نقشی که هوش مصنوعی در تدوین استراتژی دارد، به تدریج در حال شکل‌گیری است. می‌دانیم که استراتژی شامل استخراج بینش از حقایق و داده‌ها، توسعه گزینه‌های واقعی بر اساس آن بینش‌ها، انجام انتخاب‌های دشوار و برگشت‌ناپذیر، و اجرای ابتکار عمل‌هایی است که آن انتخاب‌ها را به ارزش تبدیل می‌کنند. تحلیل داده‌ها برای دهه‌ها در این کار کمک‌کننده بوده است، اما هرگز پیش از این فناوری نه تنها قادر به تقویت و خودکارسازی جزئی ورودی‌های استراتژی نبوده، بلکه نمی‌توانسته آنها را در تحلیل‌های پیچیده ترکیب کند. به مرور زمان، هوش مصنوعی حتی ممکن است استراتژی‌های قابل‌اجرا را نیز پیشنهاد دهد.

هوش مصنوعی و هوش مصنوعی مولد این پتانسیل را دارند که با تقویت و تسریع فعالیت‌هایی مانند تحلیل و تولید بینش و در عین حال کاهش چالش‌های ناشی از سوگیری‌های انسانی و جنبه‌های اجتماعی استراتژی، شیوه کار استراتژیست‌ها را متحول کنند. ابزارهای جدید با تکیه بر انفجار اخیر داده‌ها و پیشرفت‌های قبلی هوش مصنوعی که بهبود چشمگیری در دقت پیش‌بینی ایجاد کردند، استخراج بینش را بسیار آسان‌تر و ارزان‌تر می‌کنند. تأثیری که ما در سازمان‌های مشتری و در کار خود به عنوان استراتژیست می‌بینیم، ما را بر آن می‌دارد که این لحظه را به عنوان یک نقطه عطف جدید در طراحی استراتژی تلقی کنیم—به طور بالقوه هم‌تراز با ایجاد چارچوب‌های اصلی استراتژیک در دهه‌های ۱۹۷۰ و ۸۰ میلادی.

در حالی که هوش مصنوعی نیاز رهبران به نشان دادن شهامت استراتژیک با تعهد به اقدامات بزرگ را تغییر نخواهد داد، ما انتظار داریم که این فناوری به مرور زمان هر مرحله از توسعه استراتژی، از طراحی تا بسیج و اجرا را بهبود بخشد. امروزه، این فناوری بیشترین مزایا را در مرحله طراحی ارائه می‌دهد، و به سازمان‌ها کمک می‌کند تا نقطه شروع خود را در زمینه پویایی‌های صنعت و بازار ارزیابی کنند. آنها می‌توانند از آن برای سنجش بازارهای بالقوه، تحلیل اقدامات رقبا، و تخمین ارزش ابتکارات استراتژیک مختلف در سناریوهای متعدد استفاده کنند. اما این تازه شروع کار است: استراتژی نیازمند بسیج سازمان، اطمینان از تخصیص درست منابع، و نظارت بر اجرا است. هوش مصنوعی می‌تواند در تمام این وظایف نقش ایفا کند.

نقش‌های نوظهور هوش مصنوعی در استراتژی

قضاوت انسانی برای تدوین چشم‌انداز استراتژیک که جاه‌طلبی سازمان را با دیدگاهی در مورد نحوه تحقق آن ترکیب می‌کند، همچنان ضروری است. با این حال، هوش مصنوعی می‌تواند کار تیم‌های استراتژی را تسریع کرده و دقت بیشتری به آن ببخشد. حتی در این روزهای اولیه، ما پنج نقش برای هوش مصنوعی می‌بینیم: پژوهشگر، تفسیرگر، هم‌فکر، شبیه‌ساز و ارتباط‌گر.

