PADA zaman kecerdasan buatan (AI) ini, keperluan pangkalan data seragam boleh dipercayai membantu industri mencari rakan kongsi dengan betul, cepat dan selamat untuk penghasilan produk komersial.
Tanpa pangkalan data seragam, ia memperlahankan inovasi produk baharu kerana kesukaran industri mencari rakan kongsi daripada pihak institusi pengajian tinggi.
Pusat Maklumat Sains dan Teknologi Malaysia (MASTIC) melaporkan bahawa Perbelanjaan Kasar untuk Kajian dan Pembangunan (R&D) mencecah RM18,156.10 juta pada 2022, dengan nisbah peratusan perbelanjaan kasar (GERD) kepada Keluaran Dalam Negara Kasar (KDNK) hanya pada 1.01 peratus.
Indeks Inovasi Global 2025 untuk Malaysia, menduduki tempat ke-30 untuk input dan ke-39 untuk output inovasi.
Perbelanjaan R&D juga tertumpu secara geografi seperti Selangor, Kuala Lumpur, Pulau Pinang, Johor, dan Kedah bersama-sama menyumbang 71.4 peratus daripada jumlah perbelanjaan R&D.
Ini bermakna firma di luar koridor utama seperti disebutkan mempunyai kesukaran mencari rakan inovasi mereka.
Penunjuk global juga menunjukkan kerjasama wujud. Profil Indeks Inovasi Global 2025 melaporkan penerbitan bersama industri penyelidikan awam pada 1.1 peratus (kedudukan 82) dan skor kerjasama R&D bersama universiti dan industri sebanyak 48.7 mencapai kedudukan 39.
Cabaran negara ialah maklumat penyelidikan terasing dan tersilo dan diperap dalam organisasi individu, menyebabkan orang lain mengulang semula kajian menghabiskan masa berbulan-bulan atau bertahun-tahun mencipta semula kerja yang sama kerana kurangnya maklumat.
Terdapat keperluan pangkalan data yang mempunyai hab pengetahuan berpusat dengan direktori penyelidik, kemudahan saintifik yang boleh disewa dan carian semantik berasaskan konteks yang boleh dipercayai dan selamat oleh pihak industri.
Tadbir urus yang lebih kukuh dan mesra pelanggan daripada industri dan standard perlu disediakan untuk meningkatkan jaringan.
Hala tuju dasar negara Malaysia jelas menyokong perkongsian data yang lebih kukuh dan mekanisme inovasi terpusat, termasuk penubuhan Platform Sains Terbuka Malaysia (MOSP) dan pengumpulan data mengenai sumber, kepakaran, kemudahan, peralatan dan data penyelidikan daripada institut penyelidikan awam dan institusi pengajian tinggi ke dalam satu platform.
Pertama, keperluan mengenal pasti pangkalan data jaringan seragam mengikut bidang. Contohnya, agensi angkasa Amerika Syarikat, Pentadbiran Aeronautik dan Angkasa Lepas Kebangsaan (NASA) memperkenalkan Tahap Kesediaan Teknologi sebagai sistem pengukuran sembilan peringkat, di mana TRL 1 adalah yang terendah dan TRL 9 yang tertinggi.
Pihak industri dapat berurusan menerusi pemilihan konsep makmal, prototaip yang berfungsi yang berkaitan bidang mereka.
Kedua, ia mesti menunjukkan kemudahan dan akses, bukan hanya kepakaran semata-mata. Industri sering memulakan kerjasama melalui ujian dan pengesahan. Mewujudkan profil yang berguna perlu memamerkan maklumat peralatan yang tersedia, keupayaan standard, peraturan tempahan, masa pemulihan biasa dan sama ada keputusan boleh diaudit untuk pelanggan.
Ketiga, mempunyai garis panduan hubungan dan kontrak yang boleh dirujuk. Profil hendaklah menyatakan dengan jelas hubungan yang bertanggungjawab, jangkaan masa tindak balas dan mod penglibatan seperti ujian kontrak, perundingan, pembangunan bersama, pelesenan dan usaha sama.
Keempat, ia mesti dibina berdasarkan identiti yang dipercayai dan piawaian yang boleh dikendalikan. Sebagai contoh, ORCID menerangkan misinya yang membolehkan hubungan yang telus, boleh dipercayai antara penyelidik, sumbangan dan gabungan mereka melalui pengecam unik yang berterusan.
Untuk ketekalan metadata merentas institusi, portal Interoperable Eropah mempunyai Format Maklumat Penyelidikan Eropah Bersama (CERIF) sebagai model konseptual formal yang menyokong pengurusan maklumat penyelidikan.
Kelima, ia memerlukan tadbir urus, kemas kini profail yang berterusan.
Akhir sekali, ia mesti mengendalikan privasi dan kerahsiaan data.
Jabatan Perlindungan Data Peribadi menyatakan bahawa objektif utama Akta Perlindungan Data Peribadi Malaysia 2010 adalah untuk mengawal selia pemprosesan data peribadi dalam transaksi komersial dan melindungi kepentingan subjek data.
Contoh Model Fraunhofer daripada Jerman membangunkan organisasi penyelidikan gunaan yang insentifnya berkait rapat dengan perkaitan industri.
Fraunhofer melaporkan jumlah volum perniagaan 2024 sebanyak 3.6 bilion euro, dengan penyelidikan kontrak pada 88 peratus sebanyak 3.1 bilion euro dan menyerlahkan hasil industri, termasuk 867 juta euro pada 2024.
Laporan Statistik Kanada melaporkan, perusahaan kecil dan sederhana (PKS) yang disokong mempamerkan kadar pertumbuhan sebanyak sembilan peratus untuk jumlah hasil, 16 peratus untuk jumlah jualan dan 11 peratus untuk produktiviti buruh.
Manakala, Dasar Sains, Teknologi dan Inovasi Negara (DSTIN) secara eksplisit menetapkan penciptaan MOSP dan pengumpulan data tentang sumber, kepakaran, kemudahan, peralatan dan data penyelidikan ke dalam satu platform.
Justeru platform ini dapat ditingkatkan menerusi penglibatan jaringan industri.
Kualiti data, kepercayaan dan kelajuan transaksi juga penting.
Dua penyelesaian realistik berimpak tinggi ialah membuat jaringan integrasi bersama pangkalan data seragam bersama pihak industri untuk membangunkan produk komersial.
Yang pertama ialah satu pendaftaran industri penyelidikan nasional yang ketat tentang bidang dan pengesahan. Ia perlu selari dengan TRL 9 peringkat.
Profil penyelidik dan industri harus diperkukuh melalui pengecam berterusan seperti ORCID, yang wujud secara jelas untuk mewujudkan pautan yang boleh dipercayai antara penyelidik, sumbangan dan gabungan mereka.
Justeru, sistem maklumat seragam ini menghasilkan perkongsian dan pertukaran antara sistem maklumat penyelidikan bersama industri.
Penyelesaian kedua ialah lapis model proses kerja untuk pangkalan data jaringan industri dan penyelidik yang berstruktur serta mesra pengguna.
Keperluan untuk proses kerja daripada awal hingga akhir jaringan produk inovasi perlu diwujudkan untuk meningkatkan penglibatan industri daripada pelbagai bidang untuk menyemarakkan produk inovasi komersial Malaysia. – UTUSAN
PROFESOR Madya Ts. Dr. Shamsul Arrieya Ariffin ialah Timbalan Dekan Jaringan Industri dan Pengkomersilan, Fakulti Komputeran dan Meta-Teknologi, Universiti Pendidikan Sultan Idris (UPSI).
