Fra generativ AI til beslutningsberegning: Når svar ikke længere er nok
Generativ AI kan forklare, hvordan en beslutning bør træffes. Beslutningsberegning beregner, hvilken beslutning der under de definerede betingelser giver den højeste målværdi.
ChatGPT, Gemini og andre generative AI-systemer kan i dag analysere, strukturere og forklare komplekse ledelsesmæssige spørgsmål på få sekunder.
Men for CEO'en, CFO'en og investeringsudvalget begynder det egentlige arbejde ofte netop der, hvor det generiske svar slutter.
Hvilke af vores projekter skal vi rent faktisk finansiere?
Hvilken projektkombination skaber den højeste værdi inden for vores budget?
Hvad sker der med vores portefølje, hvis CAPEX falder med 20 procent?
Hvilke projekter bør vi udskyde, hvis ingeniørkapaciteten bliver en flaskehals?
Disse spørgsmål behøver ingen yderligere forklaring.
De kræver en beregning.
Det er overgangen fra Answer Generation til Decision Computation.
Indholdsfortegnelse
- Hvad er svargenerering?
- Hvad er beslutningsberegning?
- Hvad er forskellen mellem generativ AI og beslutningsberegning?
- Hvorfor er beslutningsberegning relevant for CEO'er og CFO'er?
- 20 ledelsesmæssige spørgsmål, der kan beregnes
- Hvorfor porteføljebeslutninger er matematiske problemer
- Hvorfor beslutningen forbliver hos ledelsen
- Beslutningsberegning i bestyrelseslokalet
- At forene generativ AI og matematisk optimering
- Beslutningsberegning med StratePlan
- Ofte stillede spørgsmål om beslutningsberegning
Hvad er Answer Generation?
Answer Generation betegner den generative AI's evne til at generere et sprogligt svar ud fra information, kontekst og et spørgsmål.
En CFO kan for eksempel spørge:
„Hvordan bør jeg prioritere CAPEX-projekter med et begrænset budget?“
En generativ AI kan give et velunderbygget svar på dette:
Vurder projekterne økonomisk. Analyser NPV og ROI. Tag højde for strategiske kriterier. Vurder risici. Inddrag ressourcebegrænsninger. Sammenlign scenarier.
Dette besvarer spørgsmålet:
Hvordan bør jeg generelt gå til værks?
Men det besvarer endnu ikke:
Hvilken konkret kombination af vores projekter bør vi vælge?
Hvad er beslutningsberegning?
Decision Computation betegner den matematiske beregning af beslutningsmuligheder på baggrund af konkrete data, mål og begrænsninger.
I stedet for blot at forklare, hvordan en beslutning kunne træffes, beregnes det faktiske beslutningsrum.
For eksempel:
- 187 investeringsprojekter
- 420 mio. € til rådighed til CAPEX
- 31.000 ingeniørtimer
- 14 obligatoriske projekter
- 23 projektafhængigheder
- flere fabrikker
- flere forretningsområder
- strategiske kriterier
- flere planlægningsperioder
Spørgsmålet lyder da ikke længere:
„Hvordan fungerer kapitalallokering?“
Men:
„Hvilken kombination af disse 187 projekter opfylder vores begrænsninger og maksimerer vores definerede målfunktion?“
Det er et matematisk optimeringsproblem.
Hvad er forskellen mellem generativ AI og beslutningsberegning?
| Generativ AI | Beslutningsberegning |
|---|---|
| beregner | beregner |
| genererer svar | beregner beslutningsmuligheder |
| arbejder primært med sprog og kontekst | arbejder med beslutningsvariabler, målfunktioner og begrænsninger |
| besvarer spørgsmålet „Hvordan kunne man gå frem?“ | besvarer spørgsmålet »Hvilken kombination opfylder vores definerede mål bedst?« |
| strukturerer viden | strukturerer beslutningsrummet |
| kan forklare metoder | anvender matematisk optimering på konkrete data |
| leverer argumenter og analyser | leverer beregnede scenarier og porteføljealternativer |
Generativ AI besvarer spørgsmål om beslutninger.
Beslutningsberegning beregner konsekvenserne af konkrete beslutninger.
De to tilgange er ikke nødvendigvis i konkurrence med hinanden.
De kan dække forskellige niveauer af den samme beslutningsproces.
Hvorfor er beslutningsberegning relevant for CEO'er og CFO'er?
Mange ledelsesbeslutninger er ikke videnproblemer.
Organisationen kender sine projekter.
Finansafdelingen kender budgettet.
Controlling kender forretningssagerne.
Driftsafdelingen kender ressourcerne.
Strategiafdelingen kender prioriteterne.
