หัวข้อวิจัยการเงินยุคใหม่ : เมื่อ AI และระบบอัตโนมัติเข้ามาเปลี่ยนบทบาทแรงงานมนุษย์
บทความนี้นำเสนอ หัวข้อวิจัยการเงินยุคใหม่ : เมื่อ AI และระบบอัตโนมัติเข้ามาเปลี่ยนบทบาทแรงงานมนุษย์ ซึ่งเป็นประเด็นที่กำลังได้รับความสนใจอย่างมาก เนื่องจากปัญญาประดิษฐ์ไม่ได้ถูกนำมาใช้เฉพาะการวิเคราะห์ข้อมูลหรือพยากรณ์ราคาสินทรัพย์เท่านั้น แต่กำลังเปลี่ยนโครงสร้างการทำงานของธนาคาร บริษัทประกันภัย บริษัทหลักทรัพย์ ธุรกิจฟินเทค และหน่วยงานทางการเงินเกือบทุกประเภท ตั้งแต่งานบริการลูกค้า การตรวจสอบเอกสาร การอนุมัติสินเชื่อ การประเมินความเสี่ยง การตรวจจับการทุจริต ไปจนถึงการบริหารพอร์ตการลงทุน การเปลี่ยนแปลงนี้ก่อให้เกิดคำถามสำคัญว่า AI จะเข้ามาแทนที่แรงงานมนุษย์ หรือจะกลายเป็นเครื่องมือที่ช่วยเพิ่มความสามารถและผลิตภาพของบุคลากรทางการเงิน
AI กำลังเปลี่ยนงานการเงินอย่างไร
งานการเงินในอดีตต้องอาศัยบุคลากรจำนวนมากในการรวบรวม ตรวจสอบ และวิเคราะห์ข้อมูล แต่ปัจจุบันระบบอัตโนมัติสามารถประมวลผลเอกสารจำนวนมากได้อย่างรวดเร็ว ขณะที่ Machine Learning สามารถวิเคราะห์รูปแบบธุรกรรม ประเมินความเสี่ยงด้านเครดิต และค้นหาความผิดปกติที่อาจเกี่ยวข้องกับการทุจริต ส่วน Generative AI สามารถสรุปรายงานทางการเงิน ตอบคำถามลูกค้า สร้างแบบจำลองเบื้องต้น และช่วยจัดทำรายงานสำหรับผู้บริหาร
Bank for International Settlements อธิบายว่า AI ถูกประยุกต์ใช้ในหน้าที่สำคัญของระบบการเงิน ทั้งการเป็นตัวกลางทางการเงิน การประกันภัย การบริหารสินทรัพย์ และระบบการชำระเงิน พร้อมกับสร้างทั้งโอกาสด้านประสิทธิภาพและความเสี่ยงด้านเสถียรภาพทางการเงิน BIS Working Paper
สิ่งที่กำลังเกิดขึ้นจึงไม่ใช่เพียงการลดจำนวนพนักงาน แต่เป็นการเปลี่ยน “องค์ประกอบของงาน” งานประจำที่มีกฎเกณฑ์ชัดเจนและทำซ้ำได้มีแนวโน้มถูกถ่ายโอนไปยังระบบอัตโนมัติ ขณะที่มนุษย์จะรับผิดชอบงานที่ต้องใช้วิจารณญาณ การเจรจา ความเข้าใจบริบท จริยธรรม ความคิดสร้างสรรค์ และความรับผิดชอบต่อผลการตัดสินใจมากขึ้น
จากการแทนที่แรงงานสู่การทำงานร่วมกันระหว่างมนุษย์กับ AI
การตั้งคำถามว่า “AI จะทำให้คนตกงานหรือไม่” อาจแคบเกินไปสำหรับงานวิจัยระดับสูง เพราะผลกระทบของ AI ไม่ได้เกิดขึ้นในรูปแบบเดียวกันทุกอาชีพ ทุกองค์การ หรือทุกประเทศ กองทุนการเงินระหว่างประเทศประเมินว่างานเกือบร้อยละ 40 ทั่วโลกมีโอกาสได้รับผลจาก AI แต่ผลที่เกิดขึ้นอาจเป็นได้ทั้งการแทนที่งานและการเสริมผลิตภาพของแรงงาน IMF Staff Discussion Note
