توسعه استراتژی با هوش مصنوعی
چگونه هوش مصنوعی، توسعه استراتژی را متحول میکند؟
در جلسات و کلاس ها بارها با این مسئله مواجه شدهام که میگویند میدانیم هوش مصنوعی قرار است اقدامات استراتژیک را متحول کند اما چیزی که مبهم است این است که چگونه قرار است اینکار را انجام دهد؟ اگرچه ابهام، بخشی از وجود پدیده های نوین است اما در این مقاله سعی میکنیم کمی در مسیر توسعه استراتژی با AI روشنگری نماییم.
با گسترش پذیرش هوش مصنوعی، استراتژیستها برای توسعه گزینههای منحصر به فرد به دادههای اختصاصی، خلاقیت و مهارتهای جدید نیاز خواهند داشت.
در اصل ، استراتژی مستلزم استخراج بینش از حقایق و دادهها، توسعه گزینههای واقعی بر اساس آن بینشها، انجام انتخابهای دشوار و اجرای ابتکاراتی است که آن انتخابها را به ارزش تبدیل میکند. تجزیه و تحلیل دادهها چندین دهه است که در این کار کمک کرده است، اما هرگز پیش از این فناوری نتوانسته است نه تنها ورودیها را به استراتژی اضافه و تا حدی خودکار کند، بلکه آنها را در تجزیه و تحلیلهای پیچیده ترکیب کند. با گذشت زمان، حتی ممکن است استراتژیهای قابل قبولی را پیشنهاد دهد.
هوش مصنوعی و هوش مصنوعی مولد، با تقویت و تسریع فعالیتهایی مانند تحلیل و تولید بینش و در عین حال کاهش چالشهای ناشی از سوگیریهای انسانی و جنبه اجتماعی استراتژی، پتانسیل تغییر نحوه کار استراتژیستها را دارند . با تکیه بر انفجار اخیر دادهها و پیشرفتهای اولیه هوش مصنوعی که پیشرفتهای چشمگیری در دقت پیشبینی ایجاد کرده است، جدیدترین ابزارها، استخراج بینشها را بسیار آسانتر و ارزانتر میکنند. تأثیری که ما در سازمانهای مشتری و در کار خودمان به عنوان استراتژیست میبینیم، ما را به این سمت سوق میدهد که این لحظه را به عنوان یک نقطه عطف جدید در طراحی استراتژی ببینیم که به طور بالقوه با ایجاد چارچوبهای اصلی استراتژیک در دهههای 1970 و 1980 قابل مقایسه است.
اگرچه هوش مصنوعی نیاز رهبران به نشان دادن شجاعت استراتژیک با تعهد به اقدامات بزرگ را تغییر نخواهد داد، اما انتظار داریم که این فناوری به مرور زمان، هر مرحله از توسعه استراتژی، از طراحی گرفته تا آماده سازی و اجرا را ارتقا دهد . امروزه، این فناوری با کمک به سازمانها برای ارزیابی نقطه شروع خود در چارچوب پویایی صنعت و بازار، بیشترین مزایا را در مرحله طراحی ارائه میدهد. آنها میتوانند از آن برای اندازهگیری بازارهای بالقوه، تجزیه و تحلیل حرکات رقبا و تخمین ارزش ابتکارات استراتژیک مختلف در سناریوهای متعدد استفاده کنند. اما این فقط آغاز کار است: استراتژی مستلزم آماده سازی سازمان، اطمینان از تخصیص صحیح منابع و نظارت بر اجرا است. در تمام این وظایف، هوش مصنوعی میتواند نقش داشته باشد.
نقشهای نوظهور هوش مصنوعی در توسعه استراتژی
قضاوت انسانی همچنان برای تدوین چشمانداز استراتژیک ضروری است، چشماندازی که جاهطلبی سازمان را با دیدگاهی در مورد چگونگی تحقق آن ترکیب میکند. با این حال، هوش مصنوعی میتواند کار تیمهای استراتژی را تسریع کرده و دقت بیشتری به آن ببخشد. حتی در این روزهای اولیه ی ظهور این فناوری، ما پنج نقش برای هوش مصنوعی میبینیم: محقق، مفسر، شریک فکری، شبیهساز و ارتباط دهنده. هر یک از این نقشها میتوانند در مراحل مختلف توسعه استراتژی نقش داشته باشند.