Problemet består i at omsætte disse oplysninger samtidigt til en sammenhængende porteføljebeslutning.
Udfordringen er ikke mangel på information.
Udfordringen ligger i at kombinere dem.
Netop derfor bliver kapitalallokering, CAPEX-planlægning og porteføljeudvælgelse til matematiske problemer, når antallet af projekter stiger.
20 ledelsesmæssige spørgsmål, der kan beregnes
1. Hvilke CAPEX-projekter bør vi finansiere?
Svar: Den projektkombination, der bedst muligt opfylder den valgte målfunktion inden for de definerede rammer for budget, ressourcer, afhængigheder og styring.
2. Hvilken projektkombination skaber den højeste værdi med vores eksisterende budget?
Svar: Ikke nødvendigvis de projekter med de højeste individuelle værdier. Det afgørende er den samlede værdi af den tilladte kombination.
3. Hvilke projekter bør vi fjerne, hvis vores CAPEX falder med 20 procent?
Svar: Ikke blot 20 procent fra hvert område. Porteføljen bør genberegnes ud fra det reducerede samlede budget.
4. Hvor meget værdi mister vi reelt ved en CAPEX-nedskæring?
Svar: Det fremgår af forskellen mellem de optimerede porteføljer på de respektive budgetniveauer.
5. Hvilke projekter bør vi finansiere ved yderligere CAPEX?
Svar: Den ekstra projektkombination, der skaber den højeste marginale porteføljeværdi inden for de resterende begrænsninger.
6. Hvor meget ekstra CAPEX kan det betale sig at investere?
Svar: Ved at beregne flere budgetniveauer kan man se, hvor meget ekstra porteføljeværdi der skabes ved yderligere kapital, og hvor den marginale nytte falder.
7. Hvordan bør vi fordele CAPEX på forretningsområderne?
Svar: Ikke nødvendigvis efter historiske budgetandele. Fordelingen kan baseres på den optimale kombination af projekter på tværs af alle forretningsområder.
8. Hvordan bør vi fordele CAPEX på fabrikkerne?
Svar: Ved fælles optimering af projektuniverset under hensyntagen til fabrikspecifikke minimumskrav, kapaciteter og begrænsninger.
9. Hvilken projektkombination maksimerer vores NPV?
Svar: Den tilladte kombination med den højeste samlede NPV inden for de definerede begrænsninger.
10. Hvilken projektkombination maksimerer vores ROI?
Svar: Det afhænger af den nøjagtige definition af porteføljens målfunktion. En ren rangordning efter projekt-ROI er ikke automatisk identisk med en optimal samlet portefølje.
11. Hvad sker der, hvis vækst bliver vigtigere?
Svar: De strategiske vægtninger ændres, og porteføljen beregnes på ny. Dermed bliver det tydeligt, hvilken kapitalallokering der passer til den ændrede strategi.
12. Hvad sker der, hvis vores strategiske prioriteter ændrer sig?
Svar: Forskellige vægtninger giver forskellige optimale porteføljer. Dermed bliver virkningerne af strategiske beslutninger kvantificerbare.
13. Hvad sker der, hvis ingeniørkapaciteten reduceres med 20 procent?
Svar: Ingeniørarbejdet modelleres som en skærpet ressourcebegrænsning. Derefter genberegnes den optimale projektkombination.
14. Hvilke projekter binder særligt meget kapital eller ressourcer?
Svar: Porteføljeanalysen viser, hvilke projekter der kræver store mængder knappe ressourcer, og hvilke alternative projektkombinationer der dermed udelukkes.
15. Hvilke projekter bør vi igangsætte i dag, og hvilke bør vi udskyde?
Svar: I en flerårig optimering betragtes projektstart, budgetforbrug, ressourcebehov og afhængigheder samlet over flere perioder.
16. Hvordan ser vores optimale 5-års CAPEX-plan ud?
Svar: Som en flerårig optimering, der afgør, hvilke projekter der bør gennemføres i hvilket år for bedst muligt at opfylde den definerede målfunktion inden for de årlige begrænsninger.
17. Hvad sker der, hvis visse projekter bliver obligatoriske?
Svar: Obligatoriske projekter indstilles som faste begrænsninger. Den resterende portefølje optimeres på ny med udgangspunkt i disse projekter.
18. Hvad sker der ved projektafhængigheder?
Svar: Afhængigheder modelleres matematisk. Hvis f.eks. projekt B forudsætter projekt A, er det ikke tilladt at vælge B uden A.
19. Er vores nuværende godkendte CAPEX-portefølje optimal?
Svar: Det kan man undersøge ved at sammenligne den eksisterende portefølje med en matematisk optimeret portefølje baseret på de samme data, mål og begrænsninger.
