คู่มืออุตสาหกรรม: วาณิชธนกิจ
วิธีใช้ Claude ในงานวาณิชธนกิจ: คู่มือสำหรับทีมดีลและนักวิเคราะห์
อดหลับอดนอนกับงานจัดฟอร์แมตให้น้อยลง แล้วทุ่มเวลาให้กับดีลมากขึ้น
คู่มือนี้แสดงให้นักการธนาคารเห็นวิธีนำ Claude ของ Anthropic มาใช้กับงานที่มีปริมาณมากในดีล M&A หรือตลาดทุน ได้แก่ pitch book การวิเคราะห์บริษัทเทียบเคียง (comps) ธุรกรรมเทียบเคียงในอดีต CIM teaser รายชื่อผู้ซื้อ และการตรวจสอบโมเดล คู่มือนี้ครอบคลุมสิ่งที่ Anthropic เผยแพร่สำหรับภาคบริการทางการเงิน สิ่งที่บริษัทที่มีชื่อเสียงพูดไว้ในโพสต์ของ Anthropic เอง และจุดที่วิจารณญาณของนักการธนาคารไม่สามารถมอบหมายให้ AI ทำแทนได้
การรู้วิธีใช้ Claude ในงานวาณิชธนกิจ หมายถึงการมอบหมายงานผลิตที่หนักหน่วงให้ Claude ทำ พร้อมกับรักษาขั้นตอนตรวจสอบไว้เอง ได้แก่ การร่างหน้า pitch book และโปรไฟล์บริษัท การสร้างตาราง comps และธุรกรรมเทียบเคียงจากข้อมูลที่คุณป้อนให้ การร่างส่วนต่าง ๆ ของ CIM และ teaser จากเอกสาร due diligence การรวบรวมรายชื่อผู้ซื้อ และการตรวจสอบโมเดล merger และ LBO เพื่อหาสูตรที่ผิดพลาด Claude ผลิตร่างแรกได้อย่างรวดเร็ว ส่วนนักวิเคราะห์และ associate ยังคงต้องตรวจสอบตัวเลขทุกตัว และนักการธนาคารระดับสูงเป็นเจ้าของคำแนะนำที่ให้กับลูกค้า
เผยแพร่เมื่อ
สรุปประเด็นสำคัญ
- การใช้งานที่แข็งแกร่งที่สุดในงานวาณิชธนกิจคือหน้า pitch book ตาราง comps และธุรกรรมเทียบเคียง ร่าง CIM และ teaser รายชื่อผู้ซื้อ และการตรวจสอบโมเดล
- Anthropic ได้เผยแพร่ Agent Skills สำหรับการวิเคราะห์บริษัทเทียบเคียง โมเดล DCF และ teaser รวมถึง agent template สำหรับสร้าง pitch และสร้างโมเดล
- ตัวเลขทุกตัวในงานที่ส่งให้ลูกค้ายังต้องเชื่อมโยงกับแหล่งที่มาเสมอ ไม่ว่าจะเป็นเอกสารยื่น (filings) ผู้ให้บริการข้อมูล หรือตัวเลขของลูกค้าเอง
- นักการธนาคารรุ่นจูเนียร์ที่เรียนรู้การตรวจสอบผลลัพธ์จาก AI ได้ดี จะทำงานได้เร็วขึ้น ไม่ใช่ถูกแทนที่ ชั้นของวิจารณญาณคือสิ่งที่งานนี้ฝึกฝนให้
- ข้อมูลลูกค้าและดีลควรอยู่เฉพาะใน workspace ที่ธนาคารของคุณอนุมัติให้ใช้เท่านั้น
คัดลอกไปใช้ได้เลย
พรอมต์ที่ใช้ได้ทันทีวันนี้
โปรไฟล์บริษัทสำหรับ pitch book
คุณคือนักวิเคราะห์ในทีม M&A ฝั่งขาย (sell-side) โดยใช้เฉพาะเอกสารยื่นและข้อความคัดจากการนำเสนอต่อนักลงทุนที่วางไว้ด้านล่างเท่านั้น ให้ร่างโปรไฟล์บริษัทหนึ่งหน้าสำหรับ pitch book ได้แก่ ภาพรวมธุรกิจสามประโยค กลุ่มธุรกิจพร้อมสัดส่วนรายได้ ลูกค้าหลักและภูมิภาคตามที่เปิดเผย ความเคลื่อนไหวเชิงกลยุทธ์ล่าสุด และประเด็นสามข้อที่เกี่ยวข้องกับการขายที่อาจเกิดขึ้น ใส่ชื่อเอกสารต้นทางและเลขหน้ากำกับไว้ข้างตัวเลขทุกตัว ห้ามใช้ความรู้จากภายนอก เนื้อหา: [วาง]