هوش مصنوعی در تمام مراحل فرآیند تدوین استراتژی
• محقق: استراتژیستها زمان قابل توجهی را صرف جمعآوری و غنیسازی دادهها از منابع متعدد میکنند. توانایی هوش مصنوعی در خلاصهسازی و ایجاد ارتباطات معنادار در تمام مجموعه دادهها میتواند این تلاشها را به طور قابل توجهی افزایش دهد. به عنوان مثال، یک موتور مبتنی بر هوش مصنوعی که اهداف بالقوه ادغام و تملک را شناسایی میکند، میتواند داراییهای پنهانی را که با تز استراتژیک یک شرکت مطابقت دارند، مشخص کند و آنچه را که امروزه اغلب یک فرآیند تصادفی متکی بر دانش بازار مدیران و واسطههای آنها است، بهبود بخشد. چنین ابزاری میتواند اطلاعات عمومی بیش از 40 میلیون شرکت را به زبانهای مختلف اسکن کند و در عرض چند دقیقه فهرستی کوتاه از اهداف مرتبط ایجاد کند. در حالی که هوش مصنوعی کاملتر و سریعتر از انسانها است، استراتژیستها هنوز هم باید سوالات درستی را برای ایجاد بینشهای متمایزی که به دنبال آن هستند، مطرح کنند.
• مفسر: برای تبدیل تحلیل دادهها به بینشهای مفید، استراتژیستها باید تفسیر کنند که چگونه یافتهها میتوانند به پیشبرد اهدافشان کمک کنند. به عنوان مثال، جستجوی فرصتهای رشد اغلب مستلزم بررسی فرصتهای مجاور است . این ایدههای توسعه میتوانند از جاهای مختلفی مانند بررسی اقدامات رقبا یا درک عمیق از نیازهای نوظهور مشتریان ناشی شوند. ابزارهای هوش مصنوعی میتوانند با تبدیل دادهها از مجموعهای ناهمگون از ورودیها – مانند گزارشهای سالانه، ثبت اختراعات، نظرات مشتریان و دادههای خرید – به “اسکنهای رشد” این فرآیند کشف را تسهیل کنند. این اسکنها، پرتکرارترین فرصتهای مجاور را خلاصه میکنند و سپس تناسب آنها را با استراتژی شرکت تفسیر و امتیازدهی میکنند. دیدگاه حاصل میتواند به استراتژیستها کمک کند تا گزینهها را محدود کنند، سابقهها یا معیارهایی برای اقدامات مورد بررسی پیدا کنند و ایدههای تازهای را کشف کنند.
یکی دیگر از حوزههایی که هوش مصنوعی در حال حاضر به عنوان مفسر در آن عمل میکند، نظارت بر روندهاست. استراتژیستها هنگام توسعه گزینههای خود و بررسی فرضیاتشان، باید تغییرات در روندهای اصلی را زیر نظر داشته باشند. یک موتور مبتنی بر هوش مصنوعی نسل جدید میتواند حجم عظیمی از اطلاعات را بخواند و روندها را به الگوهای جزئی آنها تجزیه کند و سپس تفسیر کند که آیا این الگوها نشان میدهند که یک روند در حال شتاب گرفتن، بلوغ یا فروکش کردن است یا خیر. به عنوان مثال، سازمانی که به دنبال درک تقاضا برای مصالح ساختمانی پایدار است، میتواند مدتها قبل از اینکه این سیگنالها به حجم فروش تبدیل شوند، علاقه معماران، حجم ثبت اختراعات و اشاره رقبا را رصد کند.
