در ذات خود، استراتژی شامل استخراج بینش از حقایق و دادهها، توسعه گزینههای واقعی بر اساس آن بینشها، اتخاذ تصمیمات سخت و غیرقابل بازگشت، و اجرای ابتکاراتی است که این تصمیمات را به ارزش تبدیل میکنند. تجزیه و تحلیل دادهها دهههاست که به این کار کمک کرده، اما هرگز تاکنون فناوری قادر نبوده نهتنها ورودیهای استراتژی را تقویت و تا حدی خودکار کند، بلکه آنها را در تحلیلهای پیچیده ترکیب نماید. در آینده، شاید حتی بتواند استراتژیهای مناسبی نیز پیشنهاد دهد.
هوش مصنوعی و هوش مصنوعی مولد پتانسیل دگرگون ساختن روش کار استراتژیستها را دارند، از طریق تقویت و تسریع فعالیتهایی نظیر تحلیل و تولید بینش، در حالی که چالشهای ناشی از تعصبات انسانی و جنبههای اجتماعی استراتژی را کاهش میدهند. بر پایه انفجار اخیر دادهها و پیشرفتهای قبلی در حوزه هوش مصنوعی که باعث بهبود چشمگیر دقت پیشبینی شدند، ابزارهای جدید دستیابی به بینش را بسیار سادهتر و ارزانتر کردهاند. تأثیری که در سازمانهای مشتریان و کار خود ما بهعنوان استراتژیست مشاهده میکنیم، ما را به این نتیجه رسانده که در حال تجربه یک نقطه عطف جدید در طراحی استراتژی هستیم — احتمالاً همسطح با خلق چارچوبهای استراتژیک اصلی در دهههای ۱۹۷۰ و ۱۹۸۰.
اگرچه هوش مصنوعی جای نیاز به شجاعت استراتژیک رهبران برای تعهد به تصمیمات بزرگ را نمیگیرد، انتظار داریم که این فناوری به مرور زمان تمامی مراحل توسعه استراتژی — از طراحی تا بسیج و اجرا — را ارتقا دهد. امروز، این فناوری بیشترین مزایا را در مرحله طراحی ارائه میدهد، با کمک به سازمانها برای ارزیابی نقطه شروع خود در زمینه پویایی صنعت و بازار. آنها میتوانند از آن برای اندازهگیری بازارهای بالقوه، تحلیل حرکات رقبا، و برآورد ارزش ابتکارات استراتژیک مختلف در سناریوهای متعدد استفاده کنند. اما این تنها آغاز ماجراست: استراتژی مستلزم بسیج سازمان، تخصیص درست منابع و نظارت بر اجراست. در همه این وظایف، هوش مصنوعی میتواند نقشی ایفا کند.
نقشهای نوظهور هوش مصنوعی در استراتژی
قضاوت انسانی همچنان برای تدوین چشمانداز استراتژیک — که جاهطلبی سازمان را با راهی برای تحقق آن ترکیب میکند — ضروری است. بااینحال، هوش مصنوعی میتواند سرعت و دقت کار تیمهای استراتژی را افزایش دهد. حتی در این مراحل اولیه، ما پنج نقش برای هوش مصنوعی میبینیم: پژوهشگر، مفسر، شریک فکری، شبیهساز و ارتباطدهنده. هر یک از این نقشها میتوانند در مراحل مختلف توسعه استراتژی ایفای نقش کنند:
پژوهشگر
استراتژیستها زمان زیادی را صرف جمعآوری و غنیسازی دادهها از منابع مختلف میکنند. توانایی هوش مصنوعی در خلاصهسازی و ایجاد ارتباطات معنادار میان مجموعههای داده میتواند این تلاشها را بهشدت تقویت کند. مثلاً یک موتور مجهز به هوش مصنوعی که اهداف بالقوه ادغام و تملک را شناسایی میکند، میتواند داراییهایی پنهان و کمتر شناختهشده را که با فرضیه استراتژیک شرکت همراستا هستند، مشخص کند. یکی از این ابزارها قادر است اطلاعات عمومی بیش از ۴۰ میلیون شرکت در زبانهای مختلف را تحلیل و فهرست کوتاهی از اهداف مرتبط را ظرف چند دقیقه ارائه دهد.
مفسر
برای تبدیل تجزیه و تحلیل دادهها به بینشهای مفید، استراتژیستها باید تفسیر کنند که چگونه یافتهها میتوانند به اهدافشان کمک کنند. مثلاً جستوجو برای فرصتهای رشد اغلب نیازمند بررسی حوزههای مجاور است. ابزارهای هوش مصنوعی میتوانند این فرآیند را تسهیل کرده و دادههای پراکنده نظیر گزارشهای سالانه، پتنتها، نظرات مشتریان و دادههای خرید را به اسکنهای رشد تبدیل کنند و آنها را با استراتژی شرکت تطبیق داده و امتیازدهی کنند.