20. Hvor meget mere værdi kan vi skabe med de samme projekter og det samme budget?
Svar: Forskellen mellem den eksisterende og den optimerede portefølje viser det beregnede forbedringspotentiale inden for den definerede model.
Samme projekter. Forskellige kombinationer. Bedre resultater.
Hvorfor porteføljebeslutninger er matematiske problemer
Årsagen ligger i antallet af mulige kombinationer.
Med N uafhængige projekter, som hver især kan vælges eller fravælges, findes der teoretisk set:
2^N mulige kombinationer.
| Antal projekter | Teoretisk mulige kombinationer |
|---|---|
| 20 | 1.048.576 |
| 50 | ≈ 1,13 × 10^15 |
| 100 | ≈ 1,27 × 10³⁰ |
| 200 | ≈ 1,61 × 10⁶⁰ |
Ledelsesbeslutningen består dog ikke i blindt at gennemgå alle kombinationer.
Den består i at identificere de kombinationer blandt de tilladte, der bedst muligt opfylder den definerede målfunktion.
I den forbindelse tages der højde for begrænsninger:
- CAPEX-budget
- Indtægter / udgifter
- Teknisk kapacitet
- Personale
- Obligatoriske projekter
- Projektafhængigheder
- Gensidige udelukkelser
- strategiske retningslinjer
- Minimumsinvesteringer
- Maksimale budgetter
- Fabrikskapacitet
- Regler for forretningsområder
- Planlægningsperioder
En projektliste bliver dermed til et matematisk beslutningsrum.
Hvorfor beslutningen forbliver hos ledelsen
Decision Computation betyder ikke, at matematikken overtager ledelsens beslutning.
Matematikken kan kun optimere inden for den model, som virksomheden definerer.
Ledelsen bestemmer:
- hvilke mål der er relevante,
- hvilke data der skal anvendes,
- hvilke strategiske kriterier der gælder,
- hvilke begrænsninger der er obligatoriske,
- hvilke projekter der er obligatoriske,
- hvilke scenarier der tages højde for.
Beregningen besvarer derefter:
Hvilke konsekvenser følger der af disse forudsætninger?
Derved opstår der en klar adskillelse:
Ledelsen definerer beslutningsrammen.
Matematikken beregner beslutningsrummet.
Ledelsen træffer beslutningen.
Beslutningsberegning i bestyrelseslokalet
Denne tilgang bliver særlig relevant, når beregning og ledelsesdiskussion ikke længere er adskilt i tid.
Traditionelt kan et nyt ledelsesspørgsmål udløse en ny analysecyklus.
Dataene tilpasses.
Finansafdelingen foretager nye beregninger.
Præsentationerne opdateres.
Der indkaldes til endnu et møde.
Hvis porteføljescenarier derimod kan genberegnes med det samme, ændrer forløbet sig.
CFO'en spørger:
„Hvad sker der, hvis budgettet er 50 millioner euro mindre?“
Beregn.
CEO'en spørger:
»Hvad sker der, hvis væksten vægtes dobbelt så højt?«
Beregn.
Operations siger:
„Denne tekniske kapacitet vil ikke være til rådighed næste år.“
Beregn.
Investeringsudvalget beslutter:
»Disse tre projekter er obligatoriske.«
Beregn.
Derefter kan scenarierne straks sammenlignes med hinanden.
Spørgsmål. Beregning. Sammenligning. Beslutning.
At forene generativ AI og matematisk optimering
Generativ AI og matematisk optimering løser forskellige opgaver.
Generativ AI er særligt velegnet til:
- sproglig interaktion
- informationsbehandling
- Forklaring
- strukturering
- fortolkning
- Sammenfatning
Matematisk optimering er særligt velegnet til:
- kombinatoriske beslutningsproblemer
- Målfunktioner
- budgetbegrænsninger
- Ressourcebegrænsninger
- Afhængigheder
- Porteføljeudvælgelse
- Scenarieberegninger
Den interessante arkitektur opstår derfor ikke ud fra spørgsmålet:
Generativ AI eller matematisk optimering?
Men snarere:
Hvilken opgave skal hvilken metode varetage?
En mulig arbejdsfordeling kunne være:
Ask.
Ledelsen formulerer problemstillingen.
Understand.
AI hjælper med kontekst, struktur og fortolkning.
Beregn.
Matematisk optimering beregner de mulige porteføljealternativer.
Sammenlign.
Ledelsen sammenligner scenarier og afvejninger.
Beslut.
Beslutningen ligger hos den ansvarlige ledelse.
