هوش مصنوعی در حال تحول شیوه‌های توسعه استراتژی است؛ چگونه؟

در اصل، استراتژی یعنی استخراج بینش از واقعیت‌ها و داده‌ها، ایجاد گزینه‌های واقعی بر اساس آن بینش‌ها، اتخاذ تصمیماتی که به‌سختی قابل‌بازگشت هستند و اجرای ابتکاراتی که آن تصمیمات را به ارزش تبدیل می‌کنند. دانش تجزیه‌وتحلیل داده‌ها چندین دهه است که در این مسیر به کار گرفته می‌شود، اما تاکنون هیچ فناوری‌ای نتوانسته بود نه‌تنها ورودی‌های استراتژی را تقویت و تا حدی خودکار کند، بلکه آن‌ها را در قالب تحلیل‌های پیچیده نیز ترکیب نماید. در آینده حتی ممکن است هوش مصنوعی استراتژی‌های قابل‌اجرا را نیز پیشنهاد دهد. مؤسسهمک‌کنزینیز در گزارشی به بررسی این تحولات پرداخته است.

تحول استراتژی

هوش مصنوعی و هوش مصنوعی مولد می‌توانند با تقویت و شتاب دادن به فعالیت‌هایی مانند تحلیل و تولید بینش و درعین‌حال کاهش چالش‌های ناشی از سوگیری‌های انسانی وجنبه‌های اجتماعی تصمیم‌گیری استراتژیکشیوه کار استراتژیست‌ها را دگرگون کنند. باتکیه‌بر انفجار داده‌ها و پیشرفت‌های پیشین در هوش مصنوعی که بهبودهای چشمگیری در دقت پیش‌بینی مدل‌ها ایجاد کردند، ابزارهای جدید فرایند استخراج بینش را بسیار آسان‌تر و ارزان‌تر کرده‌اند. تأثیری که امروز در سازمان‌های مشتری و حتی در کار خود سازمان‌های ارائه‌دهنده خدمات مدیریت استراتژی مشاهده می‌شود، نشان می‌دهد که این لحظه می‌تواند نقطه عطف تازه‌ای در طراحی استراتژی باشد؛ احتمالاً هم‌تراز با شکل‌گیری چارچوب‌های اصلی مدیریت استراتژیک در دهه‌های ۱۹۷۰ و ۱۹۸۰ میلادی.

هرچند هوش مصنوعی جایگزین نیاز مدیران بهشجاعت استراتژیکدر انجام حرکت‌های بزرگ نمی‌شود اما انتظار داریم که در گذر زمان این فناوری هر مرحله از توسعه استراتژی از طراحی گرفته تا بسیج منابع واجرارا بهبود دهد. در حال حاضر، بیشترین مزایا در مرحله طراحی به‌دست می‌آید، جایی که سازمان‌ها می‌توانند با کمک آن جایگاه اولیه خود را در بستر پویایی‌های صنعت و بازار ارزیابی کنند. این فناوری می‌تواند در برآورد حجم بازارهای بالقوه، تحلیل اقدامات رقبا و تخمین ارزش ابتکارات استراتژیک در سناریوهای مختلف به کار رود. اما این تازه آغاز راه است؛ استراتژی نیازمند همکاری و هماهنگی سازمانی، تخصیص بهینه منابع و پایش اجرای برنامه‌ها است و هوش مصنوعی می‌تواند در همه این مراحل نقش‌آفرینی کند.

نقش‌های نوظهور هوش مصنوعی در استراتژی

قضاوت انسانی همچنان برای تدوین چشم‌انداز استراتژیک ضروری است؛ چشم‌اندازی که جاه‌طلبی سازمان را با تصویری از نحوه تحقق آن ترکیب می‌کند. بااین‌حال، هوش مصنوعی می‌تواند کار تیم‌های استراتژی را سرعت ببخشد و دقت بیشتری به آن ببخشد. حتی در همین مراحل اولیه، پنج نقش کلیدی برای هوش مصنوعی قابل‌مشاهده است هر یک از این نقش‌ها می‌تواند در مراحل مختلف توسعه استراتژی وارد عمل شود. (جدول ۱ را بررسی کنید)

