کاربرد هوش مصنوعی در برنامه ریزی سناریو
چگونه هوش مصنوعی مولد می‌تواند برای طرح‌ریزی و برنامه‌ریزی سناریو به کار بیاید
حسین نوریان، مشاور مدیریت استراتژیک
نیاز به تحلیل سناریو در استراتژی‌گذاری امروز
آنگونه که بارها در مقالات متعدد به آن پرداخته ایم، امروزه به دلیل شدت اثر و تواتر بسیار زیاد دگرگونی‌های محیطی، دیگر روش‌های سنتی تحلیل و مدیریت استراتژیک کارامد نیستند زیرا معمولا آینده‌ای که برای آن راهبردگذاری و برنامه‌ریزی می‌کنیم با شرایط امروزی که تحلیلشان می‌کنیم بسیار متفاوت است و ما باید مختصات و ویژگی‌های آینده‌های ممکن را در استراتژی‌گذاری لحاظ کنیم، اما از سوی دیگر سطح اطمینان از وقایع آینده و پیش‌بینی پذیری آنها هم بسیار کم است! ما هرگز نمی‌توانیم برای تصمیم‌گیری تنها یک آینده را متصور شویم و به آن بسنده کنیم زیرا ممکن است رویدادهای پیش‌بینی شده یا نشده زیادی اتفاق بیفتند که مختصات آینده را نسبت به آنچه ما می‌اندیشیدیم به کلی متفاوت سازند. پس تمرکز بر تجسم تنها یک آینده و هدف‌گذاری بر مبنای آن هم ما را به تصمیمات درست و موثر نمی‌رساند و ای‌بسا با مخاطرات فراوان هم مواجه سازد.
از اینرو در روش‌های مدرن مدیریت استراتژیک، از تحلیل‌های مبتنی بر ریسک و سناریو استفاده می‌شود. در ابتدا متغیرهای محیطی اثرگذار شناسایی و تحلیل می‌گردند و سپس با ترکیب آنها سناریوهایی از آینده طرح‌ریزی می‌شوند. از میان آنها محتمل‌ترین، منفعت‌زاترین و پرمخاطره‌ترین‌هایشان مشخص می‌گردند و سناریوها متناسب با تغییراتی که ممکن است در متغیرهای پایه‌ای اتفاق بیافتد تست و کنترل می‌گردند. مدیران بر این اساس و با تجسم آینده‌های مختلف و متعدد می‌توانند تصمیمات استراتژیک کارامدی را اتخاذ کنند مثلا منابع و قابلیت‌های مشترک میان سناریوهای مختلف را بیابند و ابتدا بر فراهم آوری آنها تمرکز کنند یا دربرابر بدترین سناریوها استحکام و تاب آوری ایجاد نمایند.
ما تنها آن آینده‌ای را می‌توانیم پیش‌بینی کنیم که ردپایی در گذشته داشته باشد از اینرو نقش داده‌ها و اطلاعات در پیش‌بینی آینده بسیار پررنگ است. اما تحلیل اطلاعات انبوه برای ذهن انسان بسیار دشوار است مخصوصا در زمانی که لازم باشد، روابط میان این داده‌ها نیز کشف و تاثیرگذاریشان بر یکدیگر، تحلیل گردد. ذهن انسان و روش‌های آماری متداول و سنتی اگرچه در تحلیل تعداد معدود متغیرها و میزان محدود اطلاعات قوی عمل می‌کند، اما هرچه تعدد و حجم آنها بیشتر شود پای در گل می‌ماند. از اینرو در گذشته، دانش و کاربردهای آینده پژوهی و نیز برنامه‌ریزی برمبنای سناریو به اندازه‌ای که پیش‌بینی می‌شده نتوانسته است توجه مدیران را جلب کند اما امروزه فناوری‌های مبتنی بر هوش مصنوعی به شرحی که در ادامه به آن می‌پردازیم می‌توانند این ضعف را جبران کنند.