องค์การแรงงานระหว่างประเทศเสนอภาพที่ละเอียดขึ้นว่า ผลกระทบในระยะใกล้มีแนวโน้มเป็นการเปลี่ยนแปลงงานและหน้าที่ภายในอาชีพ มากกว่าการทำให้อาชีพทั้งหมดหายไปทันที โดยงานธุรการและงานที่มีความเป็นดิจิทัลสูงเป็นกลุ่มที่มีระดับการเปิดรับต่อ Generative AI มาก ILO Working Paper 140
แนวคิดสำคัญสำหรับการวิจัยจึงควรแยกระหว่าง Automation และ Augmentation กล่าวคือ Automation หมายถึง การใช้เทคโนโลยีทำหน้าที่แทนมนุษย์ ส่วน Augmentation หมายถึง การใช้เทคโนโลยีช่วยขยายความสามารถของมนุษย์ หากองค์การใช้ AI เพียงเพื่อลดต้นทุนแรงงาน ผลลัพธ์อาจเป็นความไม่มั่นคงในการทำงาน ความวิตกกังวล และการต่อต้านเทคโนโลยี แต่หากใช้ AI เพื่อช่วยให้พนักงานทำงานได้ดีขึ้น บุคลากรอาจมีผลิตภาพสูงขึ้น ตัดสินใจแม่นยำขึ้น และมีเวลาเพิ่มขึ้นสำหรับงานที่สร้างคุณค่า
ประเด็นวิจัยสำคัญในภาคการเงิน
ประเด็นแรกที่ควรศึกษา คือ ผลกระทบของ AI ต่อผลิตภาพแรงงานในสถาบันการเงิน ผู้วิจัยอาจเปรียบเทียบระยะเวลาดำเนินงาน อัตราความผิดพลาด ต้นทุนต่อธุรกรรม และคุณภาพบริการก่อนกับหลังนำ AI มาใช้ อย่างไรก็ตาม ต้องควบคุมปัจจัยอื่น เช่น ขนาดองค์การ ประสบการณ์ของพนักงาน คุณภาพข้อมูล และระดับการลงทุนทางเทคโนโลยี เพื่อไม่ให้สรุปว่า AI เป็นสาเหตุของการเปลี่ยนแปลงทั้งหมด
ประเด็นที่สอง คือ AI กับการเปลี่ยนแปลงความต้องการทักษะ บุคลากรทางการเงินอาจต้องเปลี่ยนจากผู้รวบรวมและบันทึกข้อมูลไปเป็นผู้ตรวจสอบผลลัพธ์ของระบบ ตั้งคำถามกับแบบจำลอง วิเคราะห์ข้อจำกัด และสื่อสารผลต่อผู้มีส่วนได้ส่วนเสีย ทักษะที่สำคัญจึงประกอบด้วยความรู้ทางการเงิน ความเข้าใจข้อมูล ความสามารถใช้ AI การคิดเชิงวิพากษ์ และจริยธรรมในการตัดสินใจ
ประเด็นที่สาม คือ ความวิตกกังวลจากเทคโนโลยีและความตั้งใจลาออก พนักงานที่เชื่อว่า AI จะเข้ามาแทนที่อาจมีความมั่นคงทางจิตใจลดลง เกิดความเหนื่อยล้า หรือไม่ให้ความร่วมมือกับโครงการเปลี่ยนผ่านทางดิจิทัล งานวิจัยสามารถศึกษาว่า การสื่อสารของผู้บริหาร การฝึกอบรม การมีส่วนร่วมในการออกแบบระบบ และความปลอดภัยทางจิตใจ ช่วยลดผลกระทบเหล่านี้ได้หรือไม่
