Open Innovation คืออะไร? ดึงไอเดียนอกองค์กรมาสร้างนวัตกรรม

Open Innovation คืออะไร? ดึงไอเดียนอกองค์กรมาสร้างนวัตกรรม

ในอดีต องค์กรขนาดใหญ่เชื่อว่านวัตกรรมที่ดีที่สุดต้องมาจากห้องวิจัยของตนเอง ใครมีทีม R&D ใหญ่กว่า ก็ได้เปรียบกว่า แต่ในยุคที่เทคโนโลยีเปลี่ยนเร็ว โดยเฉพาะ AI ที่โมเดลและเครื่องมือใหม่เกิดขึ้นเกือบทุกเดือน การพยายามคิดและสร้างทุกอย่างเองภายในองค์กรกลายเป็นทั้งช้าและแพงเกินไป

Open Innovation หรือ "นวัตกรรมเปิด" คือแนวคิดที่ตอบโจทย์นี้ โดยมองว่าความรู้ดีๆ กระจายอยู่ทั่วระบบนิเวศ ทั้งในสตาร์ทอัพ มหาวิทยาลัย คู่ค้า ลูกค้า และชุมชนนักพัฒนา องค์กรที่รู้จักดึงความรู้เหล่านั้นเข้ามา และปล่อยสิ่งที่ตนเองไม่ได้ใช้ออกไปสร้างมูลค่า จะเร่งความเร็วในการสร้างนวัตกรรมได้มากกว่าองค์กรที่ปิดตัวเอง บทความนี้อธิบายหลักการ รูปแบบ ตัวอย่างการประยุกต์ใช้ในงาน AI และโลจิสติกส์ รวมถึงความเสี่ยงที่ต้องบริหารให้ดี

Open Innovation คืออะไร

Open Innovation เป็นคำที่ Henry Chesbrough ศาสตราจารย์จาก UC Berkeley เผยแพร่ผ่านหนังสือในปี 2003 นิยามหลักคือการใช้การไหลเข้าและไหลออกของความรู้อย่างจงใจ เพื่อเร่งนวัตกรรมภายในองค์กรและขยายตลาดสำหรับการนำนวัตกรรมไปใช้ภายนอก

แกนความคิดคือ องค์กรสามารถและควรใช้ทั้งไอเดียจากภายนอกและภายในควบคู่กัน รวมถึงใช้เส้นทางสู่ตลาดทั้งภายในและภายนอกควบคู่กัน ซึ่งต่างจากโมเดลปิด (Closed Innovation) ที่ถือว่าการวิจัยพัฒนา ผลิต และขาย ต้องทำเองภายใต้หลังคาเดียวกันทั้งหมด

ตัวอย่างที่ถูกอ้างถึงบ่อยคือโครงการ Connect + Develop ของ Procter & Gamble ที่เริ่มราวปี 2000 โดยตั้งเป้าให้นวัตกรรมส่วนสำคัญมาจากพันธมิตรภายนอก แทนที่จะพึ่งห้องวิจัยของตนเองเพียงอย่างเดียว กรณีนี้ทำให้ธุรกิจทั่วโลกหันมาทบทวนว่าการ "คิดเองทุกอย่าง" ยังคุ้มค่าอยู่หรือไม่

3 รูปแบบของ Open Innovation

งานวิชาการแบ่งการไหลของความรู้ออกเป็น 3 รูปแบบหลัก ซึ่งองค์กรสามารถเลือกผสมกันได้

Inbound (Outside-In):
ดึงความรู้ เทคโนโลยี หรือไอเดียจากภายนอกเข้ามาใช้ เช่น การซื้อหรือขอไลเซนส์เทคโนโลยี การร่วมงานกับสตาร์ทอัพ การจัด Hackathon การรับไอเดียจากลูกค้า หรือการนำโมเดล AI แบบโอเพนซอร์สมาปรับใช้ นี่คือรูปแบบที่พบมากที่สุด