การจำกัดให้ Claude ใช้เฉพาะเนื้อหาที่วางไว้ ช่วยป้องกันไม่ให้ตัวเลขที่ล้าสมัยหรือไม่มีแหล่งที่มาหลุดเข้าไปในเล่ม
ตาราง comps และคำอธิบายประกอบ
นี่คือตารางข้อมูลการซื้อขายของกลุ่มบริษัทเทียบเคียง (peer set) ประกอบด้วย ชื่อบริษัท มูลค่ากิจการ (enterprise value) รายได้ EBITDA และอัตราการเติบโตของปีงบการเงินล่าสุดและอีกสองปีถัดไปตามประมาณการ ให้คำนวณ EV ต่อรายได้ และ EV ต่อ EBITDA ของแต่ละปี ค่าเฉลี่ยและค่ามัธยฐานของกลุ่ม และตั้งข้อสังเกตบริษัทที่มีตัวคูณ (multiple) ห่างจากค่ามัธยฐานเกินหนึ่งส่วนเบี่ยงเบนมาตรฐาน จากนั้นเขียนคำอธิบายสี่ประโยคที่กรรมการผู้จัดการสามารถอ่านออกเสียงได้ แสดงสูตรที่ใช้ด้วย ข้อมูล: [วาง]
การขอให้แสดงสูตรทำให้คุณสามารถสร้างตัวเลขขึ้นใหม่ใน Excel เพื่อยืนยันความถูกต้องได้
ร่างส่วนหนึ่งของ CIM
ให้ร่างส่วน Industry Overview ของ CIM สำหรับบริษัทที่อธิบายไว้ด้านล่าง โดยใช้เฉพาะข้อมูลตลาดและเอกสารจากฝ่ายบริหารที่ฉันให้เท่านั้น จัดโครงสร้างเป็น นิยามของตลาด ขนาดและปัจจัยขับเคลื่อนการเติบโต ภูมิทัศน์การแข่งขัน และเหตุผลที่บริษัทมีตำแหน่งที่ได้เปรียบ เขียนด้วยน้ำเสียงที่เป็นกลางและอิงข้อเท็จจริงแบบ CIM ฝั่งขาย ทำเครื่องหมาย [SOURCE NEEDED] ไว้ที่ข้อความใดก็ตามที่ต้องการแหล่งอ้างอิง เนื้อหา: [วาง]
เครื่องหมาย [SOURCE NEEDED] ช่วยให้ร่างมีความน่าเชื่อถือ ก่อนที่จะส่งให้ลูกค้าตรวจสอบ
รายชื่อผู้ซื้อพร้อมเหตุผลประกอบ
จากโปรไฟล์บริษัทเป้าหมายด้านล่าง ให้ร่าง buyer universe โดยแบ่งเป็นผู้ซื้อเชิงกลยุทธ์ (strategic buyer) และผู้ซื้อสายการเงิน (financial sponsor) สำหรับผู้ซื้อแต่ละราย ให้เหตุผลหนึ่งบรรทัดที่เชื่อมโยงกับผลิตภัณฑ์ ลูกค้า หรือภูมิภาคของเป้าหมาย และระบุเหตุผลที่ชัดเจนหากมีความเป็นไปได้ที่ผู้ซื้อรายนั้นจะไม่สนใจ ทำเครื่องหมายผู้ซื้อรายใดก็ตามที่ไม่มั่นใจว่าเป็น unverified เพื่อให้ทีมตรวจสอบกับฐานข้อมูลของเราอีกครั้ง โปรไฟล์เป้าหมาย: [วาง]
ความรู้ของ Claude มีจุดตัดข้อมูล (cutoff) ดังนั้นรายชื่อผู้ซื้อนี้เป็นเพียงจุดเริ่มต้นที่ต้องตรวจสอบกับฐานข้อมูลของบริษัทคุณ
การตรวจสอบโมเดล merger
ตรวจสอบโมเดล accretion and dilution ที่แนบมาในฐานะ associate ที่กำลังตรวจงานของนักวิเคราะห์ก่อนที่ MD จะเห็น ให้ไล่ตรวจ purchase price, sources and uses, สมมติฐานด้านการจัดหาเงินทุน synergies และ pro forma EPS ระบุรายการอินพุตที่ hardcode ไว้ในสูตรทุกรายการ ความไม่สอดคล้องกับแท็บสมมติฐานของธุรกรรมทุกจุด และข้อผิดพลาดด้านเครื่องหมายหรือลิงก์ที่ขาดหาย ห้ามแก้ไขสิ่งใด ให้ส่งกลับเป็นรายการปัญหาที่มีหมายเลขกำกับพร้อมตำแหน่งเซลล์อ้างอิง
