ทำไม Terminal ต้องชี้เลขหน้าทุกบรรทัด — เมื่อ FINRA นับ AI hallucination เป็นความเสี่ยงที่มีชื่อ
รายงานกำกับดูแลปี 2026 ของ FINRA นิยาม hallucination ไว้ชัดและขอให้บริษัทเก็บ log ตรวจย้อนได้ นี่คือเหตุผลที่ Boom Leverage Terminal ออกแบบให้ทุกผลลัพธ์เป็นข้อความต้นฉบับพร้อมลิงก์ — และตัวเลขจริงว่าตอนนี้ทำได้ครบแค่ไหน (และตรงไหนยังไม่ครบ)
โดย วรัญชัย ยิ่งคำนึง (Boom) · เผยแพร่ครั้งแรก · ตรวจทานล่าสุด
งานสร้างเครื่องมือค้นเอกสารการเงินด้วย AI มีกับดักที่ใหญ่กว่าความเร็วหรือความฉลาด คือ คำตอบที่ฟังดูถูกแต่ชี้ที่มาไม่ได้ บทความนี้เล่าว่าทำไมผมออกแบบ Boom Leverage Terminal ให้ทุกผลลัพธ์ต้องย้อนกลับไปหาต้นฉบับได้ โดยใช้สิ่งที่หน่วยงานกำกับฝั่งสหรัฐฯ เขียนไว้เป็นกรอบ
FINRA พูดถึง hallucination ว่าอย่างไร?
ในส่วน GenAI ของ 2026 FINRA Annual Regulatory Oversight Report (เผยแพร่ ธ.ค. 2025) หน่วยงานกำกับโบรกเกอร์-ดีลเลอร์ของสหรัฐฯ นิยามไว้แบบนี้:
"Hallucinations refer to instances where the model generates information that is inaccurate or misleading, yet is presented as factual information."
ส่วนที่คนทำ product ควรอ่านต่อคือผลกระทบที่ FINRA ระบุ: "Misrepresentation or incorrect interpretation of rules, regulations or policies or inaccurate client or market data can impact decision making." — ข้อมูลตลาดที่ผิดกระทบการตัดสินใจจริง ซึ่งเป็นสิ่งที่เครื่องมือค้นเอกสารบริษัทจดทะเบียนต้องกลัวที่สุด
บทวิเคราะห์ของ fintech.global (20 ก.ค. 2026) สรุปสถานะนี้ว่า "FINRA's 2026 oversight report lists AI hallucination as a standalone compliance risk" และให้เหตุผลเชิงเทคนิคที่ตรงที่สุดว่า "Language models are trained to produce fluent, plausible text rather than correct answers"
FINRA คาดหวังให้บริษัททำอะไร?
รายงานลงรายละเอียดเชิงปฏิบัติ ซึ่งแปลเป็นสเปกของ product ได้ตรงๆ:
| สิ่งที่ FINRA เขียน (ต้นฉบับ) | แปลเป็นงานสร้าง product |
|---|---|
| "storing prompt and output logs for accountability and troubleshooting" | เก็บว่าใครถามอะไร ได้ผลอะไร ตรวจย้อนได้ |
| "tracking which model version was used and when" | ทุกสรุปที่ AI เขียนต้องติดป้ายว่าใช้โมเดลไหน |
| "validation and human-in-the-loop review of model outputs" | มีด่านตรวจก่อนถึงผู้ใช้ และมีคนตัดสินใจขั้นสุดท้าย |
| "Ongoing monitoring of prompts, responses and outputs" | เฝ้าดูคุณภาพต่อเนื่อง ไม่ใช่ตรวจครั้งเดียวตอนเปิดตัว |
ทั้งหมดนี้คือภาษาที่คนทำ model validation ในแบงก์คุ้นอยู่แล้ว — versioning, human-in-the-loop, ongoing monitoring สิ่งที่เปลี่ยนคือมันถูกย้ายมาครอบงาน AI
ทำไม "audit trail คือตัวสินค้า"?