Outbound (Inside-Out):
นำทรัพย์สินทางปัญญาหรือเทคโนโลยีที่องค์กรมีแต่ไม่ได้ใช้เต็มที่ ออกไปสร้างรายได้หรือสร้างระบบนิเวศ เช่น การอนุญาตให้ใช้สิทธิบัตร การเปิด API ให้พันธมิตรเชื่อมต่อ หรือการปล่อยเครื่องมือภายในเป็นโอเพนซอร์ส

Coupled (ผสมสองทาง):
ร่วมพัฒนากับพันธมิตรโดยมีทั้งการให้และการรับ เช่น การตั้งกิจการร่วมค้า การทำ Co-development กับลูกค้าหรือซัพพลายเออร์ หรือการสร้างแพลตฟอร์มที่ผู้เล่นหลายฝ่ายมาต่อยอดร่วมกัน

ทำไม Open Innovation จึงสำคัญในยุค AI

มีเหตุผลเชิงโครงสร้างอย่างน้อย 4 ประการที่ทำให้แนวคิดนี้เกี่ยวข้องกับธุรกิจมากขึ้นในปัจจุบัน

ความเร็วของเทคโนโลยี:
วงจรการเปลี่ยนแปลงของ AI สั้นกว่าวงจรการวางแผนงบประมาณขององค์กรส่วนใหญ่ การรอสร้างทุกอย่างเองอาจทำให้ของที่เสร็จออกมาล้าสมัยตั้งแต่วันเปิดตัว

ความรู้กระจายตัว:
ไม่มีองค์กรใดมีผู้เชี่ยวชาญครบทุกด้าน ตั้งแต่ Computer Vision ไปจนถึงการเพิ่มประสิทธิภาพเส้นทางและกฎระเบียบศุลกากร การเข้าถึงผู้เชี่ยวชาญภายนอกจึงเป็นทางลัดที่สมเหตุสมผล

ต้นทุนและความเสี่ยงของการทดลอง:
การร่วมทดลองกับสตาร์ทอัพผ่านโครงการนำร่อง (Pilot) มีต้นทุนต่ำกว่าการตั้งทีมวิจัยใหม่ และหากไม่ได้ผลก็ยุติได้เร็วโดยไม่ต้องแบกภาระโครงสร้างองค์กร

ระบบนิเวศโอเพนซอร์ส:
เครื่องมือและโมเดล AI จำนวนมากเปิดให้ใช้งานและปรับแต่งได้ ทำให้องค์กรขนาดกลางเข้าถึงความสามารถที่เมื่อก่อนมีแต่บริษัทใหญ่ที่ลงทุนวิจัยเองเท่านั้น

ตัวอย่างการประยุกต์ใช้ในโลจิสติกส์และ AI

ธุรกิจโลจิสติกส์เป็นอุตสาหกรรมที่เหมาะกับแนวคิดนี้มาก เพราะห่วงโซ่คุณค่าประกอบด้วยผู้เล่นหลายฝ่ายอยู่แล้ว ทั้งผู้ส่งสินค้า ผู้ให้บริการขนส่ง ท่าเรือ ศุลกากร และผู้ให้บริการเทคโนโลยี รูปแบบที่พบได้ เช่น

การร่วมมือกับสตาร์ทอัพด้านเทคโนโลยี:
ผู้ให้บริการโลจิสติกส์รายใหญ่หลายแห่งเปิดโครงการ Innovation Hub หรือ Accelerator เพื่อคัดเลือกสตาร์ทอัพที่มีเทคโนโลยีด้านการติดตามพัสดุ ระบบคลังสินค้าอัตโนมัติ หรือการพยากรณ์ปริมาณงาน มาทดลองใช้กับงานจริง โดยองค์กรได้เทคโนโลยีเร็ว ส่วนสตาร์ทอัพได้ข้อมูลและลูกค้าจริงสำหรับพัฒนาผลิตภัณฑ์

การแชร์ข้อมูลกับพันธมิตรผ่าน API:
เมื่อเปิดข้อมูลสถานะสินค้าหรือตารางเรือให้ระบบของลูกค้าและพันธมิตรเชื่อมต่อ ก็เกิดบริการใหม่ๆ ที่องค์กรไม่ได้คิดเอง เช่น แอปพลิเคชันบริหารการนำเข้าส่งออก หรือเครื่องมือเปรียบเทียบราคาขนส่ง นี่คือ Outbound Innovation ในรูปแบบหนึ่ง