چگونه هوش مصنوعی مولد می‌تواند در برنامه‌ریزی سناریوها به کار بیاید؟
طرح‌ریزی سناریوهای متنوع: هوش مصنوعی مولد می‌تواند طیف وسیعی از سناریوهای متنوع را با در نظر گرفتن پارامترهای ورودی مختلف ایجاد کند. این قابلیت موجب می‌شود سناریوهای محتمل بیشتری بررسی شوند و نتایج بالقوه هر یک از آن سناریوها واضح تر شود.
شبیه سازی واقعی سناریوها: مدل‌های هوش مصنوعی آموزش دیده‌شده بر روی داده‌های تاریخی، می‌توانند سناریوهای واقعی را با بررسی الگوها و روندنماها شبیه‌سازی کنند. این قابلیت سازمان‌ها را قادر می‌سازد تا تأثیر بالقوه هر سناریو بر اهداف شرکت را با دقت بیشتری ارزیابی کنند.
انجام سریع‌تر طرح‌ریزی سناریوها: برنامه‌ریزی سناریو به روش سنتی معمولا زمان‌بر و به وجود منابع متمرکز محتاج است. الگوریتم‌های هوش مصنوعی مولد می‌توانند به سرعت سناریوها را تولید کنند و به سازمان‌ها این امکان را می‌دهند که استراتژی‌های خود را مؤثر و سریع‌تر ایجاد و اصلاح کنند.
کشف بینش‌های پنهان در سناریوها: مدل‌های هوش مصنوعی می‌توانند بینش‌ها و الگوهای پنهان را در مجموعه داده‌های بزرگی که انسان‌ها ممکن است نادیده بگیرند، کشف کنند. هوش مصنوعی مولد می‌تواند با تجزیه و تحلیل حجم عظیمی از داده‌ها روندهای نوظهور و خطرات بالقوه آنها را شناسایی کند و بینش‌های ارزشمندی را برای برنامه‌ریزی سناریو ارائه دهد.
بکارگیری ترکیب بیشتری از متغیرها: سناریوها معمولا از ترکیب چند متغیر شکل می‌گیرند، طبیعتا هرچه تعداد متغیرها بیشتر باشد، تعداد سناریوهایشان هم به صورت نمایی افزایش می‌یابد و از این لحاظ ذهن انسان معمولا قادر نخواهد بود بیش از دو یا سه متغیر را با هم ترکیب کند اما هوش مصنوعی مولد معمولا چنین محدودیتی را ندارد.
ارزیابی و مدیریت ریسک‌ها: هوش مصنوعی مولد می‌تواند به سازمان‌ها کمک کند تا ریسک‌های مرتبط با سناریوهای مختلف را ارزیابی کند و کاهش دهد. با شبیه‌سازی سناریوهای مختلف، مدل‌های هوش مصنوعی می‌توانند آسیب‌پذیری‌های بالقوه در هر سناریو را شناسایی و استراتژی‌های موثری را برای کاهش آنها پیشنهاد نمایند.
هوش مصنوعی مولد با ارائه قابلیت‌های کارامد مبتنی بر داده می‌تواند سناریوهای متعدد را طرح‌ریزی و تجزیه و تحلیل کند و نتایج بالقوه، ریسک‌ها و بینش‌های پنهان در آن را بیابد و به این شیوه اثربخشی روش‌های برنامه‌ریزی سناریو را بهبود بخشد. این‌گونه است که هوش مصنوعی مولد قدرت تصمیم گیری را با در نظر گرفتن طیف وسیع تری از احتمالات و انتخاب‌های آگاهانه‌تر افزایش می‌دهد.