• پژوهشگر. استراتژیست‌ها زمان قابل توجهی را صرف جمع‌آوری و غنی‌سازی داده‌ها از منابع متعدد می‌کنند. توانایی هوش مصنوعی در خلاصه‌سازی و ایجاد ارتباطات معنادار در میان همه مجموعه‌های داده می‌تواند این تلاش‌ها را به میزان قابل توجهی افزایش دهد. به عنوان مثال، یک موتور مجهز به هوش مصنوعی که اهداف بالقوه ادغام و تملک (M&A) را شناسایی می‌کند، می‌تواند دارایی‌های کم‌تر دیده‌شده‌ای را که با فرضیه استراتژیک یک شرکت مطابقت دارند، مشخص کند و آنچه را که امروزه اغلب یک فرآیند تصادفی متکی بر دانش بازار مدیران اجرایی و واسطه‌های آنها است، بهبود بخشد. یکی از این ابزارها می‌تواند اطلاعات عمومی بیش از ۴۰ 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 جامع‌تر و سریع‌تر از انسان عمل می‌کند، استراتژیست‌ها همچنان باید پرسش‌های درستی را مطرح کنند تا بینش‌های متمایز مورد نظر خود را به دست آورند.
• تفسیرگر. برای تبدیل تحلیل داده‌ها به بینش‌های مفید، استراتژیست‌ها باید تفسیر کنند که چگونه یافته‌ها می‌توانند اهداف آنها را پیش ببرند. به عنوان مثال، جستجو برای فرصت‌های رشد اغلب مستلزم بررسی حوزه‌های مجاور است. ایده‌های توسعه می‌توانند از منابع گوناگونی نشأت بگیرند، مانند بررسی اقدامات رقبا یا درک عمیق از نیازهای نوظهور مشتریان. ابزارهای هوش مصنوعی می‌توانند با تبدیل داده‌ها از مجموعه‌ای پراکنده از ورودی‌ها—مانند گزارش‌های سالانه، پتنت‌ها، نظرات مشتریان، و داده‌های خرید—به «اسکن‌های رشد» این فرآیند کشف را تسهیل کنند. این اسکن‌ها خلاصه‌ای از رایج‌ترین حوزه‌های مجاور مورد پیگیری را ارائه می‌دهند و سپس تناسب آنها را با استراتژی شرکت تفسیر و امتیازدهی می‌کنند. چشم‌انداز حاصل می‌تواند به استراتژیست‌ها کمک کند تا گزینه‌ها را محدود کنند، سوابق یا معیارهایی برای اقدامات در دست بررسی بیابند، و ایده‌های جدیدی را کشف کنند. حوزه دیگری که هوش مصنوعی در حال حاضر به عنوان یک تفسیرگر عمل می‌کند، نظارت بر روندها است. استراتژیست‌ها هنگام توسعه گزینه‌های خود و بازبینی فرضیات خود، باید تغییرات در روندهای اصلی را زیر نظر داشته باشند. یک موتور مجهز به هوش مصنوعی مولد می‌تواند حجم عظیمی از اطلاعات را بخواند و روندها را به الگوهای تشکیل‌دهنده آنها تفکیک کند و سپس تفسیر کند که آیا آن الگوها نشان می‌دهند که یک روند در حال شتاب گرفتن، بالغ شدن یا فروکش کردن است. به عنوان مثال، سازمانی که به دنبال درک تقاضا برای مصالح ساختمانی پایدار است، می‌تواند علاقه معماران، حجم پتنت‌ها، و اشارات رقبا را مدت‌ها قبل از اینکه آن نشانه‌ها به حجم فروش تبدیل شوند، رصد کند.
• هم‌فکر. هوش مصنوعی همچنین می‌تواند به عنوان یک هم‌فکر در بارش فکری عمل کند، سرعت تولید ایده را افزایش دهد و سوگیری‌های بالقوه یا نقاط کور رهبران کسب‌وکار را خنثی کند. به ویژه هوش مصنوعی مولد می‌تواند با ارزیابی برنامه‌های آنها در برابر چارچوب‌های تثبیت‌شده به استراتژیست‌ها کمک کند تا از اشتباهات رایج اجتناب کنند. به عنوان مثال، یک تیم می‌تواند استراتژی را—هم قبل و هم در حین اجرای آن—با استفاده از هوش مصنوعی مولد برای ایفای نقش چالشگر و برجسته کردن اشتباهات پنهان یا نقاط کور مدیریتی، تحت فشار قرار دهد.
• شبیه‌ساز. استراتژیست‌ها قبل از تعهد به یک مسیر استراتژیک، تأثیر سناریوهای متعدد بازار را بر اساس شرایط اقتصاد کلان، اقدامات بالقوه رقبا، و واکنش‌های ذی‌نفعان، از جمله عوامل دیگر، در نظر می‌گیرند. هوش مصنوعی می‌تواند با استفاده از قابلیت‌های مدل‌سازی پیشرفته و کاربردهای تاکتیکی بازی 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 از بازار را رصد می‌کند، تأثیر آنها را شبیه‌سازی می‌کند، و در صورت لزوم برای تغییر مسیر به تیم هشدار می‌دهد.
• ارتباط‌گر. روایت واضحی از مسیر و هدف استراتژیک و پیامدهای آنها برای سازمان و ذی‌نفعان آن برای بسیج اقدام ضروری است. توانایی هوش مصنوعی مولد در خلاصه‌سازی مفاهیم در قالب‌های مختلف از زمان راه‌اندازیChatGPT، از محبوب‌ترین کاربردهای این فناوری بوده است. استراتژیست‌ها می‌توانند از ابزارهای هوش مصنوعی مولد برای جذاب‌تر کردن روایت‌های خود برای مخاطبان مختلف با سطوح مختلف تخصص (مانند بازارهای منطقه‌ای، نهادهای نظارتی یا تحلیلگران) و در قالب‌های مختلف (گزارش‌های خلاصه، نکات کلیدی یا اخیراً پادکست‌ها) استفاده کنند. هوش مصنوعی همچنین می‌تواند نظارت کند که آیا ارتباطات خارجی در کانال‌های مختلف سازگار است یا خیر.