• پژوهشگر(Researcher)استراتژیست‌ها بخش قابل‌توجهی از زمان خود را صرف جمع‌آوری داده‌ها از منابع متعدد و غنی‌سازی آن می‌کنند. توانایی هوش مصنوعی در خلاصه‌سازی و ایجاد ارتباطات معنادار میان مجموعه‌‌داده‌ها می‌تواند این خروجی تلاش‌ها را به طور چشمگیری بهبود بخشد. برای مثالیک موتور هوش مصنوعی که اهداف بالقوه ادغام و تملک (M&A) را شناسایی می‌کندمی‌تواند دارایی‌های کمتر شناخته‌شده‌ای را که با فرضیه استراتژیک شرکت همخوانی دارند، پیدا کند؛ روندی که امروزه اغلب به شکل اتفاقی و بر پایه شناخت بازار توسط مدیران و واسطه‌ها پیش می‌رود. چنین ابزاری می‌تواند اطلاعات عمومی بیش از ۴۰ میلیون شرکت در زبان‌های مختلف را جست‌وجو کرده و در عرض چند دقیقه فهرست کوتاهی از اهداف مناسب ارائه دهد. با وجود سرعت و جامعیت بالای هوش مصنوعی، همچنان این استراتژیست‌ها هستند که باید پرسش‌های درست را مطرح کنند تا بینش‌های متمایزی به دست آورند.
• تحلیل‌گر و مفسر(Interpreter)برای تبدیل تحلیل داده به بینش‌های کاربردی، استراتژیست‌ها باید تشخیص دهند که یافته‌ها چگونه می‌توانند اهداف آن‌ها را پیش ببرند. به‌عنوان‌مثال، جست‌وجوی فرصت‌های رشد معمولاً بهبررسی بازارهای مجاورمنجر می‌شود. ایده‌های توسعه می‌تواند از منابع مختلفی از تحلیل حرکات رقبا گرفته تا شناخت عمیق نیازهای نوظهور مشتریان ناشی شوند. ابزارهای هوش مصنوعی می‌توانند این فرایند را با تبدیل داده‌های متنوع مانند گزارش‌های سالانه، پتنت‌ها، نظرات مشتریان و داده‌های خرید به «اسکن‌های رشد» تسهیل کنند. این اسکن‌های رشد رایج‌ترین حوزه‌های توسعه را خلاصه کرده، تناسب آن‌ها با استراتژی شرکت را تفسیر و امتیازدهی می‌کنند. این دیدگاه به استراتژیست‌ها کمک می‌کند گزینه‌ها را محدود کنند، سوابق و الگوهای مشابه را بیابند و ایده‌های جدید را کشف کنند. یکی دیگر از حوزه‌های عملکرد مفسرها، پایش روندها است. استراتژیست‌ها می‌بایست هنگام تدوین گزینه‌ها و بازنگری فرضیات، تغییرات در روندهای کلان را نیز در نظر داشته باشند. یک موتور مبتنی بر هوش مصنوعی مولد می‌تواند حجم عظیمی از اطلاعات را پردازش کرده، روندها را به الگوهای جزئی تقسیم و سپس تفسیر کند که آیا این روند در حال شتاب‌گیری، بلوغ یا افول است. برای نمونه، یک سازمان که به دنبال شناخت تقاضا برای مصالح ساختمانی پایدار است، می‌تواند علاقه معماران، حجم پتنت‌ها و دفعات ذکر این موضوع توسط رقبا را مدت‌ها پیش از آنکه این سیگنال‌ها به فروش واقعی تبدیل شوند، رصد کند.
• شریک فکری(Thought Partner)هوش مصنوعی می‌تواند به‌عنوان یک شریک ایده‌پردازی عمل کرده، سرعت تولید ایده‌ها را افزایش دهد و سوگیری‌ها یا نقاط کور احتمالی مدیران را شناسایی کند. به‌ویژه، هوش مصنوعی مولد می‌تواند با ارزیابی برنامه‌ها بر اساسچارچوب‌های شناخته‌شدهاز بروز اشتباهات رایج جلوگیری کند. برای مثال، یک تیم می‌تواند پیش از و در حین اجرای برنامه‌های توسعه استراتژی، با استفاده از نقش چالشگر که هوش مصنوعی ایفا می‌کند، برنامه را در برابر کاستی‌ها و نقاط ضعف احتمالی بیازماید.
• شبیه‌ساز(Simulator)پیش از انتخاب مسیر توسعه استراتژیک، استراتژیست‌ها تأثیر سناریوهای مختلف بازار را بر اساس شرایط کلان اقتصادی، حرکات احتمالی رقبا و واکنش ذی‌نفعان بررسی می‌کنند. هوش مصنوعی می‌تواند با قابلیت‌های مدل‌سازی پیشرفته و شبیه‌سازی‌های فنی، این تحلیل سناریو را به طور بسیار دقیق‌تری انجام دهد. این توانایی حتی در مرحله اجرای استراتژی نیز ارزشمند است؛ زیرا هوش مصنوعی می‌تواند سیگنال‌های اولیه بازار را رصد کرده، اثر آن‌ها را شبیه‌سازی کند و در صورت لزوم هشدار دهد که شاید بهتر باشد مسیر تغییر کند.
• تسهیل‌گر ارتباطات (Communicator)روایت شفاف از مسیر و اهداف استراتژیک و پیامدهای آن برای سازمان و ذی‌نفعان برای همگرایی اقدامات حیاتی است. توانایی هوش مصنوعی مولد در خلاصه‌سازی مفاهیم در قالب‌های گوناگون، از زمان عرضه ChatGPT به یکی از کاربردهای محبوب این فناوری تبدیل شده است. استراتژیست‌ها می‌توانند از این ابزارها برای ساخت روایت‌های متناسب با مخاطبان مختلف مانند بازارهای منطقه‌ای، نهادهای ناظر یا تحلیلگران و در قالب‌های متفاوت مانند یادداشت کوتاه، نکات کلیدی برای سخنرانی یا حتی پادکست استفاده کنند. همچنین، هوش مصنوعی می‌تواند بررسی کند که آیا پیام‌های برون‌سازمانی با کانال‌های ارتباطی مختلف سازگار و هماهنگ هستند یا خیر.