• شریک فکری: هوش مصنوعی همچنین میتواند به عنوان یک شریک طوفان فکری عمل کند، تولید ایده را سرعت بخشد و با سوگیریهای احتمالی یا نقاط کور رهبران کسبوکار مقابله کند. هوش مصنوعی نسل اول به طور خاص میتواند به استراتژیستها کمک کند تا با ارزیابی برنامههای خود در برابر چارچوبهای تعیینشده، از اشتباهات رایج اجتناب کنند . به عنوان مثال، یک تیم میتواند با استفاده از هوش مصنوعی نسل اول، یک استراتژی را – چه قبل و چه در حین اجرا – تحت فشار آزمایش کند تا اشتباهات پنهان احتمالی یا نقاط کور مدیریتی را برجسته کند.
• شبیهساز: قبل از شروع یک مسیر استراتژیک، استراتژیستها تأثیر سناریوهای مختلف بازار را بر اساس شرایط اقتصاد کلان، حرکات بالقوه رقبا و واکنشهای ذینفعان، در کنار سایر عوامل، در نظر میگیرند. هوش مصنوعی میتواند از طریق قابلیتهای مدلسازی پیشرفته و برنامههای بازی تاکتیکی و شبیهسازی، این تحلیل سناریو را بسیار دقیقتر کند. این قابلیت همچنین میتواند در طول اجرای استراتژی ارزشمند باشد، به طوری که هوش مصنوعی سیگنالهای اولیه بازار را رصد میکند، تأثیر آنها را شبیهسازی میکند و در صورت لزوم تغییر مسیر، به تیم هشدار میدهد.
• رابط: روایتی روشن از مسیر و هدف استراتژیک و پیامدهای آنها برای سازمان و ذینفعان آن برای آماده سازی اقدامات ضروری است. توانایی هوش مصنوعی نسل جدید در خلاصه کردن مفاهیم در قالبهای مختلف، از زمان راهاندازی ChatGPT، از محبوبترین کاربردهای این فناوری بوده است. استراتژیستها میتوانند از ابزارهای هوش مصنوعی نسل جدید برای جذابتر کردن روایتهای خود برای مخاطبان مختلف با سطوح مختلف تخصص (مانند بازارهای منطقهای، تنظیمکنندگان یا تحلیلگران) و در قالبهای مختلف (خلاصهها، نکات گفتگو یا اخیراً پادکستها) استفاده کنند.هوش مصنوعی همچنین میتواند نظارت کند که آیا ارتباطات خارجی در کانالهای مختلف سازگار هستند یا خیر.
برای اینکه ببینیم این پنج کاربرد چگونه میتوانند در عمل کار کنند، به عنوان نمونه یک بانک منطقهای جنوب شرقی آسیا را در نظر بگیرید که میخواست به یک بخش یا جغرافیای جدید گسترش یابد. تیم استراتژی از مدل هوش مصنوعی خود برای تجزیه و تحلیل زمینه کسب و کار و روندهای امیدوارکننده در صنعت و منطقه استفاده کرد. این ابزار گزارشهای تعاملی ایجاد کرد که به استراتژیستها اجازه داد تحقیقات بعدی خود را به دقت تنظیم کنند. بر اساس این کار، تیم استراتژی تصمیم گرفت بر فرصتهای موجود در اکوسیستم مالی دیجیتال (به ویژه پرداختهای همتا به همتا) و اعتبارات خرد تمرکز کند.
در مرحله بعد، تیم از هوش مصنوعی خواست تا در مورد امیدوارکنندهترین حوزههای مجاور برای سرمایهگذاریهای رشد، توصیههایی ارائه دهد. این ابزار بر اساس تجزیه و تحلیل اطلاعات بانکهای سراسر جهان، نموداری از بخشهای تجاری نزدیک و همافزایی ایجاد کرد. مدیریت، چند مورد را برای تجزیه و تحلیل عمیقتر در اولویت قرار داد – به عنوان مثال، یک پیشنهاد دیجیتال فرامرزی در سراسر منطقه یا بخش اعتبارات خرد در ویتنام – و فرضیههایی را در مورد مسیرهای رشد بالقوه آنها ساخت. برای کسب اطلاعات بیشتر در مورد هر بخش، از هوش مصنوعی پرسیدند: «رقبای من در هر بازار چه کسانی هستند و ارزشهای پیشنهادی آنها چیست؟» برخی از بازارها برای رهبران ناآشنا بودند، بنابراین تیم استراتژی سوالاتی مانند «ما در حال بررسی ورود به بازار بانکی ویتنام هستیم. خطراتی که در گذشته پدیدار شدهاند چیست؟ آیا نمونههایی از تلاشهای ناموفق (همراه با منابع) وجود دارد؟»
این تیم همچنین گزینههای غیرارگانیک مانند مشارکت و ادغام و تملک را در نظر گرفت. بر اساس یک اسکن هوش مصنوعی، آنها چند کسبوکار کوچک و متوسط را که فناوری مورد نیاز شرکت برای پشتیبانی از جاهطلبی دیجیتال خود را داشتند، در فهرست نهایی قرار دادند. همچنین Gen AI به آنها کمک کرد تا پروفایلهای اولیه بررسیهای لازم را برای پشتیبانی از ارتباطات بالقوه ایجاد کنند.
