สร้าง data pipeline หุ้นไทยด้วย AI agent — จากกอง PDF 56-1 สู่ข้อมูลเกือบล้านบรรทัด (FY2021–2026) ที่กดดูต้นฉบับได้

เบื้องหลัง pipeline ของ Boom Leverage Terminal: ดึงเอกสารที่บริษัทยื่นต่อ ก.ล.ต. แยกข้อความพร้อมเลขหน้า ให้ AI สกัดประเด็นโดยบังคับให้มีถ้อยคำต้นฉบับ แล้วทำ index ค้นได้ทั้งตลาด ตัวเลขจริงจาก index (ช่วงหลัก FY2021–2026: 988,998 บรรทัด · คลังย้อนหลัง FY2016–2020 แยกอีก 381,072 · 19 หมวด) และกับดักที่ต้องรู้ก่อนอ่านตัวเลขรายปี

โดย วรัญชัย ยิ่งคำนึง (Boom) · เผยแพร่ครั้งแรก 20 มิถุนายน 2569 · ตรวจทานล่าสุด 27 กันยายน 2569

บทความเดิมของผมเมื่อเดือนมิถุนายนพูดถึงการใช้ Claude Code ดึงข้อมูลหุ้นไทยแบบ "จัดการข้อมูล ไม่ใช่ทำนายราคา" สามเดือนต่อมา หลักการนั้นกลายเป็น pipeline จริงที่อยู่หลัง Boom Leverage Terminal บทความนี้คือเวอร์ชันที่เขียนใหม่ทั้งหมดจากของจริง: โครงสร้าง ตัวเลข และกฎที่ทำให้มันเชื่อถือได้

ก่อนอ่านต่อ ถ้ายังไม่แน่ใจว่าข้อมูลแต่ละแหล่งใช้ได้แค่ไหน อ่าน ข้อมูลหุ้นไทยมาจากไหน — SETSMART, 56-1 และเส้นลิขสิทธิ์ ก่อน เพราะ pipeline ที่สร้างบนข้อมูลที่ไม่มีสิทธิ์ ต่อให้เขียนสวยแค่ไหนก็ต้องทิ้ง

Pipeline ที่ใช้จริงมีกี่ขั้น?

ผมใช้ AI agent ช่วยเขียนและดูแลแทบทุกขั้น แต่สิ่งที่ทำให้ระบบเชื่อถือได้ไม่ใช่ความเก่งของ agent — คือกฎในขั้น 2 และ 4 ที่มันข้ามไม่ได้ (เรื่องนี้เล่าละเอียดใน ทำไมผมสร้าง Terminal ด้วย Claude Code เพราะ harness)

ข้อมูลใน index ตอนนี้มีหน้าตายังไง?

ภาพรวม ณ วันที่ 27 ก.ย. 2026:

6 หมวดที่ใหญ่ที่สุด:

สังเกตว่า Opportunity Day เป็นคลิป ไม่ใช่ PDF — บรรทัดจากคลิปจึงผูกกับ วินาที ในวิดีโอแทนเลขหน้า หลักเดียวกัน: ทุกบรรทัดต้องชี้กลับจุดที่ถูกพูดหรือเขียนได้

ทำไมห้ามอ่านจำนวนบรรทัดรายปีเป็น "เทรนด์"?

ถ้ามองผ่านๆ จะเห็น "บริษัทไทยเขียนมากขึ้น 3.7 เท่าใน 10 ปี" ซึ่งเป็น ข้อสรุปที่ผิด ตัวเลขนี้ขึ้นกับว่าเราเติมข้อมูลปีไหนไปแล้วแค่ไหน — ช่วงหลัก (ปี 2021 เป็นต้นไป) ถูกเติมก่อน ปีเก่ายังอยู่ระหว่างเติม ปีล่าสุด (2026) ยังไม่จบปีจึงไม่ได้ใส่ในกราฟ

นี่คือวินัยแบบคนทำ model validation: ก่อนอ่านตัวเลขใดๆ ให้ถามว่าตัวหารคืออะไร และข้อมูลครบแค่ไหน pipeline ที่ดีต้องโชว์ช่องว่างของตัวเอง ไม่ใช่ปล่อยให้ผู้ใช้เดาเอา ตัวอย่างการอ่านข้อมูลบริษัทเดียวข้ามหลายปีอย่างระวัง ดูได้ใน อ่านงบการเงิน 3 มุมแบบคนทำ credit risk

ให้ AI agent ช่วยสร้าง pipeline แบบนี้ยังไงให้ไม่พัง?

สิ่งที่ผมทำซ้ำทุกครั้ง:

• บอกขอบเขตสิทธิ์ข้อมูลตั้งแต่ประโยคแรก — "ข้อมูลนี้มาจากแหล่งนี้ ใช้ได้แบบนี้" agent จะเขียนตัวดึงในกรอบนั้น
• ซอยงานเป็นขั้น แล้วตรวจทีละขั้น — ไม่สั่งรวดเดียวแล้วเชื่อผลสุดท้าย
• ให้ทุก record มีสนามที่มา (แหล่ง ปี งวด หน้า) ตั้งแต่ขั้นแยกข้อความ — เติมทีหลังแพงกว่ามาก
• เขียนตัวตรวจแยกจากตัวสร้าง — ตัวที่ตรวจว่าถ้อยคำตรงต้นฉบับ ต้องไม่ใช่ prompt เดียวกับที่สกัดมัน
• รายงานความครบของข้อมูลเป็นตัวเลขเสมอ — เช่น "กี่เปอร์เซ็นต์ผูกเลขหน้าได้" แทนคำว่า "ครอบคลุมทั้งตลาด"

ข้อจำกัดที่ต้องบอกตรงๆ

• ข้อความที่ AI สรุป เป็นตัวช่วยนำทาง ส่วนหลักฐานคือถ้อยคำต้นฉบับพร้อมเลขหน้าเท่านั้น
• ข้อมูลแบบฟอร์ม (insider · ผู้ถือหุ้นใหญ่ · ข่าว) ไม่มีเลขหน้า จึงลิงก์ไปรายการต้นทางแทน
• ทั้งหมดนี้คือการ อธิบายสิ่งที่บริษัทเขียนไว้แล้ว ไม่ใช่การพยากรณ์และไม่ใช่สัญญาณซื้อขาย

สรุป

pipeline หุ้นไทยที่เอาไปทำ product ได้ ไม่ได้วัดกันที่ขนาดของข้อมูล แต่วัดที่ว่า ทุกบรรทัดตรวจย้อนได้ไหม และ ระบบยอมรับช่องว่างของตัวเองหรือเปล่า AI agent ทำให้คนคนเดียวสร้างของแบบนี้ได้ แต่กฎเรื่องที่มาและการตรวจถ้อยคำ คือสิ่งที่เราต้องวางเองตั้งแต่วันแรก