ผู้บริหารสรรหาระดับหัวหน้าสายงาน Computer Vision

ตำแหน่ง Head of Computer Vision คือบทบาทผู้นำระดับสูงที่อยู่กึ่งกลางระหว่างงานวิจัยเชิงลึก วิศวกรรมระบบจริง และกลยุทธ์ธุรกิจ โดยเฉพาะในองค์กรที่ใช้ข้อมูลภาพและวิดีโอเป็นหัวใจของผลิตภัณฑ์หรือการดำเนินงาน ไม่ว่าจะเป็นโรงงานอัจฉริยะ การแพทย์ดิจิทัล ระบบตรวจสอบคุณภาพอัตโนมัติ ความปลอดภัย การเกษตรอัจฉริยะ หรือแพลตฟอร์ม AI เชิงอุตสาหกรรม ในบริบทประเทศไทย บทบาทนี้มีความสำคัญมากขึ้นอย่างชัดเจนตามทิศทางของแผนปฏิบัติการด้านปัญญาประดิษฐ์แห่งชาติ พ.ศ. 2565-2570 การเร่งลงทุนโครงสร้างพื้นฐาน AI และความต้องการประยุกต์ใช้ Computer Vision ในภาค Smart Manufacturing, Healthcare, Smart City และอุตสาหกรรมเป้าหมายในพื้นที่ EEC

ในทางปฏิบัติ ผู้นำสายงานนี้ไม่ได้ดูแลเพียงการสร้างโมเดลตรวจจับวัตถุหรือจำแนกภาพ แต่เป็นผู้รับผิดชอบภาพรวมทั้งวงจร ตั้งแต่กลยุทธ์ข้อมูลภาพ การเก็บและติดฉลากข้อมูล การออกแบบสถาปัตยกรรมโมเดล การจัดการ MLOps การปรับประสิทธิภาพ inference บนอุปกรณ์ edge หรือระบบคลาวด์ ตลอดจนการนำโมเดลลง production ให้ทำงานได้จริงในสภาพแวดล้อมที่มีข้อจำกัดด้าน latency ต้นทุน และความแม่นยำ สำหรับองค์กรไทย บทบาทนี้มักถูกคาดหวังให้เชื่อมโลกของงานวิจัยกับข้อเท็จจริงหน้างาน เช่น กล้องในสายการผลิต คุณภาพแสง สภาพแวดล้อมโรงงาน มาตรฐานอุตสาหกรรม และข้อกำหนดด้านความปลอดภัยหรือการกำกับดูแล

ชื่อตำแหน่งอาจแตกต่างกันไปตามโครงสร้างองค์กร เช่น Head of Computer Vision, Head of Perception, Director of AI, Vision Systems Lead, Principal AI Manager หรือในบางบริษัทอาจใช้ชื่อว่า Head of AI Platform หากบทบาทครอบคลุมทั้ง vision และโมเดลหลายรูปแบบ ในสตาร์ทอัพหรือบริษัทเทคโนโลยีที่กำลังขยายตัวเร็วในประเทศไทย ตำแหน่งนี้มักเป็นแบบ player-coach คือยังต้องลงลึกทางเทคนิคด้วยตนเอง ขณะเดียวกันต้องบริหารทีม วาง roadmap และประสานกับผู้บริหารสายผลิตภัณฑ์ วิศวกรรม และฝ่ายปฏิบัติการ โดยทั่วไปจะรายงานตรงต่อ CTO, Chief AI Officer หรือผู้บริหารสายเทคโนโลยีระดับภูมิภาค

การแยกบทบาทนี้ออกจากหัวหน้าสายงาน Machine Learning ทั่วไปเป็นเรื่องสำคัญมากในการสรรหา ผู้บริหารด้าน Computer Vision ต้องเข้าใจปัญหาเฉพาะของข้อมูลภาพ วิดีโอ ข้อมูลเชิงพื้นที่ และการรับรู้จากโลกจริง ซึ่งต่างจากงานโมเดลบนข้อมูลตารางหรือข้อความอย่างมีนัยสำคัญ อีกทั้งยังต่างจาก Head of Robotics ที่ดูแลลูปตั้งแต่ perception ไปจนถึง planning และ actuation โดย Head of Computer Vision จะเน้นชั้นการรับรู้เป็นหลัก แม้ในองค์กรสมัยใหม่จะต้องทำงานร่วมกับ multimodal AI มากขึ้น เช่น การผสานภาพ ภาษา เสียง และข้อมูลจากเซ็นเซอร์หลายชนิดเพื่อสร้างระบบอัตโนมัติที่ตัดสินใจได้ดีขึ้น

