Πώς μπορεί να χρησιμοποιηθεί η τεχνητή νοημοσύνη για το χαρτοφυλάκιο

Η τεχνητή νοημοσύνη έχει φτάσει στις εταιρείες. Ούτε ένα έγγραφο στρατηγικής, ούτε μια ψηφιακή Ψηφιακή ατζέντα και σχεδόν καμία παρουσίαση στο διοικητικό συμβούλιο δεν μπορεί σήμερα να κάνει χωρίς τον όρο τεχνητή νοημοσύνη. Ταυτόχρονα την ίδια στιγμή, υπάρχει μια αξιοσημείωτη έλλειψη σαφήνειας σχετικά με το πού πραγματικά δημιουργεί αξία η τεχνητή νοημοσύνη, πώς θα πρέπει να πώς θα πρέπει να χρησιμοποιείται - και πού βρίσκονται τα όριά της.

Αυτή η έλλειψη σαφήνειας είναι ιδιαίτερα εμφανής στο πλαίσιο του χαρτοφυλακίου και των Αποφάσεων διαχείρισης. Εδώ είναι που οι υψηλές προσδοκίες συναντούν την υψηλή πολυπλοκότητα: Οι προϋπολογισμοί είναι περιορισμένοι, τα έργα είναι αλληλοεξαρτώμενα, οι στόχοι είναι αντιφατικοί και οι αποφάσεις είναι Αποφάσεις είναι σχετικές με την ευθύνη.

Το παρόν άρθρο απαντά σε τέσσερα βασικά ερωτήματα που τίθενται επανειλημμένα σε αυτό το πλαίσιο τίθενται επανειλημμένα σε αυτό το πλαίσιο - το καθένα με τεκμηριωμένο, διαφοροποιημένο και συστημικό τρόπο. Κάθε ερώτημα δεν είναι μόνο απαντηθεί μεμονωμένα, αλλά οδηγείται με συνέπεια προς μια αποφασιστική υλοποίηση: Η τεχνητή νοημοσύνη ξεδιπλώνει τη μεγαλύτερη αξία της εκεί όπου οι αποφάσεις υπολογίζονται - όχι εκεί όπου απλώς αναλύονται ή απεικονίζονται, όπου απλώς αναλύονται ή οπτικοποιούνται.

Πώς μπορεί να χρησιμοποιηθεί η ΤΝ για το χαρτοφυλάκιο

Η προφανής απάντηση σε αυτό το ερώτημα είναι συχνά: η ΤΝ μπορεί να βοηθήσει στην ανάλυση χαρτοφυλακίων, Να αναγνωρίζει τους κινδύνους, να συγκεντρώνει τα βασικά μεγέθη ή να προσομοιώνει σενάρια. Αυτή η απάντηση είναι δεν είναι λανθασμένη - αλλά περιγράφει μόνο την επιφάνεια.

Για να καταλάβετε πώς μπορεί πραγματικά να χρησιμοποιηθεί η τεχνητή νοημοσύνη για χαρτοφυλάκια, πρέπει πρώτα να συνειδητοποιήσετε τι είναι ένα χαρτοφυλάκιο στην πραγματικότητα να συνειδητοποιήσετε τι είναι ένα χαρτοφυλάκιο στην πραγματικότητα: όχι ένα στατικό κατασκεύασμα, αλλά ένα δυναμικό σύστημα έργων δυναμικό σύστημα έργων, πρωτοβουλιών, επενδύσεων και μέτρων που ανταγωνίζονται για τους ίδιους πόρους και Πόρους και αλληλοεπηρεάζονται.

