ลองนึกภาพแบบนี้ครับ — คุณเป็นผู้บริหารบริษัทขนาด 30 คน รายได้กำลังโตปีละ 30-40% และเริ่มเจอ pain point เดิม ๆ ที่บริษัทใหญ่กว่าเคยเจอ — ต้นทุนสูงเกินที่ควร, process ที่ใช้เวลาเยอะแต่ไม่ได้สร้างคุณค่า, ทีมที่ทำงานหนักแต่ผลออกมาช้า
คำถามคือ — คุณจะแก้ปัญหาเหล่านี้ยังไง?
หลายคนหันไปลอกวิธีของบริษัทไทยขนาดใหญ่ที่เคยเจอปัญหานี้แล้ว — ผลคือได้ระบบราชการเพิ่มเข้ามาในบริษัทเล็ก หลายคนไปอ่านหนังสือ management แบบตะวันตก — ผลคือเข้าใจหลักทฤษฎีแต่ทำไม่ได้จริงในบริบทไทย
อีกทางหนึ่งที่น่าสนใจคือ — มองคนที่สร้างบริษัทมูลค่าเป็นล้านล้านเหรียญในเวลา 20 ปี แล้วถามว่าเขาคิดยังไง
Elon Musk เป็นผู้นำที่ถูกถกเถียงมากที่สุดในวงการธุรกิจตอนนี้ — บางฝ่ายยกย่องเป็นอัจฉริยะที่เปลี่ยนอุตสาหกรรมรถยนต์ จรวด และพลังงานในเวลา 20 ปี อีกฝ่ายวิจารณ์ว่าทำลายวัฒนธรรมองค์กรและเปิดเผยตัวเองในที่สาธารณะบ่อยจนน่าอาย
ทั้งสองมุมมีหลักฐานสนับสนุน — แต่นั่นไม่ใช่ประเด็นของบทความนี้
ประเด็นคือ — มีอะไรในวิธีคิดของ Musk ที่ถ่ายทอดมาใช้กับ SME ไทยได้จริง?
เราจะลองดูกัน 3 หลักหลัก ที่มีหลักฐานพิสูจน์ตัวเอง — First Principles Thinking, The Algorithm 5 ขั้น, และ Idiot Index — พร้อมตัวอย่างจริงจาก SpaceX กับ Tesla และสุดท้าย เรามาดูข้อจำกัดที่ทำให้หลักเหล่านี้ ไม่เหมาะกับทุกบริบท
ทำไมต้องเข้าใจวิธีของ Musk (และไม่ใช่แค่ลอก)
มีคำกล่าวในแวดวง management ว่า — "ลอกเลียน Musk แล้วล้มเหลวเกือบทุกคน"
คำกล่าวนี้จริงในระดับผิว แต่ละทิ้งความจริงที่ลึกกว่า
หลักการของ Musk แบ่งเป็น 2 ชั้น ที่ต้องแยกออกจากกันให้ชัด
ชั้นที่ 1 — Leadership style ที่ extreme — ทำงาน 16-18 ชั่วโมงต่อวัน, ไล่ออกในที่ประชุม, ตัดสินใจไม่ผ่านใคร — ชั้นนี้ ไม่ใช่ทุกบริบทรับได้ บริษัทที่ talent pool หายาก จะเจอ resistance หนักจน morale พังก่อนเห็นผล
ชั้นที่ 2 — Thinking framework กับ Engineering discipline — ชั้นนี้ ถ่ายทอดได้ ตั้งแต่คนทำ side project คนเดียว จนถึงบริษัทกลางที่ scale ทีม
บทความนี้โฟกัสที่ชั้น 2 — ชั้นที่ Walter Isaacson, Ashlee Vance และนักข่าวที่เข้าถึง Musk ใกล้ชิดได้บันทึกว่าใช้จริงและให้ผล
หลักที่ 1 — First Principles Thinking
First Principles เป็นวิธีคิดที่ Aristotle กับ Descartes พูดถึงตั้งแต่หลายร้อยปีก่อน — แบ่งปัญหาให้ลงไปถึง ข้อเท็จจริงพื้นฐานที่ปฏิเสธไม่ได้ แล้ว reason กลับขึ้นมา แทนการรับ assumption ของคนรอบข้างมา
Musk อธิบายในการสัมภาษณ์หลายครั้งว่า — Analogical reasoning คือการคิดด้วย template ของคนอื่น เร็วและพอใช้ได้ในกรณีปกติ แต่ถ้าทุกคนคิดแบบนี้ industry ทั้งหมดติดอยู่ในจุดเดียวกัน
Innovation จริงเกิดจากการ reason from first principles — เริ่มจากกฎฟิสิกส์ที่รู้ว่าจริง แล้วถามว่า — "ถ้าออกแบบใหม่ตอนนี้ จะออกแบบยังไง?"