برای دیدن نحوه عملکرد این پنج کاربرد در عمل، مورد یک بانک منطقه‌ای در جنوب شرق آسیا را در نظر بگیرید که می‌خواست به یک بخش یا منطقه جغرافیایی جدید گسترش یابد. تیم استراتژی از مدل هوش مصنوعی خود برای تحلیل زمینه کسب‌وکار و روندهای امیدوارکننده در صنعت و منطقه استفاده کرد. این ابزار گزارش‌های تعاملی ایجاد کرد که به استراتژیست‌ها اجازه می‌داد تحقیقات تکمیلی خود را تنظیم کنند. بر اساس این کار، تیم استراتژی تصمیم گرفت بر فرصت‌های موجود در اکوسیستم مالی دیجیتال (به ویژه پرداخت‌های فرد به فرد) و اعتبارات خرد تمرکز کند.

در ادامه، تیم از هوش مصنوعی خواست تا توصیه‌هایی در مورد امیدوارکننده‌ترین حوزه‌های مجاور برای سرمایه‌گذاری‌های رشد ارائه دهد. این ابزار بر اساس تحلیلی از اطلاعات بانک‌های سراسر جهان، نموداری از بخش‌های تجاری نزدیک و هم‌افزا ایجاد کرد. مدیریت چند مورد را برای تحلیل عمیق‌تر اولویت‌بندی کرد—به عنوان مثال، یک پیشنهاد دیجیتال فرامرزی در سراسر منطقه یا بخش اعتبارات خرد در ویتنام—و فرضیه‌هایی را در مورد مسیرهای بالقوه رشد آنها ایجاد کرد. برای کسب اطلاعات بیشتر در مورد هر بخش، آنها از هوش مصنوعی پرسیدند: «رقبای من در هر بازار چه کسانی هستند و ارزش پیشنهادی آنها چیست؟» برخی از بازارها برای رهبران ناآشنا بودند، بنابراین تیم استراتژی پرسش‌هایی مانند این مطرح کرد: «ما در حال بررسی ورود به بازار بانکداری ویتنام هستیم. چه خطراتی در گذشته ظاهر شده است؟ آیا نمونه‌هایی از تلاش‌های ناموفق وجود دارد (با ذکر منابع)؟»

