สิ่งที่คนส่วนใหญ่เข้าใจผิดและไม่รู้เกี่ยวกับ คนสาย Deep Tech

The Secret Sauce ชวนอ่านบทความเชิงคิดเห็น จาก ดร.ธิปรัชต์ โชติบุตร นักฟิสิกส์ทฤษฎี และอาจารย์ประจำภาควิชาฟิสิกส์ คณะวิทยาศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย และผู้ร่วมก่อตั้ง QTFT (Quantum Technology Foundation of Thailand)

เมื่อวานมีโอกาสได้สนทนากับคุณเคน ปลายฝนและ ดร.ทิว เกี่ยวกับ what are the public misconception/unknown aspects of “deep tech people” สนุกสนานและผ่านไปสองชั่วโมงกว่ากันอย่างลืมเวลา มีหนึ่งประเด็นเกี่ยวกับ “คนทำเทค” ในมุมภาคการศึกษาไทยอยากมาแชร์ดังนี้ครับ

มุมมองหลักของสังคมไทยต่อคำว่า “นักวิจัย” มักไม่ถูกกล่าวถึงในฐานะอาชีพที่ชัดเจน หลายคนเข้าใจว่านักวิจัยทำหน้าที่เพียง “ค้นและอ่านตำรา” แต่นั่นเป็นแค่องค์ประกอบเล็กๆ จริงๆ แล้วการวิจัยเป็น “กระบวนการคิดและทดลองทำสิ่งใหม่อย่างเป็นระบบ จากสิ่งที่เรารู้ (จากการอ่านการค้น) ไปยังดินแดนที่ไม่มีใครรู้”

และนำไปสู่การค้นพบความเข้าใจหรือความรู้ใหม่ ในที่สุด กระบวนการนี้ทำให้เราตอบคำถามหรือแก้ปัญหาที่ไม่มีใครเคยหาคำตอบได้หรือมีวิธีแก้ไขมาก่อน อาจอยู่ในรูปของการทดลองในห้องแล็บ การวิเคราะห์ข้อมูล การออกแบบแบบจำลองทางคณิตศาสตร์ สิ่งเหล่านี้อาจมองไม่เห็นเป็นชิ้นเป็นอันในทันที เพราะมันคือกระบวนการลองผิดลองถูกอย่างเป็นระบบ เกิดขึ้นในหัว เกิดขึ้นในคอมพิวเตอร์ เกิดขึ้นในห้องแล็บ จึงเกิดคำถามตามมาว่า “แล้วเราได้อะไรจากงานวิจัย?” เพราะบ่อยครั้งมันไม่นำไปสู่อะไรหวือหวาในทันทีทันใดดั่งใจนักลงทุนหวัง

อีกหนึ่งมุมมองที่มักพบในสังคมไทยคือการมองว่า “อาจารย์มหาวิทยาลัย” มีหน้าที่หลักคือ”สอนหนังสือ”เท่านั้น แต่แท้จริงแล้ว งานสำคัญมากของอาจารย์ก็คือ

การวิจัยเพื่อขับเคลื่อนองค์ความรู้ไปข้างหน้า การสอนอาจเป็นสิ่งที่เห็นได้ชัดจากภายนอก แต่เบื้องหลังของอาจารย์คือนาทีชั่วโมงอันแสนยาวนานในการลองผิดลองถูกกับประเด็นใหม่ๆ ที่ยังไม่มีใครมั่นใจว่า “มีทางแก้” หรือไม่ ยิ่งเมื่อต้องเผชิญกับปัญหา open end