Στις παραδοσιακές διαδικασίες χαρτοφυλακίου, τα έργα αξιολογούνται, ιεραρχούνται και εγκρίνονται σε επιτροπές εγκρίνονται σε επιτροπές. Οι αξιολογήσεις αυτές είναι συνήθως:

• απομονωμένες (ανά έργο)
• γραμμικές (κάρτες αποτελεσμάτων, κατατάξεις)
• στατικές (ένα χρονικό σημείο, ένα σενάριο)

Σε αυτό ακριβώς το σημείο υπεισέρχεται η τεχνητή νοημοσύνη - τουλάχιστον δυνητικά. Αυτό συμβαίνει επειδή η ΤΝ είναι σε θέση να εξετάσει πολλές επιλογές ταυτόχρονα, να αναγνωρίζει εξαρτήσεις και να εντοπίζει μοτίβα που δεν είναι πλέον διαχειρίσιμα για Δεν είναι πλέον κατανοητά από τους ανθρώπους.

Το κρίσιμο σημείο, ωστόσο, είναι ότι ένα χαρτοφυλάκιο δεν γίνεται καλύτερο επειδή αναλύεται, αλλά επειδή λαμβάνονται καλύτερες αποφάσεις σχετικά με αυτό.

Επομένως, η πραγματική χρήση της ΤΝ στο χαρτοφυλάκιο δεν έγκειται στην εκ των υστέρων ανάλυση, αλλά στην προοπτική υποστήριξη αποφάσεων:

• Ποια έργα πρέπει να περιλαμβάνονται στο χαρτοφυλάκιο
• Ποιοι συνδυασμοί παράγουν τον υψηλότερο συνολικό αντίκτυπο
• Ποια έργα μπλοκάρουν καλύτερες εναλλακτικές λύσεις
• Πώς αλλάζει το βέλτιστο χαρτοφυλάκιο με τις αλλαγές στον προϋπολογισμό ή τον στόχο

Σε αυτό το σημείο, γίνεται σαφές γιατί οι παραδοσιακές εφαρμογές ΤΝ φτάνουν στα όριά τους. Παρέχουν Πληροφορίες - αλλά όχι αξιόπιστες αποφάσεις.

Σε αυτό ακριβώς το σημείο έρχεται η StratePlan. Αντί να χρησιμοποιεί την ΤΝ μόνο για αναλύσεις, χρησιμοποιείται ως Λύτης αποφάσεων. Το χαρτοφυλάκιο δεν περιγράφεται, αλλά υπολογίζεται συστηματικά - υπό πραγματικούς περιορισμούς όπως ο προϋπολογισμός, ο χρόνος, οι πόροι και το στρατηγικό Βαρύτητες στόχων.

Η τεχνητή νοημοσύνη μετατρέπεται έτσι από παρατηρητή σε ενεργό βελτιστοποιητή. Το χαρτοφυλάκιο δεν είναι πλέον το αποτέλεσμα πολιτικής διαπραγμάτευσης, αλλά το αποτέλεσμα μιας υπολογισμένης μεγιστοποίησης του αντίκτυπου.

Πώς χρησιμοποιείται η ΤΝ στη διαχείριση χαρτοφυλακίου

Στην πράξη, η ΤΝ χρησιμοποιείται πολύ διαφορετικά στη διαχείριση χαρτοφυλακίου σήμερα - αλλά συχνά λιγότερο αποτελεσματική από ό,τι δείχνουν οι προσδοκίες.

Οι τυπικές εφαρμογές περιλαμβάνουν

• αυτοματοποιημένες αναφορές και πίνακες ελέγχου
• Προβλέψεις για το κόστος, τη διάρκεια ή τους κινδύνους
• Ομαδοποίηση έργων ανάλογα με τα χαρακτηριστικά τους
• Συστήματα έγκαιρης προειδοποίησης για αποκλίσεις

Οι εφαρμογές αυτές βελτιώνουν τη διαφάνεια και την αποτελεσματικότητα. Ωστόσο, σπάνια αλλάζουν την Αποτέλεσμα της ίδιας της απόφασης. Η διαχείριση χαρτοφυλακίου παραμένει μια διαδικασία συζήτησης, ιεράρχησης και αιτιολόγησης - όχι υπολογισμού, Ιεράρχηση και αιτιολόγηση - όχι υπολογισμός.