هوش مصنوعی مولد چگونه می‌تواند ما را بر چالش‌های برنامه‌ریزی سناریو غلبه دهد:
هوش مصنوعی مولد می‌تواند با پرداختن به حوزه‌های کلیدی زیر به غلبه بر چالش‌ها در برنامه‌ریزی سناریو کمک کند:
تجزیه و تحلیل داده‌ها برای طرح‌ریزی و برنامه‌ریزی سناریو: برنامه‌ریزی سناریو اغلب مستلزم تجزیه و تحلیل حجم وسیعی از داده‌ها از منابع مختلف است. هوش مصنوعی مولد می‌تواند مجموعه‌ای از داده‌های بزرگ را با سرعت و کارآمدی پردازش و تجزیه و تحلیل کند و بینش‌ها و الگوهای ارزشمندی را از آنها استخراج کند که ممکن است به راحتی قابل مشاهده نباشند. این قابلیت روندها، محرک‌ها و عدم قطعیت‌هایی که می‌توانند به توسعه سناریو کمک کنند را آشکار می‌کند.
مشخص کردن متغیرهای مرتبط با سناریوها: شاید دشوارترین مرحله در طرح‌ریزی و برنامه‌ریزی سناریو پیدا کردن متغیرهای مستقلی است که بتوانند سناریوهای هدف را طرح‌ریزی کنند. کلید موفقیت در برنامه‌ریزی سناریو همین است یعنی اینکه بدانیم آینده را با کدام متغییرها توصیف کنیم. هوش مصنوعی با بکارگیری داده‌های انبوه، بررسی میزان تغییرات آنها و بررسی اثرگذاریشان بر یکدیگر می‌تواند مهم ترین متغیرها برای ایجاد سناریوها را پیشنهاد دهد کاری که برای ذهن شهودی انسان بسیار دشوار است.
مدیریت پیچیدگی‌ها: سناریوها از جمله سیستم‌های پیچیده‌ای هستند که تحلیلشان با تحلیل جز به کل و بررسی اجزای تشکیل دهنده‌شان امکان پذیر نیست بلکه تاثیرگذاری‌ها و وابستگی‌های متقابل بین اجزا است که سناریوها را شکل می‌دهد. هوش مصنوعی مولد می‌تواند مدل سازی‌های پیچیده را با شبیه‌سازی تعاملات بین متغیرها و عوامل مختلف انجام دهد. با در نظر گرفتن ابعاد و روابط چندگانه، هوش مصنوعی می‌تواند سناریوهایی را ایجاد کند که پیچیدگی موقعیت‌های دنیای واقعی را به تصویر بکشند.
ایجاد سناریوهای متنوع: هدف برنامه‌ریزی سناریو بررسی طیف گسترده‌ای از احتمالات است. هوش مصنوعی مولد می‌تواند سناریوهای متنوعی را با ترکیب متغیرهای ورودی مختلف، بررسی مفروضات جایگزین و در نظر گرفتن حالات مختلف آینده ایجاد کند. این قابلیت امکان کاوش سناریوهای متعدد را فراهم می‌کند و به در نظر گرفتن طیف وسیع تری از نتایج بالقوه کمک می‌کند.
سرعت و کارایی: روش‌های سنتی برنامه‌ریزی سناریو زمان بر هستند و به منابع متمرکز و زیاد محتاج هستند. از این جهت معمولا تعداد سناریوهایی را که می‌توان با این روش بررسی کرد محدود می‌شود.
هوش مصنوعی مولد می‌تواند سناریوها را به سرعت تولید کند و سازمان‌ها را قادر می‌سازد تعداد بیشتری از احتمالات را در بازه‌های زمانی کوتاه تری ارزیابی کنند. این قابلیت سرعت و کارایی فرآیندهای تصمیم گیری و برنامه‌ریزی استراتژیک را افزایش می‌دهد.
ارزیابی سناریوها: سناریوهای طرح‌ریزی شده باید بر اساس معیارها و اهداف از پیش تعریف شده ارزیابی و تحلیل شوند و تأثیر هر سناریو بر معیارهای عملکردی یا شاخص‌های کلیدی مختلف شرکت ارزیابی گردند تا مناسب‌ترین و قابل قبول‌ترین سناریوها برای تحلیل و تصمیم‌گیری بیشتر شناسایی شوند. هوش مصنوعی مولد با انجام شبیه‌سازی مبتنی بر داده با سرعت و دقت بسیار بیش از ذهن انسان می‌تواند سناریوها را ارزیابی کند.