เช่น “เราจะใช้คอมพิวเตอร์ควอนตัมที่ยังไม่เสถียร (NISQ device) มาช่วยธุรกิจขนส่งได้จริงหรือเปล่า?” คำถามเช่นนี้คือความท้าทายที่ที่บริษัทที่ปรึกษาระดับโลกหรือ AI ตัวท็อปก็ตอบไม่ได้ชัดเจน เพราะจริงๆ แล้วยังไม่มีใครในโลกที่รู้คำตอบแน่นอน แม้แต่ผู้พัฒนาคอมพิวเตอร์ควอนตัมระดับแถวหน้าของโลกอย่าง Google Quantum AI หรือ IBM Quantum เองก็ยังอยู่ในขั้นตอนของการทดลองและค้นหาแนวทางใหม่ๆ ไม่ต่างกัน ในประเทศเรา “หากยังไม่มีคำตอบที่ชัดเจน ก็อาจยอมรอให้เทคโนโลยีจากที่อื่นพัฒนาจนพร้อม แล้วค่อยไปซื้อต่อมาใช้ เพื่อตัดปัญหาการลงทุนลงแรงกับสิ่งที่ไม่แน่นอน”

ในทางกลับกัน หน้าที่ของอาจารย์และนักวิจัยคือควรเป็นกลุ่มแรกๆ ที่จะเข้าไปขบคิด ทดสอบ และเสนอแนวทางใหม่ๆ สำหรับเรื่องที่ไม่มีใครทำมาก่อน นี่คือกระบวนการสำคัญที่จะช่วยสะสมองค์ความรู้ (อย่างไรก็ตามการทำงานระหว่างภาคการศึกษากับธุรกิจบางทีก็ต่อไม่ติด เพราะฝั่งหนึ่งรีบหา deliverables เพื่อวิเคราะห์ความคุ้มค่าจากการทำ R&D อีกฝั่งนึงอาจจะค่อยๆ เป็น ค่อยๆ ไป เพราะไม่ได้มีส่วนได้ส่วนเสียอะไรมาก ก็ต้องปรับจูนกันไป) ต่อให้บางงานวิจัยยังไม่สามารถนำมาใช้ในทางปฏิบัติได้ทันที อย่างน้อยมันก็มอบ “ทักษะ” การแก้ปัญหาให้กับผู้วิจัยอย่างแท้จริง ทักษะนี้คือหัวใจสำคัญที่พาเราออกจากเขาวงกตของโจทย์ซับซ้อนและกลายเป็นพื้นฐานให้กับนวัตกรรมในวันข้างหน้า

ตัวอย่างที่ชัดเจนเห็นได้จากเพื่อนสายฟิสิกส์หลายคน ที่ภายหลังย้ายไปทำงานในแวดวงธุรกิจหรือกีฬาแบบคาดไม่ถึง เช่น การก้าวขึ้นเป็นหัวหน้าทีมวิเคราะห์ข้อมูลของสโมสรฟุตบอลระดับโลก ซึ่งช่วยพาทีมคว้าแชมป์พรีเมียร์ลีกได้สำเร็จหลายครั้ง เพราะไม่มีใครคาดคิดว่า “ทักษะ” ด้านคณิตศาสตร์และสถิติที่พัฒนาขึ้นในระหว่างการทำวิจัย จะกลายเป็นกุญแจในการวิเคราะห์ฟอร์มการเล่นของทีมฟุตบอล สิ่งนี้ตอกย้ำว่า แม้ตัวงานวิจัยบางส่วนจะยังไม่มี “ผลิตภัณฑ์” มารองรับทันที แต่ความสามารถและทักษะพลิกแพลงที่ได้จากการวิจัยต่างหากที่เปิดประตูสู่โอกาสใหม่ๆ อีกนับไม่ถ้วน

ปัญหาที่เกิดขึ้นในประเทศไทย (ยุคนี้ดีขึ้นกว่าแต่ก่อน แต่ควรดีกว่านี้อีกมาก) คือการมองข้ามคุณค่าทาง”ทักษะ”ของผู้ที่จบสายวิทยาศาสตร์และคณิตศาสตร์ เพราะเรามัก”เชื่อมโยงชื่อปริญญากับตำแหน่งอาชีพโดยตรง”

