I-See-Econ 1. Know Theory = Consultant;
2. Know Methods = Data Scientist;
3. Know Theory + Methods = Poor Researcher

28/09/2026

สรุป Intelligence and Wisdom ฉบับ simplified
- การแก้ปัญหาธุรกิจ ประกอบด้วย Setting Up the Right Question กับ Answering the Question (+ Validate Answers ด้วย)
- คำถามยิ่งละเอียดเท่าไร AI จะตอบได้ดีมากขึ้นเช่นกัน
- AI ช่วยเขียนโค้ดได้รัวๆ แต่ปัญหาที่สำคัญกว่าคือจะให้มันเขียนอะไร

- การใช้ AI ให้ได้ประโยชน์ หลายครั้งคอขวดไม่ได้อยู่ที่ต้นทุนในการเขียนโค้ด แต่ อาจจะอยู่ที่ต้นทุนในการเช็คความถูกต้อง คิ...
28/09/2026

- การใช้ AI ให้ได้ประโยชน์ หลายครั้งคอขวดไม่ได้อยู่ที่ต้นทุนในการเขียนโค้ด แต่ อาจจะอยู่ที่ต้นทุนในการเช็คความถูกต้อง คิดว่าเป็นอีกหนึ่ง framework ที่ใครสงสัยว่างานตัวเองจะถูก AI แทนที่ไหม
- พอดีแอดมินเจอกราฟฟิกนี้มาจากเว็บไซต์ต่างชาติ แปะลิงค์ไว้ในภาพ เลยอยากจะมาแชร์กัน ไอเดียหลัก คือ AI ทำให้ต้นทุนในการเขียนโค้ดลดลง แทนที่จะจ้าง junior software engineer ไม่สู้ซื้อ AI agent มาช่วยเขียนโค้ดดีกว่า "ดูเหมือนจะจริงใช่ไหม"
- แต่ๆ อีก 1 dimension ที่ต้องมาดูคือต้นทุนในการ verify ผลลัพธ์ เพราะถ้าตราบใด ผลลัพธ์นั้นไม่สามารถ verify ด้วย AI ได้ 100% งานนั้นยังต้องใช้คนอยู่ ที่สำคัญต้องทำอย่างระมัดระวังในการ prompt ทีละขั้นตอน มิเช่นนั้นจะเกิดเป็น Garbage In, Garbage Out
- โพสนี้สั้นนิดนึงครับ และ ที่แอดมินไม่ได้ยกตัวอย่างว่างานไหนอยู่ในประเภทไหน เนื่องจากต้องดู case by case จริงๆ รวมไปถึงบริบทในการใช้งานด้วย ก็เลยไม่สามารถบอกได้ว่าวิเคราะห์จาก framework นี้ DA หรือ DS หรือ DE จะโดน AI disrupt ก่อนกัน ถ้าใครมีความเห็นเพิ่มเติม คอมเมนต์ไว้ได้เลยครับ

- วันนี้แอดมินขอนำเสนอ podcast Freakonomics เกี่ยวกับเรื่องใกล้ตัวกันบ้าง นั่นคือ University of "Impossible-to-get-into"...
24/09/2026

- วันนี้แอดมินขอนำเสนอ podcast Freakonomics เกี่ยวกับเรื่องใกล้ตัวกันบ้าง นั่นคือ University of "Impossible-to-get-into" มหาลัยที่ปฏิเสธแทบทุกคน อย่างกะลุ้นหัวเลขสองหลัก สามหลัก
- Peter Blair (Harvard U.) ได้ตั้งข้อสังเกตว่า ในช่วง 50 ปีที่ผ่านมา การศึกษาโดยเฉลี่ยของสหรัฐเพิ่มสูงขึ้นในระดับอุดมศึกษา ประมาณ 50% ขณะที่มหาลัยที่ไม่มีชื่อเสียงพบว่าจำนวนนักศึกษาที่สมัครเข้าเรียนน้อยลงหรือเท่าเดิม ในขณะที่มหาลัยดัง เช่น Ivy League กลับเข้ายากขึ้นกว่าเดิม การคัดเลือกนักศึกษาโหดกว่าเดิม ดังนั้น คำถามสำคัญ คือ เมื่อ Demand > Supply แล้ว ทำไมมหาลัยเหล่านี้จึงไม่เพิ่มจำนวนที่นั่ง
- คำตอบของคำถามนี้ ผู้เขียนได้อธิบายใน "Why don't Elite Colleges Expand Supply" ถ้านึกคร่าวๆ สาเหตุก็คงจะเป็นคุณภาพนักเรียน หรือ คุณภาพอาจารย์ แต่ผิด เนื่องจากนักเรียนที่เข้ามาโปรไฟล์ดีกว่านักเรียนรุ่นก่อนมาก และ อาจารย์ที่รับสมัครเข้ามาแทบเรียกได้ว่าคุณภาพเป็น tenured professor ได้เลย หรืออาจจะคิดถึงเรื่องข้อจำกัดด้านสถานที่หรือเงินทุน แต่ไม่ใช่เลย เงินทุนและทรัพยากรที่มหาลัยเหล่านี้ได้มานั้นเพิ่มขึ้นเรื่อยๆ
- คำตอบที่ผู้เขียนเสนอ คือ "Prestige" เหมือนกับพวกกระเป๋าแบรนด์เนม ยิ่งคนมีครอบครองน้อยเท่าไร คุณภาพยิ่งสูงขึ้นเท่านั้น เมื่อนำองค์ประกอบนี้เข้าไปใส่ในโมเดล พบว่า สามารถอธิบายแนวโน้มของการรับสมัครเข้ามหาลัยในอเมริกาได้ ถ้าไม่ใส่องค์ประกอบนี้ ปรากฏว่าไม่สามารถอธิบายข้อมูลได้
- นี่เป็นหนึ่งตัวอย่างที่แสดงให้เห็นการนำ "Domain Knowledge" เข้ามาผสมกับการวิเคราะห์ Data เพื่อหา Insight (Root Cause) ของปรากฏการณ์ทางสังคมหรือธุรกิจ เพื่อนๆมีเคสไหนอยากให้แอดมินช่วยแชร์ แอดมินยินดีครับ และจะแปะ credit ให้ด้วยนะ

