Kā mākslīgo intelektu var izmantot portfelī?

Uzņēmumos ir ienācis mākslīgais intelekts. Diez vai stratēģijas dokuments, diez vai digitālais Digitālā darba kārtība un gandrīz neviena valdes prezentācija šodien neiztikt bez mākslīgā intelekta termina. Tajā pašā laikā tajā pašā laikā ir ievērojams neskaidrību par to, kur AI faktiski rada vērtību, kā tam vajadzētu būt kā tas būtu jāizmanto - un kur ir tā robežas.

Šis skaidrības trūkums ir īpaši acīmredzams saistībā ar portfeļa un Pārvaldības lēmumiem. Šajā jomā lielas cerības saskaras ar lielu sarežģītību: Budžets ir ierobežots, projekti ir savstarpēji atkarīgi, mērķi ir pretrunīgi un lēmumi ir Lēmumi ir saistīti ar atbildību.

Šajā rakstā sniegtas atbildes uz četriem galvenajiem jautājumiem, kas šajā kontekstā tiek uzdoti atkārtoti kas šajā kontekstā tiek uzdoti atkārtoti - katrs no tiem ir pamatots, diferencēts un sistēmisks. Katrs jautājums ir ne tikai atbildēts atsevišķi, bet konsekventi virzīts uz izšķirošu realizāciju: Mākslīgais intelekts atklāj savu lielāko vērtību tur, kur tiek aprēķināti lēmumi, nevis tikai analizēti vai vizualizēti, tur, kur tie tiek tikai analizēti vai vizualizēti.

Kā AI var izmantot portfeļa vajadzībām?

Acīmredzama atbilde uz šo jautājumu bieži vien ir šāda: AI var palīdzēt analizēt portfeļus, Atpazīt riskus, apkopot galvenos rādītājus vai simulēt scenārijus. Šī atbilde ir nav nepareiza, bet tā tikai apraksta virspusējo daļu.

Lai saprastu, kā mākslīgo intelektu patiešām var izmantot portfeļiem, vispirms ir jāsaprot, kas patiesībā ir portfelis saprast, kas patiesībā ir portfelis: nevis statiska konstrukcija, bet dinamiska projektu sistēma dinamiska projektu, iniciatīvu, ieguldījumu un pasākumu sistēma, kas konkurē par vieniem un tiem pašiem resursiem un Resursus un ietekmē viens otru.

Tradicionālajos portfeļa procesos projektus novērtē, nosaka prioritātes un apstiprina komitejās apstiprina komitejās. Šie novērtējumi parasti ir:

• izolēti (katrs projekts atsevišķi)
• lineāri (vērtēšanas tabulas, klasifikācija)
• statiski (viens laika punkts, viens scenārijs)

Tieši šeit ir AI loma - vismaz potenciāli. Tas ir tāpēc, ka mākslīgais intelekts spēj apsvērt daudzas iespējas vienlaicīgi, atpazīt atkarības un identificēt modeļus, kas vairs nav vadāmi ar Cilvēkiem vairs nav saprotami.

Tomēr būtiskākais ir tas, ka portfelis nekļūst labāks tāpēc, ka tas tiek analizēts, bet tāpēc, ka par to tiek pieņemti labāki lēmumi.

Tāpēc mākslīgā intelekta faktiskā izmantošana portfelī nav saistīta ar retrospektīvu analīzi, bet gan perspektīvajā lēmumu pieņemšanā:

• Kādiem projektiem vispār vajadzētu būt portfelī?
• Kuras kombinācijas rada vislielāko kopējo ietekmi?
• Kādi projekti bloķē labākas alternatīvas?
• Kā mainās optimālais portfelis, mainoties budžetam vai mērķim?

Šajā brīdī kļūst skaidrs, kāpēc tradicionālās mākslīgā intelekta lietojumprogrammas sasniedz savas robežas. Tās sniedz Informāciju, bet ne ticamus lēmumus.

Tieši šeit nāk talkā StratePlan. Tā vietā, lai mākslīgo intelektu izmantotu tikai analīzēm, tas tiek izmantots kā Lēmumu risinātājs. Portfelis nav aprakstīts, bet tiek aprēķināts sistēmiski - saskaņā ar reāliem ierobežojumiem, piemēram, budžetu, laiku, resursiem un stratēģiskajiem ierobežojumiem Stratēģisko mērķu svērumi.

Tādējādi mākslīgais intelekts no novērotāja kļūst par aktīvu optimizētāju. Portfelis vairs nav rezultāts politisku sarunu rezultāts, bet gan aprēķināta ietekmes maksimizēšanas rezultāts.

Kā AI tiek izmantots portfeļa pārvaldībā?

Praksē mūsdienās AI portfeļu pārvaldībā tiek izmantots ļoti dažādi, bet bieži vien mazāk efektīvs, nekā varētu gaidīt.

Tipiski lietojumi ir šādi

• automatizēti pārskati un informācijas paneļi
• Izmaksu, ilguma vai risku prognozes
• Projektu grupēšana pēc īpašībām
• Agrīnās brīdināšanas sistēmas par novirzēm

Šīs lietojumprogrammas uzlabo pārredzamību un efektivitāti. Tomēr tās reti maina Pašu lēmuma rezultātu. Portfeļa pārvaldība joprojām ir apspriešanas, prioritāšu noteikšanas un pamatošanas, nevis aprēķināšanas process, Prioritāšu noteikšana un pamatošana, nevis aprēķināšana.

Tas ir tāpēc, ka portfeļa pārvaldība primāri nav informācijas problēma. Lielākajā daļā organizāciju šodien ir vairāk datu nekā jebkad agrāk. Trūkst tikai spējas no šiem datiem iegūt konsekventus, salīdzināmus un uzticamus lēmumus.

Galvenā problēma tradicionālajās portfeļa pārvaldības pieejās ir netiešā svēršana. Tiek ņemti vērā stratēģiskie mērķi, riski, laika grafiki un politiskie faktori, taču reti kad tiek ņemti vērā pārredzami un konsekventi.

Mākslīgais intelekts var dot reālu ieguldījumu šajā jomā tikai tad, ja tas:

• ļauj skaidri noteikt svērumus
• Matemātiski attēlo konfliktējošus mērķus
• Ne tikai novērtē alternatīvas, bet arī salīdzina tās

Tieši šajā punktā StratePlan būtiski atšķiras no klasiskā plāna Mākslīgā intelekta atbalstītu portfeļa pārvaldību. StratePlan neaizstāj komitejas, bet aizstāj Patvaļu ar aprēķiniem.

Portfeļa pārvaldnieks nosaka mērķus, prioritātes un ierobežojumus. StratePlan tos izmanto, lai aprēķinātu portfeļa konfigurāciju ar vislielāko kopējo ietekmi. Rezultāts nav rangs, bet optimizēta kombinācija - tostarp ieskats par to, kurus projektus vajadzētu mērķtiecīgi virzīt nevajadzētu īstenot.

Tādējādi mākslīgais intelekts kļūst par stratēģisku lēmumu pieņemšanas, nevis ziņošanas rīku.

Vai mākslīgais intelekts aizstās portfeļa pārvaldību?

Šis jautājums tiek uzdots bieži - un gandrīz vienmēr kļūdaini.

Mākslīgais intelekts neaizstāj portfeļa pārvaldību. Tas neaizstāj arī atbildību, vadību Vadību un stratēģisko inteliģenci. Tomēr mākslīgais intelekts aizstāj nepamatotus pieņēmumus, lineārus vienkāršojumus un politiski motivētu iluzoru loģiku.

Portfeļa pārvaldība sastāv no vairākiem līmeņiem:

• stratēģiskā mērķa noteikšana
• Pamatnostādņu un ierobežojumu noteikšana
• Risku, iespēju un laika izsvēršana
• Komunikācija un pārvaldība

Nevienu no šiem līmeņiem mākslīgais intelekts nevar vai nedrīkst aizstāt. Tie ir patiesi cilvēciski, atkarīgi no konteksta un saistīti ar atbildību.

Tomēr tas, ko AI var aizstāt, ir portfeļa pārvaldības daļa, kas ir bijusi obligāti ir neprecīza: sarežģītu alternatīvu novērtēšana, ņemot vērā daudzus vienlaicīgus vienlaicīgiem ierobežojumiem.

Pārsniedzot noteiktu sarežģītības līmeni, cilvēki vienkārši vairs nespēj pārraudzīt visas savu lēmumu sekas. Šeit sākas telpa, kur mākslīgais intelekts nevis aizstāj, bet papildina.

StratePlan ir izstrādāts tieši šai telpai. Tas neaizstāj portfeļa pārvaldību, bet pirmo reizi padara to aprēķināmu.

Atbildība paliek vadības ziņā. Tomēr atšķirība ir būtiska: Lēmumi vairs netiek tikai argumentēti, bet gan iepriekš matemātiski apstiprināti iepriekš apstiprināti. Tas ne tikai paaugstina ROI, bet arī pārvaldības kvalitāti un uzlabo vadības un un atbildības aizsardzību.

Tāpēc pareizā atbilde uz sākotnējo jautājumu ir šāda: Mākslīgais intelekts neaizstāj portfeļa pārvaldību - tas to profesionalizē.

Kādi ir mākslīgā intelekta lietojumi uzņēmumos?

Mākslīgā intelekta pielietojumu klāsts uzņēmumos ir plašs - un tas nepārtraukti pieaug. Tajā pašā laikā ir svarīgi skaidri nošķirt šos lietojumus, jo tie atšķirīgi darbības mehānismi.

Tipiskus mākslīgā intelekta lietojumus var aptuveni iedalīt četrās kategorijās:

1. Darbības automatizācija

Tās ietver tādas lietojumprogrammas kā:

• Tērzēšanas roboti un virtuālie asistenti
• automatizēta dokumentu apstrāde
• Procesu automatizācija back office

Šīs lietojumprogrammas palielina efektivitāti, samazina izmaksas un uzlabo mērogojamību. Tomēr to ietekme uz stratēģisko ROI parasti ir netieša un ierobežota.

2. Analīze un prognozēšana

Tās ietver

• Pieprasījuma, izmaksu vai risku prognozes
• Anomāliju noteikšana
• Prognozējoša apkope

Šīs lietojumprogrammas uzlabo pamatu lēmumu pieņemšanai, bet nepieņem lēmumus. Tās nodrošina ievaddatus, nevis optimizāciju.

3. Lēmumu pieņemšanas atbalsts

Šajā kategorijā sākas faktiskā stratēģiskā svira:

• Alternatīvu simulācija
• Scenāriju salīdzināšana
• Konfliktējošu mērķu izvērtēšana

Tomēr daudzas sistēmas paliek virspusējas un sniedz tikai lēmumu variantus, bez ticamiem ieteikumiem.

4. Lēmumu optimizācija

Šī ir visretāk izmantotā, bet visefektīvākā kategorija. Šajā gadījumā mākslīgais intelekts tiek izmantots, lai Aprēķināt un optimizēt lēmumus reālu ierobežojumu apstākļos.

StratePlan ietilpst tieši šajā kategorijā. Tā nav vispārēja AI lietojumprogramma, bet specializēts lēmumu pieņemšanas intelekts sarežģītai pārvaldībai un portfeļa pārvaldībai Portfeļa lēmumiem.

Atšķirība ir būtiska: lai gan daudzas mākslīgā intelekta sistēmas stāsta, kas ir iespējams, stratePlan parāda, kas ir optimāls.

Kopējais secinājums: Kāpēc StratePlan ir loģisks nākamais solis

Visi četri jautājumi galu galā noved pie viena un tā paša secinājuma: Mākslīgais intelekts atklāj savu lielāko vērtību nevis tur, kur tas paātrina procesus vai uzlabo pārskatus bet tur, kur tas padara lēmumus paredzamus.

Mūsdienās portfeļi, budžeti un stratēģijas ir tik sarežģīti, ka lineārie modeļi, semināri un instinkts sistemātiski neizdodas, Darbsemināri un instinkts sistemātiski cieš neveiksmi. Tā nav vadības problēma - bet matemātisks ierobežojums.

StratePlan šo robežu maina. Tas apvieno cilvēku stratēģiskās zināšanas ar algoritmisko lēmumu optimizāciju. Cilvēki nosaka mērķus un vadlīnijas. Sistēma aprēķina rezultātu.

INI netiek radīta projektā, bet gan lēmumu pieņemšanas telpā starp projektiem.

Tie, kas spēj aprēķināt šo telpu, ilgtspējīgi palielina ROI - nevis nejauši, bet gan pateicoties tam, ka sistēmiski.

Dr. Kadoshchuk nobeiguma vārdi

Mākslīgais intelekts sniedz vislielāko labumu portfelī, kur cilvēka intuīcija Intuīcija sasniedz savas matemātiskās robežas. Tiklīdz ir vairāki projekti, konfliktējoši mērķi, Ierobežojumi un atkarības, lēmumu pieņemšana kļūst par sarežģītu uzdevumu Aprēķinu problēma.

Tāpēc mākslīgais intelekts netiek izmantots, lai aizstātu lēmumus, bet lai tos padarītu aprēķināmus: projektu kombinācijas tiek sistemātiski sistemātiski izvērtē, prioritātes konsekventi optimizē un ietekmi pirmo reizi ir kvantitatīvi nosakāma.

Izšķirošais progress nav vairāk datos, bet gan tajos lēmumu pieņemšanas inteliģencē. Tie, kas sper šo soli, nepalielina ROI nevis nejauši, bet gan strukturāli.

Dr. Igor Kadoshchuk
Galvenais zinātnieks un lēmumu loģiķis

Kā mākslīgo intelektu var izmantot portfelim?