การแยกขั้นตอนตรวจสอบออกจากการแก้ไข ทำให้คุณเป็นผู้ตัดสินใจว่าจะเปลี่ยนอะไร และได้เรียนรู้ว่าความผิดพลาดมักซ่อนอยู่ตรงไหน
จาก Anthropic
สิ่งที่ Anthropic มีให้สำหรับวาณิชธนกิจ
Claude for Financial Services
ผลิตภัณฑ์สำหรับภาคบริการทางการเงินของ Anthropic ที่ประกาศในเดือนกรกฎาคม 2025 รวม Claude models, Claude Code และสิทธิ์การเข้าถึงระดับองค์กรเข้าด้วยกัน พร้อมตัวเชื่อมต่อสำเร็จรูปไปยังผู้ให้บริการข้อมูล เช่น FactSet, S&P Global, PitchBook และ Morningstar รวมถึงพาร์ทเนอร์ด้านการติดตั้งใช้งาน Anthropic ระบุว่าข้อมูลจะไม่ถูกนำไปใช้ฝึกโมเดลโดยค่าเริ่มต้น
Advancing Claude for Financial Services
การอัปเดตเมื่อเดือนตุลาคม 2025 ที่เพิ่ม Agent Skills สำหรับการวิเคราะห์บริษัทเทียบเคียง โมเดล discounted cash flow ชุดข้อมูล due diligence teaser และโปรไฟล์บริษัทสำหรับ pitch book และรายชื่อผู้ซื้อ การวิเคราะห์ผลประกอบการ และรายงานเริ่มต้นการติดตามหุ้น (initiating coverage) พร้อมทั้งเวอร์ชันเบต้าของ Claude for Excel และตัวเชื่อมต่อรวมถึง LSEG และ Moody's
Agents for financial services
agent template สิบชุดที่เผยแพร่ในเดือนพฤษภาคม 2026 รวมถึงตัวสร้าง pitch ตัวเตรียมประชุม ตัวสร้างโมเดล และตัวตรวจสอบมูลค่า จัดส่งในรูปแบบปลั๊กอินบน Claude Cowork และ Claude Code พร้อมทั้งแอดอิน Excel, PowerPoint และ Word ของ Anthropic ที่เปิดให้ใช้งานทั่วไปแล้ว
การใช้งานจริง
ทีมในวาณิชธนกิจใช้ Claude อย่างไร
อ้างอิงจากเรื่องราวลูกค้าที่ Anthropic เผยแพร่
RBC Capital Markets
ในการอัปเดตด้านบริการทางการเงินของ Anthropic เมื่อเดือนตุลาคม 2025 หัวหน้าฝ่าย AI และนวัตกรรมดิจิทัลของ RBC Capital Markets กล่าวว่า Claude โดดเด่นในการผสานแหล่งข้อมูลหลายแหล่งและทำให้เวิร์กโฟลว์เป็นอัตโนมัติ
อ้างอิงจากเรื่องราวลูกค้าที่ Anthropic เผยแพร่
Mizuho
การประกาศ agent สำหรับภาคบริการทางการเงินของ Anthropic เมื่อเดือนพฤษภาคม 2026 อ้างคำพูดของ COO ฝ่ายธนาคารของ Mizuho ที่บรรยายว่าเวลาที่ใช้เตรียมงานกลายเป็นเวลาสำหรับความคิด
อ้างอิงจากเรื่องราวลูกค้าที่ Anthropic เผยแพร่
Crunched
ตามเรื่องราวลูกค้าของ Anthropic Crunched สร้างเครื่องมือ Excel บน Claude ที่มุ่งเป้าไปยังผู้ใช้งานในวาณิชธนกิจ private equity และที่ปรึกษา และลูกค้าของบริษัทรายงานว่าประหยัดเวลาได้มากในงานสร้างโมเดล financial spread และการเขียนสรุปบริษัท