ตัวอย่างที่ 1 — Battery Cost
ในยุคต้นของ Tesla ทุกคนใน industry battery บอกตรงกันว่า — battery pack ราคา 600 เหรียญต่อ kWh และจะอยู่ที่ราคานี้ตลอดไป เพราะกระบวนการผลิตมีข้อจำกัด
Musk ไม่รับ assumption นี้ เขาถาม คำถามฟิสิกส์ — วัสดุของ battery คืออะไรบ้าง? คาร์บอน, นิกเกิล, อะลูมิเนียม, polymers, เหล็ก — แต่ละตัวมีราคาตลาดเท่าไร?
เมื่อบวกราคา raw material ทั้งหมดต่อ kWh — ตัวเลขออกมาที่ 80 เหรียญ
ส่วนต่าง 520 เหรียญ ไม่ใช่กฎฟิสิกส์ — มันคือ cost ที่ supply chain ของ battery รับไปเพราะวิธีจัดการที่สะสมมา
การเห็นช่องนี้นำไปสู่ Tesla Gigafactory และทำให้ Tesla ผลิต battery ที่ราคาใกล้ raw material มากขึ้นในรอบ 10 ปี
ตัวอย่างที่ 2 — Rocket Cost
ก่อนเปิด SpaceX, Musk พยายามซื้อ rocket จากรัสเซีย — ราคาที่เสนอสูงกว่าที่เขาคาดมาก
เขากลับมาคิดว่า — rocket จริง ๆ ทำจากอะไร และวัสดุเหล่านั้นราคาเท่าไร?
ผลที่ได้คือ — raw material ของ rocket คิดเป็นประมาณ 2% ของราคาที่ตลาดเสนอ — อีก 98% คือ engineering, manufacturing, supply chain และ margin ของ vendor
SpaceX ใช้ first principle นี้สร้าง rocket ตั้งแต่ต้น ออกแบบใหม่หมด — ลด cost ของ launch ลง 90% เทียบกับ NASA และ aerospace แบบเก่า
ภายใน 15 ปี — Falcon 9 reusable กลายเป็น default ของอุตสาหกรรม
3 ขั้นของ First Principles ที่นำไปใช้ได้จริง
ขั้นที่ 1 — ระบุ assumption ที่ทุกคนยอมรับ เขียนลงเป็น list — ฟังดูง่ายแต่หลายคนข้าม assumption บางตัวฝังลึกจนมองไม่เห็น เช่น "salary ของ engineer ใน industry นี้อยู่ที่ระดับนี้" หรือ "lead time ของผู้ผลิตในไทยอยู่ที่ 60 วัน"
ขั้นที่ 2 — ถามว่า assumption แต่ละตัวอิงอะไร? — กฎฟิสิกส์? กฎหมาย? หรือแค่ habit ของ industry? — ตัวที่มาจาก habit นี่แหละคือเป้าหมายของการคิดใหม่
ขั้นที่ 3 — ออกแบบจากศูนย์ — ถ้ารู้แค่กฎฟิสิกส์กับข้อจำกัดทางกฎหมาย จะออกแบบยังไง? เปรียบเทียบกับสิ่งที่ทำอยู่ ดูว่า gap เกิดจากอะไร
กับดักของ First Principles
วิธีคิดนี้ ทรงพลังในมือคนที่เข้าใจ domain ลึก — Musk รู้ฟิสิกส์ของ rocket และ chemistry ของ battery ลึกพอจะ reason ใหม่ได้
คนที่ ไม่รู้ domain แล้วใช้ First Principles มักจะลงเอยที่การ ignore expert knowledge ที่สะสมมาจริง — เช่นการคิดใหม่เรื่อง drug discovery โดยไม่เข้าใจ pharmacology — ผลคือลงทุนกับวิธีที่ industry เคยลองมาแล้วและพิสูจน์ว่าไม่ work
หลักที่ใช้จริง — First Principles ใช้ใน area ที่ตัวเองมี domain knowledge หรือร่วมงานกับ expert ที่มี — ไม่ใช่ใช้ทุกที่ทุกเรื่อง
หลักที่ 2 — The Algorithm 5 ขั้น
Walter Isaacson ในชีวประวัติของ Musk ปี 2023 บันทึกว่า — Musk พัฒนา The Algorithm ระหว่างวิกฤตการผลิต Model 3 ที่โรงงาน Fremont
เขาใช้ Algorithm นี้ในการตัดสินใจ engineering กับ manufacturing ในทุกบริษัทตั้งแต่นั้น
5 ขั้นตามลำดับ (สลับไม่ได้!) ที่ Isaacson บันทึก:
ขั้นที่ 1 — Question Every Requirement (ตั้งคำถามกับทุก requirement)
ทุก requirement ต้องมี ชื่อคน ติดอยู่ — ไม่ใช่ชื่อแผนก
