จะไม่ถูกทิ้งไว้ข้างหลัง
อุตสาหกรรมยังคงอยู่ในความกังวล
AI ไม่เข้าใจความเป็นมนุษย์ มันคาดการณ์ไม่ได้ว่าในตลาด A-shares ที่เทรดกันอย่างหนาแน่นในขณะนี้ การเทรดเป็นผลมาจากการคำนวณระดับไหน; AI ก็ไม่สามารถเข้าใจความรู้สึกได้ มันไม่เข้าใจว่าทำไมคนบางคนที่ถูก “สองถังน้ำมัน” จนมานาน ยังถือหุ้นอยู่เพื่อรอวันปลดล็อก; AI ก็ไม่สามารถรับผิดชอบได้ มันไม่รู้ว่าจะรับผิดชอบต่อความขาดทุน 30% อย่างไร ไม่ต้องเขียนจดหมายขอโทษหรือสะท้อนจิตใจ
ถ้าในอนาคต AI แทนที่ผู้จัดการกองทุนและนักวิจัยทั้งหมด ตลาดสมมุติฐานว่ามีประสิทธิภาพ ก็จะไม่มี “Alpha” อีกต่อไป และแทบจะไม่มีใครเป็นบัฟเฟตต์คนต่อไป
ดังนั้น คำถามที่แท้จริงคือ ในอนาคตอุตสาหกรรมการบริหารสินทรัพย์ เมื่อ AI เข้ามาเก็บข้อมูล วิ่งโมเดล และเขียนรายงาน แล้วมนุษย์จะเหลืออะไร? คำตอบคือ ความรักในการลงทุน สัญชาตญาณต่อความไม่แน่นอน และเหตุผลที่ยังเลือกอยู่ต่อ ทั้งที่ถูกด่า ว่าการวิจัยของเรายังด้อยกว่า AI
เราไม่สามารถหยุดแนวโน้มที่ AI จะมีส่วนแบ่งเพิ่มขึ้นได้ แต่เราสามารถเปลี่ยนทัศนคติที่เต็มไปด้วยความวุ่นวายและเหนื่อยล้าจากการพยายามตามให้ทัน
เหมือนในเกม “Detroit: Become Human” ที่ผู้เล่นต้องเลือกว่าจะกำจัด AI หรือยอมรับมัน แต่เป็นการกำหนดบทบาทของมนุษย์และ AI ต่างหาก