در نهایت، همزمان با تبدیل فرضیهها به گزینههای استراتژیک ملموس، هوش مصنوعی به استراتژیستها کمک کرد تا پیشبینیهای سود و زیان و رشد حاصل را شبیهسازی کنند. علاوه بر این، این ابزار از دادههای داخلی، مانند گزارشهای مدیریتی در مورد گسترش قبلی بانک به کشور دیگر، برای کمک به مدیریت در درک نقاط قوت و ضعف قابلیتهای اجرایی خود استفاده کرد.
سازمانهای متعددی شروع به ساخت ابزارهایی برای تحقق چنین سناریوهایی کردهاند، و برخی از آنها در حال توسعه عوامل هوش مصنوعی اختصاصی برای شبیهسازی استدلال یا انجام وظایف تحقیقاتی پیچیده هستند. با این حال، حتی کسانی که در مراحل اولیه سفر هوش مصنوعی خود هستند نیز میتوانند برخی از نقشهایی را که هوش مصنوعی میتواند ایفا کند، بررسی کنند. با پیشرفت فناوری، استراتژیستهایی که مهارتهای لازم برای توسعه برنامههای منحصر به فرد برای مدلهای هوش مصنوعی را ایجاد میکنند، نسبت به رقبا از بینشهای حیاتی برخوردار خواهند شد .
ملاحظاتی برای رهبران در استقرار هوش مصنوعی برای توسعه استراتژی
استراتژیستها باید در بهکارگیری هوش مصنوعی به چالشهای متعددی توجه داشته باشند. هوش مصنوعی مولد، خطرات مهمی نیز دارد ، از سوگیری مدل (برای مثال، دادههای آموزشی تاریخی میتواند هوش مصنوعی را به تأکید بیش از حد بر انواع خاصی از مشتریان سوق دهد) گرفته تا کاهش قابلیت توضیح (عدم ارائه مبنای منطقی برای تحلیل) و توهم (ساخت محتوای به ظاهر معتبر اما نادرست). خبر خوب این است که هر یک از این مشکلات در حال بررسی است. به عنوان مثال، هوش مصنوعی میتواند به نظارت بر خود کمک کند: یک «عامل منتقد» میتواند کار انجام شده توسط سایر برنامههای هوش مصنوعی را بررسی کند و در صورت نادرست بودن محتوا، آن را علامتگذاری کند یا مستقیماً دستور اصلاح وظیفه مورد نظر را صادر کند.
فراتر از این خطرات شناختهشده، هوش مصنوعی نسل پنجم پنج ملاحظه دیگر را برای استراتژیستها مطرح میکند. اول، اهمیت دسترسی به دادههای اختصاصی را افزایش میدهد. هوش مصنوعی نسل پنجم در حال تسریع یک روند بلندمدت است: دموکراتیزه کردن بینشها. استفاده از ابزارهای آماده برای تولید سریع بینشهایی که بلوکهای سازنده هر استراتژی هستند، هرگز آسانتر از این نبوده است. با گسترش پذیرش مدلهای هوش مصنوعی، عواقب تکیه بر بینشهای کالایی نیز گسترش مییابد. از این گذشته، شرکتهایی که از ورودیهای عمومی استفاده میکنند، خروجیهای عمومی تولید میکنند که منجر به استراتژیهای عمومی میشود که تقریباً طبق تعریف، منجر به عملکرد عمومی یا بدتر از آن میشود. در نتیجه، اهمیت گردآوری اکوسیستمهای داده اختصاصی (بیشتر در مورد این موارد در ادامه) که ورودیهای کمی و کیفی را در بر میگیرند، افزایش خواهد یافت.