هوش مصنوعی همچنین در پایش روندها نقش مفسر را ایفا میکند. مثلاً یک موتور مجهز به هوش مصنوعی مولد میتواند حجم عظیمی از اطلاعات را خوانده، روندها را به الگوهای تشکیلدهندهشان تجزیه و سپس تحلیل کند که آیا آن روند در حال تسریع، بلوغ یا افول است.
شریک فکری
هوش مصنوعی میتواند بهعنوان شریک ایدهپردازی عمل کرده، تولید ایده را تسریع و به خنثیسازی سوگیریهای احتمالی رهبران تجاری کمک کند. برای مثال، یک تیم میتواند استراتژی خود را پیش و حین اجرا تحت فشار قرار دهد تا نقاط ضعف پنهان را شناسایی کند.
شبیهساز
پیش از تعهد به یک مسیر استراتژیک، استراتژیستها تأثیر چندین سناریو را بررسی میکنند. هوش مصنوعی با قابلیتهای مدلسازی پیشرفته و شبیهسازی میتواند این تحلیلها را بسیار دقیقتر انجام دهد.
ارتباطدهنده
یک روایت روشن از مسیر استراتژیک و هدف و تأثیر آن بر سازمان و ذینفعانش برای بسیج عمل حیاتی است. ابزارهای مولد هوش مصنوعی میتوانند به ساخت روایتهایی برای مخاطبان مختلف (بازارهای منطقهای، ناظران، تحلیلگران) و در قالبهای مختلف (خلاصه، نکات کلیدی، پادکستها) کمک کنند.
نمونه کاربرد واقعی
بانکی منطقهای در آسیای جنوب شرقی قصد داشت به بخش یا جغرافیای جدیدی گسترش یابد. تیم استراتژی از یک مدل هوش مصنوعی برای تحلیل زمینه کسبوکار و روندهای نوظهور استفاده کرد. این ابزار گزارشهای تعاملی تولید کرد و سپس پیشنهاداتی برای مجاورتهای جذاب برای سرمایهگذاری رشد ارائه داد. تیم مدیریت چند گزینه را برای تحلیل عمیقتر انتخاب کرد، فرضیههایی ساخت و از هوش مصنوعی برای ارزیابی رقبا و تحلیل ریسکهای بازار و بررسی تجربیات شکستخورده در کشورهایی نظیر ویتنام استفاده نمود.
در نهایت، هوش مصنوعی به شبیهسازی سود و زیان و پیشبینی رشد پرداخته و با تحلیل دادههای داخلی، نقاط قوت و ضعف اجرایی بانک را مشخص کرد.
ملاحظاتی برای رهبران استراتژی در استفاده از هوش مصنوعی
با وجود فرصتهای چشمگیر، چالشهایی نیز در استفاده از هوش مصنوعی وجود دارد: از سوگیری مدلها تا کاهش قابلیت توضیح و توهم. راهکارهایی نظیر “عوامل منتقد” برای بررسی خروجیها در حال توسعهاند.
هوش مصنوعی مولد پنج ملاحظه اضافی نیز به همراه دارد:
- اهمیت داده اختصاصی: استفاده از دادههای آماده منجر به بینشها و استراتژیهای عمومی و قابلکپی میشود.
- تمایز سیگنال از نویز: با افزایش داده، تشخیص آنچه واقعاً اهمیت دارد دشوارتر میشود.
- اهمیت ترکیب مدیریتی: حتی بهترین بینشها نیازمند تلفیق و تصمیمگیری انسانی هستند.
- کیفیت فرایند مهمتر از کیفیت بینش است.
- سرمایهگذاری در اکوسیستم داده: ایجاد شبکههایی از منابع داده قابل دسترس اهمیت بیشتری پیدا میکند.
گامهای بعدی
آگاه شوید: استراتژیستهای آینده باید درک عمیقی از کارکرد هوش مصنوعی داشته باشند.
ساخت را آغاز کنید: آشنایی با ابزارهای موجود و چگونگی استفاده از آنها برای تحقیق، تحلیل و ارزیابی ریسکها ضروری است.
اکوسیستم بینش اختصاصی بسازید: برای ایجاد مزیت رقابتی، دادههای اختصاصی — مانند تحقیقات میدانی یا بازخورد مستقیم مشتری — حیاتی خواهند بود.
نظر شما در مورد این مطلب چیه؟