ตัวอย่างสถานการณ์
โปรไฟล์บริษัทสำหรับ pitch book ที่มีแหล่งอ้างอิงและผ่านการตรวจสอบ
- นักวิเคราะห์วางข้อความคัดจากเอกสารยื่นและการนำเสนอต่อนักลงทุนฉบับล่าสุดลงในโปรเจกต์ของดีล
- Claude ร่างโปรไฟล์หนึ่งหน้าพร้อมระบุเอกสารต้นทางและเลขหน้ากำกับไว้ข้างตัวเลขทุกตัว
- นักวิเคราะห์เชื่อมโยงตัวเลขแต่ละตัวกับแหล่งที่มา และแก้ไขตัวเลขของกลุ่มธุรกิจที่ดึงมาจากช่วงเวลาที่ผิด
- associate ปรับแก้ประเด็นเชิงกลยุทธ์ให้ตรงกับเรื่องราวที่กรรมการผู้จัดการต้องการนำเสนอ
- หน้านี้จะถูกใส่ลงในเล่มก็ต่อเมื่อผ่านการตรวจทานความถูกต้องและการทบทวนตามมาตรฐานแล้วเท่านั้น
ตัวอย่างสถานการณ์
การตรวจสอบโมเดล merger ก่อนการประชุมกับกรรมการผู้จัดการ
- associate ขอให้ Claude ทำรายการปัญหาของโมเดล accretion and dilution ของนักวิเคราะห์ โดยไม่มีการแก้ไขใด ๆ
- Claude ระบุรายการอินพุตที่ hardcode สมมติฐานด้านการจัดหาเงินทุนที่แตกต่างจากแท็บสมมติฐาน และลิงก์ที่ขาดหาย
- นักวิเคราะห์แก้ไขแต่ละปัญหาและเขียนบันทึกสั้น ๆ ว่ามีการเปลี่ยนแปลงอะไรบ้าง
- Claude ตรวจสอบรอบที่สองเพื่อยืนยันการแก้ไขและตั้งข้อสังเกตสิ่งใหม่ที่พบ
- associate นำเสนอผลลัพธ์สุดท้ายให้กรรมการผู้จัดการ และเป็นผู้รับผิดชอบตัวเลขทั้งหมด
วาณิชธนกิจกับ Claude: ตัวเลขที่เผยแพร่แล้ว
| ตัวเลข | บริบท | แหล่งที่มา |
|---|---|---|
| financial spreads 8+ hours to 1 hour | รายงานโดยลูกค้าของ Crunched เครื่องมือ Excel ที่สร้างบน Claude ตามเรื่องราวลูกค้าของ Anthropic | แหล่งที่มา |
| company write-ups 8 hours to 20 minutes | รายงานโดยลูกค้าของ Crunched ตามเรื่องราวลูกค้าของ Anthropic | แหล่งที่มา |
| >50% time savings on Excel modeling | รายงานโดยลูกค้าของ Crunched ตามเรื่องราวลูกค้าของ Anthropic | แหล่งที่มา |
เวิร์กโฟลว์หลัก
การใช้งาน Claude ในงานวาณิชธนกิจตลอดทั้งดีลจริง
นี่คืองานที่กินเวลาส่วนใหญ่ของนักวิเคราะห์และ associate และเป็นจุดที่ AI สำหรับงานวาณิชธนกิจแสดงคุณค่าได้ชัดเจนที่สุด
Pitch book
โปรไฟล์บริษัท ภาพรวมสถานการณ์ และหน้าข้อมูลตลาดที่ร่างจากเอกสารยื่นและข้อมูลที่คุณป้อนให้ เครื่องมือสร้าง pitch book ด้วย AI จะดีได้ก็ต่อเมื่อแหล่งข้อมูลที่ป้อนเข้าไปมีคุณภาพ
Comps และธุรกรรมเทียบเคียง
AI สำหรับการวิเคราะห์ comps หมายถึงการคำนวณตัวคูณจากข้อมูลของคุณ ตั้งข้อสังเกตค่าผิดปกติ และร่างคำอธิบายประกอบ พร้อมสูตรที่คุณสามารถสร้างขึ้นใหม่และตรวจสอบได้
CIM และ teaser
AI สำหรับการร่าง CIM เปลี่ยนเอกสาร due diligence ให้เป็นส่วนต่าง ๆ ที่มีโครงสร้าง และ teaser แบบไม่ระบุชื่อ โดยทำเครื่องหมายจุดที่ขาดข้อมูลไว้ให้ทีมดีลเติมเต็ม