ในตลาดไทย การตัดสินใจจ้าง Head of Computer Vision มักไม่ได้เกิดจากการวางโครงสร้างองค์กรเชิงสัญลักษณ์ แต่เกิดจากปัญหาธุรกิจที่ชัดเจน เช่น โปรเจกต์ pilot ใช้งานได้ในห้องทดลองแต่ล้มเหลวเมื่อขยายสู่โรงงานจริง โมเดลมีความแม่นยำดีในข้อมูลทดสอบแต่เสื่อมประสิทธิภาพเมื่อเจอข้อมูลจากหน้างานจริง ปริมาณข้อมูลวิดีโอเพิ่มขึ้นมากจนทีมเดิมบริหาร pipeline ไม่ไหว หรือองค์กรต้องการสร้างมาตรฐานกลางด้านข้อมูลภาพและ AI deployment หลายโรงงานพร้อมกัน เมื่อธุรกิจเดินมาถึงจุดที่ต้องการทั้งความแม่นยำ ความเสถียร ความเร็ว และความสามารถในการขยายระบบ ผู้บริหารระดับหัวหน้าสายงานจึงกลายเป็นตำแหน่งจำเป็น

กลุ่มนายจ้างที่แข่งขันกันดึงตัวคนโปรไฟล์นี้ในประเทศไทยค่อนข้างหลากหลาย แต่กระจุกตัวในอุตสาหกรรมที่ Computer Vision สร้างมูลค่าทางธุรกิจโดยตรง ได้แก่ โรงงานและระบบอัตโนมัติในกรุงเทพฯ สมุทรปราการ ชลบุรี ระยอง และพื้นที่ EEC บริษัท Healthcare AI และ Medical Technology ที่ต้องใช้การประมวลผลภาพเพื่อการวินิจฉัยหรือช่วยงานแพทย์ กลุ่มพลังงานและโครงสร้างพื้นฐานที่ใช้ vision เพื่อตรวจสอบความปลอดภัยและบำรุงรักษาเชิงคาดการณ์ ตลอดจนหน่วยงานวิจัย มหาวิทยาลัย และองค์กรเทคโนโลยีที่สร้างแพลตฟอร์ม AI ของไทยเอง ความต้องการยังขยายต่อเนื่องจากนโยบายรัฐด้าน AI for All การพัฒนาเศรษฐกิจดิจิทัล และการสนับสนุนโครงสร้างพื้นฐานทดสอบ AI ของประเทศ

ความท้าทายใหญ่ที่สุดของการสรรหาคืออุปทานบุคลากรยังไม่เพียงพออย่างชัดเจน ตลาด AI ไทยมีช่องว่างกำลังคนสูงมาก และในสาย Computer Vision ยิ่งหายากกว่าเดิม เพราะองค์กรต้องการคนที่ไม่เพียงเข้าใจ deep learning, OpenCV, PyTorch หรือ TensorFlow แต่ยังต้องมีประสบการณ์พาโมเดลไปใช้งานจริง ดูแลข้อมูลจำนวนมาก จัดการทีมข้ามสายงาน และอธิบาย trade-off ทางเทคนิคให้ผู้บริหารธุรกิจเข้าใจได้ ผู้สมัครระดับหัวหน้าที่มีทั้งเครดิตงานวิจัย ความสามารถเชิงวิศวกรรม และประสบการณ์เชิงพาณิชย์ จึงมีจำกัดและมักถูกบริษัทข้ามชาติ สตาร์ทอัพทุนหนา หรือองค์กรวิจัยชั้นนำจับตาพร้อมกัน