การพัฒนาร่วมกับลูกค้าสำคัญ:
ลูกค้าที่มีปัญหาซับซ้อน เช่น สินค้าควบคุมอุณหภูมิหรือสินค้าที่มีข้อกำหนดพิเศษ มักเป็นแหล่งไอเดียที่ดีที่สุด การร่วมออกแบบโซลูชันกับลูกค้า (Co-creation) ช่วยให้ผลลัพธ์ตรงความต้องการและลดความเสี่ยงที่ผลิตภัณฑ์ไม่ถูกใช้งาน

การใช้ AI แบบเปิด:
ทีมงานสามารถนำโมเดลโอเพนซอร์สมาปรับแต่งกับข้อมูลภายในเพื่อสร้างระบบสรุปเอกสารขนส่ง ตอบคำถามลูกค้า หรือวิเคราะห์ข้อมูลปฏิบัติการ โดยไม่ต้องเริ่มสร้างโมเดลจากศูนย์ ซึ่งลดเวลาและต้นทุนลงมาก แต่ต้องตรวจสอบเงื่อนไขไลเซนส์และความปลอดภัยของข้อมูลให้รอบคอบ

การร่วมมือกับมหาวิทยาลัยและสถาบันวิจัย:
ปัญหาเชิงลึก เช่น การเพิ่มประสิทธิภาพเครือข่ายหรือการวิเคราะห์ข้อมูลเชิงพื้นที่ ต้องอาศัยความรู้เฉพาะทาง การร่วมวิจัยหรือรับนักศึกษาฝึกงานในโครงการจริงช่วยให้ได้ทั้งองค์ความรู้และบุคลากรรุ่นใหม่

ความเสี่ยงและข้อควรระวัง

Open Innovation ไม่ใช่ทางลัดที่ไร้ต้นทุน องค์กรที่ลงมือโดยไม่เตรียมการมักพบปัญหาเหล่านี้

ทรัพย์สินทางปัญญาและความเป็นเจ้าของ:
หากไม่กำหนดสิทธิ์ในผลงานที่เกิดจากการพัฒนาร่วมกันตั้งแต่ต้น อาจเกิดข้อพิพาทภายหลัง ควรระบุเรื่องความเป็นเจ้าของ สิทธิ์การใช้งาน และการรักษาความลับในสัญญาให้ชัดเจน

ความปลอดภัยและความเป็นส่วนตัวของข้อมูล:
การแชร์ข้อมูลกับภายนอกต้องผ่านการกำกับดูแล เช่น การปกปิดข้อมูลส่วนบุคคล การจำกัดสิทธิ์การเข้าถึง และการประเมินตามกฎหมายคุ้มครองข้อมูลส่วนบุคคลที่เกี่ยวข้อง

Not-Invented-Here Syndrome:
อุปสรรคทางวัฒนธรรมที่พบบ่อยที่สุดคือทีมภายในไม่ยอมรับไอเดียที่ไม่ได้คิดเอง ผู้บริหารจึงต้องวางสัญญาณชัดเจนว่าการนำความรู้ภายนอกมาใช้เป็นความสามารถที่ได้รับการยกย่อง ไม่ใช่สัญญาณของความอ่อนแอ

ความสามารถในการดูดซับ (Absorptive Capacity):
องค์กรที่ไม่มีทีมเทคนิคหรือกระบวนการรองรับ จะดึงเทคโนโลยีเข้ามาแล้วใช้ไม่เป็น การเปิดรับจากภายนอกจึงต้องควบคู่กับการลงทุนพัฒนาบุคลากรภายใน

การพึ่งพาพันธมิตรมากเกินไป:
หากเทคโนโลยีแกนกลางที่สร้างความแตกต่างทั้งหมดอยู่ในมือผู้อื่น องค์กรอาจสูญเสียอำนาจต่อรอง ควรแยกให้ชัดว่าสิ่งใดคือความสามารถหลักที่ต้องถือครองเอง และสิ่งใดเปิดร่วมมือได้