https://www.nber.org/papers/w29309
https://www.youtube.com/watch?v=L_-KaVxeEZ4

- แอดไปฟัง Freakonomics Radio เกี่ยวกับ นักเศรษฐศาสตร์ vs. กูรูทางการเงิน ที่ให้คำแนะนำทางการเงินที่แตกต่างกัน และ ทำไมค...
22/09/2026

- แอดไปฟัง Freakonomics Radio เกี่ยวกับ นักเศรษฐศาสตร์ vs. กูรูทางการเงิน ที่ให้คำแนะนำทางการเงินที่แตกต่างกัน และ ทำไมคนถึงเลือกเชื่อกูรูทางการเงิน มากกว่า นักเศรษฐศาสตร์
- ตัวแทนของ economics expert คือ James Choi (Yale School of Management) ได้พูดถึงความเป็นมาของศาสตร์ household finance และ ถ้าไปอ่าน economics textbook คำแนะนำที่ได้คือการ smooth consumption จาก no saver ตอน first jobber จนไปถึง super saver เมื่อรายได้เพิ่มขึ้นในระดับสูง เนื่องจาก ต้องการให้ marginal utility ในแต่ละช่วงเวลานั้นมีระดับใกล้เคียงกัน
- ตัวแทนของ financial advisor คือ Morgan Housel (ผู้เขียน The Psychology of Money) ได้พูดถึงสมมติฐานที่แตกต่างกันระหว่างเศรษฐศาสตร์ส่วนมาก (ยกเว้น behavioral economics) และ household finance ที่ต้องใช้จิตวิทยาร่วมด้วย โดยคำแนะนำเช่น build discipline เก็บออมด้วยสัดส่วนของรายได้ที่เท่ากันระหว่างช่วงอายุ โดยสมมติฐานหลัก คือ habits are hard to change เช่น ความรู้สึก panic เมื่อเห็นตลาดหุ้นลงหนัก หรือ การที่ยอมจ่าย 15% เพื่อกู้จากบัตรเครดิต

P.S. ช่วงหลังแอดพยายาม diversify ทำเรื่องอื่นที่ไม่ใช่ AI ถ้าอยากสนับสนุนเนื้อหาอื่นเพิ่ม variety on FB feed แนะนำให้กดติดตามไว้นะครับ (เนื้อหา AI กับ Data ยังมีอยู่นะ แต่จะพยายามเสริมเนื้อหาที่หลากหลาย)

Podcast: https://freakonomics.com/podcast/are-personal-finance-gurus-giving-you-bad-advice/

- เช้านี้แอดมินได้ฟังคลิปที่อธิบายเกี่ยวกับ Youth Unemployment ว่า นักวิจัยใช้วิธีการวิเคราะห์ข้อมูลแบบใด (ปกติมาจากพวก ...
21/09/2026

