Введение
Какие возможности для решения стратегических бизнес-задач в условиях неопределенности предоставляет искусственный интеллект?
В последнее время цифровые инструменты, и особенно искусственный интеллект, настолько активно проникают в нашу жизнь, что в дискурс о том, сможет ли естественный интеллект с ним конкурировать, включились представители самых разных профессий и «лица, принимающие решения».
И если осязаемые варианты, такие как адаптивные реакции систем светофорных объектов или генерация резюме соискателей — воспринимаются спокойно и нейтрально, то роль цифры в прохождении стратегических развилок — будь то решение о запуске новых продуктов, изменении бизнес-моделей или распределении инвестиций — пока вызывает вопрос.
Сможет ли цифра заменить человека там, где нужно принимать сложные и значимые решения на основе глубоких знаний и понимания множества уникальных аспектов организации?
Для обсуждения данной темы необходимо уточнить, что мы понимаем под методами искусственного интеллекта и стратегическим процессом.
И если осязаемые варианты, такие как адаптивные реакции систем светофорных объектов или генерация резюме соискателей — воспринимаются спокойно и нейтрально, то роль цифры в прохождении стратегических развилок — будь то решение о запуске новых продуктов, изменении бизнес-моделей или распределении инвестиций — пока вызывает вопрос.
Сможет ли цифра заменить человека там, где нужно принимать сложные и значимые решения на основе глубоких знаний и понимания множества уникальных аспектов организации?
Для обсуждения данной темы необходимо уточнить, что мы понимаем под методами искусственного интеллекта и стратегическим процессом.
Единой классификации методов ИИ еще не создано, но можно выделить преобладающие понятия:
- Нейронные сети, состоящие из организованных в слои взаимосвязанных узлов, обучающихся на массивах данных;
- Нечёткая логика имитирует способность человека принимать рациональные решения в условиях неопределенности и неточности;
- Экспертные системы, основанные на правилах и заранее определенных знаниях;
- Генетические алгоритмы — алгоритмы, использующие принципы естественного отбора, подобно тому, как происходит эволюция в природе.
В любом случае, большинство этих методов объединяет работа с исторической базой данных и знаний и способность на базе логических алгоритмов создать какой-то объект или принять решение, которые будут «жить в будущем», но учитывать огромный массив подобных решений и элементов объектов, принятых или существовавших в прошлом.
Алгоритм процесса стратегического выбора
Несмотря на большое число работ в области управления, общепринятого определения стратегического процесса (стратегического выбора) до сих пор не сложилось.
Мы рассматриваем стратегический процесс и итоговое стратегическое решение как выбор альтернативы из пространства альтернатив, оптимальный с точки зрения заданных критериев и ограничений, а также учитывающий сценарии внешней среды.
Мы рассматриваем стратегический процесс и итоговое стратегическое решение как выбор альтернативы из пространства альтернатив, оптимальный с точки зрения заданных критериев и ограничений, а также учитывающий сценарии внешней среды.
Данный алгоритм должен включать несколько обязательных элементов. Попробуем оценить шансы цифровых инструментов по каждому из них:
Что включает стратегический процесс?
Начнем с критериев, которые должны задать стейкхолдеры (акционеры, топ-менеджеры и др.) и на базе которых будет определяться оптимальная стратегическая альтернатива.
Генеративный ИИ уже сейчас может помочь с формированием набора критериев при условии получения вводных данных от человека.
Помимо формирования первичного набора критериев для последующей доработки, ИИ может предоставить нейтральную, основанную на данных платформу для обсуждения и согласования различных интересов стейкхолдеров.
Он может анализировать цели и приоритеты разных подразделений или заинтересованных сторон, выявлять общие точки и потенциальные конфликты.
Однако переложить полностью на машину ответственность за установление критериев — наших представлений о том, «что такое хорошо, а что такое плохо» — представляется абсурдным, поскольку здесь уже мы подходим к этическому вопросу «кто управляет миром — машина или человек».
Но важным становится оценка одного и того же критерия с разных точек зрения и в разных подходах, и здесь машина может дать некоторые наводки.
Но в ладу со здравым смыслом определить свои амбиции и стратегическую цель в отношении компании стейкхолдеры должны самостоятельно.