รายชื่อผู้ซื้อ
กลุ่มผู้ซื้อเชิงกลยุทธ์และสายการเงิน พร้อมเหตุผลประกอบสำหรับแต่ละราย พร้อมให้ตรวจสอบกับข้อมูลความสัมพันธ์ของบริษัทคุณ
การตรวจสอบโมเดล
การตรวจสอบโมเดล merger ด้วย AI จะไล่ตรวจ purchase price การจัดหาเงินทุน synergies และ pro forma EPS พร้อมระบุรายการ hardcode และลิงก์ที่ขาดหายให้ associate แก้ไข
การเตรียมประชุมและกระบวนการ
สรุปสำหรับประชุมลูกค้า จดหมายกระบวนการ โครงร่างการนำเสนอต่อฝ่ายบริหาร และคำตอบต่อคำถามของผู้ซื้อ ร่างขึ้นจากบันทึกของดีล
ชั้นงานผลิต
วาณิชธนกิจใช้ AI กับงานที่จูเนียร์รู้จักดีที่สุดอย่างไร
ชั่วโมงทำงานส่วนใหญ่ในวาณิชธนกิจทุ่มไปกับงานผลิต คือการแปลงข้อมูลและเอกสารยื่นให้เป็นหน้าเอกสาร ตรวจสอบว่าตัวเลขทุกตัวตรงกันในสไลด์นับร้อยหน้า และสร้างตารางขึ้นใหม่เมื่อกลุ่ม comp เปลี่ยนไป นั่นคืองานที่ Claude ทำได้ดีพอดี ตราบใดที่ข้อมูลนำเข้าสะอาดและผลลัพธ์ถูกตรวจสอบ รูปแบบที่ใช้ได้ผลคือพรอมต์ที่แคบและมีรูปแบบผลลัพธ์ตายตัว ทำทีละหนึ่งโปรไฟล์ หนึ่งตาราง หรือหนึ่งส่วนในแต่ละครั้ง
Anthropic เดินหน้าเข้าสู่งานนี้โดยตรง การอัปเดตด้านบริการทางการเงินเมื่อเดือนตุลาคม 2025 อธิบายถึง Agent Skills สำหรับการวิเคราะห์บริษัทเทียบเคียงพร้อมตัวคูณมูลค่าและตัวชี้วัดการดำเนินงาน โมเดล discounted cash flow พร้อมการคำนวณ WACC และตาราง sensitivity รวมถึง teaser และโปรไฟล์บริษัทสำหรับ pitch book และรายชื่อผู้ซื้อ ในเดือนพฤษภาคม 2026 ได้เพิ่ม agent template รวมถึงตัวสร้าง pitch ตัวสร้างโมเดล ตัวเตรียมประชุม และตัวตรวจสอบมูลค่า (valuation reviewer) ซึ่งใช้งานได้ในรูปแบบปลั๊กอินบน Claude Cowork และ Claude Code
วินัยสำคัญอยู่ที่การอ้างอิงแหล่งที่มา ชื่อธนาคารปรากฏอยู่บนทุกหน้าที่ออกจากตึก ขอให้ Claude อ้างอิงเอกสารและเลขหน้าสำหรับตัวเลขแต่ละตัว จำกัดให้ใช้เฉพาะเนื้อหาที่คุณให้ และให้มีคนรับผิดชอบตรวจทานความถูกต้อง (tie out) ของเล่มก่อนส่งให้ลูกค้า AI ไม่ได้เปลี่ยนมาตรฐาน แต่เปลี่ยนความเร็วที่คุณไปถึงมาตรฐานนั้น
สายอาชีพ
AI สำหรับนักการธนาคารรุ่นจูเนียร์: AI จะแทนที่นักวิเคราะห์วาณิชธนกิจหรือไม่
คำถามที่ว่า AI จะแทนที่นักวิเคราะห์วาณิชธนกิจหรือไม่ ถูกหยิบยกขึ้นมาในนักวิเคราะห์รุ่นใหม่ทุกรุ่นในตอนนี้ และคำตอบที่ตรงไปตรงมาคือ งานกำลังเปลี่ยนรูปแบบ ไม่ได้หายไป งานจัดฟอร์แมตและร่างแรกที่เคยใช้เวลาทำถึงดึกดื่น ตอนนี้เครื่องมือทำแทนได้มากขึ้นเรื่อย ๆ สิ่งที่เหลืออยู่คือส่วนของงานที่เป็นการฝึกฝนจริง ๆ มาตลอด นั่นคือการเข้าใจธุรกิจ รู้ว่าตัวเลขไหนผิด และอธิบายมูลค่าให้ลูกค้าที่ตั้งคำถามฟัง
AI สำหรับนักการธนาคารรุ่นจูเนียร์มีค่ามากที่สุดในฐานะผู้ตรวจสอบและผู้อธิบาย ลองถาม Claude ว่าทำไมตาราง sensitivity ถึงเคลื่อนไหวแบบนั้น อะไรเป็นตัวขับเคลื่อนความต่างระหว่างตัวคูณสองตัว หรือผู้ซื้อจะโต้แย้งประเด็นใดในส่วนหนึ่งของ CIM คำตอบเหล่านี้สร้างวิจารณญาณได้เร็วกว่าการจัดฟอร์แมตมาก ตราบใดที่คุณตรวจสอบกับสิ่งที่รุ่นพี่พูดไว้
นักวิเคราะห์ที่เรียนรู้การกำกับและตรวจสอบผลลัพธ์จาก AI จะกลายเป็นคนที่ทีมพึ่งพาได้ทั้งความเร็วและความแม่นยำในเวลาเดียวกัน ส่วนนักวิเคราะห์ที่วางผลลัพธ์ลงในเล่มโดยไม่ตรวจสอบ จะถูกจับได้อย่างรวดเร็ว เพราะวัฒนธรรมการตรวจทานในวาณิชธนกิจถูกสร้างขึ้นมาเพื่อจับสิ่งนี้โดยเฉพาะ
การเลือกเครื่องมือ
Claude เทียบกับ ChatGPT สำหรับงานวาณิชธนกิจ และ Claude Skills สำหรับงานวาณิชธนกิจ
การเปรียบเทียบ Claude กับ ChatGPT สำหรับงานวาณิชธนกิจ ควรทำโดยใช้งานที่ต้องส่งจริงของคุณเอง นำโปรไฟล์บริษัท ตาราง comps และโมเดลที่คุณตรวจสอบแล้วมาให้แต่ละเครื่องมือด้วยพรอมต์และข้อมูลชุดเดียวกัน เปรียบเทียบความแม่นยำ พฤติกรรมการอ้างอิง ความพยายามในการจัดฟอร์แมต และวิธีที่แต่ละเครื่องมือตอบสนองเมื่อข้อมูลขาดหาย ทั้งสองเครื่องมืออัปเดตบ่อย จึงควรทดสอบซ้ำเมื่อเวิร์กโฟลว์ของคุณเปลี่ยนไป
Claude Skills สำหรับงานวาณิชธนกิจ หมายถึง Agent Skills และปลั๊กอินที่ Anthropic เผยแพร่สำหรับงานการเงิน ครอบคลุม comps โมเดล DCF teaser และเอกสาร pitch พร้อมตัวเชื่อมต่อไปยังผู้ให้บริการข้อมูล เช่น FactSet, S&P Global, PitchBook และ LSEG ในกรณีที่ธนาคารของคุณเปิดใช้งานสิ่งเหล่านี้ จะช่วยลดงานตั้งค่า ในกรณีที่ยังไม่ได้เปิดใช้งาน พรอมต์ในหน้านี้ก็ใช้งานได้ในแชท Claude มาตรฐานกับเอกสารที่คุณได้รับอนุญาตให้อัปโหลด
ปัจจัยตัดสินใจในธนาคารส่วนใหญ่ไม่ใช่คุณภาพของโมเดล แต่เป็นสิ่งที่ฝ่ายกำกับดูแล (compliance) อนุมัติ เงื่อนไขข้อมูลที่ใช้กับข้อมูลลูกค้า และผู้ให้บริการข้อมูลรายใดที่เชื่อมต่อกับเครื่องมือนั้น เครื่องมือที่ธนาคารของคุณอนุมัติให้ใช้กับ mandate จริง ย่อมดีกว่าเครื่องมือที่ใช้ได้แค่กับเอกสารยื่นสาธารณะ
เริ่มต้นใช้งาน
สี่นิสัยที่ทำให้ผลลัพธ์จาก AI นำไปใช้ในเล่มได้จริง
อ้างอิงแหล่งที่มาของตัวเลขทุกตัว
ขอให้ระบุเอกสารและเลขหน้ากำกับไว้ข้างตัวเลขแต่ละตัว และจำกัดให้ Claude ใช้เฉพาะเนื้อหาที่คุณวางไว้ ตัวเลขที่ไม่มีแหล่งที่มาจะไม่ถูกใส่ลงในเล่ม
ทำทีละหน้า
สั่งให้ทำทีละหนึ่งโปรไฟล์ ตาราง หรือส่วน โดยมีรูปแบบตายตัว พรอมต์ที่แคบจะให้ผลลัพธ์ที่คุณตรวจสอบได้เร็ว
