Ottimizzare gli optimum locali con l’IA: perché anche le decisioni migliori possono comunque essere sbagliate

Sintesi: Perché un’ottimizzazione efficace non porta automaticamente al risultato migliore

Cosa succede se ogni reparto ottimizza i propri progetti, ogni budget viene impiegato in modo efficiente e tuttavia l’azienda nel suo complesso spreca potenziale economico?

Nelle aziende e nelle organizzazioni pubbliche, l’ottimizzazione fa parte dell’attività quotidiana. I processi produttivi vengono resi più efficienti, i progetti di investimento vengono classificati in ordine di priorità sulla base di indicatori economici, i budget vengono adeguati e le risorse vengono impiegate nel modo più produttivo possibile.

I risultati appaiono spesso convincenti: i costi diminuiscono, i rendimenti individuali aumentano e gli indicatori operativi migliorano.

Ma è proprio qui che risiede un problema fondamentale della gestione aziendale strategica.

Una decisione ottimale a livello locale non è necessariamente parte integrante della soluzione globale ottimale.

Un progetto può essere eccellente dal punto di vista economico all’interno di un reparto e, allo stesso tempo, impedire all’azienda di ottenere un contributo complessivo maggiore con le stesse risorse.

La ragione risiede nelle interazioni tra progetti, budget, capacità e obiettivi strategici.

Mentre i processi di gestione classici spesso ottimizzano singole misure, l’ottimizzazione matematica del portafoglio ne considera la combinazione.

StratePlan combina metodi matematici della ricerca operativa con approcci basati sull’intelligenza artificiale per esaminare sistematicamente ampi spazi decisionali combinatori.

L’obiettivo è identificare combinazioni di progetti che, nel rispetto dei vincoli economici e operativi definiti, consentano di ottenere il massimo contributo complessivo possibile.

La domanda gestionale fondamentale non è quindi: «Come possiamo migliorare ulteriormente i nostri singoli progetti?»

Ma: quale combinazione dei nostri progetti ottiene il miglior risultato complessivo con il budget a disposizione?

1. Cosa sono gli ottimi locali e gli ottimi globali?

I concetti di optimum locale e optimum globale provengono dall’ottimizzazione matematica.

Un optimum locale indica una soluzione che, all’interno di un vicinato definito, non può essere migliorata mediante una piccola variazione ammissibile.

Un optimum globale è invece una soluzione che, all’interno dell’intero spazio decisionale ammissibile, raggiunge il valore migliore della funzione obiettivo definita.

La differenza è fondamentale.

Una soluzione può essere ottimale all’interno del proprio contesto immediato, anche se in un altro punto dello spazio decisionale esiste una soluzione nettamente migliore.

Nelle aziende, questo principio può essere applicato a diverse situazioni:

• un reparto di produzione ottimizza i propri investimenti senza tenere conto delle ripercussioni su altre sedi.
• Una divisione aziendale massimizza il proprio ROI individuale, sebbene una diversa allocazione del capitale consentirebbe un maggiore contributo al valore del gruppo.
• Un portafoglio di progetti viene migliorato entro un budget prestabilito, sebbene una ridistribuzione trasversale tra le divisioni sarebbe economicamente più vantaggiosa.
• Un comune assegna priorità alle singole misure in base all’urgenza, senza esaminare la migliore combinazione possibile di tutte le alternative di investimento disponibili.

Queste decisioni possono essere comprensibili ed economicamente sensate all’interno dei rispettivi ambiti di valutazione.

Tuttavia, non devono necessariamente produrre il risultato migliore per l’intera organizzazione.

L’ottimizzazione locale migliora una soluzione entro determinati limiti. L’ottimizzazione globale ricerca la migliore soluzione ammissibile all’interno dell’intero spazio decisionale definito.

2. Perché gli ottimi locali si verificano con particolare frequenza nelle aziende

Le organizzazioni sono suddivise in reparti, divisioni, programmi e strutture di responsabilità.

Questa suddivisione è necessaria per poter gestire aziende complesse.

Tuttavia, essa influenza anche il modo in cui vengono prese le decisioni.

Ogni unità organizzativa ha spesso obiettivi, budget e indicatori di prestazione propri.

Un reparto ottimizza i propri costi. Un settore di attività massimizza il proprio rendimento. Un responsabile di progetto si concentra sulle scadenze e sul rispetto del budget.

Dal punto di vista della singola unità, queste decisioni possono essere corrette.

Tuttavia, il risultato complessivo dipende dall’interazione di tutte le decisioni.

Le cause tipiche dell’ottimizzazione locale sono:

• Bilanci separati: il capitale viene ottimizzato all’interno delle singole divisioni aziendali, anziché essere considerato a livello trasversale.
• Obiettivi divergenti: i reparti perseguono i propri KPI, che non coincidono pienamente con l’obiettivo complessivo dell’azienda.
• Trasparenza limitata: spesso i decisori conoscono solo i progetti di propria competenza.
• Dipendenze tra i progetti: singole misure influenzano la redditività o la fattibilità di altri progetti.
• Conflitti di risorse: diversi progetti competono per gli stessi collaboratori, macchinari o capacità tecniche.

Ciò può portare a decisioni sensate a livello locale, ma che nel loro insieme risultano economicamente subottimali.

L’azienda ottimizza le singole parti che la compongono senza ottimizzare automaticamente l’intero sistema.

3. Il problema matematico: 2^N possibili combinazioni di progetti

Non appena si hanno a disposizione più progetti tra cui scegliere, si crea uno spazio decisionale combinatorio.

In un modello binario semplificato, ogni progetto può essere realizzato oppure no.

Con N progetti selezionabili in modo indipendente, si ottengono teoricamente 2^N possibili combinazioni di progetti.

Il numero cresce in modo esponenziale:

• 7 progetti: 2^7 = 128 combinazioni
• 10 progetti: 2^10 = 1.024 combinazioni
• 20 progetti: 2^20 = 1.048.576 combinazioni
• 30 progetti: 2^30 = 1.073.741.824 combinazioni
• 40 progetti: 2^40 = 1.099.511.627.776 combinazioni
• 50 progetti: 2^50 = 1.125.899.906.842.624 combinazioni
• 100 progetti: 2^100 = circa 1,27 × 10^30 combinazioni

Un’azienda con 50 progetti di investimento in programma si trova quindi di fronte a uno spazio decisionale teorico di circa 1,126 billiardi di combinazioni possibili.

Non tutte queste combinazioni sono ammissibili a causa di vincoli di budget, risorse o dipendenze tra i progetti.

Tuttavia, l’ordine di grandezza illustra perché i processi di gestione classici possano prendere in considerazione solo una piccola parte di tutti i portafogli possibili.

Un consiglio di amministrazione può valutare i 50 progetti singolarmente.

Tuttavia, non può confrontare in modo esaustivo più di un billiardo di possibili combinazioni di progetti.

La sfida non consiste quindi nel valutare meglio i singoli progetti, ma nell’individuare, all’interno di uno spazio decisionale di dimensioni esponenziali, la combinazione economicamente migliore tra quelle ammissibili.

4. Perché il miglioramento dei singoli progetti può peggiorare il portafoglio complessivo

Un approccio gestionale diffuso recita: se ogni progetto viene ottimizzato dal punto di vista economico, il risultato complessivo migliora automaticamente.

Tuttavia, questa ipotesi non è valida senza riserve.

I singoli progetti possono competere per le stesse risorse limitate.

Se si privilegia un progetto, i fondi impiegati per esso non saranno più disponibili per altre misure.

Di conseguenza, una singola decisione economicamente vantaggiosa può impedire una combinazione di progetti ancora più vantaggiosa.

Ad esempio, un impianto di produzione può generare un elevato rendimento individuale, ma allo stesso tempo richiedere un capitale di investimento tale da rendere impossibile il finanziamento di diverse misure di automazione di minore entità.

Se queste misure più piccole generassero insieme un contributo netto di valore più elevato, la scelta iniziale a livello di portafoglio risulterebbe subottimale.

Un effetto simile può verificarsi con le risorse umane.

Un progetto con un’elevata redditività potrebbe richiedere proprio quegli specialisti che sarebbero necessari per diversi altri progetti.

La qualità economica di un’iniziativa non dipende quindi solo dal suo risultato, ma anche dalle altre possibilità che la sua attuazione esclude.

Queste interazioni non possono essere colte appieno da una valutazione isolata del progetto.

5. Esempio di calcolo: perché due progetti più piccoli possono essere economicamente più vantaggiosi di uno grande

Un’azienda dispone di un budget di investimento di 10 milioni di euro.

Sono disponibili tre progetti tra cui scegliere.

Il progetto A presenta il contributo netto più elevato tra i singoli progetti.

Se si sceglie questo progetto, rimangono 3 milioni di euro di budget.

Tale importo non è sufficiente per realizzare anche uno degli altri progetti.

Il portafoglio selezionato raggiunge quindi un contributo di valore netto pari a 4 milioni di euro.

Un'analisi matematica delle possibili combinazioni di progetti mostra tuttavia un'alternativa migliore.

I progetti B e C richiedono complessivamente 10 milioni di euro e generano un contributo di valore netto combinato pari a 6 milioni di euro.

Ipotizzando che i progetti siano indipendenti e in assenza di ulteriori restrizioni, B + C rappresenta la combinazione ottimale per massimizzare il contributo di valore netto.

Il portafoglio ottimizzato genera un contributo di valore netto superiore del 50% rispetto alla selezione iniziale.

L’azienda non ha bisogno di capitale di investimento aggiuntivo per farlo.

Deve semplicemente scegliere una diversa combinazione dei propri progetti esistenti.

La selezione iniziale non rappresenta necessariamente un optimum locale in senso strettamente matematico. Il fatto che sia localmente ottimale dipende da quali variazioni vengono definite come vicinato ammissibile.

Tuttavia, essa illustra il problema centrale di gestione: una decisione convincente relativa a un singolo progetto può risultare economicamente svantaggiosa rispetto a una combinazione alternativa di portafoglio.

6. La differenza tra ricerca locale e ottimizzazione globale

Nell’ottimizzazione matematica esistono diversi metodi per la ricerca di soluzioni efficienti.

I metodi di ricerca locale spesso partono da una soluzione esistente e cercano di migliorarla apportando modifiche.

Ad esempio, un progetto viene rimosso da un portafoglio e sostituito con un altro.

Se la funzione obiettivo migliora, viene adottata la nuova combinazione.

Questo processo può essere ripetuto fino a quando non si riscontrano ulteriori miglioramenti all’interno del vicinato considerato.

Il risultato può essere un optimum locale.

Il problema: una soluzione nettamente migliore potrebbe trovarsi al di fuori di questo vicinato.

Per raggiungerla, potrebbe essere necessario sostituire contemporaneamente più progetti.

Singoli passaggi intermedi potrebbero inizialmente portare a risultati peggiori.

Un semplice metodo di ricerca locale potrebbe, in determinate circostanze, non apportare tali modifiche.

I metodi di ottimizzazione globale, invece, mirano a identificare la migliore soluzione ammissibile all’interno dell’intero spazio decisionale definito.

A tal fine si possono utilizzare diversi approcci matematici, ad esempio:

• Ottimizzazione intera e mista-intera
• Metodo Branch-and-Bound
• Programmazione dinamica
• Metaeuristiche
• Metodi a più inizi e strategie di ricerca combinate
• Metodi di valutazione e ricerca basati sull'intelligenza artificiale

Alcuni metodi, in condizioni adeguate, possono dimostrare matematicamente l’esistenza di un optimum globale.

Altri forniscono soluzioni approssimativamente ottimali, senza fornire una dimostrazione completa dell’ottimalità.

Ciò che conta non è calcolare singolarmente e per intero ciascuna delle 2^N combinazioni teoricamente possibili, bensì esaminare sistematicamente lo spazio decisionale con metodi matematici adeguati.

Ulteriori approfondimenti sono disponibili nell’articolo «Comprendere la matematica e l’ottimizzazione: perché decisioni migliori richiedono una logica di calcolo diversa».

7. Perché Excel, i modelli di scoring e la classica definizione delle priorità possono favorire soluzioni locali

Excel, i modelli di scoring e i workshop di gestione sono strumenti consolidati nella pianificazione degli investimenti.

Consentono una valutazione strutturata dei singoli progetti e la creazione di diversi scenari.

La sfida sorge quando si equipara una classifica dei singoli progetti a una selezione del portafoglio ottimizzata matematicamente.

Excel: le valutazioni individuali non costituiscono ancora un’ottimizzazione globale

Excel è eccellente per il calcolo di business case, rendimenti del capitale e scenari di investimento.

Con le funzioni Solver appropriate è possibile affrontare anche problemi di ottimizzazione matematica.

Tuttavia, un semplice elenco Excel in cui i progetti sono ordinati in base al ROI o al valore attuale netto non tiene automaticamente conto di tutte le combinazioni di progetti ammissibili.

In presenza di ampi spazi decisionali combinatori, possono essere necessari o più efficienti metodi di ottimizzazione specializzati.

Modelli di scoring: la migliore classifica non è necessariamente il miglior portafoglio

I modelli di scoring valutano i progetti in base a criteri definiti.

I progetti con i punteggi più alti vengono realizzati in via prioritaria.

Questo metodo garantisce trasparenza sulle priorità individuali.

Tuttavia, non garantisce che la combinazione selezionata produca il massimo contributo economico o strategico complessivo.

Workshop di gestione: analisi limitata delle varianti

Nei workshop vengono spesso discussi diversi scenari preparati in anticipo.

Ad esempio, uno scenario di base, un modello di bilancio prudente e una pianificazione degli investimenti orientata alla crescita.

Queste varianti possono essere state elaborate con cura.

Tuttavia, spesso rappresentano solo una piccola parte dell’intero spazio decisionale matematico.

Il problema non è la qualità della discussione, bensì il numero limitato di combinazioni effettivamente esaminate.

8. In che modo l’ottimizzazione supportata dall’IA aiuta a superare gli ottimi locali

L’ottimizzazione decisionale basata sull’IA adotta un approccio diverso dal semplice miglioramento dei singoli processi.

Non si limita ad analizzare la soluzione attuale, ma tiene conto dello spazio decisionale combinatorio più ampio.

I progetti vengono modellati congiuntamente.

I limiti di budget, le restrizioni relative alle risorse, le dipendenze e gli obiettivi economici vengono descritti matematicamente.

Algoritmi di ottimizzazione adeguati esaminano quindi le possibili combinazioni di progetti.

In questo modo è possibile identificare alternative che potrebbero non essere prese in considerazione in caso di miglioramento locale della pianificazione del progetto esistente.

Il cambiamento di prospettiva strategica è il seguente:

• Da singoli progetti a portafogli: al centro dell’attenzione non vi è l’attrattiva isolata di un progetto, bensì il suo contributo alla soluzione complessiva.
• Dalle classifiche alle combinazioni: la selezione avviene in base all’effetto combinato di più misure.
• Da budget rigidi a scenari: è possibile analizzare matematicamente diversi limiti di capitale.
• Dalle ipotesi implicite alle restrizioni: i parametri strategici vengono presi in considerazione nel modello decisionale.
• Dai miglioramenti locali alla ricerca sistematica: anche combinazioni di progetti significativamente modificate vengono considerate come possibili alternative.

Il vantaggio dell’ottimizzazione supportata dall’intelligenza artificiale consiste nel rendere visibili soluzioni economicamente più efficienti al di là delle combinazioni di progetti inizialmente prese in considerazione.

9. StratePlan: ottimizzazione matematica del portafoglio anziché miglioramento isolato dei progetti

StratePlan è stato sviluppato per ottimizzare matematicamente portafogli complessi di investimenti e progetti.

La tecnologia combina metodi della ricerca operativa con approcci basati sull’intelligenza artificiale per l’analisi efficiente di ampi spazi decisionali combinatori.

Per un modello di ottimizzazione economica di base sono inizialmente necessari solo tre dati per ogni progetto:

1. ID progetto: identificazione univoca del progetto
2. Spese: spese o investimenti previsti
3. Entrate: ricavi attesi o flussi di cassa economici

Inoltre, viene definito il budget di investimento disponibile.

I dati del progetto possono essere importati, ad esempio, da piani di investimento esistenti in Excel.

StratePlan esamina le possibili combinazioni di progetti e calcola un portafoglio in base alla funzione obiettivo selezionata.

Nel caso di «Maximize Net Contribution», l’obiettivo principale è la massimizzazione del contributo netto atteso complessivo.

Il ROI del portafoglio può essere riportato in via integrativa come indicatore economico.

I modelli avanzati possono tenere conto di ulteriori restrizioni e parametri di valutazione:

• dipendenze tra i progetti
• Ponderazioni strategiche
• Limiti di risorse e capacità
• Budget di investimento pluriennali
• Scadenze temporali
• Criteri di rischio e sostenibilità

Il risultato non è una semplice classifica dei singoli progetti, ma una combinazione di progetti calcolata matematicamente all’interno dei vincoli definiti.

StratePlan consente così di passare dal miglioramento isolato di singoli progetti all’ottimizzazione sistematica dell’intero portafoglio di investimenti.

10. In diretta durante la riunione del consiglio di amministrazione: quanto costa mantenere una soluzione locale?

L’ottimizzazione matematica del portafoglio diventa particolarmente rilevante quando è possibile confrontare direttamente tra loro diversi obiettivi strategici.

Immaginiamo un gruppo industriale con 100 progetti CAPEX in programma.

La somma di tutte le richieste di investimento supera il budget disponibile.

Diverse divisioni aziendali hanno già stabilito le priorità dei propri progetti e ne hanno valutato la redditività.

Il consiglio di amministrazione desidera ora sapere quale combinazione di tutti i progetti raggiunga il massimo contributo di valore netto atteso.

Scenario A: ottimizzazione trasversale alle divisioni

Il CFO chiede:

«Cosa cambia se non ottimizziamo più ogni divisione singolarmente, ma consideriamo tutti i progetti di investimento nel loro insieme?»

I progetti vengono modellati in un portafoglio comune.

StratePlan calcola una combinazione ottimizzata tenendo conto del limite di budget definito.

Il confronto con la precedente pianificazione per settore può evidenziare se una diversa ripartizione del capitale consenta di ottenere un maggiore contributo economico complessivo.

Scenario B: progetti strategicamente prioritari

Il CEO chiede:

«A quale contributo economico potremmo rinunciare se determinati progetti dovessero essere realizzati a tutti i costi, indipendentemente dalla loro redditività individuale?»

I progetti in questione vengono considerati come vincoli vincolanti.

Il portafoglio viene ricalcolato.

Il confronto mostra quali effetti ha questo vincolo sul contributo netto atteso.

Scenario C: Riduzione del budget

Il CFO vorrebbe sapere:

«Quale combinazione di progetti dovremmo scegliere se dobbiamo ridurre il nostro budget CAPEX del 20%?»

La restrizione di budget viene adeguata.

StratePlan calcola una nuova combinazione di progetti.

Il management può comprendere quali misure vengono eliminate e come cambia il contributo netto atteso.

Scenario D: Capitale di investimento aggiuntivo

Un altro membro del consiglio di amministrazione chiede:

«Quanto contributo economico aggiuntivo potremmo ottenere se investissimo altri 10 milioni di euro?»

Il budget viene aumentato e viene eseguita una nuova ottimizzazione.

I risultati consentono un confronto tra l’impiego di capitale aggiuntivo e il contributo di valore atteso.

Scenario E: Modifica delle ponderazioni strategiche

Il consiglio di amministrazione pone la domanda:

«Come cambierebbe il portafoglio se attribuissimo maggiore peso all’efficienza energetica, alla digitalizzazione o a determinati settori in crescita?»

I parametri corrispondenti vengono adeguati.

Il portafoglio viene ricalcolato e confrontato con gli scenari precedenti.

Modificare gli orientamenti strategici. Ricalcolare il portafoglio. Confrontare gli effetti economici. Decidere con maggiore cognizione di causa.

In questo modo è possibile prendere in modo consapevole e comprensibile anche decisioni che si discostano da un’ottimizzazione puramente economica.

11. Costi opportunità: il prezzo di una decisione ottimizzata a livello locale

Una decisione progettuale attraente a livello locale può comportare la mancata attuazione di altre combinazioni economicamente più vantaggiose.

Ciò genera costi di opportunità.

Essi descrivono il beneficio perso derivante dalla migliore alternativa non scelta.

Nell’allocazione strategica del capitale, i costi di opportunità possono insorgere, ad esempio, quando:

• un singolo progetto assorbe gran parte del budget disponibile,
• un settore di attività immobilizza capitale che potrebbe generare un contributo maggiore in un altro settore,
• vengono valutati separatamente diversi progetti interdipendenti,
• le risorse vengono riservate a misure meno efficaci,
• una combinazione di progetti esistente non venga confrontata con portafogli alternativi.

L’ottimizzazione matematica del portafoglio consente di confrontare il portafoglio originariamente pianificato con una combinazione ottimizzata di progetti.

La differenza tra i contributi di valore netto attesi mette in evidenza il potenziale di miglioramento modellizzato.

Se viene matematicamente dimostrato l’esistenza di un optimum globale, è possibile determinare con esattezza all’interno del modello la distanza di una soluzione scelta rispetto a tale optimum.

Nel caso di soluzioni approssimativamente ottimali, viene innanzitutto calcolata la differenza rispetto alla migliore soluzione individuata.

Il valore aggiunto decisivo consiste nel rendere visibili i possibili svantaggi economici di una pianificazione di progetto esistente già prima dell’impegno di capitale.

12. Perché l’ottimo globale non deve necessariamente essere la decisione gestionale definitiva

Una soluzione matematicamente ottimale è sempre vincolata a una funzione obiettivo definita e a determinate restrizioni.

Il management potrebbe dover tenere conto di ulteriori requisiti strategici, normativi o sociali.

Un’azienda può, ad esempio, decidere di realizzare un determinato progetto per ragioni strategiche a lungo termine, anche se un’altra combinazione consentirebbe di ottenere un maggiore contributo di valore netto nel breve termine.

Un comune potrebbe dover finanziare un intervento infrastrutturale previsto dalla legge, anche se altri progetti appaiono più attraenti nell’ambito di un modello puramente economico.

Tali decisioni non sono automaticamente sbagliate.

È fondamentale che le loro ripercussioni siano rese trasparenti.

L’ottimizzazione matematica del portafoglio può calcolare diversi scenari:

• Un portafoglio senza ulteriori direttive strategiche
• Un portafoglio con progetti da realizzare obbligatoriamente
• Un portafoglio con restrizioni di bilancio modificate
• Un portafoglio con ponderazioni aggiuntive o obiettivi di impatto

Il confronto tra questi scenari permette di evidenziare i conflitti tra gli obiettivi economici.

L’obiettivo non è sostituire ogni decisione gestionale con un algoritmo, ma rendere comprensibili le conseguenze economiche delle diverse alternative d’azione.

13. Analisi di sensibilità: quanto è stabile la combinazione ottimale di progetti?

Le decisioni di investimento si basano su ipotesi relative agli sviluppi economici futuri.

I costi dei progetti possono aumentare. Le previsioni di entrate possono diminuire. Le risorse possono diventare più scarse. Le priorità strategiche possono cambiare.

Per questo motivo è opportuno non limitarsi a un’unica ottimizzazione del portafoglio.

Attraverso le analisi di sensibilità è possibile esaminare diversi scenari economici.

Le domande tipiche sono:

• Quali progetti rimangono parte integrante del portafoglio anche in caso di budget ridotto?
• Come cambia la combinazione dei progetti in caso di aumento dei costi di investimento?
• Quali misure sono particolarmente sensibili a previsioni di entrate più basse?
• Come cambia il portafoglio in caso di ulteriori restrizioni delle risorse?
• Quali progetti rimangono economicamente interessanti in diversi scenari?

Queste analisi possono mostrare quanto una combinazione di progetti calcolata rimanga solida al variare delle ipotesi.

Una decisione strategicamente fondata tiene conto non solo della migliore soluzione calcolata in un singolo scenario, ma anche delle ripercussioni di possibili cambiamenti.

14. Caso di studio: area Klybeck a Basilea – rendimento del capitale superiore di circa il 63%

Il caso di studio StratePlan relativo all’area Klybeck di Basilea illustra chiaramente il potenziale economico che l’ottimizzazione matematica del portafoglio può mettere in luce.

Nell’ambito dell’ottimizzazione del portafoglio per Central Real Estate AG e Swiss Life AG, sono state analizzate matematicamente le alternative di investimento e di progetto esistenti.

Il risultato modellizzato:

• Rendimento del capitale iniziale: 7,0 %
• Rendimento del capitale ottimizzato: 11,4 %
• Miglioramento relativo del rendimento: circa il 63 %
• Valore economico aggiunto modellizzato: circa 30 milioni di CHF

Il miglioramento è stato modellato modificando la combinazione delle alternative di investimento esistenti a parità di budget.

Questi risultati specifici del progetto non costituiscono una garanzia generale di rendimento.

La conclusione principale: una migliore combinazione delle alternative di investimento esistenti può consentire un contributo economico complessivo notevolmente superiore, senza un budget di investimento aggiuntivo.

15. Dove gli ottimali locali limitano particolarmente spesso il potenziale economico

Il rischio di un’ottimizzazione isolata delle singole misure è presente in numerosi ambiti di applicazione economici e pubblici.

Industria e pianificazione CAPEX

Impianti di produzione, progetti di automazione, ampliamenti di capacità e investimenti nelle sedi operative competono per i budget di investimento comuni.

L’ottimizzazione isolata di singoli stabilimenti o divisioni aziendali può impedire una distribuzione del capitale economicamente più vantaggiosa a livello trasversale.

Digitalizzazione e trasformazione tramite IA

Le aziende identificano spesso numerosi potenziali progetti di IA e digitalizzazione.

La semplice definizione delle priorità dei singoli casi d’uso non indica automaticamente quale combinazione produca il massimo contributo economico complessivo.

Immobili e settore immobiliare

Lo sviluppo di progetti, le ristrutturazioni, gli interventi di ammodernamento e gli investimenti nelle sedi possono essere considerati nell’ambito di un budget di capitale comune.

La selezione dei singoli progetti influisce sulle possibilità di finanziamento dell’intero portafoglio immobiliare.

Energia e infrastrutture

I progetti energetici, gli investimenti nelle reti, le misure di efficienza energetica e gli interventi di ammodernamento delle infrastrutture richiedono spesso impegni di capitale a lungo termine.

L’ottimizzazione matematica del portafoglio può aiutare a confrontare diverse combinazioni di investimenti nel rispetto dei vincoli economici e tecnici.

Comuni e bilanci pubblici

Le città e i comuni devono finanziare numerosi progetti di investimento con risorse di bilancio limitate.

Scuole, strade, edifici amministrativi, infrastrutture e strutture sociali competono per le stesse risorse pubbliche.

La definizione delle priorità in modo isolato per i singoli settori non porta automaticamente alla combinazione di misure con il massimo beneficio sociale complessivo definito.

L’ottimizzazione matematica può analizzare diverse combinazioni di progetti tenendo conto dei limiti di bilancio, dei compiti obbligatori e degli obiettivi politici.

Il denominatore comune di tutti i casi applicativi è la domanda se l’ottimizzazione delle singole misure porti effettivamente alla migliore soluzione complessiva possibile.

16. Simulazione di bilancio e ottimizzazione simultanea del portafoglio: superare le soluzioni locali nel settore pubblico

Il problema dell’ottimizzazione locale emerge con particolare evidenza nella pianificazione dei bilanci di investimento pubblici.

I dipartimenti comunali dispongono spesso di propri elenchi di progetti e priorità.

L’ufficio scolastico dà priorità agli investimenti nell’istruzione. L’ufficio tecnico valuta gli interventi infrastrutturali. Altri settori pianificano progetti di digitalizzazione, energetici o immobiliari.

Ciascuna di queste priorità può avere senso all’interno del rispettivo ambito di competenza.

La domanda cruciale è tuttavia:

quale combinazione di tutti i progetti comunali consente di ottenere, nell’ambito del bilancio disponibile, il massimo beneficio economico o sociale complessivo definito?

Un esempio semplificato:

una città dispone di un budget di investimento di 81 milioni di euro.

Allo stesso tempo, sono disponibili 50 progetti con un fabbisogno complessivo di investimenti pari a 220 milioni di euro.

Con 50 decisioni binarie sui progetti, si ottengono teoricamente 2^50 = 1.125.899.906.842.624 combinazioni possibili.

Un’ottimizzazione matematica del portafoglio può esaminare diverse combinazioni ammissibili di progetti nel rispetto dei vincoli definiti in termini di budget e di impatto.

Attraverso una simulazione di bilancio simultanea è possibile tenere conto di diverse condizioni finanziarie quadro.

Ad esempio:

• Quale combinazione di progetti raggiunge il massimo beneficio complessivo modellizzato con un budget di 81 milioni di euro?
• Come cambia il portafoglio in caso di riduzione del budget?
• Quali misure aggiuntive potrebbero essere attuate in caso di maggiori entrate?
• In che modo i progetti politici vincolanti modificano il risultato?
• Quali effetti hanno le diverse ponderazioni attribuite all’istruzione, alle infrastrutture o alla protezione del clima?

La qualità dei risultati dipende dai dati utilizzati e dalla definizione degli obiettivi economici e sociali.

La combinazione tra simulazione di bilancio e ottimizzazione matematica del portafoglio può aiutare a tradurre le priorità settoriali in una base decisionale trasversale e comprensibile.

17. Dall’ottimizzazione dei processi a livello locale alla Decision Intelligence strategica

Molte aziende dispongono già di sistemi efficienti per l’analisi e la gestione dei propri processi aziendali.

I sistemi ERP documentano le risorse e i processi economici.

Le soluzioni di Business Intelligence visualizzano indicatori e andamenti.

I sistemi di controlling analizzano gli scostamenti dal budget e i risultati economici.

Questi sistemi rispondono a domande importanti:

Cosa è successo? Come si stanno evolvendo i nostri KPI? Quali progetti rientrano nel budget?

La Decision Intelligence amplia questa prospettiva con il supporto matematico alle decisioni future.

Quale combinazione di progetti dovremmo scegliere? Quali restrizioni limitano il nostro potenziale contributo di valore? Quali alternative generano un risultato complessivo migliore?

StratePlan integra i processi di pianificazione e controllo esistenti con un livello di ottimizzazione matematica.

I dati di progetto necessari possono essere inizialmente forniti tramite semplici fogli di calcolo Excel.

Il progresso strategico consiste non solo nel gestire in modo più efficiente i singoli progetti, ma anche nel migliorare matematicamente la selezione e la combinazione dei progetti stessi.

18. Conclusione: chi si limita a migliorare gli ottimi locali rischia di trascurare la soluzione complessiva migliore

L’ottimizzazione locale è una componente importante della gestione aziendale professionale.

Migliora i processi, riduce i costi e aumenta l’efficienza delle singole misure.

Tuttavia, una soluzione ottimale a livello locale non è necessariamente ottimale a livello globale.

Quando numerosi progetti competono per budget e risorse limitati, si crea uno spazio decisionale combinatorio.

Già con 50 progetti esistono più di un biliardo di combinazioni teoricamente possibili.

Il miglioramento isolato dei singoli progetti non risponde quindi automaticamente alla domanda su quale sia la soluzione complessiva economicamente migliore.

L’ottimizzazione matematica del portafoglio consente di esaminare sistematicamente diverse combinazioni di progetti e di confrontarne gli effetti economici.

A tal fine, StratePlan combina metodi della ricerca operativa con approcci basati sull’intelligenza artificiale.

In questo modo, le aziende, i consigli di amministrazione e i decisori pubblici possono calcolare portafogli alternativi, esaminare scenari strategici e identificare potenzialità economiche o sociali non sfruttate.

La domanda cruciale non è: «Come possiamo ottimizzare ancora di più i nostri progetti esistenti?»

Ma: «Abbiamo davvero scelto la giusta combinazione di progetti?

È proprio qui che inizia il passaggio dall’ottimizzazione locale all’ottimizzazione matematica del portafoglio.

StratePlan – Non solo migliorare i progetti. Calcolare la combinazione giusta.

FAQ – Superare gli ottimi locali con l’IA

Che cos’è un optimum locale?

Un optimum locale è una soluzione che, all’interno di un vicinato definito, non può essere migliorata mediante una piccola variazione ammissibile.

Al di fuori di questo vicinato, tuttavia, possono esistere soluzioni migliori.

Qual è la differenza tra optimum locale e optimum globale?

Un optimum locale è ottimale all’interno di un’area limitata.

Un optimum globale, invece, raggiunge il valore migliore della funzione obiettivo definita all’interno dell’intero spazio decisionale ammissibile.

Perché i massimi locali possono essere problematici per le aziende?

Perché una decisione ottimale all’interno di un reparto o di un’area di business non porta automaticamente al massimo contributo economico complessivo dell’azienda.

I progetti competono per budget, risorse e capacità comuni.

Di conseguenza, combinazioni trasversali economicamente più vantaggiose potrebbero non essere prese in considerazione.

In che modo l’IA può aiutare a superare gli ottimi locali?

L’ottimizzazione matematica supportata dall’IA è in grado di esaminare sistematicamente ampi spazi decisionali combinatori.

In questo modo è possibile identificare combinazioni di progetti che esulano dalle alternative immediatamente prese in considerazione e che consentono un maggiore contributo economico complessivo.

L’IA è sempre in grado di calcolare l’ottimo globale?

Con modelli matematici e procedure di ottimizzazione adeguati, è possibile calcolare e dimostrare un optimum globale.

In caso di problemi particolarmente complessi, è possibile ricorrere anche a soluzioni approssimativamente ottimali.

La valutazione della qualità della soluzione dipende dal metodo utilizzato e dall’eventuale dimostrazione di ottimalità.

Cosa significa 2^N nell’ottimizzazione del portafoglio?

2^N descrive il numero di combinazioni teoricamente possibili in presenza di N decisioni di progetto binarie indipendenti.

Ogni progetto può essere selezionato oppure no.

Con 20 progetti si ottengono 2^20 = 1.048.576 combinazioni possibili.

Con 50 progetti, le combinazioni sono 2^50 = 1.125.899.906.842.624.

È necessario calcolare singolarmente tutte le 2^N combinazioni?

No.

I moderni metodi matematici di ottimizzazione sono in grado di esplorare in modo efficiente ampi spazi decisionali senza dover valutare singolarmente e per intero ogni combinazione teoricamente possibile.

Quali metodi siano adatti dipende dalla struttura matematica del problema e dai vincoli definiti.

Perché una classica classifica basata sul ROI non è sufficiente?

Una classifica del ROI valuta i singoli progetti in base al loro rendimento individuale.

Tuttavia, non tiene automaticamente conto di quale combinazione di progetti, nell’ambito del budget disponibile, raggiunga il più alto contributo di valore netto assoluto.

La classifica migliore non è quindi necessariamente il miglior portafoglio di investimenti.

Excel è in grado di risolvere problemi di ottimizzazione globale?

Sì. Excel è in grado di elaborare compiti di ottimizzazione matematica utilizzando le funzioni appropriate di Solver.

Tuttavia, in presenza di ampi spazi decisionali combinatori e restrizioni complesse, possono essere necessari o più efficienti metodi di ottimizzazione specializzati.

Di quali dati ha bisogno StratePlan per una prima ottimizzazione?

Per un modello di ottimizzazione economica di base sono inizialmente necessari tre dati per ogni progetto:

• ID progetto
• Spese – spese previste
• Entrate – entrate previste o flussi di cassa economici

Inoltre, va specificato il budget di investimento disponibile.

I modelli più complessi possono tenere conto di ulteriori restrizioni e parametri di valutazione.

Cosa significa «Massimizzare il contributo netto»?

«Maximize Net Contribution» indica la massimizzazione del contributo di valore netto complessivo atteso di un portafoglio di progetti entro vincoli definiti.

Il ROI del portafoglio può essere riportato in via integrativa come indicatore economico.

La massimizzazione del contributo di valore netto assoluto e la massimizzazione del ROI del portafoglio sono obiettivi matematici diversi.

StratePlan è in grado di evidenziare gli svantaggi economici di una pianificazione di progetto esistente?

Confrontando una combinazione di progetti esistente con un’alternativa ottimizzata, è possibile calcolare la differenza tra i contributi di valore netti attesi.

Tale differenza evidenzia il potenziale di miglioramento economico modellato in base alle ipotesi di partenza.

L’ottimo globale rappresenta sempre la decisione gestionale corretta?

Non necessariamente.

Una soluzione matematicamente ottimale si riferisce sempre alla funzione obiettivo definita e ai vincoli presi in considerazione.

I requisiti strategici, normativi o sociali possono rendere necessari ulteriori vincoli.

L’ottimizzazione matematica aiuta a rendere trasparenti gli effetti di tali vincoli.

In quali ambiti è particolarmente rilevante il superamento degli ottimi locali?

È particolarmente rilevante per i portafogli di investimento con numerosi progetti in competizione tra loro e risorse limitate.

I settori tipici di applicazione sono l’industria, la pianificazione CAPEX, la digitalizzazione, i casi d’uso dell’IA, il settore immobiliare, l’energia, le infrastrutture e la pianificazione del bilancio comunale.

Qual è la conclusione più importante per amministratori delegati e direttori finanziari?

Il miglioramento dei singoli progetti non porta automaticamente alla soluzione complessiva economicamente migliore.

L’ottimizzazione matematica del portafoglio consente di esaminare combinazioni alternative di progetti e di migliorare l’allocazione del capitale a livello dell’intera azienda.

La domanda cruciale è: ottimizziamo i nostri progetti o ottimizziamo la selezione dei nostri progetti?

Non limitatevi a ottimizzare i singoli progetti. Calcolate la combinazione migliore.

Scoprite quale combinazione dei vostri progetti di investimento pianificati possa generare il massimo contributo netto atteso nell’ambito del vostro budget disponibile.

Confrontate la vostra pianificazione dei progetti attuale con scenari di investimento ottimizzati matematicamente e verificate se una diversa combinazione dei progetti esistenti consenta di ottenere un contributo economico complessivo maggiore.

Potete ottimizzare gratuitamente fino a 15 progetti.

Ottimizzate ora gratuitamente fino a 15 progetti →