امروزه بسیاری از سازمان‌ها شروع به ساخت ابزارهایی کرده‌اند که چنین سناریوهایی را به واقعیت نزدیک کنند و عامل‌های اختصاصی هوش مصنوعی را توسعه می‌دهند تا استدلال را شبیه‌سازی کرده یا وظایف پژوهشی پیچیده انجام دهند. بااین‌حال، حتی سازمان‌هایی که در ابتدای مسیر هوش مصنوعی هستند هم می‌توانند به بررسی نقش‌های بالقوه آن بپردازند. با پیشرفت فناوری، استراتژیست‌هایی که مهارت توسعه کاربردهای منحصربه‌فرد هوش مصنوعی را کسب می‌کنند، در دست‌یابی به بینش‌های کلیدیمزیت رقابتیمهمی نسبت به دیگران خواهند داشت.

ملاحظات مدیران استراتژی در به‌کارگیری هوش مصنوعی

استراتژیست‌ها می‌بایست هنگام استفاده از هوش مصنوعی به چند چالش مهم توجه کنند. هوش مصنوعی مولد با مجموعه‌ای ازریسک‌های شناخته‌شدهمانند سوگیری مدل همراه است. برای مثال، داده‌های آموزشی تاریخی می‌توانند باعث شوند هوش مصنوعی بر برخی انواع مشتریان بیش از حد تأکید کند.کاهش شفافیتبه معنی ناتوانی در ارائه مبنای منطقی برای تحلیل وتوهم‌زاییبه معنی تولید محتوایی که ظاهراً معتبر ولی در واقع نادرست است نیز از جمله خطاهای رایج مدل‌های هوش مصنوعی مولد هستند. خبر خوب اینکه برای هر یک از این مشکلات، راه‌حل‌هایی درحال‌توسعه است.