fintech.global ใช้ประโยคที่ผมยึดเป็นหลักออกแบบ: "The audit trail, the firm insists, is the actual product." เหตุผลคือ ถ้าโมเดลถูกฝึกให้เขียนลื่นแต่ไม่ได้ถูกฝึกให้ถูก สิ่งที่ทำให้ผลลัพธ์เอาไปใช้ได้จริงคือ ร่องรอยที่พิสูจน์ได้ว่าคำตอบมาจากไหน
ใน Terminal กติกานี้ถูกแปลงเป็นโครงสร้างข้อมูล ไม่ใช่แค่นโยบาย:
- ข้อความต้นฉบับมาก่อน — ทุกบรรทัดใน index เก็บข้อความตามที่บริษัทเขียนไว้คำต่อคำ ไม่ใช่คำที่ AI เรียบเรียงใหม่ ไม่มีข้อความต้นฉบับ = ไม่เข้า index
- ชี้กลับต้นทาง — มีลิงก์เอกสาร และเลขหน้า (สำหรับเอกสาร) หรือเวลาในคลิป (สำหรับ Opportunity Day)
- ส่วนที่ AI เขียนต้องติดป้าย — สรุปหรือเหตุผลที่โมเดลเขียนมีป้ายระบุว่าเป็นของ AI และระบุโมเดล แยกจากข้อความต้นฉบับชัดเจน
- ตัดสินใจโดยคน — เครื่องมือหาข้อความให้เร็ว แต่คนอ่านต้นฉบับและตัดสินเอง
ตอนนี้ Terminal ทำได้ครบแค่ไหน? (ตัวเลขจริง รวมส่วนที่ยังไม่ครบ)
การพูดว่า "ตรวจย้อนได้" โดยไม่มีตัวเลขก็เป็นอีกรูปแบบหนึ่งของการมโน ผมจึงนับจาก index จริง:
| รายการ | จำนวน | สัดส่วน |
|---|---|---|
| บรรทัดทั้งหมดใน index (ช่วงหลัก FY2021–2026 988,998 + คลังย้อนหลัง 381,072 + FY2027 46) | 1,370,116 | — |
| มีข้อความต้นฉบับ | 1,370,116 | 100% |
| มีลิงก์ต้นทาง | 1,331,352 | 97.2% |
| บรรทัดจากเอกสาร (ไม่ใช่คลิป) | 1,224,795 | — |
| …ที่มีเลขหน้า | 1,123,863 | 91.8% |
| บรรทัดจากคลิป Opportunity Day ที่มีเวลาในคลิป | 145,321 | ครบทุกบรรทัด |
ตัวเลขที่ไม่ถึง 100% คืองานที่ยังต้องทำ ไม่ใช่สิ่งที่ควรซ่อน (เรายังไม่ได้แยกสาเหตุของบรรทัดที่ขาดเลขหน้าครบทุกบรรทัด จึงไม่อ้างสาเหตุในที่นี้) การแสดงตัวเลขจริงแบบนี้คือสิ่งเดียวกับที่เราขอจากบริษัทจดทะเบียน: เขียนสิ่งที่เกิดขึ้นจริง ไม่ใช่สิ่งที่อยากให้เป็น
คนสร้าง fintech product ในไทยควรเอาอะไรไปใช้?
- ออกแบบให้ต้นฉบับเป็นหน่วยข้อมูลหลัก ตั้งแต่วันแรก ไม่ใช่เอาลิงก์มาแปะทีหลัง — การเติมที่มาย้อนหลังแพงกว่าการเก็บตั้งแต่ต้นหลายเท่า
- แยกสิ่งที่ AI เขียนออกจากสิ่งที่เอกสารเขียน ให้ผู้ใช้เห็นด้วยตา
- นับความครบของที่มาเป็นตัวชี้วัด แล้วเปิดเผย ตัวเลข 91.8% ที่บอกตรงๆ น่าเชื่อกว่า "100%" ที่ไม่มีใครตรวจ
- อย่ารอกฎบ้านเรา — FINRA ฝั่งสหรัฐฯ และ EU AI Act ฝั่งยุโรปชี้ไปทางเดียวกันแล้ว ระบบที่ตรวจย้อนได้ตั้งแต่วันนี้ไม่ต้องรื้อใหม่ตอนกฎมาถึง
หลักคิดเรื่อง harness ที่ทำให้ agent ตรวจงานตัวเองก่อนส่ง อ่านต่อได้ที่ ทำไมผมสร้าง Terminal ด้วย Claude Code และวิธีอ่านข้อความผู้บริหารข้ามปีแบบมีเลขหน้าอยู่ใน อ่านงบการเงิน 3 มุม