7 กรณีใช้งานของ AI เพื่อช่วยผู้จัดการสินทรัพย์เพิ่มประสิทธิภาพและผลผลิตท่ามกลางแรงต้านของตลาด

SleepTrader

2026-02-26 22:46:07

Stuart Grant เป็นหัวหน้าฝ่ายตลาดทุน การจัดการสินทรัพย์และความมั่งคั่งที่ SAP

ค้นพบข่าวสารและกิจกรรมด้านฟินเทคชั้นนำ!

สมัครรับจดหมายข่าว FinTech Weekly

อ่านโดยผู้บริหารจาก JP Morgan, Coinbase, Blackrock, Klarna และอื่นๆ

จากการบีบค่าธรรมเนียมไปจนถึงการเปลี่ยนแปลงในสภาพเศรษฐกิจมหภาคที่ไม่เอื้ออำนวย รวมถึงการลงทุนด้านเทคโนโลยีที่ยังไม่ให้ผลตอบแทนตามคาด องค์กรการจัดการสินทรัพย์เผชิญกับแรงกดดันสำคัญเมื่อเข้าสู่ปี 2026

ในวิเคราะห์ปี 2025 ของอุตสาหกรรมการจัดการสินทรัพย์ทั่วโลก McKinsey & Company พบว่า กำไรของผู้จัดการสินทรัพย์ลดลงร้อยละ 3 ในอเมริกาเหนือและร้อยละ 5 ในยุโรปในช่วงห้าปีที่ผ่านมา เนื่องจากปัจจัยต่างๆ เหล่านี้

แต่ก็มีวาล์วคลายแรงกดดันอยู่ในรูปแบบของการใช้งานปัญญาประดิษฐ์ (AI) ที่เจาะจงและวางแผนอย่างดี AI ในรูปแบบต่างๆ — เช่น การสร้างสรรค์, ตัวแทน ฯลฯ — เริ่มแสดงคุณค่าในหลายกรณีการใช้งานทั้งในส่วนหน้า กลาง และหลังขององค์กร ช่วยให้นักจัดการสินทรัพย์สามารถเพิ่มผลผลิตและประสิทธิภาพ ค้นหาและใช้ประโยชน์จากโอกาสทางธุรกิจที่ทำกำไรได้ก่อนคู่แข่ง ในการวิเคราะห์นี้ ซึ่งอ้างอิงจากการสำรวจผู้บริหารระดับสูงจากบริษัทจัดการสินทรัพย์ในอเมริกาเหนือและยุโรป McKinsey พบว่า สำหรับผู้จัดการสินทรัพย์เฉลี่ย ผลกระทบจาก AI, gen AI และ agentic AI “อาจเปลี่ยนแปลงได้อย่างมาก เทียบเท่ากับร้อยละ 25 ถึง 40 ของฐานต้นทุนของพวกเขา”

ดังนั้น ความท้าทายสำหรับองค์กรการจัดการสินทรัพย์คือ การหาว่า AI สามารถสร้างคุณค่าได้มากที่สุดในส่วนใดขององค์กร

การใช้งาน AI เพื่อผลกระทบสูงสุด

บริษัทต่างๆ ในวงการการจัดการสินทรัพย์กำลังนำ AI ไปใช้ในหลายด้าน ส่วนใหญ่เป็นองค์กรขนาดใหญ่ที่มีทรัพยากรลึกพอที่จะพัฒนาความสามารถของตนเองในด้านโมเดลภาษาขนาดใหญ่ (Large Language Models) พร้อมตัวแทน AI ที่เจาะจงเป็นเป้าหมาย แต่ด้านหนึ่งของ AI คือมันยังสามารถช่วยให้นักจัดการสินทรัพย์นอกเหนือจากองค์กรระดับ Tier One ให้ออกสู้กับบริษัทใหญ่เหล่านี้ได้อย่างเท่าเทียมกันมากขึ้น

ยิ่งไปกว่านั้น แม้หลายองค์กรจะมุ่งลงทุนในกรณีการใช้งาน AI ที่เกี่ยวข้องกับลูกค้า แต่ก็ไม่ควรมองข้ามโอกาสในการสร้างคุณค่าจากการใช้งาน AI ที่สามารถขยายได้ในส่วนหน้า กลาง และหลังขององค์กร แทนที่จะมองหาโซลูชันเฉพาะจุดที่อาจไม่สามารถเชื่อมต่อกันได้อย่างดี วิธีที่ฉลาดกว่าคือการลงทุนในโครงการที่ลดกำแพงเสมือนระหว่างชั้นของสำนักงานทั้งสาม เพื่อสร้างประสิทธิภาพ เพิ่มผลผลิต ปรับปรุงกระบวนการ และให้ข้อมูลเชิงลึกที่ดีขึ้นในการวางแผนและกลยุทธ์