به‌عنوان‌مثال، خود هوش مصنوعی می‌تواند بر عملکردش نظارت کند؛ یک «عامل منتقد» (Critic Agent) می‌تواند خروجی دیگر برنامه‌های هوش مصنوعی را بررسی کرده و در صورت احتمال خطا، هشدار دهد یا دستور اصلاح کار را صادر کند. علاوه بر این ریسک‌های شناخته‌شده، هوش مصنوعی مولد پنج ملاحظه مهم دیگر را برای استراتژیست‌ها ایجاد می‌کند

1. اهمیت دسترسی به داده‌های اختصاصیهوش مصنوعی مولد روند بلندمدت «عمومی‌سازی بینش» را شتاب‌دهی می‌کند. هیچ‌گاه تا این حد آسان نبوده که با استفاده از ابزارهای آماده، به‌سرعت بینش‌هایی تولید کرد که پایه‌های اساسی هر برنامه استراتژیک را تشکیل می‌دهند. اما با گسترش استفاده از مدل‌های هوش مصنوعی، تکیه بر بینش‌های عمومی، نتایج عمومی به دنبال دارد و استراتژی‌های عمومی تقریباً به‌طورقطع منجر به عملکرد عمومی یا حتی ضعیف‌تر می‌شوند؛ بنابراین اهمیت ایجاد داده اختصاصی شامل ورودی‌های کمی و کیفی بیش‌ازپیش خواهد شد.
2. جداکردن سیگنال از نویزافزایش حجم داده و بینش‌ها، چالش دیرینه تفکیک اطلاعات ارزشمند از کلان‌داده‌ها را تشدید می‌کند. هرچند انتظار می‌رود با بلوغ فناوری، توانایی شناسایی سیگنال‌های مهم بهبود یابد، اما هنوز به سطح ایده‌آل نرسیده‌ایم.
3. ارزش ترکیب و جمع‌بندی در سطح مدیریتیهرچه تولید بینش آسان‌تر شود، نیاز به ترکیب و یکپارچه‌سازی آن در سطح مدیران ارشد بیشتر می‌شود. مدیران کسب‌وکار به‌ویژه تصمیم‌گیران استراتژیک در صورت غرق‌شدن در حجم انبوهی از داده حتی داده‌های مفید نمی‌توانند عملکرد مؤثری داشته باشند. گرچه توانایی هوش مصنوعی در ترکیب و خلاصه‌سازی داده‌ها روبه‌بهبود است، اما در کوتاه‌مدت این مسئولیت بر عهده رهبران استراتژی باقی می‌ماند.
4. اهمیت فرایندهای توسعه استراتژیتحقیقاتنشان می‌دهد کیفیت فرایند تدوین استراتژی بسیار مهم‌تر از کیفیت بینش‌ها برای موفقیت آن است. فرایندهای باکیفیت شامل ایجاد و بررسی گزینه‌های استراتژیک، درنظرگرفتن عدم‌قطعیت‌ها، جسارت در انجام حرکت‌های بزرگ و مهم‌تر از همه، حذف سوگیری از تصمیم‌گیری‌ها هستند. خوشبختانه، هوش مصنوعی مولد با سرعت‌بخشیدن به تولید بینش، زمان بیشتری برای بهبود این فرایندها در اختیار تیم‌های مدیریت استراتژیک قرار می‌دهد.
5. سرمایه‌گذاری در فناوری و اکوسیستم داده اختصاصیبرای بهره‌گیری مؤثر از هوش مصنوعی مولد، تیم مدیریت استراتژیک می‌بایست روی فناوری‌هایی برای ایجاد و دسترسی به اکوسیستم‌های منابع داده اختصاصی سرمایه‌گذاری کند. این رویکرد باعث می‌شود شرکت‌ها دیگر مجبور نباشند خودشان تمام داده‌های اختصاصی موردنیاز را تولید کنند؛ بلکه شبکه‌ای از منابع ایجاد می‌کند که می‌توانند به طور یکپارچه به آن متصل شوند. علاوه بر این، استراتژیست‌ها باید ابزارهای هوش مصنوعی مولد را شناسایی و در صورت نیاز سفارشی‌سازی کنند تا بتوانند نقش‌هایی مانند پژوهشگر، شبیه‌ساز، مفسر، شریک فکری و تسهیلگر ارتباطات را به‌خوبی ایفا کنند.