Генеративный ИИ уже сейчас может помочь с формированием набора критериев при условии получения вводных данных от человека.
Помимо формирования первичного набора критериев для последующей доработки, ИИ может предоставить нейтральную, основанную на данных платформу для обсуждения и согласования различных интересов стейкхолдеров.
Он может анализировать цели и приоритеты разных подразделений или заинтересованных сторон, выявлять общие точки и потенциальные конфликты.
Однако переложить полностью на машину ответственность за установление критериев — наших представлений о том, «что такое хорошо, а что такое плохо» — представляется абсурдным, поскольку здесь уже мы подходим к этическому вопросу «кто управляет миром — машина или человек».
Но важным становится оценка одного и того же критерия с разных точек зрения и в разных подходах, и здесь машина может дать некоторые наводки.
Но в ладу со здравым смыслом определить свои амбиции и стратегическую цель в отношении компании стейкхолдеры должны самостоятельно.
Далее рассмотрим альтернативы — собственно объект стратегического выбора — какую бизнес-модель выбираем, какой продукт запускаем, на какой рынок выходим, какую технологию используем.
Почему компьютер уже давно научился обыгрывать человека в шахматы или в го?
Потому что альтернативы ходов и комбинаций в этих играх хотя и многочисленны, но конечны.
Накопленная статистика решений за многие годы является основой для работы генеративных алгоритмов.
Если в жизни нам удастся построить более-менее стройную модель, похожую на шахматы, потенциал цифровых инструментов резко возрастет.
Помочь справиться с множественностью выбора при разработке специфических продуктов для определенных потребительских сегментов и другими подобными запросами — прекрасная задача для машины.
Чем лучше структурированы среда и формат для выбора, тем больше возможностей для использования цифровых инструментов.
ИИ может помочь в систематическом определении возможных стратегических альтернатив через кластеризацию вариантов и их классификацию по признакам.
Например, один набор альтернатив может отражать потенциал для роста выручки компании, а другой — отражать увеличение её прибыльности.
Почему компьютер уже давно научился обыгрывать человека в шахматы или в го?
Потому что альтернативы ходов и комбинаций в этих играх хотя и многочисленны, но конечны.
Накопленная статистика решений за многие годы является основой для работы генеративных алгоритмов.
Если в жизни нам удастся построить более-менее стройную модель, похожую на шахматы, потенциал цифровых инструментов резко возрастет.
Помочь справиться с множественностью выбора при разработке специфических продуктов для определенных потребительских сегментов и другими подобными запросами — прекрасная задача для машины.
Чем лучше структурированы среда и формат для выбора, тем больше возможностей для использования цифровых инструментов.
ИИ может помочь в систематическом определении возможных стратегических альтернатив через кластеризацию вариантов и их классификацию по признакам.
Например, один набор альтернатив может отражать потенциал для роста выручки компании, а другой — отражать увеличение её прибыльности.
Однако зачастую стратегический выбор осуществляется из очень сложных альтернатив: например, стратегия компании должна учитывать клиентов, конкурентов, продукты, технологии, системы управления и многое другое. Здесь уже «шахматная доска» становится настолько сложной, а база данных и знаний настолько плохо структурированной, что представляется затруднительным получить от человека хорошие вводные и воссоздать приемлемое пространство решений.
Для устранения этого ограничения необходимо как можно более четко структурировать сложные альтернативы.
Например, использовать понятие бизнес-модель — структурированное описание компании в разрезе ее ключевых характеристик — клиентов, продуктов, регионов присутствия, технологий, компетенций и пр.
В итоге у нас получится многомерная отраслевая карта, некий аналог сложной шахматной доски.
Для устранения этого ограничения необходимо как можно более четко структурировать сложные альтернативы.
Например, использовать понятие бизнес-модель — структурированное описание компании в разрезе ее ключевых характеристик — клиентов, продуктов, регионов присутствия, технологий, компетенций и пр.
В итоге у нас получится многомерная отраслевая карта, некий аналог сложной шахматной доски.
- Наше текущее положение на карте — текущая бизнес-модель — отправная точка стратегического анализа.
- Будущее расположение на карте — варианты будущей бизнес-модели и, соответственно, стратегические альтернативы.
Как нам здесь может помочь цифра?
