Przejdź do głównej zawartości Przejdź do wyszukiwania Przejdź do głównej nawigacji

Podejmowanie decyzji z wykorzystaniem sztucznej inteligencji – dlaczego obecnie konieczne jest obliczanie decyzji strategicznych

Streszczenie: Jakość decyzji zależy od przeanalizowanych alternatyw

W jaki sposób przedsiębiorstwa, zarządy i administracja publiczna mogą zapewnić, że spośród licznych możliwych działań faktycznie wybierają najlepszą kombinację pod względem ekonomicznym lub społecznym?

Strategiczne podejmowanie decyzji opiera się tradycyjnie na doświadczeniu, wiedzy fachowej, intuicji, analizach biznesowych, modelach w programie Excel oraz dyskusjach w gremiach kierowniczych.

Narzędzia te pozostają niezbędne. Napotykają one jednak praktyczne ograniczenia, gdy liczne inwestycje, projekty i działania jednocześnie konkurują o ograniczone zasoby.

Wyzwanie niekoniecznie polega na braku informacji lub kompetencji decyzyjnych.

Polega ono na matematycznej złożoności przestrzeni decyzyjnej.

Przedsiębiorstwo planujące 50 projektów inwestycyjnych stoi w uproszczonym modelu binarnym przed ponad bilionem możliwych kombinacji projektów.

Żadna rada nadzorcza, żadna komisja inwestycyjna ani żaden samorządowy organ decyzyjny nie jest w stanie w pełni przeanalizować tych alternatyw poprzez dyskusje lub ręczne porównania.

Dlatego kluczowe pytanie nie brzmi już wyłącznie:

„Które projekty są szczególnie ważne lub atrakcyjne ekonomicznie?”

Lecz:

„Która kombinacja wszystkich dostępnych projektów zapewnia najlepszy możliwy wynik ogólny w ramach naszych ograniczeń budżetowych, zasobów i strategii?”

Właśnie w tym miejscu wkracza oparta na sztucznej inteligencji matematyczna optymalizacja decyzji.

StratePlan łączy metody z zakresu badań operacyjnych z podejściami opartymi na sztucznej inteligencji, aby systematycznie analizować złożone portfele projektów i obliczać kombinacje zapewniające wysoką efektywność ekonomiczną.

Celem nie jest zastąpienie ludzkich decyzji, ale znacząca poprawa ich matematycznych podstaw.

1. Główny problem współczesnego podejmowania decyzji: decyzje indywidualne są decyzjami dotyczącymi portfela

W wielu organizacjach decyzje strategiczne nadal rozpatruje się w oderwaniu od całości.

Projekt inwestycyjny ocenia się na podstawie zwrotu z inwestycji. Działanie związane z cyfryzacją otrzymuje ocenę strategiczną. Projekt infrastruktury komunalnej jest traktowany priorytetowo w zależności od pilności.

Te indywidualne oceny są ważne.

Nie dają one jednak automatycznie odpowiedzi na pytanie, która kombinacja wszystkich działań zapewni najlepszy wynik ogólny.

Powód jest prosty: projekty konkurują ze sobą.

Wymagają one kapitału, personelu, czasu, możliwości technicznych oraz uwagi ze strony organizacji.

Gdy dane działanie zostanie wdrożone, zasoby na nie przeznaczone nie są już dostępne dla innych projektów.

W ten sposób powstają wzajemne zależności między poszczególnymi decyzjami.

Dlatego też pojedyncze projekty, które są najbardziej atrakcyjne pod względem ekonomicznym, niekoniecznie składają się na najlepszy pod względem ekonomicznym portfel projektów.

Na przykład projekt o wysokiej indywidualnej stopie zwrotu może pochłonąć tyle kapitału, że nie będzie już możliwe sfinansowanie kilku innych projektów o wyższej łącznej wartości dodanej netto.

Dlatego strategiczne podejmowanie decyzji musi odbywać się na poziomie portfela.

Kluczowe pytanie dla kierownictwa brzmi:

Która kombinacja dostępnych nam działań przynosi, w ramach istniejących ograniczeń, największy łączny wkład ekonomiczny lub społeczny?

2. Dlaczego przestrzeń decyzyjna rośnie wykładniczo: zasada matematyczna 2^N

Liczba możliwych kombinacji projektów nie rośnie liniowo wraz z liczbą projektów.

W uproszczonym binarnym modelu decyzyjnym każdy projekt może zostać zrealizowany lub nie.

W przypadku N niezależnie wybieranych projektów teoretycznie powstaje 2^N możliwych kombinacji.

Skala tego zjawiska staje się wyraźna już przy stosunkowo niewielkiej liczbie projektów:

  • 7 projektów: 2^7 = 128 kombinacji
  • 10 projektów: 2^10 = 1 024 kombinacje
  • 20 projektów: 2^20 = 1 048 576 kombinacji
  • 30 projektów: 2^30 = 1 073 741 824 kombinacji
  • 40 projektów: 2^40 = 1 099 511 627 776 kombinacji
  • 50 projektów: 2^50 = 1 125 899 906 842 624 kombinacji
  • 100 projektów: 2^100 = około 1,27 × 10^30 kombinacji

W przypadku 50 projektów istnieje zatem około 1,126 biliardów teoretycznie możliwych kombinacji projektów.

Nie każda kombinacja jest dopuszczalna ze względu na ograniczenia budżetowe, ograniczenia zasobów lub zależności między projektami.

Niemniej jednak skala tego zjawiska pokazuje, dlaczego klasyczne procedury decyzyjne mogą uwzględniać jedynie ograniczony wycinek całej przestrzeni rozwiązań.

Prawdziwym wyzwaniem nie jest indywidualna ocena 50 projektów. Polega ono na określeniu najlepszej możliwej kombinacji tych 50 projektów.

3. Dlaczego samo doświadczenie, intuicja i organy zarządzające nie wystarczą

Doświadczenie i wiedza fachowa stanowią istotne podstawy dobrego zarządzania przedsiębiorstwem.

Pomagają one w ocenie ryzyka, formułowaniu celów strategicznych oraz krytycznej analizie założeń ekonomicznych.

Jednak ludzka zdolność podejmowania decyzji ma swoje matematyczne ograniczenia.

Zarząd może analizować poszczególne projekty inwestycyjne, omawiać ich zalety i wady oraz porównywać różne scenariusze.

Nie jest jednak w stanie w pełni zbadać milionów czy miliardów różnych kombinacji projektów.

W praktyce często stosuje się zatem uproszczenia:

  • projekty są sortowane według poszczególnych wskaźników.
  • Tylko te działania, które uznaje się za najważniejsze, są analizowane bardziej szczegółowo.
  • Alternatywne kombinacje projektów są tworzone ręcznie.
  • Budżety inwestycyjne są rozdzielane na poszczególne obszary działalności.
  • Priorytety strategiczne ustala się poprzez przypisanie wag lub decyzje organów decyzyjnych.

Takie podejście może być uzasadnione i konieczne z organizacyjnego punktu widzenia.

Nie gwarantują one jednak, że wybrana kombinacja projektów zapewni maksymalny możliwy łączny wkład.

W przypadku złożonych portfeli ograniczenia ludzkiego procesu decyzyjnego nie wynikają przede wszystkim z braku wiedzy, ale z ograniczonej zdolności do porównywania ze sobą wykładniczo rosnącej liczby alternatyw.

Optymizacja matematyczna uzupełnia zatem ludzkie kompetencje decyzyjne o systematyczną analizę przestrzeni rozwiązań.

4. Prosty przykład: dlaczego najlepsza decyzja indywidualna nie jest najlepszą decyzją ogólną

Przedsiębiorstwo dysponuje budżetem inwestycyjnym w wysokości 10 milionów euro.

Do wyboru są trzy projekty.

Projekt Inwestycja Wartość dodana netto
Projekt A 7 mln € 4 mln €
Projekt B 5 mln € 3 mln €
Projekt C 5 mln € 3 mln €

Projekt A ma najwyższy indywidualny wkład netto.

W przypadku wyboru projektu A w budżecie pozostaje 3 miliony euro. Kwota ta nie wystarczy na realizację żadnego z pozostałych projektów.

Całkowita wartość dodana netto wynosi zatem 4 mln euro.

Jednak analiza matematyczna możliwych kombinacji wskazuje na lepszą ekonomicznie alternatywę.

Projekty B i C wymagają łącznie 10 milionów euro i generują łączną wartość dodaną netto w wysokości 6 milionów euro.

Zakładając, że projekty są niezależne i nie ma żadnych innych ograniczeń, kombinacja B + C jest optymalna pod kątem maksymalizacji wkładu wartości netto.

Ta zoptymalizowana matematycznie kombinacja projektów generuje zatem o 50% wyższy wkład wartości netto w porównaniu z pierwotnym wyborem.

Przedsiębiorstwo nie potrzebuje do tego żadnego dodatkowego kapitału inwestycyjnego.

Wystarczy jedynie wybrać inną kombinację istniejących projektów.

Ten przykład pokazuje: pojedyncza decyzja, która ma sens z ekonomicznego punktu widzenia, może jednak na poziomie portfela być nieoptymalna.

5. Podejmowanie decyzji z wykorzystaniem sztucznej inteligencji: od ustalania priorytetów do optymalizacji matematycznej

Podejmowanie decyzji wspomagane przez sztuczną inteligencję może służyć różnym celom.

Na przykład generatywna sztuczna inteligencja wspiera analizę informacji, formułowanie propozycji decyzji lub podsumowywanie złożonych zagadnień.

Modele prognostyczne pozwalają oszacować przyszłe trendy.

Z kolei matematyczna optymalizacja decyzji ma inny cel.

Badają one, która kombinacja dostępnych alternatywnych działań w ramach określonych ograniczeń najlepiej spełnia określoną funkcję celu.

W tym celu zadanie decyzyjne opisuje się jako model matematyczny.

Typowe elementy to:

  • Zmienne decyzyjne: które projekty zostaną zrealizowane?
  • Funkcja celu: Jaki całkowity wkład gospodarczy lub społeczny należy zmaksymalizować?
  • Ograniczenia budżetowe: ile kapitału jest dostępne?
  • Ograniczenia dotyczące zasobów: Jakie zasoby kadrowe i techniczne są dostępne?
  • Zależności między projektami: Jakie działania muszą być realizowane wspólnie lub w określonej kolejności?
  • Wytyczne strategiczne: Jakie projekty lub cele efektów należy uwzględnić?

Na podstawie tych danych powstaje kombinatoryczny problem optymalizacji.

Odpowiednie algorytmy przeszukują lub analizują matematyczną przestrzeń rozwiązań i określają wydajne, dopuszczalne kombinacje projektów.

W zależności od struktury problemu i zastosowanej metody można znaleźć rozwiązanie, które jest udowodnionym rozwiązaniem globalnym lub rozwiązaniem w przybliżeniu optymalnym.

Nie jest do tego zasadniczo konieczne przeprowadzanie pełnych obliczeń wszystkich 2^N kombinacji.

Decydującym postępem jest matematyczna analiza złożonych decyzji dotyczących portfela zamiast wyłącznie ręcznego porównywania nielicznych, wybranych scenariuszy.

6. Jak StratePlan matematycznie optymalizuje decyzje strategiczne

StratePlan został opracowany w celu analizowania złożonych portfeli inwestycyjnych i projektowych przy użyciu matematycznych metod optymalizacji.

Technologia ta łączy podejścia z zakresu badań operacyjnych z metodami opartymi na sztucznej inteligencji w celu efektywnego wyszukiwania wydajnych kombinacji projektów.

Do stworzenia podstawowego modelu optymalizacji ekonomicznej potrzebne są początkowo tylko trzy dane dla każdego projektu:

  1. ID projektu: jednoznaczna identyfikacja projektu
  2. Wydatki: planowane wydatki lub inwestycje
  3. Przychody: oczekiwane przychody lub zwroty ekonomiczne

Dodatkowo określa się dostępny budżet inwestycyjny.

Dane można na przykład przejąć z istniejących planów inwestycyjnych w formacie Excel.

StratePlan analizuje możliwe kombinacje projektów i oblicza skład portfela zgodnie z wybraną funkcją celu.

W przypadku opcji „Maximize Net Contribution” głównym celem jest maksymalizacja całkowitej oczekiwanej wartości dodanej netto.

Dodatkowo jako wskaźnik ekonomiczny można przedstawić zwrot z inwestycji (ROI) portfela.

Rozszerzone modele mogą uwzględniać dodatkowe ograniczenia i parametry wyceny:

  • zależności między projektami
  • Wagi strategiczne
  • Ograniczenia dotyczące zasobów i zdolności produkcyjnych
  • Wieloletnie budżety inwestycyjne
  • Ograniczenia czasowe
  • Kryteria ryzyka i zrównoważonego rozwoju

Wynikiem nie jest zwykła lista rankingowa poszczególnych projektów, lecz obliczona matematycznie kombinacja projektów w ramach określonych warunków ramowych.

W ten sposób StratePlan uzupełnia strategiczny proces decyzyjny o poziom optymalizacji matematycznej.

7. Na żywo podczas posiedzenia zarządu: natychmiastowe obliczanie scenariuszy strategicznych

Matematyczna optymalizacja decyzji staje się szczególnie cenna, gdy jest stosowana bezpośrednio podczas posiedzeń kierownictwa i zarządu.

Wyobraźmy sobie koncern przemysłowy z 100 planowanymi projektami inwestycyjnymi.

Suma wszystkich planowanych inwestycji przekracza dostępny budżet CAPEX.

Kierownictwo musi zdecydować, które projekty zostaną zrealizowane.

StratePlan najpierw oblicza zoptymalizowaną kombinację projektów na podstawie istniejących założeń ekonomicznych.

Następnie podczas posiedzenia zarządu można przeanalizować różne scenariusze.

Scenariusz A: maksymalny łączny wkład ekonomiczny

Dyrektor finansowy pyta:

„Która kombinacja naszych planowanych inwestycji zapewni najwyższy oczekiwany wkład netto przy obecnym budżecie CAPEX?”

StratePlan oblicza odpowiednią kombinację projektów.

Kierownictwo otrzymuje przegląd wybranych projektów, niezbędnego nakładu kapitałowego oraz oczekiwanej całkowitej wartości ekonomicznej.

Scenariusz B: Zmniejszony budżet inwestycyjny

Prezes zadaje pytanie:

„Co się stanie, jeśli będziemy musieli zmniejszyć nasz budżet inwestycyjny o 15 %?”

Ograniczenie budżetowe zostaje dostosowane.

StratePlan ponownie oblicza portfel.

Kierownictwo może sprawdzić, które projekty zostaną wycofane i jak zmieni się oczekiwany wkład netto.

Scenariusz C: Obowiązkowe uwzględnienie projektów strategicznych

Kolejny członek zarządu pyta:

„Jak zmieni się nasz optymalny zestaw projektów, jeśli konieczne będzie wdrożenie określonych inwestycji strategicznych?”

Odpowiednie projekty są uwzględniane jako wiążące ograniczenia.

Portfel zostaje ponownie zoptymalizowany.

Porównanie pokazuje, jakie skutki ekonomiczne powoduje dodatkowe założenie strategiczne w ramach modelu.

Scenariusz D: Dodatkowy kapitał inwestycyjny

Dyrektor finansowy chce wiedzieć:

„Jaki dodatkowy wkład ekonomiczny moglibyśmy osiągnąć, gdybyśmy zwiększyli nasz budżet CAPEX o kolejne 20 milionów euro?”

Budżet zostaje skorygowany i przeprowadzane są nowe obliczenia.

Kierownictwo może porównać modelowaną dodatkową wartość dodaną z wymaganym nakładem kapitałowym.

Scenariusz E: Zmiana priorytetów strategicznych

Zarząd pyta:

„Jak zmieni się nasz portfel, jeśli przypiszemy większą wagę cyfryzacji, efektywności energetycznej lub określonym obszarom wzrostu?”

Odpowiednie parametry zostaną dostosowane.

StratePlan oblicza nową kombinację projektów i umożliwia porównanie z poprzednimi scenariuszami.

Zmiana budżetu. Dostosowanie wytycznych strategicznych. Ponowne obliczenie portfela. Porównanie skutków ekonomicznych.

W ten sposób statyczne planowanie inwestycji staje się dynamiczną podstawą decyzji strategicznych.

8. Podejmowanie decyzji ex ante: określenie najlepszej kombinacji przed wdrożeniem

Tradycyjne zarządzanie przedsiębiorstwem często koncentruje się na późniejszej ocenie już podjętych decyzji.

Controlling analizuje przychody, EBIT, ROI, zwrot z kapitału oraz odchylenia budżetowe.

Wskaźniki te pokazują, jakie wyniki ekonomiczne zostały osiągnięte.

Nie odpowiadają one jednak automatycznie na pytanie, czy inna kombinacja projektów okazałaby się bardziej skuteczna.

Matematyczna optymalizacja ex ante rozpoczyna się zatem jeszcze przed zaangażowaniem kapitału.

Analizuje ona, która kombinacja planowanych działań w ramach dostępnych zasobów przyniesie najwyższy oczekiwany całkowity wkład.

Zmiana perspektywy ma fundamentalne znaczenie.

Ex post: „Jak skuteczna była nasza decyzja?”

Ex ante: „Która decyzja, zgodnie z naszymi założeniami, zapowiada najlepszy wynik ogólny?”

Dzięki matematycznej optymalizacji portfela przedsiębiorstwa mogą porównać alternatywne kombinacje projektów jeszcze przed ich wdrożeniem.

Może to pomóc w ograniczeniu nieefektywnej alokacji zasobów oraz w uwidocznieniu niewykorzystanego potencjału tworzenia wartości.

Jakość decyzji strategicznych nie jest zatem oceniana dopiero po ich wdrożeniu, lecz jest systematycznie analizowana już w trakcie procesu decyzyjnego.

9. Koszty alternatywne: Ile kosztuje decyzja, która nie jest optymalna?

Każda decyzja inwestycyjna wiąże się z zaangażowaniem kapitału i zasobów.

Kapitał ten nie jest już następnie dostępny dla innych projektów.

Powoduje to powstanie kosztów alternatywnych.

Opisują one utracone korzyści wynikające z najlepszej, ale niewybranej alternatywy.

Przedsiębiorstwo może wybierać projekty atrakcyjne pod względem ekonomicznym, a mimo to nie wykorzystywać znacznego dodatkowego wkładu wartości.

Matematyczna optymalizacja portfela pozwala porównać pierwotnie zaplanowany portfel inwestycyjny z optymalną kombinacją projektów.

W tym celu można porównać między innymi następujące wskaźniki:

  • Całkowite zapotrzebowanie inwestycyjne
  • Oczekiwany wkład netto
  • Zwrot z inwestycji w portfelu
  • Wybrane i niewybrane projekty
  • Pozostałe rezerwy budżetowe
  • Różnice ekonomiczne między alternatywnymi portfelami

Różnica między wynikami modelowania wskazuje, jaki potencjał poprawy ekonomicznej istnieje przy przyjętych założeniach.

Jeśli globalne optimum zostało matematycznie udowodnione, odległość wybranej kombinacji projektów od tego optimum można dokładnie określić w ramach modelu.

W przypadku rozwiązań zbliżonych do optymalnych najpierw obliczana jest różnica w stosunku do najlepszego znalezionego rozwiązania.

Kluczową wartością dodaną jest uwidocznienie ewentualnych ekonomicznych wad decyzji dotyczącej portfela jeszcze przed jej wdrożeniem.

10. Analiza wrażliwości: Jak odporna jest decyzja zoptymalizowana matematycznie?

Decyzje strategiczne opierają się na założeniach dotyczących przyszłych wydarzeń.

Koszty inwestycji mogą wzrosnąć. Oczekiwane przychody mogą okazać się niższe. Zasoby mogą stać się bardziej ograniczone. Priorytety strategiczne mogą ulec zmianie.

Dlatego optymalizacja matematyczna nie powinna uwzględniać wyłącznie jednego scenariusza.

Poprzez celowe zmiany parametrów wejściowych można symulować różne scenariusze rozwoju sytuacji ekonomicznej.

Typowe pytania to:

  • Które projekty pozostaną w portfelu nawet przy zmniejszonym budżecie?
  • Które inwestycje są szczególnie wrażliwe na rosnące koszty?
  • Jak zmienia się wkład netto przy niższych prognozach przychodów?
  • Jaka kombinacja projektów powstaje w przypadku zmiany strategicznych priorytetów?
  • Które działania pozostają atrakcyjne ekonomicznie w różnych scenariuszach?

Te analizy wrażliwości mogą pokazać, na ile obliczona kombinacja projektów pozostaje stabilna w zmienionych warunkach ramowych.

Dobra decyzja strategiczna uwzględnia zatem nie tylko najlepszy wynik przy jednym założeniu, ale także skutki ewentualnych zmian.

11. Przykład z praktyki: teren Klybeck w Bazylei – o około 63% wyższy zwrot z kapitału

Potencjał ekonomiczny, jaki może uwolnić matematyczna optymalizacja portfela, ilustruje przykład StratePlan dotyczący terenu Klybeck w Bazylei.

W ramach optymalizacji portfela dla spółek Central Real Estate AG i Swiss Life AG przeprowadzono matematyczną analizę istniejących alternatyw inwestycyjnych i projektowych.

Wynik uzyskany w modelu:

  • Pierwotna stopa zwrotu z kapitału: 7,0 %
  • Zoptymalizowany zwrot z kapitału: 11,4 %
  • Względna poprawa stopy zwrotu: około 63 %
  • Dodatkowy, oszacowany w modelu wkład w wartość ekonomiczną: około 30 milionów CHF

Poprawę tę oszacowano na podstawie zmienionej kombinacji istniejących alternatyw inwestycyjnych przy niezmienionym budżecie.

Wyniki te, odnoszące się konkretnie do tego projektu, nie stanowią ogólnej gwarancji stopy zwrotu.

Główny wniosek: wyższy całkowity wkład ekonomiczny można osiągnąć już dzięki lepszej kombinacji istniejących alternatyw inwestycyjnych – bez dodatkowego budżetu inwestycyjnego.

12. Podejmowanie decyzji z wykorzystaniem sztucznej inteligencji w przedsiębiorstwach i administracji publicznej

Matematyczna optymalizacja decyzji ma znaczenie wszędzie tam, gdzie liczne działania konkurują o ograniczone zasoby finansowe lub operacyjne.

Przemysł i strategiczne planowanie nakładów inwestycyjnych (CAPEX)

Inwestycje w maszyny, moce produkcyjne, projekty automatyzacji i rozbudowa zakładów muszą być wybierane w ramach wspólnych budżetów inwestycyjnych.

Matematyczna optymalizacja portfela może pomóc w identyfikacji bardziej efektywnych ekonomicznie kombinacji tych działań.

Cyfryzacja i transformacja oparta na sztucznej inteligencji

Przedsiębiorstwa często dysponują wieloma potencjalnymi projektami z zakresu sztucznej inteligencji i cyfryzacji.

Głównym wyzwaniem jest wybór tych działań, które łącznie przyniosą największy wkład ekonomiczny w ramach dostępnych zasobów.

Nieruchomości

Projekty deweloperskie, renowacje, modernizacje i inwestycje lokalizacyjne można zoptymalizować w ramach wspólnego budżetu kapitałowego.

Wybór poszczególnych projektów wpływa przy tym na możliwości finansowania całego portfela.

Energia i infrastruktura

Projekty energetyczne, inwestycje w sieci, działania na rzecz efektywności energetycznej oraz modernizacje infrastruktury często wymagają długoterminowego zaangażowania kapitałowego.

Optymalizacja matematyczna może pomóc w porównaniu różnych kombinacji inwestycyjnych przy uwzględnieniu ograniczeń ekonomicznych i technicznych.

Gminy i budżety publiczne

Miasta i gminy muszą sfinansować liczne przedsięwzięcia inwestycyjne w ramach ograniczonych środków budżetowych.

Szkoły, drogi, budynki administracyjne, infrastruktura i placówki socjalne konkurują o te same środki publiczne.

Wyzwaniem jest pogodzenie ograniczeń finansowych z priorytetami politycznymi, zobowiązaniami prawnymi i celami społecznymi.

Matematyczna optymalizacja portfela pozwala w tym przypadku obliczyć różne kombinacje działań i uwidocznić skutki zmian w założeniach budżetowych i wagach.

Wspólne pytanie brzmi: która kombinacja dostępnych działań zapewnia największy całkowity wkład gospodarczy lub społeczny w określonych warunkach ramowych?

13. Symulacja budżetu i równoczesna optymalizacja gminnych programów inwestycyjnych

Szczególnie interesujące jest połączenie matematycznej optymalizacji portfela z symulacją budżetów publicznych.

Decydenci samorządowi regularnie stają przed wyzwaniem sfinansowania licznych planów inwestycyjnych przy ograniczonych środkach budżetowych.

Przykład:

Miasto dysponuje budżetem inwestycyjnym w wysokości 81 milionów euro.

Jednocześnie do wyboru jest 50 zaplanowanych projektów o łącznym zapotrzebowaniu inwestycyjnym wynoszącym 220 milionów euro.

Kluczowe pytanie nie dotyczy wyłącznie tego, które projekty wydają się szczególnie ważne z politycznego lub merytorycznego punktu widzenia.

Która kombinacja tych 50 projektów przyniesie największą określoną korzyść ekonomiczną lub społeczną w ramach dostępnego budżetu?

W przypadku 50 decyzji dotyczących poszczególnych projektów teoretycznie powstaje 2^50 = 1 125 899 906 842 624 możliwych kombinacji.

Matematyczna optymalizacja portfela pozwala zbadać różne dopuszczalne kombinacje projektów w ramach określonych ograniczeń budżetowych i dotyczących efektów.

Dzięki równoczesnej symulacji budżetowej można uwzględnić zmieniające się warunki ramowe w zakresie finansów.

Na przykład:

  • Jak zmienia się optymalny wybór projektów w przypadku zmniejszonego budżetu inwestycyjnego?
  • Jakie dodatkowe projekty można by sfinansować przy wyższych dochodach?
  • Jakie skutki gospodarcze lub społeczne wynikają z wiążących projektów politycznych?
  • Jak zmienia się portfel projektów w przypadku większego nacisku na edukację, infrastrukturę lub ochronę klimatu?
  • Która kombinacja projektów zapewnia najwyższą modelowaną korzyść całkowitą w ramach dostępnego budżetu?

Wyniki zależą od jakości danych wejściowych oraz definicji celów gospodarczych lub społecznych.

Połączenie symulacji budżetowej z matematyczną optymalizacją portfela może pomóc decydentom politycznym w przejrzystym porównaniu alternatywnych pakietów środków oraz w systematycznej analizie wpływu ograniczonych środków budżetowych.

14. Od Business Intelligence do Decision Intelligence

Business Intelligence zajmuje się głównie analizą rozwoju gospodarczego organizacji.

Co się wydarzyło? Które wskaźniki KPI uległy zmianie? Gdzie występują odchylenia od planu?

Decision Intelligence rozszerza tę perspektywę o systematyczne wsparcie przyszłych decyzji.

Jakie alternatywy są dostępne? Jakie ograniczenia obowiązują? Która kombinacja projektów najlepiej spełnia zdefiniowane cele?

StratePlan uzupełnia istniejące systemy ERP, controllingu i Business Intelligence o poziom optymalizacji matematycznej.

Niezbędne dane projektowe można początkowo udostępnić za pomocą prostych arkuszy kalkulacyjnych Excel.

Dzięki temu przedsiębiorstwa i instytucje publiczne mogą wykorzystać istniejące plany inwestycyjne jako punkt wyjścia do systematycznej optymalizacji portfela.

Decydująca różnica polega na tym, że nie tylko mierzy się ekonomiczne skutki już podjętych decyzji, ale także matematycznie analizuje się alternatywne decyzje przed ich wdrożeniem.

15. Wniosek: Decyzje strategiczne wymagają podstaw matematycznych

Proces podejmowania decyzji strategicznych staje się coraz bardziej złożony wraz ze wzrostem liczby projektów i ograniczeń.

Doświadczenie, wiedza fachowa i kompetencje menedżerskie pozostają niezbędne.

Jednak same w sobie nie wystarczą do systematycznej analizy wykładniczo rosnącej liczby wariantów decyzyjnych.

Już przy 50 projektach powstaje ponad jeden biliard teoretycznie możliwych kombinacji.

Dlatego też izolowana ocena poszczególnych projektów nie daje automatycznie odpowiedzi na pytanie o najlepszy możliwy portfel ogółem.

Matematyczna optymalizacja decyzji umożliwia analizę złożonych portfeli inwestycji i działań z uwzględnieniem celów ekonomicznych, dostępnych budżetów i zdefiniowanych ograniczeń.

W tym celu StratePlan łączy metody z zakresu badań operacyjnych z podejściami opartymi na sztucznej inteligencji.

Dzięki temu przedsiębiorstwa, zarządy i decydenci publiczni mogą obliczać alternatywne kombinacje projektów, porównywać różne scenariusze oraz identyfikować niewykorzystany potencjał gospodarczy lub społeczny.

Kluczowe pytanie nie brzmi już: Które projekty uważamy za najlepsze?

Ale: Która kombinacja naszych dostępnych projektów zapewnia najlepszy możliwy wynik ogólny w danych warunkach ramowych?

Właśnie tutaj zaczyna się przejście od klasycznego ustalania priorytetów projektów do matematycznej optymalizacji decyzji.

StratePlan – te same projekty. Ten sam budżet. Optymalna kombinacja. Lepszy wynik.

FAQ – Podejmowanie decyzji z wykorzystaniem sztucznej inteligencji

Co konkretnie oznacza podejmowanie decyzji z wykorzystaniem sztucznej inteligencji?

Podejmowanie decyzji z wykorzystaniem sztucznej inteligencji opisuje zastosowanie systemów algorytmicznych do wspierania złożonych decyzji.

W dziedzinie matematycznej optymalizacji portfela dostępne alternatywne działania, cele ekonomiczne i ograniczenia są analizowane w ramach jednego wspólnego modelu.

Celem jest zidentyfikowanie możliwie najskuteczniejszej, dopuszczalnej kombinacji działań.

Czym różni się podejmowanie decyzji z wykorzystaniem sztucznej inteligencji od klasycznych analiz?

Klasyczne procesy decyzyjne często polegają na porównywaniu pojedynczych projektów lub kilku przygotowanych scenariuszy.

Natomiast matematyczna optymalizacja portfela bada kombinację różnych działań w ramach wspólnych ograniczeń budżetowych i zasobowych.

Dzięki temu można dostrzec bardziej atrakcyjne ekonomicznie alternatywy, które pozostają pominięte przy analizie wyłącznie pojedynczych projektów.

Co oznacza 2^N w kontekście decyzji strategicznych?

2^N opisuje liczbę teoretycznie możliwych kombinacji przy N niezależnych decyzjach binarnych.

Każdy projekt może zostać wybrany lub odrzucony.

W przypadku 20 projektów daje to 2^20 = 1 048 576 możliwych kombinacji.

W przypadku 50 projektów powstaje 2^50 = 1 125 899 906 842 624 możliwych kombinacji.

Rzeczywista liczba dopuszczalnych kombinacji zależy od zdefiniowanych ograniczeń.

Czy sztuczna inteligencja musi rzeczywiście obliczać wszystkie 2^N kombinacji pojedynczo?

Nie.

Nowoczesne matematyczne metody optymalizacji pozwalają efektywnie badać duże przestrzenie decyzyjne bez konieczności pełnej analizy każdej teoretycznie możliwej kombinacji z osobna.

To, które metody są odpowiednie, zależy od struktury matematycznej problemu oraz zdefiniowanych warunków brzegowych.

Czy sztuczna inteligencja może obliczyć globalne optimum decyzji?

W przypadku odpowiednich modeli matematycznych i metod optymalizacji można obliczyć i wykazać optimum globalne.

W przypadku szczególnie złożonych problemów można również zastosować rozwiązania przybliżone.

Stwierdzenie dotyczące jakości rozwiązania musi zatem być zgodne z zastosowaną metodą i dostępnym dowodem optymalności.

Czy sztuczna inteligencja zastępuje decyzje kierownictwa?

Nie.

Kierownictwo określa cele ekonomiczne i strategiczne, ustala ograniczenia oraz ocenia wyniki.

Optymalizacja matematyczna wspierana przez sztuczną inteligencję dostarcza dodatkowych podstaw do podejmowania decyzji.

Ostateczna odpowiedzialność spoczywa na właściwych kadrach kierowniczych lub decydentach politycznych.

Do jakich decyzji szczególnie nadaje się matematyczna sztuczna inteligencja?

Jest ona szczególnie przydatna w przypadku złożonych decyzji dotyczących portfela, obejmujących liczne konkurujące ze sobą projekty i ograniczone zasoby.

Typowe obszary zastosowań to planowanie nakładów inwestycyjnych (CAPEX), portfele cyfryzacji, przypadki użycia sztucznej inteligencji, inwestycje przemysłowe, projekty nieruchomościowe, programy energetyczne oraz planowanie budżetu gminnego.

Co oznacza podejmowanie decyzji ex ante?

„Ex ante” oznacza analizę decyzji przed jej wdrożeniem.

W przypadku matematycznej optymalizacji portfela oblicza się alternatywne kombinacje projektów, zanim zostanie zaangażowany kapitał lub rozpoczęte działania.

Dzięki temu można wcześnie dostrzec skutki ekonomiczne różnych decyzji.

Jak wiarygodne są wyniki decyzji opartych na sztucznej inteligencji?

Jakość wyników zależy od danych wejściowych, definicji funkcji celu, modelowania ograniczeń oraz zastosowanej metody optymalizacji.

Optymalizacja matematyczna umożliwia powtarzalne i zrozumiałe obliczenia.

Analizy wrażliwości mogą dodatkowo pokazać, jak zmieniają się wyniki przy zmianie założeń.

Czy podejmowanie decyzji oparte na sztucznej inteligencji ma sens tylko w przypadku dużych koncernów?

Nie.

Również średnie przedsiębiorstwa, gminy i inne organizacje mogą czerpać korzyści z matematycznej optymalizacji portfela.

Decydujące znaczenie ma nie tylko wielkość organizacji, ale także złożoność decyzji oraz liczba konkurencyjnych działań.

Jakie dane są potrzebne StratePlan do wstępnych obliczeń?

Aby stworzyć podstawowy model optymalizacji ekonomicznej, na początku potrzebne są trzy informacje dotyczące każdego projektu:

  • ID projektu
  • Wydatki – planowane wydatki
  • Przychody – oczekiwane przychody lub zwroty ekonomiczne

Dodatkowo należy określić dostępny budżet inwestycyjny.

Bardziej złożone modele mogą uwzględniać dodatkowe ograniczenia i parametry oceny.

Czy StratePlan może symulować różne scenariusze budżetowe?

Tak. Różne limity budżetowe można modelować jako alternatywne scenariusze.

Dzięki temu można zbadać, jaka kombinacja projektów zostanie wybrana przy niższym lub wyższym budżecie inwestycyjnym oraz jak zmienia się oczekiwany całkowity wkład ekonomiczny.

Jaka jest różnica między ustalaniem priorytetów projektów a optymalizacją portfela?

Priorytetyzacja projektów polega na ustaleniu kolejności poszczególnych działań.

Optymalizacja portfela pozwala sprawdzić, która kombinacja tych działań przy określonych ograniczeniach zapewnia najlepszy wynik ogólny.

Najlepszy ranking nie jest zatem automatycznie najlepszym portfelem projektów.

Jaki jest najważniejszy wniosek dla dyrektorów generalnych, dyrektorów finansowych i decydentów publicznych?

Złożone decyzje strategiczne nie powinny opierać się wyłącznie na ocenie poszczególnych projektów lub kilku ręcznie wybranych scenariuszy.

Matematyczna optymalizacja portfela umożliwia systematyczną analizę alternatywnych kombinacji projektów, tworząc w ten sposób dodatkową podstawę do podejmowania przemyślanych decyzji.

Sztuczna inteligencja nie zastępuje odpowiedzialności. Może jednak pomóc w uwidocznieniu lepszych alternatyw działania pod względem ekonomicznym lub społecznym.

Która kombinacja Państwa projektów zapewnia najlepszy wynik?

Sprawdź, która kombinacja planowanych projektów inwestycyjnych może przynieść najwyższą oczekiwaną wartość netto w ramach dostępnego budżetu.

Zacznij od własnych danych projektowych i porównaj matematycznie zoptymalizowane scenariusze inwestycyjne.

Możesz bezpłatnie zoptymalizować do 15 projektów.

Zoptymalizuj teraz bezpłatnie do 15 projektów →

Koniec zgadywania w przypadku wielomilionowych inwestycji

Podejmuj decyzje biznesowe i inwestycyjne już teraz
Sprawdź potencjał inwestycyjny

Zbyt wiele projektów, zbyt mały budżet

Oblicz więcej projektów z tym samym budżetem
Analiza potencjału budżetowego
Zapisz się do newslettera
Ochrona danych
Wybierając kontynuuj potwierdzasz, że przeczytałeś nasze i zaakceptowałeś nasze .
Pola oznaczone gwiazdką (*) są polami obowiązkowymi.