این تیم همچنین گزینه‌های غیرارگانیک مانند مشارکت و ادغام و تملک را در نظر گرفت. بر اساس اسکن هوش مصنوعی، آنها فهرستی کوتاه از چند کسب‌وکار کوچک و متوسط با فناوری مورد نیاز شرکت برای پشتیبانی از جاه‌طلبی دیجیتال خود تهیه کردند. هوش مصنوعی مولد همچنین به آنها کمک کرد تا پروفایل‌های اولیه بررسی موشکافانه را برای پشتیبانی از ارتباط بالقوه ایجاد کنند.

در نهایت، با تحکیم فرضیه‌ها به گزینه‌های استراتژیک مشخص، هوش مصنوعی به استراتژیست‌ها کمک کرد تا سود و زیان و پیش‌بینی‌های رشد حاصل را شبیه‌سازی کنند. علاوه بر این، این ابزار از داده‌های داخلی، مانند گزارش‌های مدیریتی در مورد گسترش قبلی بانک به کشور دیگر، استفاده کرد تا به مدیریت در درک نقاط قوت و ضعف قابلیت‌های اجرایی خود کمک کند.

سازمان‌های متعددی ساخت ابزارهایی را برای تبدیل چنین سناریوهایی به واقعیت آغاز کرده‌اند و برخی نیز در حال توسعه عامل‌های هوش مصنوعی اختصاصی برای شبیه‌سازی استدلال یا انجام وظایف پیچیده پژوهشی هستند. با این حال، حتی سازمان‌هایی که در مراحل اولیه سفر هوش مصنوعی خود هستند نیز می‌توانند شروع به کاوش در برخی از نقش‌هایی کنند که هوش مصنوعی می‌تواند ایفا کند. با پیشرفت فناوری، استراتژیست‌هایی که مهارت‌های توسعه کاربردهای منحصربه‌فرد برای مدل‌های هوش مصنوعی را ایجاد می‌کنند، نسبت به رقبا برتری بینشی حیاتی به دست خواهند آورد.

ملاحظاتی در استقرار هوش مصنوعی

در حالی که سفر بانک جنوب شرق آسیا قانع‌کننده است، استراتژیست‌ها باید به چندین چالش در استقرار هوش مصنوعی توجه داشته باشند. هوش مصنوعی مولد خطرات مستندشده شناخته‌شده‌ای را به همراه دارد، از سوگیری مدل (داده‌های آموزشی تاریخی می‌تواند هوش مصنوعی را وادار کند تا بر انواع خاصی از مشتریان بیش از حد تأکید کند، به عنوان مثال) تا کاهش قابلیت توضیح (عدم ارائه مبنای منطقی برای تحلیل) تا توهمات (ساختن محتوای معتبر اما نادرست). خبر خوب این است که هر یک از این مشکلات در حال برطرف شدن هستند. به عنوان مثال، هوش مصنوعی می‌تواند به نظارت بر خود کمک کند: یک «عامل منتقد» می‌تواند کار انجام‌شده توسط سایر برنامه‌های هوش مصنوعی را بررسی کند و زمانی که محتوا ممکن است نادرست باشد علامت‌گذاری کند یا مستقیماً دستور بازنگری وظیفه مورد نظر را بدهد. فراتر از این خطرات شناخته‌شده، هوش مصنوعی مولد پنج ملاحظه اضافی را برای استراتژیست‌ها ارائه می‌دهد.