ห้ามรับว่า requirement มาจาก "ฝ่ายกฎหมาย" หรือ "ฝ่าย safety" — ต้องรู้ชื่อคนที่ตั้ง requirement นั้น แล้วถามคำถามกับคนคนนั้นโดยตรง ไม่ว่าจะฉลาดเท่าใด
เหตุผล — Requirement ที่ไม่มีคนรับผิดชอบมักสะสมจาก policy เก่าที่ไม่มีใครจำเหตุผลได้
ขั้นที่ 2 — Delete (ลบ)
ลบทุก part หรือ process ที่ลบได้
กฎ 10% — ถ้าหลังลบแล้วต้อง add back น้อยกว่า 10% แปลว่ายัง ลบไม่พอ
กฎนี้สำคัญ — มันป้องกันความระมัดระวังเกินเหตุ
คนที่ลบของน้อยเกินไป จะลบเฉพาะของที่ "แน่ใจว่าไม่จำเป็น" — ในทางปฏิบัติของที่ "ไม่จำเป็นจริง" มีน้อยกว่าที่คิด — การลบให้พอจนต้อง add back บางส่วนคือสัญญาณว่าตัดสินใจถูก
ขั้นที่ 3 — Simplify and Optimize (ทำให้ง่ายและ optimize)
ขั้นนี้มาหลังขั้น 1 กับ 2 — เพราะ Musk เคยพลาดในการ simplify และ optimize part ที่จริง ๆ ไม่ควรมีอยู่เลย
วิศวกรชอบ optimize เพราะรู้สึกว่าได้ทำงาน — แต่การ optimize part ที่ควรลบทิ้ง = เสีย effort
ขั้นที่ 4 — Accelerate Cycle Time (เร่ง cycle time)
ทุก process เร่งได้
ขั้นนี้มาเป็น 4 เพราะ — เร่ง process ที่ไม่ควรมีหรือซับซ้อนเกินจำเป็น = เร่งทางผิด
ขั้นที่ 5 — Automate
Musk เน้นชัดว่า — automate ต้องมาเป็นขั้นสุดท้าย
ความผิดพลาดที่เขาทำที่ Nevada กับ Fremont คือ — automate ตั้งแต่ขั้นแรก ก่อนจะ question requirement, ลบ, simplify และ accelerate
ผล? — สร้าง automation ของ process ที่จริง ๆ ไม่ควรมี — ซึ่ง แก้ยากกว่าและแพงกว่ามาก เมื่อต้องรื้อ
นำไปใช้กับทีม Software ในไทย
ลำดับ 5 ขั้นนี้ สลับไม่ได้ — Musk ย้ำเรื่องนี้บ่อยมาก
คนที่อ่าน Algorithm ผ่าน ๆ มักจะ jump ไปขั้นที่ 5 ทันที เพราะ automate ฟังดู modern — ในทางปฏิบัติคือการสะสม technical debt ในรูป automated process
ตัวอย่างที่เจอใน software house ไทยบ่อย:
- การ automate test ของ feature ที่ requirement ยังไม่ stable = เข้าขั้นที่ 5 ก่อนเสร็จขั้นที่ 1
- การ optimize database query ของ table ที่จริง ๆ ควรลบ = เสีย effort ในขั้นที่ 3 ก่อนเสร็จขั้นที่ 2
- ทุกครั้งที่ทีมรู้สึกว่า "เราต้อง automate เรื่องนี้" — ถามก่อน ว่าทำไมเรื่องนี้ถึงเกิดขึ้นทั้งหมด?
หลักที่ 3 — The Idiot Index
แนวคิด Idiot Index ปรากฏใน Isaacson biography ว่าเป็นเครื่องมือที่ Musk ใช้บังคับให้ทีม finance ของ Tesla กับ SpaceX ตามต้นทุนของชิ้นส่วนทุกตัวเทียบกับ ราคา raw material
นิยามตรง — อัตราส่วนของราคาที่จ่ายจริงของ part / ราคา raw material ที่ใช้สร้าง part นั้น
ถ้าค่านี้สูงผิดปกติ — แปลว่ามีปัญหาในการออกแบบ supply chain หรือทั้งสองอย่าง
ตัวอย่างที่เด่นที่สุด — Raptor Engine
Raptor engine ของ SpaceX ตอนต้นต้นทุน 2 ล้านเหรียญต่อเครื่อง
Musk วาง goal — ลดเหลือ 200,000 เหรียญ — ลด 10 เท่า!
ทีมที่ฟัง goal ครั้งแรกคิดว่า — เป็นไปไม่ได้
Musk ตอบโดยถาม — raw material ของ Raptor คืออะไร?
คำตอบ — เหล็ก, nickel-based superalloy, อลูมิเนียม — ราคารวมต่ำกว่า 50,000 เหรียญ
ถ้า engine ควรเป็น cost ของ raw material บวก margin สำหรับ machining — 200,000 เหรียญคือ target ที่ฟิสิกส์รองรับ — ไม่ใช่ตัวเลขที่มาจาก habit
