เจาะประเด็น
AI / Finance
Jump Trading ใช้ ChatGPT ขยายงานวิจัยควอนต์ งานที่เคยทำมือทั้งวันกลายเป็นเวิร์กโฟลว์อัตโนมัติ
บริษัทเทรดรายใหญ่ไม่ได้ใช้ AI แค่ถามตอบเล่นๆ แต่เอามาต่อกับข้อมูลหลายแหล่งแล้วให้คนตรวจซ้ำ
ทีมข่าว เอไอไทย.com
⏱ อ่าน 4 นาที
ถ้าแม้แต่บริษัทเทรดที่แข่งกันด้วยความเร็วระดับไมโครวินาทียังยอมลงทุนกับ AI ช้าๆ แบบมีคนคอยตรวจ นั่นบอกอะไรกับเราบ้าง
เชื่อ Jump Trading อาจไม่คุ้นหูคนทั่วไป แต่ในวงการเทรดความถี่สูงกับควอนต์ นี่คือชื่อระดับหัวแถวของโลก และล่าสุดพวกเขาเปิดเผยว่าเอา OpenAI มาใช้ยกระดับงานวิจัยเชิงปริมาณหรือ quant research ทั้งระบบ ไม่ใช่แค่ให้พนักงานแอบถาม ChatGPT ตอนพักเที่ยง แต่เป็นการฝัง AI เข้าไปในเวิร์กโฟลว์จริงๆ
ประเด็นที่ต้องเข้าใจก่อนคือ quant research ไม่ใช่การเทรดแบบนั่งดูกราฟแล้วกดซื้อขาย แต่คือการขุดข้อมูลมหาศาล สร้างโมเดลทางคณิตศาสตร์ ทดสอบสมมติฐาน แล้วค่อยแปลงเป็นกลยุทธ์เทรดจริง งานแบบนี้กินคน กินเวลา และกินความอดทนมาก เพราะต้องดึงข้อมูลจากหลายแหล่งมาเชื่อมกัน ตรวจสอบซ้ำแล้วซ้ำอีก
สิ่งที่ Jump ทำกับ OpenAI คือเปลี่ยนงานวิจัยที่เคยเป็นงานมือ ให้กลายเป็นเวิร์กโฟลว์ AI ที่รันยาวขึ้นได้ ต่อข้อมูลหลายแหล่งเข้าด้วยกัน แล้วยังมีคนคอยรีวิวผลลัพธ์ นี่คือจุดที่ต่างจากภาพจำที่คนส่วนใหญ่มีต่อ AI ว่าแค่ถามปุ๊บตอบปั๊บ
ลองคิดดูว่าบริษัทเทรดระดับนี้แข่งกันด้วยความเร็วและความแม่นยำในระดับที่พลาดเสี้ยววินาทีก็เสียเงินมหาศาล แต่กลับเลือกใช้ AI ในแบบที่ "ช้ากว่า" คือปล่อยให้เวิร์กโฟลว์รันยาว ต่อข้อมูลหลายรอบ แล้วให้มนุษย์ตรวจซ้ำ นั่นสะท้อนว่าพวกเขาไม่ได้มอง AI เป็นเครื่องตอบคำถามเร็วๆ แต่เป็นเครื่องมือวิจัยที่ต้องคุมคุณภาพ
อีกมุมที่คนในวงการควรจับตาคือ การที่ Jump ออกมาเล่าเคสนี้ผ่านช่องทางของ OpenAI เอง มันคือสัญญาณว่าบริษัทการเงินระดับท็อปเริ่มกล้าพูดเรื่องการใช้ AI ในงาน core แบบเปิดหน้า ไม่ใช่แค่ทดลองในแผนก innovation แล้วเก็บเงียบ
รายละเอียดที่ OpenAI เปิดเผยมีไม่มาก แต่ประเด็นหลักชัดเจนคือ Jump ใช้ OpenAI เพื่อขยายงาน quant research โดยเน้นสองอย่าง
เวิร์กโฟลว์ AI ที่รันยาวขึ้น
ไม่ใช่การถามตอบครั้งเดียวจบ แต่เป็นกระบวนการที่ปล่อยให้ทำงานต่อเนื่องได้นานขึ้น เหมาะกับงานวิจัยที่ต้องคิดหลายขั้นตอน
ต่อข้อมูลหลายแหล่งเข้าด้วยกัน
งาน quant ต้องดึงข้อมูลจากหลายที่มา AI ถูกใช้เป็นตัวเชื่อมและประมวลผลข้อมูลเหล่านั้นพร้อมกัน
มีมนุษย์ตรวจซ้ำ
ผลลัพธ์จาก AI ไม่ได้ใช้เลยทันที แต่มีคนคอยรีวิว นี่คือหัวใจที่ทำให้มันต่างจากการใช้ AI แบบปล่อยเบลอ
พูดตรงๆ นะ ผมว่าจุดที่น่าสนใจที่สุดของข่าวนี้ไม่ใช่ตัวเทคโนโลยี แต่มันคือการยอมรับว่า AI ในงานการเงินระดับสูงยังต้องพึ่งมนุษย์ตรวจ นี่ไม่ใช่ความอ่อนแอของ AI แต่เป็นบทเรียนว่าองค์กรที่ใช้ AI อย่างมีวินัยจะได้เปรียบกว่าคนที่วิ่งตามกระแสแบบไม่คิด
ข่าวนี้ไม่ได้บอกว่า AI จะมาแทนนักวิจัยควอนต์ แต่บอกว่าใครที่รู้จักเอา AI มาต่อกับข้อมูลจริงแล้วคุมคุณภาพด้วยคน จะทำงานได้ไกลกว่าคนที่ยังทำมือล้วนๆ และนั่นคือความได้เปรียบที่จับต้องได้จริง ไม่ใช่แค่คำโฆษณา
ที่มา: OpenAI News — อ่านต้นฉบับ
ความคิดเห็น 6
กำลังโหลดความคิดเห็น...