ตรวจสอบก่อน แล้วค่อยแก้ไข
เมื่อตรวจสอบโมเดล ให้ขอรายการปัญหาโดยไม่มีการแก้ไข คุณเป็นผู้ตัดสินใจว่าจะแก้อะไร และได้เรียนรู้ว่าความผิดพลาดซ่อนอยู่ตรงไหน
เก็บคลังพรอมต์ไว้ใช้
บันทึกพรอมต์ที่ตรงกับรูปแบบของธนาคารคุณ พรอมต์ที่แชร์กันช่วยให้ทั้งทีมดีลทำงานเร็วขึ้นและสอดคล้องกันมากขึ้น
ข้อจำกัด
จุดที่นักการธนาคารไม่ควรพึ่งพา AI
Claude สามารถผลิตหน้าเอกสารที่อ่านลื่นไหลแต่มีตัวเลขผิดอยู่ในนั้นได้ มันอาจอ่านตารางที่สแกนมาผิดพลาด สับสนระหว่างปีงบการเงินกับปีปฏิทิน หรือยกตัวเลขที่ล้าสมัยมาจากข้อมูลที่ใช้ฝึกโมเดล ไม่มีสิ่งใดในนี้ที่ยอมรับได้ในงานที่ส่งให้ลูกค้าหรือในบริบทของ fairness opinion ต้องตรวจสอบตัวเลขทุกตัวกับแหล่งที่มา และมองผลลัพธ์ของ Claude เป็นร่างที่ยังไม่ผ่านการตรวจสอบ
คำแนะนำเป็นความรับผิดชอบของมนุษย์ การแนะนำกระบวนการ ผู้ซื้อ หรือราคา เกี่ยวข้องกับความสัมพันธ์ การอ่านตลาด และหน้าที่ตามกฎระเบียบ ซึ่งยังคงอยู่กับนักการธนาคารที่ดูแลดีลนั้น Claude ช่วยให้คุณเตรียมตัวสำหรับบทสนทนาเหล่านั้นได้ แต่ไม่สามารถพูดคุยแทนคุณได้
การรักษาความลับเป็นเรื่องเด็ดขาด mandate ข้อมูลการเงินของลูกค้า และความสนใจของผู้ซื้อ ล้วนเป็นข้อมูลสำคัญที่ยังไม่เปิดเผยต่อสาธารณะ (material non-public information) ใช้เฉพาะ workspace ที่ธนาคารของคุณอนุมัติเท่านั้น ปฏิบัติตามกฎ information barrier ของคุณ และห้ามวางเนื้อหาดีลลงในบัญชีส่วนตัวโดยเด็ดขาด
สร้างทักษะนี้ไว้ก่อนอีเมลจัดทีมฉบับถัดไป
การเขียนพรอมต์ให้ดีภายใต้แรงกดดันของดีลเป็นทักษะที่ฝึกฝนได้ ไม่ใช่เทคนิคลัด หลักสูตรฟรีของ Nightschool AI ลงมือปฏิบัติจริงตั้งแต่บทเรียนแรก เพื่อให้นิสัยเหล่านี้พร้อมใช้เมื่อถึงเวลาส่งเล่ม
คำถามที่พบบ่อย
AI จะแทนที่นักวิเคราะห์วาณิชธนกิจหรือไม่
AI กำลังแทนที่งานบางส่วนของนักวิเคราะห์ โดยเฉพาะการจัดฟอร์แมต ร่างแรก และการสร้างตาราง แต่ไม่ได้แทนที่ความจำเป็นในการมีคนที่เข้าใจธุรกิจ จับตัวเลขที่ผิดได้ และสนับสนุนนักการธนาคารระดับสูงกับลูกค้า นักวิเคราะห์ที่เรียนรู้การกำกับและตรวจสอบผลลัพธ์จาก AI มักมีคุณค่าต่อทีมมากขึ้น
วาณิชธนกิจยังเป็นอาชีพที่ดีอยู่ไหมในยุค AI
แก่นของวาณิชธนกิจคือคำแนะนำ ความสัมพันธ์ และวิจารณญาณในการดำเนินการ ซึ่งยังคงเป็นงานของมนุษย์ สิ่งที่กำลังลดลงคืองานผลิตด้วยมือที่เคยครองเวลาส่วนใหญ่ของนักวิเคราะห์ ผู้ที่เข้าสู่วงการวาณิชธนกิจตอนนี้ควรคาดหวังว่าจะใช้เวลากับการวิเคราะห์และตรวจสอบมากขึ้น และใช้เวลากับการจัดฟอร์แมตน้อยลง ซึ่งหลายคนจะพบว่าเป็นการฝึกงานที่ดีกว่าเดิม
AI สร้าง pitch book ได้ไหม