1. دسترسی به داده‌های اختصاصی را برجسته‌تر می‌کند. هوش مصنوعی مولد روند بلندمدتی را تسریع می‌کند: دموکراتیزاسیون بینش. هرگز به این آسانی نبوده است که از ابزارهای آماده برای تولید سریع بینش‌هایی استفاده شود که بلوک‌های سازنده هر استراتژی هستند. با گسترش پذیرش مدل‌های هوش مصنوعی، پیامدهای تکیه بر بینش‌های کالایی‌شده 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 بنا به تعریف، منجر به عملکرد عمومی یا بدتر می‌شود. در نتیجه، اهمیت گردآوری اکوسیستم‌های داده‌ای اختصاصی (توضیحات بیشتر در زیر) که ورودی‌های کمی و کیفی را در خود جای می‌دهند، فقط افزایش خواهد یافت.
2. تکثیر داده‌ها و بینش‌ها، اهمیت تفکیک سیگنال از نویز را افزایش می‌دهد. این مدت‌هاست که یک چالش بوده است، اما هوش مصنوعی مولد آن را تشدید می‌کند. ما بر این باوریم که با بالغ شدن این فناوری، قادر خواهد بود به طور مؤثر سیگنال‌های مهم را بیرون بکشد، اما هنوز به آن نقطه نرسیده است.
3. با افزایش سهولت تولید بینش، ارزش ترکیب‌بندی در سطح مدیران اجرایی نیز افزایش می‌یابد. رهبران کسب‌وکار—به ویژه کسانی که مسئول تصمیم‌گیری‌های استراتژیک هستند—اگر در داده‌ها غرق شوند، نمی‌توانند به طور مؤثر عمل کنند، حتی اگر آن داده‌ها چیزی جز سیگنال نباشند. همانند توانایی رو به رشد هوش مصنوعی مولد در تفکیک سیگنال از نویز، این فناوری در ترکیب‌بندی نیز بهتر می‌شود، اما در کوتاه‌مدت، رهبران استراتژی باید مالکیت این وظیفه را بر عهده بگیرند.
4. 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 باکیفیت شامل توسعه و بررسی گزینه‌های استراتژیک، محاسبه درست عدم قطعیت، تلاش برای ایجاد تعهدات جسورانه، و مهم‌تر از همه، برداشتن گام‌هایی برای حذف سوگیری از تصمیمات است. خوشبختانه، از آنجایی که هوش مصنوعی مولد سرعت توسعه بینش‌ها را افزایش می‌دهد، زمان بیشتری را برای تیم‌های استراتژی باقی می‌گذارد تا فرآیندهای درجه یک را تقویت کنند.
5. در نهایت، برای استفاده موفقیت‌آمیز از هوش مصنوعی مولد، واحد استراتژی باید در فناوری ایجاد و دسترسی به اکوسیستم‌های منابع داده‌ای اختصاصی سرمایه‌گذاری کند. رویکرد اکوسیستم نیاز شرکت‌ها به تولید داخلی یا مالکیت کل طیف داده‌های اختصاصی را از بین می‌برد. در عوض، آنها شبکه‌هایی از منابع را ایجاد می‌کنند که می‌توانند با استفاده از فناوری به طور یکپارچه به آنها دسترسی پیدا کنند. علاوه بر این، استراتژیست‌ها باید ابزارهای هوش مصنوعی مولد را که می‌توانند به طور مؤثر به عنوان پژوهشگر، شبیه‌ساز، تفسیرگر، هم‌فکر و ارتباط‌گر عمل کنند، شناسایی کنند (و اغلب سفارشی‌سازی کنند).

گامی به جلو

خب، از کجا شروع کنید؟ ما سه گام کوتاه‌مدت را توصیه می‌کنیم:

1. هوشمند شوید. استراتژیست فردا باید درک کند که هوش مصنوعی چگونه کار می‌کند. یک موتور پیش‌بینی کلمه چگونه مفاهیم و اطلاعات پیچیده را دستکاری می‌کند؟ بینش‌ها چگونه از اطلاعات موجود در مدل‌ها و دستورات تولید می‌شوند؟ کسانی که این تخصص را به دست می‌آورند، قادر خواهند بود در ایجاد ابزارهایی که کارشان نیاز دارد، مانند اجرای شبیه‌سازی‌های پیچیده در مورد چگونگی تحول بازارها و چشم‌اندازهای رقابتی، مشارکت کنند. افرادی که چنین مهارت‌هایی دارند بسیار مورد توجه خواهند بود و حفظ آنها به یک اولویت مدیریتی تبدیل می‌شود.
2. همین امروز شروع به ساختن کنید. هوش مصنوعی ماندگار است و یافتن راه درست برای به کارگیری آن در توسعه استراتژی ضروری است. تیم‌های استراتژی باید با امکاناتی که هوش مصنوعی ارائه می‌دهد، از کمک در پژوهش و تولید بینش گرفته تا شناسایی خطرات بالقوه، آشنا شوند. تیم‌هایی که بررسی می‌کنند چگونه ابزارهای موجود می‌توانند در این وظایف کمک کنند، درک بهتری از اینکه چه ابزارهای دیگری برای برآوردن نیازهای خاص خود باید بسازند یا در آنها سرمایه‌گذاری کنند، به دست خواهند آورد. از منظر سازمانی، رهبران باید به تیم‌های استراتژی کمک کنند تا به تخصص در علم داده، مهندسی داده و مدل‌های زبانی بزرگ دسترسی پیدا کنند. این کار را می‌توان با گنجاندن کارشناسان فناوری در تیم‌های استراتژی یا با فراهم کردن دسترسی استراتژیست‌ها به آنها از طریق مراکز تعالی انجام داد.
3. اکوسیستم بینش اختصاصی خود را توسعه دهید. حتی با قابلیت‌های پیشرفته، مدل‌های هوش مصنوعی محدود به تفسیر داده‌های موجود خواهند بود—آنها نمی‌توانند سیگنال‌های جدید تولید کنند. به عنوان مثال، هوش مصنوعی جایگزین بینش‌های حاصل از تحقیقات قوم‌نگاری یا ورودی مستقیم مشتریان نخواهد شد. در واقع، چنین اطلاعات اختصاصی با ارزان‌تر و در دسترس‌تر شدن داده‌های خارجی برای همه فعالان بازار، برای تولید بینش‌های منحصربه‌فرد اهمیت بیشتری پیدا خواهد کرد. برای به دست آوردن برتری، استراتژیست‌ها باید با ارتباط با نوآوران و ذی‌نفعان در داخل و خارج از سازمان‌های خود، دامنه آشنایی خود با حوزه‌های مختلف را گسترش دهند. تمرکز اصلی استراتژیست‌ها به طور فزاینده‌ای بر توسعه فرضیه‌ها، آزمایش و یادگیری از آنها، و نگهداری از زیرساخت هوش مصنوعی و داده‌ای خواهد بود که تبدیل بینش‌ها به مزیت رقابتی را ممکن می‌سازد.

هوش مصنوعی نمی‌تواند (و به باور ما، نخواهد توانست) جایگزین منطق و تفسیر انسانی در یک حوزه پیچیده مانند استراتژی شود. با این حال، این فناوری می‌تواند پاسخ‌های سریع‌تر و عینی‌تری ارائه دهد که می‌تواند به میزان قابل توجهی توانایی تصمیم‌گیری ما را تقویت کند. از طریق نقش‌های گوناگونی که هوش مصنوعی در حال حاضر می‌تواند ایفا کند، از پژوهشگر گرفته تا هم‌فکر تا شبیه‌ساز، ما کم‌کم شاهد این هستیم که چگونه این ابزارها ممکن است به مرور زمان نقش استراتژیست‌ها را بازتعریف کنند و به شرکت‌ها در تصمیم‌گیری‌های استراتژیک کمک کنند. هوش مصنوعی با کارآمدتر کردن فرآیند توسعه استراتژی و در عین حال فراهم کردن فضا برای خلاقیت و ایده‌های پیشگامانه که به رهبران در تعریف اقدامات جسورانه متعاقب کمک می‌کند، می‌تواند مزیت رقابتی مورد نیاز برای غلبه بر بازار را ارائه دهد.