เช่น จบวิศวะต้องไปเป็นวิศวกร จบวิทย์ต้องไปเป็นครูหรือเป็นนักวิจัยเท่านั้น ทำให้เมื่อเจอปัญหาในอุตสาหกรรมหรือธุรกิจที่ “ไม่เคยมีโซลูชันมาก่อน” เรามักจนปัญญาไม่รู้จะหันหน้าไปหาใคร และมักพยายามหาทางลัดด้วยการ “ซื้อเทคโนโลยี” จากต่างประเทศมาใช้แทน หากเกิดปัญหาที่ไม่มีโซลูชันขายสำเร็จรูป เราก็ยิ่งไม่มีไอเดียว่าจะให้ใครเข้ามาลงมือแก้ ทั้งที่ความท้าทายประเภทนี้คือพื้นที่ทำงานอันแท้จริงของ “นักวิจัย” ผู้ถูกฝึกมาให้คิดต่อยอดหรือออกแบบกระบวนการแก้ไขใหม่

จุดที่น่าสนใจคือ งานวิจัยหลายชิ้นสามารถกลายเป็นหัวใจของนวัตกรรมระดับโลก หากเรามองตัวอย่างของบริษัทเทคโนโลยีระดับโลกอย่าง Google, Microsoft, หรือสถาบันการเงินที่ต้องการนักวิเคราะห์ข้อมูลเชิงลึก (Quantitative Analyst)

ล้วนต้องการ “คนคิดเป็น” มากกว่าต้องการ”คุณวุฒิเฉพาะทาง” เพราะทักษะการวิจัยคือทักษะที่ทำให้คนเราสามารถปรับตัวไปได้หลายแขนง เช่น Data Science, AI, จนถึง FinTech ซึ่งสมัยก่อนยังไม่มีปริญญาที่ตรงสายเหล่านี้อย่างชัดเจนด้วยซ้ำ

หากวันหนึ่งระบบการศึกษาหรืออุตสาหกรรมไทยสามารถจับคู่(Talent/Skill/Problem Matching) ระหว่างโจทย์ที่ยากซับซ้อนเข้ากับ”ทักษะ”ของนักวิจัยที่ฝึกฝนอย่างลึกซึ้งได้ “เด็กสายวิทย์” และ “นักวิทยาศาสตร์” ก็จะกลายเป็นกำลังสำคัญของประเทศอย่างแท้จริง ทั้งในมิติของการแก้ปัญหาใหม่ๆ และการสร้างนวัตกรรมที่ช่วยขับเคลื่อนเศรษฐกิจโดยอาจไม่ต้องพึ่งพาเทคโนโลยีหรือแนวคิดจากที่อื่นมากนัก เราจะไม่เกิดคำถามว่า “เรียนวิทยาศาสตร์ไปแล้วจะไปทำอาชีพอะไร?” แต่เราจะมีคำตอบให้ชัดเจนว่า

“พวกเขาแก้ปัญหาที่ไม่เคยมีใครแก้ได้มาก่อน แล้วบริษัทคุณต้องการแก้ปัญหาไหนล่ะ ทักษะแก้ปัญหาแนววิทยาศาสตร์ใช่สิ่งที่คุณต้องการหรือไม่” ท้ายที่สุดจึงอยากชวนให้สังคมไทยหันมามองบทบาทของงานวิจัยวิทยาศาสตร์ในแง่ของการวางรากฐานทักษะ มากกว่าการโฟกัสว่า “ต้องสร้างผลิตภัณฑ์ขายได้ทันที” เสมอไป

อาจจริงที่ผลงานวิจัยบางอย่างยังไม่ก่อให้เกิดผลกำไรในวันนี้ แต่ผลลัพธ์ระยะยาวและทักษะการคิดเชิงลึกของนักวิทยาศาสตร์ สามารถเป็นจุดตั้งต้นของสิ่งใหม่ๆ ที่เรายังไม่ทันจินตนาการถึงก็เป็นได้ เพราะในที่สุดแล้ว คนที่สามารถคิด “นอกกรอบ” ได้ คือคนที่ผ่านการฝึกให้ตั้งคำถามและแก้ปัญหาโดยไม่ยึดติดกับสูตรตายตัว ซึ่งก็คือ สิ่งที่ “นักวิจัยวิทยาศาสตร์” ทำอยู่ทุกวันนั่นเอง