Beslutningsberegning med StratePlan
StratePlan er udviklet til komplekse beslutninger om kapitalallokering, CAPEX og portefølje.
Udgangsdataene kan være forholdsvis enkle:
- Projekt-ID
- Investering
- forventet værdi, NPV eller nytteværdi
Afhængigt af beslutningsproblemet kan der tilføjes yderligere dimensioner:
- strategiske kriterier
- Ressourcer
- Projektafhængigheder
- Obligatoriske projekter
- Anlæg
- Forretningsområder
- Regioner
- Planlægningsperioder
StratePlan beregner ud fra dette porteføljealternativer inden for de definerede mål og begrænsninger.
Hvis budgettet, ressourcerne eller de strategiske retningslinjer ændres, kan porteføljen beregnes på ny.
Dermed forvandles en statisk investeringsplanlægning til en interaktiv beslutningsproces.
AI genererer svar.
StratePlan beregner beslutninger.
Nøjes ikke med at rangordne projekter. Beregn porteføljen.
Stol ikke bare på os. Beregn det selv.
Ofte stillede spørgsmål om beslutningsberegning
Hvad betyder beslutningsberegning?
Beslutningsberegning betegner den matematiske beregning af beslutningsmuligheder på baggrund af definerede data, mål og begrænsninger. I porteføljesammenhæng betyder det for eksempel at beregne en projektkombination ud fra mange mulige projekter, som bedst muligt opfylder en defineret målfunktion inden for budget- og ressourcebegrænsninger.
Hvad er forskellen mellem Decision Intelligence og Decision Computation?
Decision Intelligence er den bredere tilgang til systematisk forbedring af beslutninger gennem data, modeller, processer og teknologi. Decision Computation kan forstås som det beregningsmæssige niveau inden for denne tilgang: Det konkrete beslutningsrum modelleres og beregnes matematisk.
Hvad er forskellen mellem generativ AI og beslutningsberegning?
Generativ AI genererer svar eller indhold på baggrund af kontekst og information. Decision Computation beregner konkrete beslutningsmuligheder ud fra definerede variabler, målfunktioner og begrænsninger.
Kan ChatGPT eller Gemini optimere CAPEX-projekter?
Generativ AI kan forklare metoder, fortolke data, strukturere modeller og hjælpe med at formulere et optimeringsproblem. For at opnå en robust porteføljeoptimering skal de konkrete virksomhedsdata, målfunktioner og begrænsninger imidlertid behandles i en passende matematisk model.
Erstatter matematisk porteføljeoptimering CFO’en eller investeringsudvalget?
Nej. Ledelsen definerer mål, strategiske prioriteter, antagelser og begrænsninger. Den matematiske optimering beregner konsekvenserne af disse retningslinjer. Den endelige beslutning ligger fortsat hos den ansvarlige ledelse.
Hvorfor er en rangliste over projekter ikke tilstrækkelig?
En rangliste vurderer projekter enkeltvis. Porteføljeoptimering ser derimod på kombinationen af projekterne. På grund af forskellige investeringer, ressourcebehov og afhængigheder kan den bedste projektkombination afvige fra rækkefølgen i en simpel rangliste.
Kan beslutningsberegning hjælpe ved budgetnedskæringer?
Ja. En portefølje kan genberegnes med et reduceret budget og sammenlignes med den oprindelige portefølje. Dermed bliver det tydeligt, hvilken projektkombination der under de nye betingelser bedst muligt opfylder den definerede målværdi.
Kan Decision Computation tage højde for flere forretningsområder og fabrikker?
Ja. Forretningsområder, fabrikker, regioner eller andre organisatoriske dimensioner kan inddrages som attributter og begrænsninger i en porteføljemodel.
Kan Decision Computation anvendes over flere år?
Ja. Ved flerårig optimering modelleres budgetter, ressourcer, projektvarigheder og afhængigheder over flere perioder. Dermed kan man ikke kun beslutte, hvilke projekter der skal gennemføres, men også hvornår.
Hvad er målet med Decision Computation?
Målet er ikke at automatisere ledelsesbeslutninger. Målet er at gøre det relevante beslutningsrum matematisk gennemsigtigt og gøre konsekvenserne af forskellige ledelsesmæssige retningslinjer beregnelige og sammenlignelige.
Hvad er det centrale spørgsmål bag beslutningsberegning?
Ikke blot: Hvad bør vi gøre?
Men: Hvad følger konkret af vores projekter, vores budget, vores ressourcer og vores strategiske mål?
Det er netop på dette punkt, at et svar bliver til en beregning.
Fra generativ AI til beslutningsberegning.