Αυτό οφείλεται στο γεγονός ότι η διαχείριση χαρτοφυλακίου δεν είναι πρωτίστως ένα πληροφοριακό πρόβλημα. Οι περισσότεροι οργανισμοί σήμερα διαθέτουν περισσότερα δεδομένα από ποτέ. Αυτό που λείπει είναι η ικανότητα να αντλούν συνεκτικές, συγκρίσιμες και αξιόπιστες αποφάσεις από αυτά τα δεδομένα.

Ένα βασικό πρόβλημα με τις παραδοσιακές προσεγγίσεις διαχείρισης χαρτοφυλακίου είναι η έμμεση στάθμιση. Οι στρατηγικοί στόχοι, οι κίνδυνοι, οι χρονικοί ορίζοντες και οι πολιτικοί παράγοντες λαμβάνονται υπόψη - αλλά σπάνια διαφανείς και συνεπείς.

Η τεχνητή νοημοσύνη μπορεί να συμβάλει πραγματικά εδώ μόνο εάν:

• επιτρέπει σαφείς σταθμίσεις
• Χαρτογραφεί μαθηματικά τους αντικρουόμενους στόχους
• Όχι μόνο αξιολογεί εναλλακτικές λύσεις, αλλά και τις συγκρίνει

Ακριβώς σε αυτό το σημείο το StratePlan διαφέρει θεμελιωδώς από τα κλασικά Διαχείριση χαρτοφυλακίου που υποστηρίζεται από τεχνητή νοημοσύνη. Το StratePlan δεν αντικαθιστά τις επιτροπές - αλλά αντικαθιστά Την αυθαιρεσία με τον υπολογισμό.

Ο διαχειριστής χαρτοφυλακίου ορίζει τους στόχους, τις προτεραιότητες και τους περιορισμούς. Το StratePlan χρησιμοποιεί αυτά για να υπολογίσει τη διαμόρφωση του χαρτοφυλακίου με τον υψηλότερο συνολικό αντίκτυπο. Το αποτέλεσμα δεν είναι μια κατάταξη, αλλά ένας βελτιστοποιημένος συνδυασμός - συμπεριλαμβανομένης της διορατικότητας σχετικά με το ποια έργα θα πρέπει σκόπιμα να δεν πρέπει να υλοποιηθούν.

Συνεπώς, η ΤΝ μετατρέπεται σε εργαλείο λήψης στρατηγικών αποφάσεων και όχι σε εργαλείο υποβολής εκθέσεων.

Θα αντικατασταθεί η διαχείριση χαρτοφυλακίου από την ΤΝ

Το ερώτημα αυτό τίθεται συχνά - και σχεδόν πάντα λανθασμένα.

Η τεχνητή νοημοσύνη δεν αντικαθιστά τη διαχείριση χαρτοφυλακίου. Ούτε αντικαθιστά την υπευθυνότητα, την ηγεσία Την ηγεσία και τη στρατηγική ευφυΐα. Αυτό που αντικαθιστά η ΤΝ, ωστόσο, είναι οι αβάσιμες υποθέσεις, οι γραμμικές απλουστεύσεις και η πολιτικά καθοδηγούμενη απατηλή λογική.

Η διαχείριση χαρτοφυλακίου αποτελείται από διάφορα επίπεδα:

• ορισμός στρατηγικού στόχου
• Καθορισμός κατευθυντήριων γραμμών και περιορισμών
• Στάθμιση των κινδύνων, των ευκαιριών και του χρόνου
• Επικοινωνία και διακυβέρνηση

Κανένα από αυτά τα επίπεδα δεν μπορεί ή δεν πρέπει να αντικατασταθεί από την τεχνητή νοημοσύνη. Είναι πραγματικά ανθρώπινα, εξαρτώμενα από το πλαίσιο και δεσμευμένα από την ευθύνη.

Αυτό που μπορεί να αντικαταστήσει η ΤΝ, ωστόσο, είναι το μέρος της διαχείρισης χαρτοφυλακίου που έχει αναγκαστικά ανακριβές: η αξιολόγηση πολύπλοκων εναλλακτικών λύσεων υπό πολλές ταυτόχρονες ταυτόχρονους περιορισμούς.