- เช้านี้แอดมินได้ฟังคลิปที่อธิบายเกี่ยวกับ Youth Unemployment ว่า นักวิจัยใช้วิธีการวิเคราะห์ข้อมูลแบบใด (ปกติมาจากพวก census, survey) เพื่อจะวิเคราะห์หา insights เกี่ยวกับสาเหตุเด็กจบใหม่หางานทำไม่ได้กัน
- Data Measurement: แค่ใช้มาตรวัดอัตราการว่างงานอาจจะไม่พออีกต่อไป เนื่องจาก มาตรวัดดังกล่าวมี 2 เงื่อนไขสำคัญ คือ No Job + Actively Looking ซึ่งเงื่อนไขอันหลังอาจจะใช้ไม่ได้ในสถานการณ์นี้ เช่น สมัครงานไป 100 ที่ ถูกปฏิเสธมาทั้งหมด เลยถอดใจเลิกหางาน หรือ กลับไปช่วยงานที่บ้านทั้งๆที่ไม่ได้เต็มใจ ดังนั้น วิดีโอนี้จึงวิเคราะห์มาตรวัดที่เป็น NEET ซึ่งสะท้อนสภาพปัญหานี้ได้ดีกว่า
- Structural Roots: เพื่อจะวิเคราะห์ว่าปัญหานี้เกิดจาก Choice หรือ Constraint วิดีโอนี้อธิบายว่าปัญหาเกิดจาก สภาพสังคมและเศรษฐกิจที่รุมเร้ากับคนยุคใหม่ในเวลาเดียวกัน (พูดง่ายๆ ต่อให้ baby boomer เกิดมาเจอสภาพแวดล้อมแบบนี้ ก็คงไม่รอดเหมือนกัน) ซึ่งก็ได้ลิสปัญหาที่เกิดขึ้นในยุคใหม่มาหลายข้อ ซึ่งเป็นอุปสรรคในการหางาน และ การสร้างตัวสำหรับคนยุคใหม่
- Possible Solutions (?): ที่แอดมินใส่ ? ไว้ เพราะว่า ข้อเสนอดังกล่าวเป็น pilot program ที่เริ่มใช้ได้แค่บางประเทศ จึงไม่สามารถบอกได้ว่าได้ผลหรือไม่ วิธีแรกคือสถานศึกษาสร้าง connection กับบริษัทตั้งแต่ตอนเป็นนักศึกษา, วิธีต่อมา คือ แก้ที่ constraint เช่น affordable child care และ flexible hiring (ไม่เอาจำกัดอายุไม่เกิน 35 นะจ้ะ) และสรุปปิดท้ายว่า ปัญหานี้ส่วนนึงมาจาก political problems เช่น นักการเมืองหาเสียงด้วยการสร้างวาทกรรม lazy generation มากกว่าจะหาทางออกเชิงโครงสร้าง
คิดเห็นยังไง แลกเปลี่ยนได้นะ แอดสรุปมาจากวิดีโอด้านล่างนี้
https://www.youtube.com/watch?v=J9PzjUlyzAY

- วันนี้แอดเจอ LinkedIn ของ Prof Finance ท่านนึง พูดถึงผลกระทบอีกด้านของ AI ในงานเขียนวิชาการ ว่า ทำให้เกิดขยะ electroni...
18/09/2026

- วันนี้แอดเจอ LinkedIn ของ Prof Finance ท่านนึง พูดถึงผลกระทบอีกด้านของ AI ในงานเขียนวิชาการ ว่า ทำให้เกิดขยะ electronic ในรูปแบบของงานเขียนที่ไร้ประโยชน์มากขึ้นในโลกออนไลน์
- ถ้าเห็นในกลุ่ม Data จะเห็นแต่โพสว่าใช้ AI ยังไงเพิ่มประสิทธิภาพงาน ซึ่งก็ไม่ใช่เรื่องผิด เช่น ทุกวันนี้แอดยังให้มันเขียนโค้ดกับเกลาภาษาให้อยู่ แต่มันควรมี dividing line ชัดเจน ว่าอันไหนที่ AI ยังทำไม่ได้กันแน่
- เพื่อนๆคิดเห็นยังไงกับผลกระทบด้านบวกและลบจาก AI คอมเมนต์มาได้เลย

ที่อยู่

Bangkok

เวลาทำการ

จันทร์ 09:00 - 16:00
อังคาร 09:00 - 16:00
พุธ 09:00 - 16:00
พฤหัสบดี 09:00 - 16:00
ศุกร์ 09:00 - 16:00

เว็บไซต์

แจ้งเตือน

เป็นคนแรกที่รู้ข่าว: เราจะส่งอีเมลแจ้งเมื่อ I-See-Econ โพสต์ข่าวสารและโปรโมชั่น อีเมลของคุณจะไม่ถูกนำไปใช้เพื่อวัตถุประสงค์อื่น และคุณสามารถยกเลิกการรับข่าวสารได้ทุกเมื่อ

ติดต่อ ธุรกิจของเรา

ส่งข้อความของคุณถึง I-See-Econ:

ทางลัด

แชร์