รื้อ Terminal จาก V1 เป็น V2: เปลี่ยนหน่วยของคำตอบจาก 'ชิ้นข้อความ' เป็น 'ข้อค้นพบที่พิสูจน์ที่มาได้'

บันทึกการรื้อเครื่องมือค้น 56-1 / MD&A ทั้งตลาดของ Boom Leverage Terminal — ทำไม 'ค้นเจอ' กับ 'ตอบได้' ไม่ใช่เรื่องเดียวกัน, หน้าตาของข้อค้นพบแบบมีโครงสร้าง, และด่าน citation ที่ซ่อนทุกบรรทัดที่พิสูจน์ไม่ได้ว่าอยู่ใน PDF จริง (ผ่าน 98.95% ณ 27 ก.ย. 2026)

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

บันทึกนี้เดิมเขียนตอนกำลังรื้อ (20 ก.ค. 2026) ตอนนั้น V2 ยังไม่เปิดให้ใช้ ฉบับนี้อัปเดตด้วยตัวเลขจากระบบที่ใช้งานอยู่จริงตอนนี้ และเล่าตรงๆ ว่าอะไรเปลี่ยน อะไรไม่เปลี่ยน

V1 ทำอะไรได้ — และตันตรงไหน?

V1 ทำสิ่งเดียวและทำได้ดี: พิมพ์ แนวคิด เป็นภาษาคน แล้วระบบหาย่อหน้าที่ "พูดเรื่องเดียวกัน" ในเอกสารของทุกบริษัท แม้จะใช้คำคนละคำ ทุกผลคือประโยคที่บริษัทเขียนเอง พร้อมลิงก์กลับไฟล์ที่ ก.ล.ต. และเลขหน้า ณ วันที่ 20 ก.ค. 2026 ครอบคลุม 850 บริษัท 137,354 ชิ้นข้อความ

ปัญหาโผล่ตอนผมเอาไปใช้กับงานจริงของตัวเอง ลองถามว่า "ในรอบ 3 ปี มีบริษัทไหนที่พูดเรื่องสภาพคล่องหนักขึ้นเรื่อยๆ" — V1 ตอบไม่ได้ มันตอบได้แค่ว่า "นี่คือ 30 ย่อหน้าที่พูดถึงสภาพคล่อง" ที่เหลือคือคนต้องอ่านทีละชิ้น แยกเองว่าอันไหนคือสัญญาณจริง อันไหนคือภาษาพิธีกรรมที่ทุกบริษัทเขียนเหมือนกันหมด

ตัวอย่างจริงจากผลค้นตอนนั้น สองชิ้นนี้ถูกจัดว่า "เกี่ยวกับสภาพคล่อง" เหมือนกัน (ปิดชื่อบริษัท):

"Liquidity risk is the. risk due to the company cannot change assets to cash or unable to provide sufficient funds as needed in a timely manner."

— บริษัท ก · MD&A ไตรมาส 1 ปี 2569 · หน้า 1-4

"consumers have become more cautious in taking on new debt and are managing liquidity primarily to meet debt repayment obligations."

— บริษัท ข · MD&A ไตรมาส 1 ปี 2569 · หน้า 2-3

อันแรกคือนิยามความเสี่ยงมาตรฐานที่แทบทุกบริษัทเขียน อันที่สองคือการอ่านพฤติกรรมลูกหนี้จริง ระบบที่คืนทั้งสองอันให้หน้าตาเหมือนกัน ย้ายงานอ่านมาให้ผู้ใช้ ไม่ได้ลดงาน

V2 เปลี่ยนอะไร?

V2 ไม่ได้พยายามค้นให้แม่นขึ้น มันเปลี่ยน หน่วยของสิ่งที่ระบบคืนกลับมา ระบบอ่านเอกสารล่วงหน้า แล้วสกัดออกมาเป็นระเบียน แต่ละระเบียนมีทั้งข้อความต้นฉบับ และ ป้ายที่เอาไปกรองต่อได้ แนวคิดของระเบียนหนึ่งตัว:

{
  "domain": "risk",
  "theme": "household_debt_quality",
  "fy": 2026,
  "period": "Q1",
  "page_ref": "2-3",
  "snippet_verbatim": "consumers have become more cautious in taking on new debt...",
  "source_url": "https://market.sec.or.th/...",
  "audit_id": "EXT-▮▮▮-FY2026-..."
}