วิธีเริ่มต้นอย่างเป็นระบบ

องค์กรที่ต้องการนำ Open Innovation มาใช้ควรเริ่มจากขั้นตอนที่จัดการได้จริง ไม่จำเป็นต้องตั้งโครงการใหญ่ตั้งแต่วันแรก

ขั้นแรก ระบุโจทย์ธุรกิจที่ชัดเจน เช่น ลดเวลารอคิวหน้าคลัง หรือเพิ่มความแม่นยำของการพยากรณ์ปริมาณงาน เพราะการเปิดรับไอเดียโดยไม่มีโจทย์มักได้ผลลัพธ์ที่กระจัดกระจาย

ขั้นที่สอง เลือกช่องทางที่เหมาะกับโจทย์ เช่น จัด Challenge ให้สตาร์ทอัพเสนอโซลูชัน เปิด Hackathon ภายในและภายนอก หรือจับคู่กับมหาวิทยาลัย

ขั้นที่สาม ออกแบบโครงการนำร่องที่มีขอบเขต ระยะเวลา และตัวชี้วัดความสำเร็จชัดเจน เช่น 8 ถึง 12 สัปดาห์ พร้อมเกณฑ์ตัดสินว่าจะขยายผลหรือยุติ

ขั้นที่สี่ เตรียมกรอบสัญญาและแนวปฏิบัติด้านข้อมูลล่วงหน้า เพื่อให้การเริ่มโครงการไม่ติดขัดด้านกฎหมายและความปลอดภัย

ขั้นสุดท้าย กำหนดเจ้าของโครงการภายในที่รับผิดชอบการนำผลลัพธ์ไปใช้จริง เพราะนวัตกรรมที่ไม่ถูกนำเข้าสู่การปฏิบัติงานจริงไม่สร้างมูลค่าให้ธุรกิจ

ตัวชี้วัดที่ควรติดตาม

การวัดผลช่วยให้ผู้บริหารตัดสินใจลงทุนต่อได้อย่างมีเหตุผล ตัวอย่างตัวชี้วัดที่ใช้ได้ ได้แก่ จำนวนโครงการนำร่องที่ขยายผลสู่การใช้งานจริง ระยะเวลาตั้งแต่ได้ไอเดียจนถึงการใช้งาน ต้นทุนต่อโครงการเทียบกับการพัฒนาเอง ผลลัพธ์ทางธุรกิจ เช่น เวลาที่ประหยัดได้หรือรายได้ใหม่ และความพึงพอใจของพันธมิตรที่ร่วมงาน การติดตามอัตราการขยายผลจากโครงการนำร่องเป็นตัวชี้วัดสำคัญ เพราะบ่งบอกว่ากิจกรรมนวัตกรรมเปลี่ยนเป็นผลลัพธ์จริงหรือเป็นเพียงกิจกรรมประชาสัมพันธ์

สรุป

Open Innovation คือแนวคิดที่ยอมรับว่าความรู้ที่ดีที่สุดไม่ได้อยู่ในองค์กรเดียว และผู้ที่เร่งความเร็วได้คือผู้ที่เชื่อมต่อกับระบบนิเวศได้ดีที่สุด ในยุคที่ AI และเทคโนโลยีโลจิสติกส์พัฒนาอย่างรวดเร็ว การผสมผสานการดึงความรู้เข้ามา การปล่อยทรัพย์สินออกไปสร้างมูลค่า และการพัฒนาร่วมกับพันธมิตร ช่วยให้องค์กรทดลองได้เร็วขึ้นด้วยต้นทุนและความเสี่ยงที่ต่ำลง

อย่างไรก็ตาม ความสำเร็จขึ้นอยู่กับการเตรียมพื้นฐานให้พร้อม ทั้งโจทย์ธุรกิจที่ชัดเจน กรอบกฎหมายและข้อมูลที่รัดกุม วัฒนธรรมที่เปิดรับ และทีมภายในที่พร้อมนำสิ่งที่ได้มาไปต่อยอด หากเริ่มจากโครงการนำร่องเล็กๆ ที่มีตัวชี้วัดชัดเจน แล้วขยายผลตามหลักฐานที่ได้ องค์กรจะค่อยๆ สร้างความสามารถด้านนวัตกรรมเปิดที่ยั่งยืนได้