Во-первых, при построении самой карты возникает не что иное, как сложная сегментация, и с этим машина прекрасно справится, лишь только дайте ей в пищу большие и длинные ряды по каждой характеристике. Машина сможет найти зависимые характеристики и сгруппировать их (например, если сегмент B2B потребляет преимущественно продукт Х, а сегмент B2C продукт У, то нет смысла использовать обе характеристики), и в итоге оставить небольшое количество реально независимых характеристик (ортогональный базис).
Во-вторых, машина может сделать удобную визуализацию многомерной карты. Для человека, как ни крути, двумерная карта остается самой понятной, но для машины N-мерный тензор совершенно не проблема, и она может найти дружелюбное для стейкхолдеров отображение этого тензора на плоскости.
«Комбинаторика» сценариев
Это определение различного рода трендов (параметров, характеристик), влияющих на компанию и ее стратегический выбор (это не объект выбора, но значимые факторы влияния на него).
ИИ может значительно улучшить процесс разработки сценариев, анализируя огромные объемы данных и выявляя скрытые тренды и взаимосвязи.
В частности, путем анализа различного рода зависимостей параметров, заложенных в критерии (прибыль, рост, углеродный след, доля ключевого рынка и пр.) и внешних параметров — дисраптеров (от английского disruptor — «разрушитель», резко меняющий рынок, потребительский спрос, действия конкурентов, геополитические факторы).
Также машина может построить более комплексные сценарии, отобрав ортогональные независимые параметры.
И все же учесть итоговые сценарии при принятии решений она не сможет.
ИИ не может прогнозировать «черных лебедей» — труднопрогнозируемые события со значительными последствиями, которые не следуют из предшествовавших состояний и процессов.
В отличие от прогнозирования погоды, где ИИ базирует свой прогноз на понятных взаимосвязях физических параметров, для «черных лебедей» таких взаимосвязей нет.
Мир устроен сложнее, чем нам представляется, и происходящие на физическом плане события могут быть следствием более глубоких процессов, предсказать которые посредством анализа исторических физических процессов невозможно.
Таким образом, необходимо объединить аналитическую мощь ИИ с человеческим опытом и интуицией для создания более надежных сценариев будущего.
ИИ может значительно улучшить процесс разработки сценариев, анализируя огромные объемы данных и выявляя скрытые тренды и взаимосвязи.
В частности, путем анализа различного рода зависимостей параметров, заложенных в критерии (прибыль, рост, углеродный след, доля ключевого рынка и пр.) и внешних параметров — дисраптеров (от английского disruptor — «разрушитель», резко меняющий рынок, потребительский спрос, действия конкурентов, геополитические факторы).
Также машина может построить более комплексные сценарии, отобрав ортогональные независимые параметры.
И все же учесть итоговые сценарии при принятии решений она не сможет.
ИИ не может прогнозировать «черных лебедей» — труднопрогнозируемые события со значительными последствиями, которые не следуют из предшествовавших состояний и процессов.
В отличие от прогнозирования погоды, где ИИ базирует свой прогноз на понятных взаимосвязях физических параметров, для «черных лебедей» таких взаимосвязей нет.
Мир устроен сложнее, чем нам представляется, и происходящие на физическом плане события могут быть следствием более глубоких процессов, предсказать которые посредством анализа исторических физических процессов невозможно.
Таким образом, необходимо объединить аналитическую мощь ИИ с человеческим опытом и интуицией для создания более надежных сценариев будущего.
Выбор как определение оптимальной альтернативы
ИИ может помочь в определении оптимального целевого состояния, анализируя множество возможных комбинаций альтернатив, критериев и сценариев, если они хорошо и структурированно описаны.
Он способен быстро обрабатывать сложные взаимозависимости и предлагать варианты целевых состояний, которые могут быть не очевидны для человека.
Однако, как и в стратегических играх, конечное решение о выборе целевого состояния остается за человеком.
ИИ в этом случае выступает мощным инструментом поддержки принятия решений, предоставляя руководителям более полную картину возможностей и их потенциальных последствий.
Отметим, что машина не может обеспечить в полной мере прозрачность предоставляемого результата, что является одним из ключевых критериев для принятия решения.
В части перехода от текущего к целевому состоянию, у машины шансов больше — крайние точки описаны, количество промежуточных состояний может быть большим, но все же оно конечно (мы же не будем описывать промежуточную бизнес- или организационную модель на каждый день).