ประเด็นที่สี่ คือ ความเป็นธรรมของการตัดสินใจด้วยอัลกอริทึม ตัวอย่างเช่น ระบบอนุมัติสินเชื่ออาจใช้ข้อมูลในอดีตที่มีอคติ ส่งผลให้ลูกค้าบางกลุ่มได้รับโอกาสไม่เท่าเทียมกัน ขณะเดียวกัน ระบบประเมินผลงานพนักงานอาจไม่สามารถอธิบายเหตุผลของคะแนนได้อย่างโปร่งใส จึงเกิดคำถามว่าใครควรรับผิดชอบเมื่อ AI ตัดสินใจผิดพลาด
ประเด็นที่ห้า คือ ความเสี่ยงเชิงระบบ หากสถาบันการเงินจำนวนมากใช้แบบจำลอง ข้อมูล หรือผู้ให้บริการเทคโนโลยีรายเดียวกัน ระบบอาจให้คำแนะนำในทิศทางคล้ายกันจนเกิดพฤติกรรมแห่ตามกัน ความผันผวนของตลาด และการแพร่กระจายของความเสี่ยง Financial Stability Board ระบุประเด็นสำคัญเกี่ยวกับการพึ่งพาผู้ให้บริการภายนอก ความเชื่อมโยงของตลาด ความเสี่ยงของแบบจำลอง คุณภาพข้อมูล และภัยคุกคามทางไซเบอร์ FSB Report
ตัวอย่างหัวข้อวิจัยการเงินยุคใหม่
- ผลกระทบของการใช้ Generative AI ต่อผลิตภาพและคุณภาพการตัดสินใจของนักวิเคราะห์การเงิน
- อิทธิพลของระบบอัตโนมัติต่อการเปลี่ยนแปลงโครงสร้างการจ้างงานในธนาคารพาณิชย์ไทย
- ความวิตกกังวลจาก AI ความมั่นคงในการทำงาน และความตั้งใจลาออกของบุคลากรในสถาบันการเงิน
- การรับรู้ว่า AI ช่วยเสริมศักยภาพกับพฤติกรรมการทำงานเชิงนวัตกรรมของพนักงานธนาคาร
- บทบาทของภาวะผู้นำดิจิทัลในการสร้างความพร้อมของบุคลากรทางการเงินสำหรับการทำงานร่วมกับ AI
- ความสามารถในการอธิบายของแบบจำลอง AI กับความไว้วางใจในการอนุมัติสินเชื่อดิจิทัล
- อคติของอัลกอริทึมและความเป็นธรรมในการเข้าถึงสินเชื่อของผู้ประกอบการรายย่อย
- การใช้ AI ตรวจจับการทุจริตกับประสิทธิภาพการบริหารความเสี่ยงของสถาบันการเงิน
- ผลของ Robo-advisor ต่อพฤติกรรมการลงทุน ความเชื่อมั่น และการยอมรับความเสี่ยงของนักลงทุนรายย่อย
- การพึ่งพาผู้ให้บริการ AI ภายนอกกับความเสี่ยงด้านปฏิบัติการของสถาบันการเงิน
- ผลกระทบของ Algorithmic Trading ต่อสภาพคล่อง ความผันผวน และพฤติกรรมแห่ตามกันในตลาดหลักทรัพย์
- การพัฒนาดัชนีความพร้อมด้าน AI ของบุคลากรในธุรกิจบริการทางการเงินไทย
ตัวแปรและกรอบแนวคิดที่น่าสนใจ
กรอบแนวคิดหนึ่งที่เหมาะสำหรับการวิจัยระดับปริญญาโทหรือปริญญาเอก คือ การกำหนดให้ “ระดับการใช้ AI และระบบอัตโนมัติ” เป็นตัวแปรต้น “การรับรู้ว่า AI ช่วยเสริมศักยภาพ” และ “ความกังวลว่า AI จะเข้ามาแทนที่” เป็นตัวแปรส่งผ่าน ส่วนตัวแปรตามอาจประกอบด้วยผลิตภาพในการทำงาน ความสามารถในการปรับตัว พฤติกรรมการทำงานเชิงนวัตกรรม และความตั้งใจคงอยู่ในองค์การ
ผู้วิจัยอาจเพิ่ม “การสนับสนุนจากองค์การ” “ภาวะผู้นำดิจิทัล” หรือ “ความปลอดภัยทางจิตใจ” เป็นตัวแปรกำกับ เพื่อทดสอบว่าเงื่อนไขใดช่วยเปลี่ยนผลกระทบของ AI จากการคุกคามแรงงานไปสู่การเสริมศักยภาพมนุษย์ กรอบดังกล่าวสามารถวิเคราะห์ด้วย CFA, SEM หรือ Multilevel SEM หากข้อมูลมีโครงสร้างซ้อนกันระหว่างพนักงาน ทีม และองค์การ
วิธีวิจัยที่เหมาะสม
การวิจัยเชิงปริมาณสามารถใช้ข้อมูลแบบ Panel Data ของสถาบันการเงินก่อนและหลังนำ AI มาใช้ และวิเคราะห์ด้วย Fixed Effects, Difference-in-Differences หรือ Dynamic Panel Model เพื่อประเมินผลต่อผลิตภาพ ต้นทุน และการจ้างงาน หากศึกษาระดับบุคคล สามารถเก็บข้อมูลจากพนักงานธนาคาร บริษัทประกันภัย หลักทรัพย์ และฟินเทค แล้วใช้ SEM ทดสอบความสัมพันธ์ระหว่างการใช้ AI การรับรู้ของพนักงาน และผลลัพธ์การทำงาน
สำหรับการวิจัยเชิงคุณภาพ ควรสัมภาษณ์พนักงาน ผู้บริหาร นักวิเคราะห์ข้อมูล ผู้ตรวจสอบความเสี่ยง และผู้กำกับดูแล เพื่อค้นหาว่างานประเภทใดถูกลดบทบาท งานประเภทใดมีความสำคัญเพิ่มขึ้น และองค์การบริหารความรับผิดชอบระหว่างมนุษย์กับระบบอย่างไร
งานระดับปริญญาเอกอาจใช้การวิจัยแบบผสมผสาน โดยเริ่มจากการสัมภาษณ์เพื่อสำรวจปรากฏการณ์ จากนั้นพัฒนาแบบจำลองและเก็บข้อมูลเชิงปริมาณ ก่อนกลับไปสัมภาษณ์กรณีที่มีผลลัพธ์แตกต่างจากที่โมเดลคาดการณ์ วิธีนี้จะช่วยให้ผลการวิจัยอธิบายได้ทั้งขนาดของผลกระทบและเหตุผลที่อยู่เบื้องหลังผลกระทบนั้น
บทสรุป
AI และระบบอัตโนมัติไม่ได้ทำให้บทบาทแรงงานมนุษย์ในภาคการเงินสิ้นสุดลง แต่กำลังทำให้คุณค่าของแรงงานเปลี่ยนจากการทำงานซ้ำและประมวลผลข้อมูล ไปสู่การใช้วิจารณญาณ การตรวจสอบความถูกต้อง การบริหารความเสี่ยง การสร้างความไว้วางใจ และการรับผิดชอบต่อผลของการตัดสินใจ
หัวข้อวิจัยการเงินยุคใหม่จึงไม่ควรศึกษาเพียงว่า AI ช่วยลดต้นทุนหรือเพิ่มกำไรได้เท่าใด แต่ต้องพิจารณาร่วมกันว่าเทคโนโลยีส่งผลต่อแรงงาน ความเป็นธรรม ความเสี่ยง และเสถียรภาพของระบบการเงินอย่างไร งานวิจัยที่มีคุณค่าจะต้องสามารถแยกให้เห็นว่า ภายใต้เงื่อนไขใด AI ทำหน้าที่แทนมนุษย์ และภายใต้เงื่อนไขใด AI กลายเป็นเครื่องมือที่ช่วยให้มนุษย์ทำงานได้ดีขึ้น เพราะอนาคตของการเงินไม่ได้ขึ้นอยู่กับความสามารถของ AI เพียงอย่างเดียว แต่ขึ้นอยู่กับวิธีที่องค์การออกแบบความสัมพันธ์ระหว่างมนุษย์ เทคโนโลยี และความรับผิดชอบด้วย
อ่านเพิ่มเติม