AI สามารถร่างส่วนใหญ่ของ pitch book ได้ ทั้งโปรไฟล์บริษัท หน้าข้อมูลตลาด ตาราง comps และภาพรวมสถานการณ์ และ Anthropic ได้เผยแพร่ agent template สำหรับสร้าง pitch แล้ว แต่มันไม่สามารถตัดสินใจเรื่องราวที่ MD ต้องการนำเสนอ หรือรับประกันว่าตัวเลขทุกตัวถูกต้อง ให้มองผลลัพธ์เป็นร่างแรกที่ทีมต้องอ้างอิงแหล่งที่มา ตรวจสอบ และปรับแต่ง
Claude หรือ ChatGPT ทำโมเดลการเงินได้ดีกว่ากัน
ขึ้นอยู่กับโมเดล ข้อมูลนำเข้า และเวอร์ชันของแต่ละเครื่องมือที่คุณใช้ ทดสอบทั้งสองเครื่องมือกับโมเดลที่คุณตรวจสอบแล้ว และเปรียบเทียบความแม่นยำ ความโปร่งใสของสูตร และวิธีที่แต่ละเครื่องมือจัดการกับข้อมูลที่ขาดหาย สำหรับงานลูกค้า เครื่องมือที่ธนาคารของคุณอนุมัติและเชื่อมต่อกับผู้ให้บริการข้อมูลมักเป็นคำตอบที่ใช้งานได้จริง
วาณิชธนกิจใช้ AI อย่างไร
ธนาคารใช้ AI สำหรับเอกสาร pitch การวิเคราะห์ comps และธุรกรรมเทียบเคียง ร่าง CIM และ teaser รายชื่อผู้ซื้อ การเตรียมประชุม และการตรวจสอบโมเดล รวมถึงงานวิจัยภายใน โพสต์ของ Anthropic เองอ้างคำพูดของ RBC Capital Markets เรื่อง Claude ที่ผสานแหล่งข้อมูลหลายแหล่งและทำให้เวิร์กโฟลว์เป็นอัตโนมัติ และคำพูดของ Mizuho เรื่องเวลาที่ใช้เตรียมงานกลายเป็นเวลาสำหรับความคิด
AI กำลังค่อย ๆ แทนที่นักวิเคราะห์ระดับเริ่มต้นในวาณิชธนกิจอยู่หรือไม่
AI กำลังเปลี่ยนสิ่งที่นักวิเคราะห์ระดับเริ่มต้นทำ มากกว่าที่จะเปลี่ยนว่าตำแหน่งนี้จะยังมีอยู่หรือไม่ งานผลิตกำลังย้ายไปสู่เครื่องมือ ส่วนการตรวจสอบ การวิเคราะห์ และการเตรียมงานที่เกี่ยวข้องกับลูกค้ากลายเป็นสัดส่วนที่มากขึ้นของงาน นักวิเคราะห์ที่เสี่ยงที่สุดคือคนที่ไม่เคยเรียนรู้ที่จะตรวจสอบผลลัพธ์จาก AI อย่างมีวิจารณญาณ
ตรวจสอบโมเดลที่ AI ช่วยสร้างได้อย่างไร
ให้ปฏิบัติกับมันเหมือนร่างแรกของนักวิเคราะห์ ไล่ตรวจ sources and uses การจัดหาเงินทุน และผลลัพธ์ทีละบรรทัด มองหาตัวเลขที่ hardcode ไว้ในสูตร ตรวจว่างบดุลสมดุลกันหรือไม่ และเปรียบเทียบสมมติฐานหลักกับเอกสารต้นทาง การขอให้ Claude ทำรายการปัญหาของโมเดลตัวเองมีประโยชน์ แต่สุดท้ายต้องมีคนเซ็นอนุมัติ
การใช้ AI กับ mandate ที่กำลังดำเนินอยู่ปลอดภัยหรือไม่
ปลอดภัยเฉพาะภายใน workspace ที่ธนาคารของคุณอนุมัติสำหรับข้อมูลลูกค้าเท่านั้น ภายใต้กฎ information barrier ของคุณ mandate และข้อมูลการเงินของลูกค้าเป็นข้อมูลสำคัญที่ยังไม่เปิดเผยต่อสาธารณะ Anthropic ระบุว่าผลิตภัณฑ์สำหรับภาคบริการทางการเงินของบริษัทไม่นำข้อมูลไปใช้ฝึกโมเดลโดยค่าเริ่มต้น แต่นโยบายของธนาคารคุณเองเป็นตัวตัดสินว่าอนุญาตให้ทำอะไรได้บ้าง
เรียนรู้ต่อ