گام‌های بعدی

پس از همه این‌ها، از کجا باید شروع کرد؟ دراین‌خصوص سه گام کوتاه‌مدت توصیه می‌شود

• هوشمند شوید.استراتژیست‌ها می‌بایست نحوه عملکرد هوش مصنوعی را بفهمد. موتور پیش‌بینی کلمات چگونه مفاهیم و اطلاعات پیچیده را دست‌کاری می‌کند؟ چگونه بینش‌ها از اطلاعات موجود در مدل‌ها و پرامپت‌ها تولید می‌شوند؟ کسانی که این تخصص را کسب کنند، می‌توانند در خلق ابزارهای موردنیاز کار خود مانند اجرای شبیه‌سازی‌های پیچیده درباره تکامل بازارها و چشم‌انداز رقابتی مشارکت کنند. متخصصان با چنین مهارت‌هایی در آینده بسیار مورد تقاضا خواهند بود و نگهداشت آن‌ها برای مدیران ارشد به اولویت تبدیل خواهد شد.
• از امروز شروع کنید.هوش مصنوعی آمده که بماند و پیداکردن راه درست به‌کارگیری آن در توسعه استراتژی حیاتی است. تیم‌های استراتژی باید با امکاناتی که هوش مصنوعی ارائه می‌دهد از کمک به تحقیقات و تولید بینش گرفته تا شناسایی ریسک‌های احتمالی آشنا شوند. تیم‌هایی که بررسی می‌کنند چگونه ابزارهای موجود می‌توانند در این وظایف کمک کنند، بهتر می‌فهمند که برای رفع نیازهای خاص خود به چه ابزارهای دیگری نیاز دارند یا باید در چه حوزه‌هایی سرمایه‌گذاری کنند. از منظر سازمانی، مدیران باید به تیم‌های استراتژی کمک کنند تا به تخصص‌هایی مانند علوم داده، مهندسی داده و مدل‌های زبانی بزرگ دسترسی پیدا کنند.
• اکوسیستم بینش‌های اختصاصی خود را توسعه دهید.حتی با وجود توانمندی‌های پیشرفته، مدل‌های هوش مصنوعی محدود به تفسیر داده‌های موجود هستند و نمی‌توانند سیگنال‌های جدیدی ایجاد کنند. برای مثال، هوش مصنوعی نمی‌تواند جایگزین بینش‌های حاصل از پژوهش‌های مردم‌نگارانه یا ورودی‌های مستقیم مشتریان شود. در واقع، وجود چنین اطلاعات اختصاصی هر چه داده‌های برون‌سازمانی ارزان‌تر و دردسترس‌تر شوند، اهمیت بیشتری برای تولید بینش‌های منحصربه‌فرد پیدا خواهد کرد. برای به‌دست‌آوردن مزیت رقابتی، استراتژیست‌ها باید دامنه دسترسی خود به حوزه‌های مختلف را با ارتباط‌گرفتن با نوآوران و ذی‌نفعان درون و بیرون سازمان گسترش دهند. تمرکز اصلی استراتژیست‌ها به‌تدریج به سمت توسعه فرضیه‌ها، آزمون و یادگیری از آن‌ها و نگهداری زیرساخت‌های داده و هوش مصنوعی که امکان تبدیل بینش‌ها به مزیت رقابتی را فراهم می‌کنند، حرکت خواهد کرد.

هوش مصنوعی نمی‌تواند احتمالاً هم نخواهد توانست منطق و تفسیر انسانی را در حوزه پیچیده‌ای؛ مانند مدیریت استراتژیک جایگزین کند. بااین‌حال، این فناوری می‌تواند پاسخ‌هایی سریع‌تر و عینی‌تر ارائه دهد که به طور قابل‌توجهی توانایی ما در تصمیم‌گیری را افزایش می‌دهد. از طریق نقش‌های متنوعی که هوش مصنوعی اکنون می‌تواند ایفا کند کم‌کم می‌بینیم که این ابزارها چگونه می‌توانند در گذر زمان نقش استراتژیست‌ها را بازتعریف کرده و به شرکت‌ها کمک کنند تصمیمات استراتژیک بهتری بگیرند. با کارآمدتر کردن فرایند توسعه استراتژی و درعین‌حال فراهم‌کردن فضای لازم برای خلاقیت و ایده‌های نوآورانه که به مدیران کمک می‌کند حرکت‌های جسورانه بعدی را تعریف کنند، هوش مصنوعی می‌تواند برتری رقابتی موردنیاز برای پیشی‌گرفتن در بازار را فراهم آورد.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.