دوم، گسترش دادهها و بینشها، اهمیت جداسازی سیگنال از نویز را افزایش میدهد. این موضوع مدتهاست که یک چالش بوده است، اما هوش مصنوعی نسل جدید آن را پیچیدهتر میکند. ما معتقدیم که با بالغ شدن این فناوری، قادر خواهد بود سیگنالهای مهم را به طور مؤثر استخراج کند، اما هنوز به آن مرحله نرسیده است.
سوم، با افزایش سهولت تولید بینش، ارزش ترکیب در سطح مدیران نیز افزایش مییابد. رهبران کسبوکار – بهویژه آنهایی که مسئول تصمیمگیریهای استراتژیک هستند – اگر در دادهها غرق شوند، نمیتوانند بهطور مؤثر عمل کنند، حتی اگر آن دادهها چیزی جز سیگنال نباشند. همانند توانایی رو به رشد هوش مصنوعی نسل جدید در جداسازی سیگنال از نویز، این فناوری در ترکیب نیز در حال پیشرفت است، اما در کوتاهمدت، رهبران استراتژی باید این وظیفه را بر عهده بگیرند.
چهارم، هوش مصنوعی اهمیت فرآیندهایی را که سازمانها برای توسعه استراتژیهای خود دنبال میکنند، تقویت میکند. تحقیقات ما نشان میدهد که کیفیت فرآیند برای موفقیت استراتژیها بسیار مهمتر از کیفیت بینشها است. فرآیندهای با کیفیت بالا شامل، اما نه محدود به، توسعه و بررسی گزینههای استراتژیک، در نظر گرفتن صحیح عدم قطعیت، تلاش برای ایجاد تعهدات جسورانه و مهمتر از همه، برداشتن گامهایی برای حذف سوگیری از تصمیمات میشوند. خوشبختانه، همانطور که هوش مصنوعی نسل جدید، توسعه بینشها را سرعت میبخشد، زمان بیشتری برای تیمهای استراتژی باقی میگذارد تا فرآیندهای برتر را بهبود بخشند.
در نهایت، برای بهرهبرداری موفقیتآمیز از هوش مصنوعی نسل جدید، بخش استراتژی باید در فناوری برای ایجاد و دسترسی به اکوسیستمهایی از منابع داده اختصاصی سرمایهگذاری کند. رویکرد اکوسیستم، نیاز شرکتها به تولید داخلی یا مالکیت کامل طیف دادههای اختصاصی را از بین میبرد. در عوض، آنها شبکههایی از منابع ایجاد میکنند که میتوانند به طور یکپارچه با استفاده از فناوری از آنها استفاده کنند. علاوه بر این، استراتژیستها باید ابزارهای هوش مصنوعی نسل جدید را شناسایی (و اغلب سفارشیسازی) کنند که میتوانند به طور مؤثر به عنوان محقق، شبیهساز، مفسر، شریک فکری و ارتباطدهنده عمل کنند.
سه گام برای توسعه استراتژی در سازمان
خب، از کجا باید شروع کرد؟ ما سه گام کوتاهمدت را توصیه میکنیم:
• باهوش باشید: استراتژیست فردا باید بداند هوش مصنوعی چگونه کار میکند. یک موتور پیشبینی کلمات چگونه مفاهیم و اطلاعات پیچیده را دستکاری میکند؟ چگونه از اطلاعات موجود در مدلها و دستورالعملها، بینش ایجاد میشود؟ کسانی که این تخصص را کسب میکنند، میتوانند در ایجاد ابزارهایی که کارشان به آنها نیاز دارد، مانند اجرای شبیهسازیهای پیچیده در مورد چگونگی تکامل بازارها و مناظر رقابتی، مشارکت کنند. افرادی که چنین مهارتهایی دارند، بسیار مورد توجه قرار خواهند گرفت و حفظ آنها در اولویت مدیریت قرار میگیرد.