Πάνω από ένα ορισμένο επίπεδο πολυπλοκότητας, οι άνθρωποι απλώς δεν είναι πλέον σε θέση να να επιβλέπουν όλες τις συνέπειες των αποφάσεών τους. Εδώ είναι που αρχίζει ο χώρος, όπου η τεχνητή νοημοσύνη δεν αντικαθιστά, αλλά συμπληρώνει.

Το StratePlan έχει σχεδιαστεί ακριβώς για αυτόν τον χώρο. Δεν αντικαθιστά τη διαχείριση χαρτοφυλακίου, αλλά την καθιστά υπολογίσιμη για πρώτη φορά.

Η ευθύνη παραμένει στη διαχείριση. Ωστόσο, η διαφορά είναι θεμελιώδης: Οι αποφάσεις δεν υποστηρίζονται πλέον απλώς, αλλά επικυρώνονται μαθηματικά εκ των προτέρων επικυρώνονται εκ των προτέρων. Αυτό όχι μόνο αυξάνει την απόδοση της επένδυσης, αλλά και την ποιότητα της διακυβέρνησης και και την προστασία από την ευθύνη.

Η σωστή απάντηση στο αρχικό ερώτημα είναι επομένως: Η ΤΝ δεν αντικαθιστά τη διαχείριση χαρτοφυλακίου - την επαγγελματοποιεί.

Ποιες είναι οι εφαρμογές της ΤΝ στις επιχειρήσεις

Το εύρος των εφαρμογών της ΤΝ στις εταιρείες είναι μεγάλο - και διαρκώς αυξανόμενο. Ταυτόχρονα, είναι σημαντικό να γίνει σαφής διάκριση μεταξύ αυτών των εφαρμογών, καθώς διαφορετικούς μηχανισμούς δράσης.

Οι τυπικές εφαρμογές τεχνητής νοημοσύνης μπορούν να χωριστούν χονδρικά σε τέσσερις κατηγορίες:

1. Λειτουργική αυτοματοποίηση

Περιλαμβάνουν εφαρμογές όπως:

• Chatbots και εικονικοί βοηθοί
• αυτοματοποιημένη επεξεργασία εγγράφων
• Αυτοματοποίηση διαδικασιών στο back office

Αυτές οι εφαρμογές αυξάνουν την αποδοτικότητα, μειώνουν το κόστος και βελτιώνουν την επεκτασιμότητα. Ωστόσο, ο αντίκτυπός τους στη στρατηγική απόδοση της επένδυσης είναι συνήθως έμμεσος και περιορισμένος.

2. Ανάλυση και πρόβλεψη

Περιλαμβάνουν

• Προβλέψεις για τη ζήτηση, το κόστος ή τους κινδύνους
• Ανίχνευση ανωμαλιών
• Προβλεπτική συντήρηση

Οι εφαρμογές αυτές βελτιώνουν τη βάση για τη λήψη αποφάσεων, αλλά δεν λαμβάνουν αποφάσεις. Παρέχουν εισροές - όχι βελτιστοποίηση.

3. Υποστήριξη αποφάσεων

Ο πραγματικός στρατηγικός μοχλός ξεκινά σε αυτή την κατηγορία:

• Προσομοίωση εναλλακτικών λύσεων
• Συγκρίσεις σεναρίων
• Αξιολόγηση αντικρουόμενων στόχων

Ωστόσο, πολλά συστήματα παραμένουν στην επιφάνεια και παρέχουν μόνο επιλογές αποφάσεων, χωρίς αξιόπιστες συστάσεις.

4. Βελτιστοποίηση αποφάσεων

Πρόκειται για τη σπανιότερη αλλά πιο αποτελεσματική κατηγορία. Εδώ, η τεχνητή νοημοσύνη χρησιμοποιείται για Υπολογισμό και τη βελτιστοποίηση αποφάσεων υπό πραγματικούς περιορισμούς.