تجزیه و تحلیل حساسیت: برای نتیجه‌گیری و تصمیم‌گیری بر اساس تحلیل سناریوها باید حساسیت آنها نسبت به تغییرات متغیرهای ورودی یا مفروضات تجزیه و تحلیل شوند. محرک‌ها یا عدم قطعیت‌های کلیدی‌ای که بیشترین تأثیر را بر نتایج دارند، شناسایی گردند تا امکان درک استحکام و قابلیت اطمینان سناریوها بهتر گردد.
انجام تحلیل حساسیت مستلزم وجود الگوریتم‌های قدرتمندی است که تنها هوش مصنوعی مولد می‌تواند از عهده آن برآید.
اصلاح سناریوها: هوش مصنوعی مولد می‌تواند سناریوها را بر اساس بازخورد و بینش ذینفعان و کارشناسان حوزه‌های مرتبط اصلاح کند. داده‌ها یا اطلاعات جدیدی را که در طول فرآیند برنامه‌ریزی سناریو در دسترس قرار می‌گیرد را ترکیب کند تا برای بهبود کیفیت و دقت سناریوها استفاده شوند.
تجسم بخشی و تشریح: یکی از مهم ترین الزامات برای موفقیت در بهره‌گیری از روش طرح‌ریزی سناریو، به تجسم کشیدن سناریوها و تشریح آنها به شکلی است که مدیران بتوانند به خوبی آن را بفهمند برای این کار از روش‌های باز تجسم، ایجاد روایت و تکنیک‌های داستان‌سرایی برای انتقال موثر سناریوها به ذینفعان استفاده می‌شود تا مدیران سناریوها را واضح و قابل فهم بیابند و بینش‌ها و مفاهیم کلیدی برایشان برجسته شود.
مشارکت ذینفعان در بحث و تصمیم‌گیری بر اساس سناریوهای ایجاد شده نیز از دیگر عوامل کلیدی موفقیت است که هوش مصنوعی مولد می‌تواند درباره آن کارامد عمل کند.
نظارت بر سناریوها و تطبیق مستمر آنها: شما باید در مدیریت مبتنی بر سناریو باید به طور مستمر محیط را زیر نظر داشته باشید و با برخورداری از اطلاعات جدید، سناریوها را به روز کنید و بازخوردها و درس‌های آموخته شده از اجرای سناریوها را در تکرارهای آینده آن بگنجانید. برای این کار می‌توانید از مدل‌های هوش مصنوعی مولد بهره گیرید.
تصمیم گیری و اقدام: هوش مصنوعی مولد به شما این امکان را می‌دهد تا از سناریوهای ایجاد شده به عنوان ورودی برای فرآیندهای تصمیم گیری استفاده کنید. ریسک‌ها، فرصت‌ها و مبادلات مرتبط با هر سناریو را ارزیابی نمایید و استراتژی‌ها و برنامه‌های عملیاتی را بر اساس بینش‌های به دست آمده از سناریوها توسعه دهید.
ریسک‌های بهره گیری از هوش مصنوعی مولد در طرح‌ریزی و برنامه‌ریزی سناریوها کدامند
پیاده سازی هوش مصنوعی مولد برای برنامه‌ریزی سناریو با خطرات خاصی همراه است که باید در نظر گرفته شوند:
خطای داده‌ها: مدل‌های هوش مصنوعی مولد از داده‌هایی که بر روی آنها آموزش دیده اند یاد می‌گیرند. اگر داده‌های آموزشی، مغرضانه یا حاوی اطلاعات ناهنجار باشد، سناریوهای ایجاد شده ممکن است سوگیری‌ها را منعکس کنند. این ریسک می‌تواند به ایجاد سناریوهای نادرست یا گمراه کننده منجر شود که محدوده واقعی احتمالات را نشان نمی‌دهند.
عدم قطعیت و فرضیات: برنامه‌ریزی سناریو مستلزم در نظر گرفتن عدم قطعیت‌ها و ایجاد فرضیات در مورد رویدادها و متغیرهای آینده است. مدل‌های هوش مصنوعی مولد ممکن است تمام پیچیدگی‌ها و ظرایف سناریوهای دنیای واقعی را به تصویر نکشند که منجر به نتایج بیش از حد ساده شده یا غیرواقعی شود.
پس مهم است که محدودیت‌ها و مفروضات مدل هوش مصنوعی را به دقت در نظر بگیرید و سناریوهای تولید شده را با دانش و بینش شهودی متخصصین تأیید و صحه گذاری کنید.
فقدان قضاوت انسانی: مدل‌های هوش مصنوعی مولد توسط الگوریتم‌ها و الگوهای موجود در داده‌ها هدایت می‌شوند. آنها ممکن است قضاوت و شهود انسانی را که اغلب در برنامه‌ریزی سناریو بسیار مهم است، ترکیب نکنند. اتکای بیش از حد به سناریوهای تولید شده توسط هوش مصنوعی بدون نظارت انسان می‌تواند منجر به تحلیل ناقص یا مغرضانه شود.
نگرانی‌های اخلاقی: مدل‌های هوش مصنوعی ممکن است سناریوهایی ایجاد کنند که پیامدهای اخلاقی یا پیامدهای ناخواسته‌ای داشته باشند. مهم این است که اطمینان حاصل کنید که سناریوهای طرح‌ریزی و برنامه‌ریزی شده با مدل هوش مصنوعی با استانداردهای اخلاقی همسو باشند و باعث تعصب، تبعیض یا آسیب به افراد یا جوامع نشوند.
دشواری تفسیرپذیری و توضیح پذیری: مدل‌های هوش مصنوعی مولد می‌توانند پیچیده و تفسیر آنها دشوار باشند. درک اینکه چگونه الگوریتم به یک سناریوی خاصی رسیده است می‌تواند چالش برانگیز باشد و توضیح منطق پشت نتایج تولید شده را دشوار همیشه سخت است. این واقعیت می‌تواند مانع درک و اعتماد ذینفعان به سناریوها شود.
تعمیم بیش از حد: اگر مدل هوش مصنوعی مولد داده‌های آموزشی را بیش از حد برازش کند، ممکن است نتواند به خوبی به سناریوهای جدید یا دیده نشده تعمیم‌شان دهد. این ضعف می‌تواند منجر به سناریوهای غیر واقعی یا غیر عملی شود که به طور دقیق دامنه احتمالات را نشان نمی‌دهند.
چالش‌های فنی: اجرای هوش مصنوعی مولد برای برنامه‌ریزی سناریو به تخصص فنی و منابع نیاز دارد. توسعه و آموزش مدل هوش مصنوعی، جمع آوری و پیش پردازش داده‌ها، و مدیریت نیازمندی‌های محاسباتی می‌تواند پیچیده و نیازمند سرمایه گذاری زیاد باشد.
برای کاهش این ریسک‌ها مشارکت دادن کارشناسان و ذینفعان در طول فرآیند ضروری است. اعتبار سناریوهای تولید شده وقتی است که با دانش ضمنی و شهودی مدیران سازگار باشند حفظ شفافیت و پاسخگویی در استفاده از مدل‌های هوش مصنوعی مولد برای برنامه‌ریزی سناریو بسیار مهم است. نظارت منظم و ارزیابی و اصلاح سناریوها می‌تواند به رفع این خطرات و بهبود کیفیت سناریوها و قابلیت اطمینان نتایج تولید شده کمک کند.
استفاده از مطالب فوق تنها با ذکر منبع مجاز است.
جهت دریافت اطلاعات بیشتر یا مشاوره مدیریت استراتژیک با رویکرد تحول دیجیتال با ایمیل Hossein.nourian@gmail.com تماس حاصل فرمایید.
این مقالات را هم مطالعه نمایید:
