Kvanttilaskenta, kombinatorinen optimointi ja päätöksenteon älykkyys: miksi strategisen yritysjohtamisen tulevaisuus on muuttumassa matemaattiseksi

Johdanto

Kvanttilaskentaa pidetään yhtenä 2000-luvun potentiaalisimmista mullistavista teknologioista. Hallitukset, teknologiayritykset, tutkimuslaitokset ja pääomamarkkinat ympäri maailmaa investoivat miljardeja euroja kvanttimekaanisten laskentajärjestelmien kehittämiseen, koska teknologia tarjoaa mahdollisuuden käsitellä tiettyjä ongelmaluokkia huomattavasti tehokkaammin kuin perinteiset tietokonejärjestelmät.

Kvanttilaskenta on erityisen tärkeää aina, kun on kyse eksponentiaalisesta monimutkaisuudesta:

• kombinatorinen optimointi,
• Portfolio-optimointi,
• Molekyylisimulointi,
• Materiaalitiede,
• Kryptografia,
• Liikenteen valvonta,
• Energiaverkot,
• Riskianalyysi,
• strateginen pääoman kohdentaminen.

Juuri nämä ongelmaluokat ovat yhä enemmän nykyaikaisen yritysjohtamisen keskiössä.

Tämä johtuu siitä, että suurten organisaatioiden todellisena haasteena ei enää ole ensisijaisesti tiedon saanti. Yrityksillä on jo nyt käytössään valtavat tietomäärät, toiminnanohjausjärjestelmät, mittaristot ja raportointi-infrastruktuurit.

Todellinen pullonkaula on nyt muualla:

kyky optimoida matemaattisesti erittäin monimutkaisia päätöksentekotiloja.

Jokaisen lisäinvestoinnin, hankkeen, rajoituksen ja riippuvuuden myötä mahdollisten päätösvaihtoehtojen määrä kasvaa eksponentiaalisesti. Jopa keskikokoiset yrityssalkut luovat hakuavaruuksia, joita ihmiset ja perinteiset lineaariset päätöksentekomallit eivät käytännössä enää pysty täysin hallitsemaan.

Juuri tässä kohtaa kolme teknologista kehitystä yhdistyy:

• Kvanttilaskenta,
• kombinatorinen optimointi,
• Päätöksentekoäly.

Juuri tällä konfliktialueella syntyy StratePlanin kaltaisia järjestelmiä.

Mitä kvanttilaskenta itse asiassa on

Kvanttitietokoneet eroavat olennaisesti tavanomaisista tietokonejärjestelmistä.

Klassiset tietokoneet toimivat bittien avulla:

• 0 tai 1.

Kvanttitietokoneet sen sijaan toimivat niin sanotuilla qubiteilla.

Kubitilla voi olla useita tiloja samanaikaisesti:

α∣0⟩ + β∣1⟩

Tätä periaatetta kutsutaan superpositioksi.

Tämän seurauksena kvanttitietokone voi teoreettisesti esittää useita tiloja rinnakkain.

N qubitin avulla mahdollisten tilojen määrä kasvaa eksponentiaalisesti:

2^N

Juuri tämän vuoksi kvanttitietokoneita pidetään potentiaalisesti mullistavina monimutkaisissa optimointiongelmissa.

Kvanttilaskennan kolme perusperiaatetta

Superpositio

Kubitti voi ottaa useita tiloja samanaikaisesti.

Klassinen bitti voi olla vain 0 tai 1, mutta superpositio mahdollistaa todennäköisyyksien päällekkäisyyden.

Tämä luo teoreettisen mahdollisuuden esittää useita ratkaisupolkuja rinnakkain.

Kietoutuminen

Qubitit voidaan kytkeä kvanttimekaanisesti.

Jos yksi tila muuttuu, se vaikuttaa suoraan muihin kietoutuneisiin tiloihin.

Tämä ominaisuus mahdollistaa erittäin monimutkaiset riippuvuusrakenteet kvanttimekaanisissa laskelmissa.

Interferenssi

Kvanttialgoritmit käyttävät interferenssiä vahvistaakseen suotuisia ratkaisuja ja kumotakseen epäsuotuisat ratkaisut todennäköisyyteen perustuen.