โดยสรุป ควรมองหาเคสการใช้งาน AI ที่สนับสนุน — และสามารถใช้ประโยชน์จาก — การเคลื่อนย้ายข้อมูลอย่างเสรีภายในองค์กร ต่อไปนี้คือกลุ่มตัวอย่างที่ดูมีแนวโน้มดีเป็นพิเศษ:

1. อัตโนมัติและเร่งรัดการปิดบัญชีทางการเงินและฟังก์ชันทางการเงินอื่นๆ การเงินเป็นพื้นที่ที่เคยเต็มไปด้วยกระบวนการด้วยมือ ด้วยความช่วยเหลือของตัวแทน AI องค์กรการจัดการสินทรัพย์มีโอกาสที่จะอัตโนมัติหลายกระบวนการในด้านการเงิน รวมถึงการปิดบัญชี การจัดการบัญชีลูกหนี้ เจ้าหนี้ การตรวจสอบใบแจ้งหนี้ ฯลฯ ในสถานการณ์เหล่านี้ AI สามารถสนับสนุนการอัตโนมัติของการเคลื่อนย้ายข้อมูลได้ดีขึ้น และยังสามารถแจ้งเตือนเชิงรุกให้ผู้ใช้งานด้านการเงินรับรู้ถึงปัญหาที่อาจไม่เห็น เช่น ส่วนเกิน/ขาดทุนของทุน การปรับปรุงงบดุล ฯลฯ

2. ปรับปรุงการบริหารความเสี่ยงให้สอดคล้องกับการเงินอย่างแท้จริง ข้อมูลจากส่วนหลังขององค์กรสามารถมีค่าสูงสำหรับทีมบริหารความเสี่ยงในส่วนกลาง ทีมเหล่านี้สามารถใช้ข้อมูลเกี่ยวกับการถือครองของนักลงทุน กระแสเงินสด สภาพคล่องในตลาด มาร์จิน/หลักประกัน ฯลฯ รวมกับข้อมูลโปรไฟล์ลูกค้าและการสื่อสาร เพื่อระบุสัญญาณล่วงหน้าของการไถ่ถอนของลูกค้าและความเสี่ยงด้านสภาพคล่องที่เกี่ยวข้อง

3. ค้นหาและเร่งดำเนินการโอกาสสำหรับโครงสร้างค่าธรรมเนียมและโมเดลธุรกิจใหม่ องค์กรสามารถสั่งให้ AI ศึกษาและสร้างโมเดลผลกระทบของการเปลี่ยนแปลงค่าธรรมเนียมที่เป็นไปได้ รวมถึงโมเดลธุรกิจใหม่ ข้อมูลในอดีตบ่งชี้อย่างไรเกี่ยวกับผลกระทบของการเปลี่ยนแปลงค่าธรรมเนียมต่อบัญชีลูกหนี้? มีโอกาสแยกส่วนธุรกิจเดิม (เช่น กองทุนเฉพาะกลุ่มหรือภูมิภาค) ออกเป็นสองส่วนขึ้นไป หรือแยกลูกค้าเป็นกลุ่มต่างๆ หรือไม่ และถ้าใช่ ก็มีเหตุผลทางธุรกิจสนับสนุนการเปลี่ยนแปลงเหล่านี้มากน้อยเพียงใด

4. ให้ข้อมูลประกอบการตัดสินใจเกี่ยวกับการขยายเข้าสู่ผลิตภัณฑ์หรือภูมิภาคใหม่ องค์กรของคุณกำลังพิจารณาเข้าสู่ตลาดภูมิศาสตร์ใหม่ที่มีแนวโน้มดีแต่ก็มีความเสี่ยงสูง การเคลื่อนไหวในอดีตเป็นอย่างไรในแง่ของต้นทุนที่คาดหวังและความเป็นจริง ผลกระทบด้านกฎระเบียบและทรัพยากรบุคคลเป็นอย่างไร การสนทนากับผู้ช่วยดิจิทัล AI สร้างสรรค์สามารถให้คำตอบที่มีคุณค่าและช่วยให้ตัดสินใจเชิงกลยุทธ์ได้ดีขึ้น

5. สร้างโมเดลสถานการณ์ “ถ้า” เกี่ยวกับผลกระทบของการปรับสมดุลพอร์ตโฟลิโอในอนาคต รวมถึงความสำคัญของการลงทุนของลูกค้าและความเสี่ยงที่ยอมรับได้ AI สามารถให้ข้อมูลเชิงลึกเกี่ยวกับผลกระทบของการเปลี่ยนแปลงเหล่านี้ พร้อมคำแนะนำเกี่ยวกับเวลาที่เหมาะสมที่สุด โดยพิจารณาภาระผูกพันด้านเจ้าหนี้และปัจจัยอื่นๆ การเชื่อมโยงข้อมูลเช่นนี้ช่วยแก้ปัญหาการขาดข้อมูลระหว่างฝ่ายการเงินและการบริหารพอร์ตโฟลิโอส่วนหน้า ช่วยให้วางแผนกลยุทธ์และงบประมาณได้ตรงจุดมากขึ้น