ในด้านคุณสมบัติการศึกษา ตลาดยังให้น้ำหนักกับผู้สมัครที่มีพื้นฐานแข็งแรงจากวิทยาการคอมพิวเตอร์ วิศวกรรมไฟฟ้า วิศวกรรมคอมพิวเตอร์ คณิตศาสตร์ประยุกต์ ฟิสิกส์ หรือสาขาใกล้เคียง โดยเฉพาะผู้ที่มีปริญญาโทหรือปริญญาเอกสายวิจัยเข้มข้น อย่างไรก็ตาม ในประเทศไทยเริ่มเห็นการเปิดรับผู้ที่เติบโตจากเส้นทางอุตสาหกรรมมากขึ้น หากมีผลงานชัดเจนด้านการสร้างระบบ production, การบริหารทีม และการทำงานในโดเมนเฉพาะ เช่น การผลิต การแพทย์ หรือเกษตรอัจฉริยะ นอกจากนี้ โครงการพัฒนากำลังคนอย่าง Super AI Engineer และกรอบสมรรถนะ TH-AICF ก็กำลังมีบทบาทในการยกระดับมาตรฐานทักษะและสร้างเส้นทางคนรุ่นใหม่เข้าสู่ตลาด

มากกว่าวุฒิการศึกษา สิ่งที่องค์กรไทยมองหาใน Head of Computer Vision คือหลักฐานความสำเร็จที่ตรวจสอบได้จริง เช่น เคยสร้างระบบตรวจสอบคุณภาพอัตโนมัติที่ลดของเสียในสายการผลิต เคยพัฒนาโมเดลวิเคราะห์ภาพทางการแพทย์ที่ผ่านกระบวนการทดสอบอย่างเป็นระบบ เคยจัดการ data pipeline ภาพหรือวิดีโอขนาดใหญ่ เคยสร้างทีม vision ตั้งแต่ศูนย์ หรือเคยวางมาตรฐาน MLOps ให้หลายทีมใช้ร่วมกัน สำหรับบางองค์กร โดยเฉพาะที่ทำงานด้าน regulated environment หรือเชื่อมกับซอฟต์แวร์การแพทย์ ความเข้าใจเรื่องการทดสอบ การตรวจสอบย้อนกลับ และคุณภาพระบบจะมีน้ำหนักสูงมาก

เส้นทางอาชีพที่นำไปสู่ตำแหน่งนี้มักเริ่มจาก Computer Vision Engineer, AI Engineer, Applied Scientist, Perception Engineer หรือ Research Engineer จากนั้นจึงขยับเป็น Senior Engineer, Technical Lead, AI Manager หรือ Research Lead ก่อนก้าวขึ้นสู่ระดับ Head หรือ Director ช่วงเปลี่ยนผ่านสำคัญมักเกิดเมื่อผู้สมัครไม่ได้เก่งเฉพาะการสร้างโมเดล แต่เริ่มเป็นเจ้าของผลลัพธ์ทางธุรกิจ ดูแลทีมหลายบทบาท และตัดสินใจเชิงสถาปัตยกรรมได้ในระดับองค์กร ในไทย ผู้สมัครที่โดดเด่นมักมาจากส่วนผสมของ 3 แหล่ง คือบริษัทเทคโนโลยีเอกชน งานวิจัยมหาวิทยาลัย/สถาบันวิจัย และสายอุตสาหกรรมที่ใช้ vision หน้างานจริง

ในเชิงทักษะเชิงลึก ผู้บริหารสายนี้ควรเข้าใจทั้ง deep learning ยุคใหม่ เช่น transformers, vision-language models, diffusion-based image generation และการประยุกต์ generative AI กับข้อมูลภาพ ควบคู่กับพื้นฐานคลาสสิกอย่าง image processing, feature extraction, geometric vision, camera calibration, tracking, segmentation, photogrammetry หรือ SLAM เมื่อบทบาทเกี่ยวข้องกับระบบกายภาพ ความรู้เรื่อง edge deployment, GPU optimization, hardware constraints และการทำงานร่วมกับทีม embedded หรือระบบอัตโนมัติก็สำคัญมาก สำหรับตลาดไทย ทักษะด้าน data engineering, labeling operations และ MLOps กลายเป็นตัวแยกผู้บริหารที่ทำได้จริงออกจากผู้ที่เก่งเฉพาะเชิงวิจัย