Näin järjestelmä voi lähestyä tiettyjä optimaalisia tiloja tehokkaammin.

Miksi kvanttilaskenta ymmärretään usein väärin?

Julkisissa keskusteluissa annetaan usein sellainen vaikutelma, että kvanttitietokoneet voivat yksinkertaisesti "ratkaista" eksponentiaalisia ongelmia.

Tämä on teknisesti väärin.

Edes kvanttitietokoneet eivät automaattisesti kumoa monien kombinatoristen ongelmien matemaattisia monimutkaisuusluokkia.

Jäljelle jää monia todellisia liike-elämän ongelmia:

• NP-kovia,
• korkea-ulotteisia,
• todennäköisyyspohjaisia,
• rajoituksiin perustuvia.

Kvanttitietokone yksin tietää

• strategisia tavoitteita,
• ei yrityksen logiikkaa,
• ei pääomarajoituksia,
• ei hallintovaatimuksia,
• eSG-vaatimuksia,
• ei riskirakenteita.

Juuri tästä syystä nousee esiin ratkaiseva seikka:

Kvanttilaitteisto ei korvaa päätöksenteon logiikkaa.

Se ainoastaan nopeuttaa tiettyjä laskentaprosesseja olemassa olevan matemaattisen optimointiarkkitehtuurin puitteissa.

Miksi tämä oivallus on strategisesti ratkaiseva

"Kvanttitietokoneet eivät voi laskea eksponenttiavaruutta itsenäisesti. Ne kiihdyttäisivät ensisijaisesti olemassa olevia optimointiarkkitehtuureja."

Tämä toteamus on matemaattisesti erittäin merkityksellinen.

Todellinen älykkyys ei nimittäin ole laitteistossa.

Se piilee:

• mallintamisessa,
• kohdefunktiossa,
• rajoituksissa,
• hakuavaruuden jäsentelyssä,
• päätöksenteon logiikkaan,
• optimointiarkkitehtuuri.

Tämä tarkoittaa, että varsinainen strateginen lisäarvo syntyy kombinatoristen päätöksentekomallien - ei pelkästään kvanttilaitteiston - avulla.

Kombinatorinen optimointi nykyaikaisen yritysjohtamisen ydinongelmana

Yritykset tekevät nykyään päätöksiä eksponentiaalisissa tiloissa.

Matemaattinen todellisuus on:

2^N

Jokainen lisämuuttuja kaksinkertaistaa mahdollisten yhdistelmien määrän.

Esimerkkejä:

• Investointipäätökset,
• CAPEX-salkut,
• Infrastruktuuriohjelmat,
• Tuotantoverkot,
• ESG-allokaatiot,
• Kiinteistösalkut,
• M&A-strategiat.

Jopa muutaman kymmenen hankkeen kohdalla syntyy päätöksentekotiloja, joita perinteiset lineaariset menetelmät eivät enää pysty täysin kuvaamaan.

Perinteisen yritysjohtamisen todellinen ongelma on

Useimmat yritykset priorisoivat hankkeita erillisinä:

• Hankkeella A on korkeampi ROI kuin hankkeella B,
• Hanke B on vähemmän riskialtis kuin C.

Matemaattisesti tämä on kuitenkin usein riittämätöntä.

Tämä johtuu siitä, että optimaalinen kokonaisyhdistelmä ei välttämättä vastaa parhaita yksittäisiä hankkeita.

Riippuvuudet muuttavat yleistä logiikkaa:

• Hankkeet voivat vahvistaa toisiaan,
• Riskit voivat kasautua,
• ESG-vaikutukset voivat olla vuorovaikutuksessa,
• Resurssit voivat aiheuttaa pullonkauloja,
• Aikataulut voivat muuttaa tuottoprofiilia.

Tämä luo yhdistelmäpäätösavaruuden.

Päätöksentekoälyn syntyminen

Juuri tässä kohtaa syntyy uusi teknologinen luokka: päätösälykkyys.

Päätösälykkyys kuvaa järjestelmiä, joissa yhdistyvät matemaattinen optimointi, päätöksentekologiikka, tekoäly, todennäköisyysmallit, rajoitusjärjestelmät ja suurteholaskenta.

Tavoitteena ei ole tietojen tallentaminen vaan optimaalisten päätösten laskeminen.

StratePlan matemaattisena päätöksentekokerroksena

StratePlan on sijoitettu juuri tähän rajapintaan.

Järjestelmä ei toimi ensisijaisesti toiminnanohjausjärjestelmänä, raportointiohjelmistona, kojelautana tai projektinhallintajärjestelmänä.

Sen sijaan se toimii matemaattisena päätöksentekoarkkitehtuurina olemassa olevien järjestelmien päällä.

StratePlan yhdistää

• kombinatorisen optimoinnin,
• Rajoitusoptimointi,
• heuristisia menetelmiä,
• Hybridi tekoälyä,
• Rinnakkaislaskenta,
• matemaattiset päätöksentekomallit.

Rajoitusten rooli

Todellinen optimointi ei koskaan tapahdu vapaassa tilassa.

Yritykset toimivat:

• Budjettirajoitukset,
• Maksuvalmiusrajoitukset,
• sääntelyn vaatimukset,
• ESG-vaatimukset,
• Resurssien niukkuus,
• Aikariippuvuudet,
• geopoliittiset epävarmuustekijät.

Nämä rajoitukset luovat varsinaisen monimutkaisuuden.

Miksi klassiset ERP-järjestelmät eivät riitä

Tutut ERP-järjestelmät ovat ensisijaisesti tietojärjestelmiä, tietoalustoja ja prosessijärjestelmiä.

Ne tallentavat tietoa.

Ne eivät kuitenkaan tyypillisesti laske koko kombinatorista päätösavaruutta.

Juuri siksi tarvitaan yhä enemmän matemaattista päätöksentekokerrosta.

Hybriditekoäly pelkän koneoppimisen sijaan

Toinen keskeinen seikka: puhdas koneoppiminen ei riitä kombinatoriseen liiketoiminnan johtamiseen.

Neuroverkot ovat erinomaisia hahmontunnistuksessa, ennustamisessa sekä kielen- ja kuvantunnistuksessa.

Mutta kombinatorinen optimointi on eri ongelma.

Kyse ei ole ensisijaisesti kuvioista vaan yhdistelmien optimoinnista rajoitusten alaisena.

Tämän vuoksi hybridirakenteet ovat tulossa markkinoille:

• AI,
• matemaattinen optimointi,
• todennäköisyysmallit,
• Päätöksentekologiikka.

Rinnakkaislaskennan rooli

Kun päätösavaruus kasvaa eksponentiaalisesti, rinnakkaislaskennasta tulee välttämätöntä.

Nykyaikaiset järjestelmät hyödyntävät:

• Moniydinarkkitehtuurit,
• GPU-järjestelmiä,
• Klustereita,
• hajautettuja ratkaisijoita,
• Suuritehoisia tietokoneita.

Ratkaiseva suorituskyky ei kuitenkaan tule pelkällä raa'alla laskentateholla vaan älykkäällä hakuavaruuden pienentämisellä.

Kvanttihehkutus ja optimointiongelmat

Kvanttitehostaminen on erityisen mielenkiintoinen kvanttilaskennan osa-alue.

Siinä järjestelmä yrittää lähestyä todennäköisyyteen perustuen energeettisesti optimaalisia tiloja, globaaleja minimejä ja optimaalisia yhdistelmiä.

Tämä on erityisen tärkeää

• Aikataulutus,
• Reititys,
• Portfolio-optimointi,
• Infrastruktuurin suunnittelu,
• Resurssien jakaminen.

QAOA ja hybridi-kvanttialgoritmit

Kvanttilähestymisoptimointialgoritmi (Quantum Approximate Optimisation Algorithm, lyhyesti QAOA) on yksi tärkeimmistä nykyaikaisista lähestymistavoista.

QAOA:ssa yhdistyvät klassinen optimointi, kvanttiinterferenssi ja todennäköisyyshaku.

Matemaattinen mallintaminen on kuitenkin myös tässä keskeistä.

Kvanttialgoritmi ei korvaa tavoitefunktiota, rajoituksia tai päätösarkkitehtuuria.

Se nopeuttaa tiettyjä optimointiprosesseja.

Miksi hybridi kvanttiklassinen tietojenkäsittely on todennäköisesti tulevaisuutta?