ตัวอย่างเช่น บริษัทหนึ่งที่ฉันทำงานด้วย กำลังพยายามรวมข้อมูลการวิเคราะห์ผลงานของแต่ละองค์ประกอบในพอร์ตโฟลิโอเข้ากับข้อมูลความเสี่ยงและโครงสร้างค่าธรรมเนียมของลูกค้า เป้าหมายคือเข้าใจผลกระทบทางการเงินของการปรับสมดุลพอร์ตโฟลิโอให้สอดคล้องกับความคาดหวังของลูกค้าและรายได้ในอนาคตให้ดีขึ้น

6. เพิ่มผลผลิต ผู้บริหารด้านการจัดการสินทรัพย์บางรายที่ฉันพูดคุยด้วยเมื่อเร็วๆ นี้กล่าวว่า องค์กรของพวกเขากำลังมองหาเป้าหมายเพิ่มสินทรัพย์ภายใต้การบริหารโดยไม่เพิ่มจำนวนพนักงานอย่างมีนัยสำคัญ เพียงแค่ใช้ AI และตัวแทน AI อย่างกว้างขวางในองค์กร พวกเขากำลังสร้างตัวแทน AI และวางไว้เคียงข้างพนักงาน — เป็นเสมือนส่วนขยายดิจิทัลของพนักงานเหล่านั้น ผลลัพธ์สุดท้ายคือ ผลผลิตที่เพิ่มขึ้นจากตัวแทนเหล่านี้ ช่วยให้บริษัทขนาดเล็กและกลางสามารถแข่งขันได้อย่างเท่าเทียมกับบริษัทใหญ่

7. เสริมความสามารถในการตรวจจับการฉ้อโกงในช่วงการรับลูกค้าใหม่ AI มีความสามารถในการสแกนและตรวจสอบความถูกต้องของเอกสารการรับลูกค้าอย่างรวดเร็ว โดยสามารถระบุความผิดปกติเล็กน้อย เช่น ขนาดตัวอักษร รูปแบบเอกสาร ฯลฯ ซึ่งอาจบ่งชี้ว่าลูกค้าไม่ใช่บุคคลที่พวกเขาอ้างตัว และต้องการการตรวจสอบเพิ่มเติม

แม้เคสการใช้งานเช่นนี้จะมีผลกระทบอย่างมากในองค์กรการจัดการสินทรัพย์ แต่การเพิ่มคุณค่าให้สูงสุดขึ้นอยู่กับคุณภาพและความสามารถในการเข้าถึงข้อมูลที่ใช้เป็นข้อมูลป้อนเข้าเป็นสำคัญ ข้อมูลต้องเข้าใจง่ายทั้งสำหรับมนุษย์และเครื่องจักรในรูปแบบบริการตนเอง บ่อยครั้งที่บริษัทดึงข้อมูลจากแอปพลิเคชันต้นทางและย้ายไปยัง Data Lake แต่การทำเช่นนี้จะทำให้สูญเสียความหมายและบริบทสำคัญที่เฉพาะเจาะจงกับสภาพแวดล้อมของแอปพลิเคชัน หากไม่มี Metadata นี้ ผลลัพธ์ของ AI และผลกระทบโดยรวมอาจไม่เต็มที่ ดังนั้น องค์กรหลายแห่งจึงควรเก็บข้อมูลไว้ในสภาพแวดล้อมของแอปพลิเคชันเดิม พร้อม Metadata ที่แนบมาด้วย คิดว่าข้อมูลในแอปพลิเคชันเหล่านี้เป็นแบตเตอรี่ที่ขับเคลื่อน AI สร้างสรรค์ AI ตัวแทน และการวิเคราะห์อัจฉริยะภายในองค์กร ยิ่งแบตเตอรี่มีพลังมากเท่าไร องค์กรการจัดการสินทรัพย์ก็จะยิ่งสามารถใช้ประโยชน์จากการลงทุนด้าน AI ได้ดีขึ้นในการแก้ไขอุปสรรคต่างๆ ที่เผชิญอยู่

เกี่ยวกับผู้เขียน

Stuart Grant เป็นหัวหน้าฝ่ายตลาดทุน การจัดการสินทรัพย์และความมั่งคั่งที่ SAP เขาทำงานกับข้อมูลในอุตสาหกรรมตลาดทุนมากกว่า 20 ปี ในบทบาทด้านการจัดการผลิตภัณฑ์ พัฒนาธุรกิจ และการบริหารธุรกิจ

ดูต้นฉบับ

This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.