Так что ИИ может существенно улучшить процесс разработки дорожной карты, анализируя множество возможных путей достижения целевого состояния и оценивая их эффективность.
Подобно тому, как ИИ в навигационных системах может предложить несколько маршрутов с учетом текущей ситуации на дорогах, в стратегическом планировании он может предложить различные траектории с учетом возможных препятствий и меняющихся условий.
Он способен быстро обрабатывать сложные взаимозависимости и предлагать варианты целевых состояний, которые могут быть не очевидны для человека.
Однако, как и в стратегических играх, конечное решение о выборе целевого состояния остается за человеком.
ИИ в этом случае выступает мощным инструментом поддержки принятия решений, предоставляя руководителям более полную картину возможностей и их потенциальных последствий.
Отметим, что машина не может обеспечить в полной мере прозрачность предоставляемого результата, что является одним из ключевых критериев для принятия решения.
В части перехода от текущего к целевому состоянию, у машины шансов больше — крайние точки описаны, количество промежуточных состояний может быть большим, но все же оно конечно (мы же не будем описывать промежуточную бизнес- или организационную модель на каждый день).
Так что ИИ может существенно улучшить процесс разработки дорожной карты, анализируя множество возможных путей достижения целевого состояния и оценивая их эффективность.
Подобно тому, как ИИ в навигационных системах может предложить несколько маршрутов с учетом текущей ситуации на дорогах, в стратегическом планировании он может предложить различные траектории с учетом возможных препятствий и меняющихся условий.
Риски применения ИИ в стратегическом процессе
Важно обратить внимание на потенциальные угрозы и риски, связанные с применением ИИ в стратегическом планировании.
Одной из ключевых проблем является риск формирования нереалистичных ожиданий от ИИ. Многие компании могут ошибочно полагать, что ИИ способен решить все их стратегические проблемы, не учитывая необходимость правильной настройки и обучения систем.
В отличие от человека, ИИ может не учитывать важные этические соображения и человеческие ценности при формировании стратегических рекомендаций. Человек учитывает их порой интуитивно, но машина так не может, ей нужны определения и алгоритмы, а формализовать этические принципы не всегда получается.
Вопрос подотчетности становится еще одной важной проблемой. Когда стратегические решения принимаются с существенным участием ИИ, возникает вопрос: кто несет ответственность за последствия этих решений?
Проблема конфиденциальности данных также выходит на первый план. Нельзя игнорировать и проблему потенциальной предвзятости ИИ. Алгоритмы могут унаследовать и даже усилить существующие предубеждения, заложенные в исходных данных или при их разработке.
Существует также опасность чрезмерной зависимости от ИИ в процессе принятия решений. Руководители могут постепенно терять навыки критического мышления. Это может привести к снижению адаптивности организации в непредсказуемых ситуациях, которые выходят за рамки запрограммированных сценариев.
Важно отметить:
- ИИ не способен полностью заменить человеческий эмоциональный интеллект и интуицию, которые часто играют ключевую роль в стратегическом лидерстве.
- Существует риск, что чрезмерное полагание на ИИ может привести к потере важных нюансов и контекстуальных факторов, которые могут быть критически важны для успешной стратегии.
- Несмотря на эти серьезные вызовы, потенциал ИИ в улучшении процессов стратегического планирования остается значительным.
- Ключ к успеху лежит в нахождении правильного баланса между использованием возможностей ИИ и сохранением человеческого контроля над процессом принятия решений.
- Организации должны стремиться к созданию интегрированного подхода, где ИИ выступает в роли мощного инструмента поддержки, а не замены человеческого стратегического мышления.
Вывод
Польза от применения ИИ в стратегическом процессе неоспорима: можно считать более сложные альтернативы и сценарии, при этом растущая неопределенность увеличит значимость машины.
Однако навигация процесса и установление критериев должны остаться у человека.
В заключение стоит отметить, что внедрение ИИ в стратегическое планирование — это не просто технологический процесс, а комплексная трансформация, требующая тщательного управления изменениями.
Организации, которые смогут эффективно интегрировать ИИ в свои стратегические процессы, одновременно минимизируя связанные с этим риски, получат значительное конкурентное преимущество в быстроменяющемся мире.