พอข้อมูลมีโครงสร้าง คำถามที่ V1 ตอบไม่ได้กลายเป็นการกรองธรรมดา

ด่านที่ไม่ยอมข้าม: พิสูจน์ไม่ได้ = ไม่แสดง

การเพิ่มชั้นสกัดด้วย AI เปิดความเสี่ยงใหม่ทันที: AI อาจ "เรียบเรียง" ประโยคจนไม่ตรงต้นฉบับ แล้วเราก็ไปแสดงมันพร้อมป้ายว่า "verbatim" วันที่ 1 ส.ค. 2026 จึงมีการตัดสินใจที่เป็นแกนของ V2 — บันทึกไว้ในโค้ดของด่านตรวจเอง:

Findings that cannot be proven are marked verified=false and are excluded from the served index (Boom's decision: hide, do not badge) — so a user can never be shown a citation we could not stand behind.

ด่านนี้เปิด PDF ต้นฉบับทีละไฟล์ แล้วพยายามหาประโยคของข้อค้นพบแต่ละตัวให้เจอ ใช้ตัวจับคู่ตัวเดียวกับที่ไฮไลต์บนหน้าจอใช้ — ข้อค้นพบที่ผ่านด่าน คือข้อค้นพบที่ระบบวาดกรอบบนหน้า PDF ได้จริง

ตัวเลขตอนนี้เป็นยังไง?

ภาพกว้าง ณ วันเดียวกัน: ช่วงหลัก FY2021–2026 มี 988,998 ข้อค้นพบ ใน 19 โดเมน ส่วนคลังย้อนหลัง FY2016–2020 แสดงแยกอีก 381,072 ข้อค้นพบ (ไม่รวมกับช่วงหลัก) และบริษัทที่มีข้อมูลจากแบบ 56-1 ให้ค้นตั้งแต่ FY2021 มี 923 บริษัท — ตัวเลขนี้เทียบตรงกับ 137,354 ของ V1 ไม่ได้ เพราะคนละหน่วย (ชิ้นข้อความดิบ vs ข้อค้นพบที่สกัดแล้ว) ผมจึงไม่เอามาวางเป็นกราฟ "โตขึ้น 10 เท่า" แม้มันจะดูดีก็ตาม

รื้อแล้วเกิดอะไรขึ้นตามลำดับ?

อะไรที่ยังไม่ได้ และต้องพูดตรงๆ?

• ป้ายที่ระบบสกัดคือการตีความ ไม่ใช่ข้อเท็จจริง มันพลาดได้ จึงต้องแบกข้อความต้นฉบับกับลิงก์มาด้วยเสมอ เพื่อให้ผู้ใช้เถียงกับระบบได้
• ไฟล์ที่เป็นภาพสแกนล้วน ไม่มีชั้นข้อความ พิสูจน์ตำแหน่งประโยคไม่ได้ ข้อค้นพบจากไฟล์พวกนี้จึงถูกซ่อนไว้ก่อน จนกว่าเส้นทาง OCR ที่ให้พิกัดคำจะผ่านเกณฑ์
• ไม่เจอ ไม่ได้แปลว่าไม่มี — ระบบเห็นแค่สิ่งที่บริษัทเขียนในเอกสารสาธารณะ
• มันไม่ให้คำแนะนำการลงทุน และไม่จัดอันดับบริษัท

สรุป

V1 ตอบว่า "ใครพูดถึงเรื่องนี้บ้าง" V2 ตอบคำถามถัดไปว่า "พูดอะไร เมื่อไหร่ อยู่หน้าไหน" ในรูปที่กรองและนับต่อได้ — โดยไม่ยอมเสียสิ่งเดียวที่ทำให้ V1 น่าเชื่อถือ คือทุกบรรทัดต้องกดกลับไปดูต้นฉบับได้ วิธีที่ระบบค้นและบังคับ citation อยู่ใน RAG กับเอกสาร 56-1 ที่ทุกคำตอบชี้กลับหน้าได้ และถ้าอยากลองของจริง ไปที่ Boom Leverage Terminal