Jūs pieņemat lēmumus par ieguldījumiem, bet ne par optimālo portfeli.
Jūs varat gūt lielāku peļņu ar saviem esošajiem projektiem.
Mēs aprēķinām optimālo scenāriju - pirms jūs pieņemat lēmumu.
Bez maksas. Bez saistībām. Pamatojoties uz jūsu esošajiem projektiem.
Tie paši projekti. Dažādas kombinācijas. Vairāk rezultātu.
StratePlan aprēķina optimālo portfeli tur, kur tradicionālie rīki sasniedz savas robežas.
Tā vietā, lai projektus vērtētu izolēti, mēs analizējam visas iespējamās kombinācijas - un identificējam labāko risinājumu.
Globālais optimums nav pieņēmums - to var aprēķināt.
Izvēlieties uzņēmējdarbības jomu:
Bloga galvenais raksts:
Iespēju izmaksu aprēķināšana ar mākslīgo intelektu - ex ante lēmumi izpildvaras līmenī
Dārgākās izmaksas nav iekļautas nevienā bilancē.
Tās nav radušās nepareizu lēmumu dēļ, bet gan tādu lēmumu dēļ, kas ir ticami, bet nav optimāli.
Iespēju izmaksas ir negūtie ieguvumi no visām neizvēlētajām alternatīvām. Patiesībā tās gandrīz tikai ex post - retrospektīvi, hipotētiski, bez sekām.
Tas ir nepietiekami izpilddirektoriem, finanšu direktoriem, valdes locekļiem un publisko lēmumu pieņēmējiem. Būtiskais jautājums nav: ko mēs būtu varējuši darīt citādi? Bet drīzāk:
Kāds lēmums samazina alternatīvās izmaksas vēl pirms tā īstenošanas?
Tieši šeit sākas stratēģiski nozīmīga mākslīgā intelekta izmantošana.
1. Iespēju izmaksas rodas lēmumu pieņemšanas telpā, nevis projektā
Praksē lēmumi bieži tiek pieņemti tā, it kā būtu tikai dažas alternatīvas. Projekts tiek apstiprināts vai noraidīts. Galvenā uzmanība tiek pievērsta individuāliem novērtējumiem.
Tomēr realitātē pastāv pilnīga lēmumu telpa, kas sastāv no visām iespējamām projektu kombinācijām. Katrs lēmums ir izvēle no šīs telpas - apzināti vai neapzināti.
Iespēju izmaksas rodas, ja šī telpa nav pilnībā aprēķināta.
Virs noteikta sarežģītības līmeņa katrs neaprēķināts lēmums faktiski ir derības. Ne tāpēc, ka lēmumu pieņēmēji rīkojas iracionāli, bet tāpēc, ka lēmumu telpa vairs nav kontrolējama.
2. Ex-ante, nevis ex-post: izšķirošā perspektīvas maiņa
Ex-post analīze izskaidro pagātni. Tās palīdz mācīties, nevis pieņemt lēmumus.
Ex-ante alternatīvo izmaksu aprēķināšana nozīmē
- vienlaicīgi apsvērt visas pieļaujamās projektu kombinācijas
- Ieskaitot budžeta, riska, jaudas un normatīvos ierobežojumus
- optimizēt portfeļus, nevis projektus
Iespēju izmaksas tad vairs nav pieņēmums, bet gan izmērāma atšķirība:
Starpība starp izvēlēto risinājumu un globālo optimālo risinājumu.
3. Kāpēc cilvēki un Excel ir strukturāli neveiksmīgi
Excel ir lielisks aprēķinu rīks. Taču Excel neveic optimizāciju - tas izvērtē iepriekš noteiktus scenārijus.
Tipiski klasisko lēmumu pieņemšanas procesu ierobežojumi:
- lineāra domāšana ar eksponenciālu realitāti
- Iepriekšēji filtri ("labākie projekti"), nevis pilnīga izpēte
- Eiristikas, nevis optimizācija
Iespēju izmaksas rodas, ja alternatīvas nekad nav apsvērtas.
4. Mākslīgais intelekts kā priekšnoteikums ex-ante optimizācijai
Mākslīgais intelekts nav vadības aizstājējs, bet gan instruments, kas ļauj iekļūt ļoti sarežģītā lēmumu pieņemšanas telpā.
Attiecībā uz alternatīvajām izmaksām mākslīgais intelekts nozīmē
- pilnīga 2N lēmumu telpas izpēte
- visu pieļaujamo kombināciju vienlaicīga novērtēšana
- matemātiski pamatota globālā optimuma izvēle
Mērķis nav "labs" lēmums, bet drīzāk
lēmums ar minimālām alternatīvajām izmaksām.
5. Viena optimālā projekta kombinācija
StratePlan aprēķina nevis atsevišķus projektus, bet visu lēmumu telpu - un no tās identificē:
Vienu projektu kombināciju, kas rada maksimālu kopējo ieguvumu.
StratePlan aprēķina visu lēmumu telpuun nosaka vienu projektu kombināciju,kas rada maksimālo kopējo ieguvumu:
Iespēju izmaksas netiek aplēstas, bet gan precīzi aprēķinātas: kā attālums starp optimālo un katru suboptimālo alternatīvu.
6. Izpratne par lieluma pakāpēm - nevis to nenovērtēšana par zemu
Sarežģītību ir grūti vizualizēt. Salīdzinājums to padara taustāmu.
Mēroga salīdzinājums:
mūsu Piena ceļš un pilsētas lēmuma telpa ar "tikai" 50 projektiem
1,125 kvadriljonu iespējamo projektu kombināciju
7. Iespēju izmaksas kā jauns pārvaldības KPI
Tradicionālie galvenie rezultatīvie rādītāji mēra sniegumu lēmuma ietvaros.
Iespēju izmaksas mēra paša lēmuma kvalitāti.
Tas padara tās par galveno kontroles parametru:
- Kapitāla piešķiršanu
- valsts budžetos
- Pārveides programmām
- Ieguldījumu un inovāciju portfeļiem
Secinājums
Iespēju izmaksas ir reālas. Tās ir izmērāmas. Un tās rodas ex ante.
Pirmo reizi mākslīgais intelekts ļauj tās aprēķināt pirms lēmuma pieņemšanas.
Ne katrs lēmums ir nepareizs. Bet katram lēmumam, kas nav optimāls, ir alternatīvās izmaksas.
Jautājums ir tikai par to, vai jūs tās zināt - pirms lēmuma pieņemšanas.
Bieži uzdotie jautājumi - Iespēju izmaksas ar mākslīgo intelektu
Kas ir alternatīvās izmaksas?
Zaudētais labums, kas gūts, ja nav izvēlēta labākā alternatīva.
Kāpēc aprēķināt ex ante?
Tāpēc, ka tas ir vienīgais veids, kā izvairīties no neatgriezeniski nepareizas sadales.
Kāpēc ar Excel nepietiek?
Excel izvērtē scenārijus - tas neoptimizē lēmumu telpas.
Kad ir nepieciešams mākslīgais intelekts?
Lēmumu telpa pieaug eksponenciāli, sākot no aptuveni septiņiem projektiem.
Vai rezultāti ir saprotami?
Jā, katrs lēmums ir matemātiski pārredzami pamatots.
Dr. Igor Kadoshchuk ir datorzinātnieks, algoritmu arhitekts un viena no vadošajām personībām, kas stāv aiz mAInthink optimizācijas un lēmumu pieņemšanas algoritmiem. Kā platformu StratePlan™ un DeepAnT zinātniskais direktors viņš apvieno padziļinātu matemātisko izpēti ar praktiskiem pielietojumiem projektu portfeļu optimizācijā, uzņēmējdarbībā, finansēs un valsts pārvaldē.
Viņš ir ieguvis doktora grādu datorzinātnē prestižajā Moscow Institute of Physics and Technology (MIPT), kur viņš arī pasniedza kā datorinženierijas un matemātikas profesors. Viņam ir gadu desmitiem ilga pieredze ļoti sarežģītu matemātisko modeļu izstrādē projektu portfeļu optimizācijai un finanšu sistēmām, investīciju plānošanai un stratēģiskai lēmumu pieņemšanai. Viņa profesionālā karjera ietver vadošus amatus, tostarp Head of IT Gazprombank un projektu vadības direktors uzņēmumā TransTeleCom.
Dr. Kadoshchuk raksta mAInthink AI Blogā. Kadoshchuk raksta par:
- algoritmisku stratēģiju optimizāciju
- jaunām ROI un ietekmes aprēķināšanas metodēm
- projektu portfeļu optimizāciju ārpus tradicionālajiem rīkiem
- cilvēka lēmumu pieņemšanas robežām un to, kā mākslīgais intelekts tās pārvar
Viņa mērķis: stratēģiju aprēķināt, nevis to novērtēt.
Viņa ieguldījums apvieno zinātnisku precizitāti ar skaidru un saprotamu valodu – vienmēr ar mērķi padarīt sarežģītas lēmumu telpas caurspīdīgas, pārvaldāmas un izmērāmas.