Realistisin tulevaisuus ei koostu puhtaasta kvanttilaskennasta.

Vaan hybridiarkkitehtuureista:

• klassiset suorittimet,
• GPU:t,
• Ratkaisijat,
• Tekoälyjärjestelmät,
• Kvanttikiihdyttimet.

Päätöksenteon logiikka pysyy pitkälti matemaattisena ja klassisesti jäsenneltynä.

Kvanttitietokoneet toimivat ylimääräisenä laskentakerroksena.

Merkitys CAPEX:n ja strategisen pääoman kohdentamisen kannalta

Tämä kehitys on erityisen tärkeää CAPEX:n alalla.

Suuret yritykset hallinnoivat:

• Tehtaita,
• Energiaverkkoja,
• Kiinteistösalkkuja,
• Infrastruktuuria,
• Muutosohjelmat,
• ESG-sijoitukset.

Mahdollisten sijoituskombinaatioiden määrä kasvaa räjähdysmäisesti.

Tämä aiheuttaa valtavia vaihtoehtoiskustannuksia.

StratePlan puuttuu juuri tähän ongelmaan: yksittäisiä hankkeita ei arvioida, vaan kaikkien käytettävissä olevien investointivaihtoehtojen optimaalista yhdistelmää.

Kiinteistöjen ja kaupunkien optimointi

Myös kiinteistöalalle on syntymässä massiivisia kombinatorisia tiloja:

• Sekakäyttö,
• Rakennusvaiheet,
• Rahoitusrakenteet,
• ESG-kriteerit,
• Infrastruktuuririippuvuudet.

Pienilläkin muutoksilla hankkeiden yhdistelmässä voi olla valtava vaikutus tuottoihin, riskeihin, kassavirtoihin ja pääoman sitoutumiseen.

Osakasarvo uusissa olosuhteissa

Osakkeenomistajien arvoa on historiallisesti tarkasteltu useimmiten takautuvasti.

Yhdistelmäkohtainen optimointi muuttaa tätä perustavanlaatuisesti.

Ensimmäistä kertaa vaihtoehtoiskustannukset, vaihtoehtoiset investointipolut ja optimaalinen pääoman kohdentaminen voidaan systemaattisesti visualisoida.

Osakasarvoa voidaan siis paitsi analysoida myös optimoida matemaattisesti.

Johdon uusi rooli

Mielenkiintoista on, että matemaattinen optimointi ei korvaa johtamista.

Se muuttaa sen roolia.

Ihmiset määrittelevät edelleen:

• Tavoitteet,
• Prioriteetit,
• Rajoitukset,
• Hallinto,
• strategiset suojakaiteet.

Kone laskee

• optimaaliset yhdistelmät,
• Skenaarioita,
• Todennäköisyydet,
• Vaikutukset.

Tämä luo uudenlaisen matemaattisesti tuetun yritysjohtamisen.

Miksi tästä on tulossa yhteiskunnallisesti merkityksellistä

Vaikutukset ulottuvat kauas yritysten ulkopuolelle.

Myös valtiot ja kunnat hallinnoivat eksponentiaalisia päätöksentekotiloja:

• Energia,
• Liikenne,
• Ilmasto,
• Asuminen,
• Koulutus,
• Infrastruktuuri.

Yhdistelmällisellä optimoinnilla voitaisiin vähentää resurssien tuhlausta, parantaa investointien laatua, lisätä avoimuutta ja lisätä taloudellista tehokkuutta.

Päätelmät

Kvanttilaskenta ei yksinään ole todellinen vallankumous.

Todellinen vallankumous piilee kyvyssä mallintaa, jäsentää ja optimoida monimutkaisia päätöksentekoalueita matemaattisesti.

Kvanttitietokoneet eivät todennäköisesti tule olemaan itsenäisiä päätöksentekokoneita, vaan pikemminkin matemaattisten optimointiarkkitehtuurien kiihdyttimiä.

Juuri siksi StratePlanin kaltaiset järjestelmät ovat strategisesti niin tärkeitä.

Koska eksponentiaalisen monimutkaisuuden maailmassa ratkaisevaa ei ole suurin tietomäärä.

Se on kyky johtaa taloudellisesti optimaalinen päätös miljardeista mahdollisista yhdistelmistä.