Το StratePlan εμπίπτει ακριβώς σε αυτή την κατηγορία. Δεν είναι μια γενική εφαρμογή ΤΝ, αλλά μια εξειδικευμένη νοημοσύνη λήψης αποφάσεων για σύνθετη διαχείριση και χαρτοφυλάκιο Αποφάσεων χαρτοφυλακίου.

Η διαφορά είναι κρίσιμη: ενώ πολλά συστήματα τεχνητής νοημοσύνης σας λένε τι είναι δυνατό, το StratePlan δείχνει τι είναι βέλτιστο.

Συνολικό συμπέρασμα: Γιατί το StratePlan είναι το λογικό επόμενο βήμα

Και οι τέσσερις ερωτήσεις οδηγούν τελικά στην ίδια διαπίστωση: Η τεχνητή νοημοσύνη ξεδιπλώνει τη μεγαλύτερη αξία της όχι εκεί όπου επιταχύνει τις διαδικασίες ή βελτιώνει τις αναφορές αλλά όπου καθιστά τις αποφάσεις προβλέψιμες.

Τα χαρτοφυλάκια, οι προϋπολογισμοί και οι στρατηγικές είναι σήμερα τόσο πολύπλοκα που τα γραμμικά μοντέλα, τα εργαστήρια και το ένστικτο αποτυγχάνουν συστηματικά, Τα εργαστήρια και το ένστικτο αποτυγχάνουν συστηματικά. Αυτό δεν είναι πρόβλημα διαχείρισης - αλλά ένα μαθηματικό όριο.

Το StratePlan μετατοπίζει αυτό το όριο. Συνδυάζει την ανθρώπινη στρατηγική εμπειρογνωμοσύνη με αλγοριθμική βελτιστοποίηση αποφάσεων. Οι άνθρωποι καθορίζουν τους στόχους και τις κατευθυντήριες γραμμές. Το σύστημα υπολογίζει το αποτέλεσμα.

Η απόδοση επένδυσης δεν δημιουργείται στο έργο, αλλά στο χώρο λήψης αποφάσεων μεταξύ των έργων.

Εκείνοι που μπορούν να υπολογίσουν αυτό το διάστημα αυξάνουν την απόδοση της επένδυσης βιώσιμα - όχι τυχαία, αλλά συστηματικά.

Κλείσιμο από τον Δρ Kadoshchuk

Η τεχνητή νοημοσύνη ξεδιπλώνει τα μεγαλύτερα οφέλη της στο χαρτοφυλάκιο όπου η ανθρώπινη διαίσθηση Διαίσθηση φτάνει στα μαθηματικά της όρια. Από τη στιγμή που διάφορα έργα, αντικρουόμενους στόχους, Περιορισμοί και εξαρτήσεις μπαίνουν ταυτόχρονα στο παιχνίδι, η λήψη αποφάσεων γίνεται ένα Ένα πρόβλημα υπολογισμού.

Επομένως, η ΤΝ δεν χρησιμοποιείται στο χαρτοφυλάκιο για να αντικαταστήσει τις αποφάσεις, αλλά για να τις καταστήσει υπολογίσιμες: οι συνδυασμοί έργων συστηματικά αξιολογούνται συστηματικά, οι προτεραιότητες βελτιστοποιούνται σταθερά και ο αντίκτυπος για πρώτη φορά ποσοτικά μετρήσιμος.

Η αποφασιστική πρόοδος δεν έγκειται σε περισσότερα δεδομένα, αλλά σε στη νοημοσύνη για τη λήψη αποφάσεων. Όσοι κάνουν αυτό το βήμα δεν αυξάνουν την απόδοση της επένδυσης κατά τύχη, αλλά δομικά.

Δρ Igor Kadoshchuk
Επικεφαλής Επιστήμονας & Λογική Αποφάσεων

Πώς μπορεί να χρησιμοποιηθεί η τεχνητή νοημοσύνη για το χαρτοφυλάκιο