ด้านภาวะผู้นำ ตำแหน่งนี้ต้องสามารถสร้างสมดุลระหว่างความทะเยอทะยานทางเทคนิคกับผลตอบแทนทางธุรกิจ ผู้บริหารที่แข็งแรงจะรู้ว่าควรลงทุนกับข้อมูลส่วนใด ควรสร้างเองหรือซื้อเทคโนโลยีจาก partner ภายนอก ควรออกแบบทีมอย่างไรให้รองรับการขยายตัว และควรสื่อสารกับ CFO, COO, โรงงาน, ฝ่ายแพทย์ หรือฝ่ายผลิตภัณฑ์อย่างไรให้เข้าใจตรงกัน ความสามารถในการจ้าง รักษา และพัฒนาคนเก่งมีความสำคัญเป็นพิเศษ เพราะตลาดไทยยังแข่งขันแย่ง talent รุนแรง โดยเฉพาะในกรุงเทพฯ และองค์กรที่เชื่อมกับตลาดภูมิภาคอาเซียน

ด้านภูมิศาสตร์การจ้างงาน กรุงเทพมหานครยังเป็นศูนย์กลางหลักของงาน Computer Vision ระดับบริหาร เพราะเป็นที่ตั้งของสำนักงานใหญ่ บริษัทเทคโนโลยี สตาร์ทอัพ และมหาวิทยาลัยชั้นนำ ขณะเดียวกันพื้นที่อุตสาหกรรมอย่างสมุทรปราการ ชลบุรี ระยอง และ EEC มีบทบาทเด่นมากสำหรับงาน vision ในโรงงานและระบบอัตโนมัติ ส่วนเชียงใหม่และขอนแก่นเริ่มเป็นฮับรองจากฐานมหาวิทยาลัยและงานวิจัย แม้ว่างานระดับ individual contributor จะทำงานแบบ hybrid หรือ remote ได้มากขึ้น แต่ตำแหน่งหัวหน้าสายงานมักยังต้องอยู่ใกล้หน่วยธุรกิจ โรงงาน ห้องปฏิบัติการ หรือทีมวิศวกรรมที่เกี่ยวข้อง เพื่อให้การตัดสินใจและการแก้ปัญหาหน้างานเกิดขึ้นได้รวดเร็ว

ในด้านค่าตอบแทน ตลาดไทยสำหรับ Computer Vision สะท้อนภาวะขาดแคลนอย่างชัดเจน ระดับเริ่มต้นมักอยู่ที่ประมาณ 25,000-45,000 บาทต่อเดือน ระดับกลาง 60,000-100,000 บาทต่อเดือน และระดับอาวุโสหรือ Senior Specialist 120,000-200,000 บาทขึ้นไป สำหรับผู้ที่ขึ้นถึงระดับหัวหน้าทีมหรือหัวหน้าโครงการ AI แพ็กเกจอาจอยู่ที่ประมาณ 250,000-350,000 บาทต่อเดือนหรือสูงกว่า ขึ้นอยู่กับขนาดธุรกิจ ความเฉพาะทางของโดเมน และขอบเขตความรับผิดชอบ องค์กรที่แข่งขันจริงจังมักเสริมด้วยโบนัสตามผลงาน long-term incentive หุ้น หรือสวัสดิการเฉพาะทาง เช่น งบวิจัย งบอบรม และความยืดหยุ่นในการทำงานร่วมกับทีมต่างประเทศ

สำหรับองค์กรที่กำลังสรรหาตำแหน่งนี้ในไทย ความสำเร็จไม่ได้อยู่ที่การหาคนเก่งที่สุดในเชิงทฤษฎีเพียงอย่างเดียว แต่ต้องหาผู้นำที่เหมาะกับระยะของธุรกิจและบริบทการใช้งานจริง หากองค์กรยังอยู่ช่วงพิสูจน์ use case อาจต้องการผู้นำที่ลงมือเองได้มาก หากองค์กรกำลัง scale หลายไซต์งานหรือหลายผลิตภัณฑ์พร้อมกัน ก็ต้องการคนที่วางระบบคน กระบวนการ ข้อมูล และ governance ได้ครบ การสรรหาแบบเจาะลึกจึงมีบทบาทสำคัญมาก เพราะผู้สมัครกลุ่มนี้มักไม่ได้หางานอย่างเปิดเผย และการประเมินต้องดูทั้งความลึกเชิงวิทยาศาสตร์ ความสามารถเชิงวิศวกรรม และวุฒิภาวะทางธุรกิจไปพร้อมกัน