• همین امروز شروع به ساختن کنید: هوش مصنوعی آمده تا بماند و یافتن راه درست برای بهکارگیری آن در توسعه استراتژی ضروری است. تیمهای استراتژی باید خود را با امکاناتی که هوش مصنوعی ارائه میدهد، از کمک به تحقیقات و تولید بینش گرفته تا شناسایی خطرات احتمالی، آشنا کنند. تیمهایی که بررسی میکنند چگونه ابزارهای موجود میتوانند در این وظایف کمک کنند، بهتر درک میکنند که برای رفع نیازهای خاص خود به چه ابزارهای دیگری برای ساخت یا سرمایهگذاری نیاز دارند. از دیدگاه سازمانی، رهبران باید به تیمهای استراتژی کمک کنند تا به تخصص در علوم داده، مهندسی داده و مدلهای زبانی بزرگ دسترسی پیدا کنند. این کار را میتوان با قرار دادن متخصصان فناوری در تیمهای استراتژی یا با فراهم کردن دسترسی استراتژیستها به آنها از طریق مراکز تعالی انجام داد.
• اکوسیستم بینشهای اختصاصی خود را توسعه دهید: حتی با وجود قابلیتهای پیشرفته، مدلهای هوش مصنوعی محدود به تفسیر دادههای موجود خواهند بود – آنها نمیتوانند سیگنالهای جدیدی تولید کنند. به عنوان مثال، هوش مصنوعی جایگزین بینشهای حاصل از تحقیقات قومنگاری یا ورودی مستقیم از مشتریان نخواهد شد. در واقع، با افزایش دسترسی و مقرون به صرفهتر شدن دادههای خارجی برای همه شرکتکنندگان در بازار، چنین اطلاعات اختصاصی برای تولید بینشهای منحصر به فرد حتی حیاتیتر نیز خواهد شد. برای کسب مزیت، استراتژیستها باید با ارتباط با نوآوران و ذینفعان در داخل و خارج از سازمانهای خود، دسترسی خود را به حوزههای مختلف گسترش دهند. تمرکز اصلی استراتژیستها به طور فزایندهای به توسعه فرضیهها، آزمایش و یادگیری از آنها و حفظ زیرساختهای هوش مصنوعی و داده تبدیل خواهد شد که تبدیل بینشها به یک مزیت رقابتی را ممکن میسازد.
هوش مصنوعی نمیتواند – و ما معتقدیم که نخواهد توانست – جایگزین کامل منطق و تفسیر انسانی در حوزههای پیچیدهای مانند استراتژی شود. با این حال، این فناوری میتواند پاسخهای سریعتر و عینیتری ارائه دهد که میتواند به طور قابل توجهی قدرت تصمیمگیری ما را افزایش دهد. از طریق نقشهای مختلفی که هوش مصنوعی میتواند ایفا کند، از محقق گرفته تا شریک فکری و شبیهساز، ما در حال مشاهده این هستیم که چگونه این ابزارها میتوانند به مرور زمان، نقش استراتژیستها را بازتعریف کرده و به شرکتها در تصمیمگیریهای استراتژیک کمک کنند. با کارآمدتر کردن فرآیند توسعه استراتژی و در عین حال فراهم کردن فضایی برای خلاقیت و ایدههای نوآورانه که به رهبران کمک میکند تا اقدامات جسورانه بعدی را تعریف کنند، هوش مصنوعی میتواند مزیت رقابتی مورد نیاز برای غلبه بر بازار را ارائه دهد.
استفاده از مطالب فوق تنها با ذکر منبع مجاز است
جهت دریافت اطلاعات بیشتر یا مشاوره مدیریت استراتژیک با ما تماس بگیرید
نوشته حسین نوریان، مشاور مدیریت استراتژیک
این مطالب را هم ملاحظه نمایید:
