Вы принимаете инвестиционные решения, но не составляете оптимальный портфель.

Вы можете получить более высокую прибыль от существующих проектов.

Мы рассчитаем оптимальный сценарий - до того, как вы примете решение.

Бесплатно. Без обязательств. На основе ваших существующих проектов.

Те же проекты. Разные комбинации. Больше результатов.

StratePlan рассчитывает оптимальный портфель там, где традиционные инструменты достигают своего предела.

Вместо того чтобы оценивать проекты по отдельности, мы анализируем все возможные комбинации - и определяем наилучшее решение.

Глобальный оптимум - это не предположение, его можно рассчитать.

Выберите область бизнеса:

Рассчитайте глобальный оптимум - прежде чем принимать решение.

Миллионы решений основаны на предположениях - даже если их можно рассчитать.

Начните бесплатный первоначальный расчет

Новые перспективы управления государственными инвестициями.

Обоснованные решения о государственных инвестициях - на основе полных расчетов.

Начните бесплатный первоначальный расчет

Ваш портфель приносит доход, но не максимальный

Сколько прибыли вы сейчас отдаете? Рассчитайте оптимальный портфель по всем объектам недвижимости одновременно.

Начните бесплатный анализ портфеля

Ваш фонд работает, но не в оптимальном режиме

Вы не теряете сделки - вы теряете альфу между сделками. Что, если бы ваш портфель мог делать на 20-40 % больше?

Начните бесплатный анализ портфеля

Основная статья блога:

Вычисление глобального максимума с помощью искусственного интеллекта

27 марта 2026 г.

Почему управление портфелем проектов на основе искусственного интеллекта структурно обгоняет традиционные решения

Краткое резюме

Ежегодно компании инвестируют миллиарды в проекты, программы и преобразования. Тем не менее, на практике наблюдается повторяющаяся картина:

Проблема заключается не в отдельных проектах, а в их сочетании.

Традиционное управление портфелем проектов (PPM) структурирует, расставляет приоритеты и создает прозрачность. Однако обычно оно не позволяет систематически рассчитывать глобально оптимизированный портфель проектов.

С увеличением количества проектов пространство решений растет в геометрической прогрессии:

10 проектов → 1 024 комбинации
20 проектов → более 1 миллиона комбинаций
30 проектов → более 1 миллиарда комбинаций
50 проектов → ~1,125 квадриллиона комбинаций

Такой порядок величины неуправляем для обычных методов.

Именно здесь на помощь приходит комбинаторная оптимизация с поддержкой ИИ: Она превращает управление портфелем проектов из процесса структурирования в систему принятия решений, которая заранее рассчитывает глобальный максимум.

1. Структурная проблема в управлении портфелем проектов

Управление портфелем проектов выполняет три основные функции:

Сбор и структурирование проектов
Создание прозрачности
Поддержка процессов принятия решений

Эти функции необходимы, но не достаточны.

Важнейшее "слепое пятно

Почти во всех организациях неявно присутствует следующее:

Решения принимаются без анализа всего пространства принятия решений.

Вместо этого используются:

Скоринговые модели
Бизнес-кейсы
Раунды определения приоритетов
Семинары для руководителей
Анализ сценариев

У этих методов есть общая структурная особенность:

Они уменьшают сложность, а не вычисляют ее полностью.

2. Пространство принятия решений: почему 2^N меняет все

Главный математический принцип, лежащий в основе портфелей проектов, прост - но имеет далеко идущие последствия:

Каждый проект может быть либо выбран, либо не выбран.

Это приводит к тому, что:

Количество возможных портфелей = 2^N

С каждым дополнительным вариантом проекта пространство принятия решений удваивается.

Следствие

При 30 проектах:

более 1 000 000 000 возможных комбинаций

При 50 проектах:

больше комбинаций, чем за секунду с момента создания Вселенной

Практическое значение

Ни один совет директоров, ни один PMO, ни одна модель Excel не сможет

продумать все комбинации
учесть все зависимости
оптимизировать все ограничения одновременно

Результат - систематическая субоптимизация.

3. Почему классические методы не приводят к глобальному максимуму

3.1 Эвристическая расстановка приоритетов

Типично:

Выбор сверху вниз
Сокращение на основе бюджета
"10 лучших проектов"

Проблема:

→ Рассматривается только подмножество пространства решений

3.2 Скоринговые модели

Типичные:

взвешенные критерии (ROI, риск, соответствие стратегии)
Ранжирование проектов

Проблема:

→ оптимизирует проекты по отдельности, а не их комбинацию

3.3 Сценарный подход и подход Монте-Карло

Типично:

Моделирование неопределенностей
Распределения вероятностей

Проблема:

→ моделировать результаты, но не делать оптимальный выбор

3.4 раунда принятия решений / управление

Типично:

Решения комитета
итеративные корректировки

Проблема:

→ ограниченные когнитивные способности + предубеждения

4. Реальная цель: глобальный максимум

Цель портфеля проектов - это не

лучший проект
лучший рейтинг
наиболее правдоподобный сценарий

А скорее:

Комбинация проектов, которая генерирует максимальную общую выгоду при всех ограничениях.

Это и есть глобальный максимум.

Формально абстрагируется:

Максимизация:

Общую стоимость (например, NPV, EBIT, влияние)

При ограничениях:

Бюджет
Ресурсы
Зависимости
Риски
стратегические ориентиры

Решающий момент

Глобальный максимум:

нет мнения
не моделирование
не оценка

Но:

свойство базового пространства данных

5. ИИ как механизм принятия решений: от PPM к оптимизации

ИИ в управлении портфелем проектов часто неправильно понимают как

Приборная панель
Модель прогнозирования
Система помощи

Этого недостаточно.

Настоящий сдвиг парадигмы

ИИ позволяет

полный или приблизительно полный анализ пространства решений

Основные компоненты современного ИИ для принятия решений

1. Комбинаторная оптимизация

Поиск в пространстве 2^N комбинаций
Используются такие методы, как:
- Смешанное целочисленное программирование (MIP)
- Ветвление и ограничение
- Программирование с ограничениями

2. Ограничения как математическая модель

Пример:

Бюджет ≤ 500 млн
Проект A только с проектом B
доля риска не более 20 %
региональное распределение

3. Распараллеливание

значительное сокращение времени вычислений
Масштабирование на большие пространства решений

4. Моделирование решений

Интеграция стратегических целей
Взвешивание рисков
Картирование организационной логики

6. Основные средства: Почему ошибки здесь обходятся особенно дорого

Этот вопрос особенно остро стоит в области

Основных средств

Примеры:

Инфраструктурные проекты
Объекты недвижимости
Производственные объекты
Энергетические проекты

Характеристики

высокая капиталоемкость
длительные сроки
низкая обратимость

Проблема

Неправильные решения приводят к

многолетнему неправильному распределению капитала
ограниченная ликвидность
структурные конкурентные недостатки

Типичная картина

Организации:

оценивают проекты индивидуально
принимают решения последовательно
учитывают комбинированные эффекты лишь в ограниченной степени

Реальность

Ценность проекта зависит от

других проектов в портфеле
Синергия
Каннибализация
Приверженность ресурсам

Оптимальный портфель не является суммой оптимальных индивидуальных решений.

7. Полный список инвестиций как необходимое условие

Часто недооцениваемый момент:

Оптимизация требует полноты.

Необходим перед принятием решения:

полный список всех значимых проектов
никакой предварительной фильтрации с помощью интуиции
никакого преждевременного исключения

Почему?

Каждый исключенный вариант:

→ изменяет пространство решений
→ предотвращает потенциально лучшие комбинации

Типичная ошибка

"Мы уже сделали предварительный выбор"
"Эти проекты уже выбраны"

Следствие

→ Глобальный максимум может быть систематически исключен

8. Количественный эффект: что это значит на практике?

Опыт оптимизированных портфелей показывает.

от +20 % до +60 % добавленной стоимости от одних и тех же проектов
значительно более высокая рентабельность инвестиций
более стабильная структура рисков

Образцовый эффект

Размер	Классический	Оптимизированный (AI)
Основа для принятия решений	Подмножество	Все пространство
Учет зависимостей	ограниченный	полный
Возврат инвестиций	субоптимальный	глобально максимизирован
Распределение рисков	непоследовательное	систематическое
Прозрачность	высокий	высокая + объяснимая
Качество решения	правдоподобный	математически оптимальное

9. От "хороших решений" к оптимальным решениям

Главное заблуждение в организациях:

"Если у нас хорошие процессы, то мы принимаем хорошие решения"

Это верно лишь отчасти.

Реальность

Хорошие процессы приводят к:

понятным решениям
принятым решениям

Но не обязательно к

оптимальным решениям

Разница

Категория	Классический	Оптимизация
Тип решения	правдоподобный	расчетный
Основа	пониженная сложность	полное пространство
Качество	хороший	глобально оптимальный

10. Стратегическое значение для компаний

Способность вычислять глобальный максимум становится структурным конкурентным преимуществом.

Почему?

Потому что она позволяет

более эффективное распределение капитала
более высокую отдачу при том же бюджете
более быстрая стратегическая адаптация

Сравнение

Две компании с одинаковыми проектами:

Компания А использует классические методы
Компания Б использует оптимизацию

→ Компания Б достигает значительно более высоких результатов в долгосрочной перспективе

11. Заключение

Управление портфелем проектов по-прежнему важно - но:

Оно является основой для принятия решения, а не самим решением.

Реальная трансформация заключается в способности

анализировать все пространство решений и вычислять глобальный максимум

ИИ - это не система помощи, а

механизм принятия решений

FAQ

1. Что означает "глобальный максимум" в портфеле проектов?

Глобальный максимум - это комбинация проектов, которая приносит максимальную общую выгоду при всех заданных ограничениях (бюджет, ресурсы, риск и т. д.). Это математически определенное оптимальное решение.

2. Почему классического управления портфелем проектов недостаточно?

Потому что оно не позволяет систематически анализировать все пространство решений (2^N комбинаций). Поэтому решения неизбежно принимаются на основе подмножеств и приводят к неоптимальным результатам.

3. Действительно ли глобальный максимум можно вычислить на практике?

Да, с помощью современных методов комбинаторной оптимизации и распараллеливания пространство решений можно эффективно перебирать или аппроксимировать с высокой точностью.

4. Это не просто теоретическая концепция?

Нет. В реальных приложениях можно наблюдать значительные различия в отдаче и эффекте, поскольку систематически учитываются эффекты комбинирования.

5. Какие данные необходимы?

Список всех проектов
Инвестиционные затраты
ожидаемые значения (например, NPV)
Ограничения (бюджет, ресурсы и т. д.)

Необязательно:

Риски
Зависимости
стратегические весовые коэффициенты

6. В чем разница между оптимизацией и моделированием?

Моделирование показывает возможные варианты развития событий. Оптимизация определяет наилучшее решение в рамках этих возможностей.

7. Это актуально только для крупных компаний?

Нет. Особенно при ограниченном бюджете оптимизированное распределение средств имеет решающее значение, поскольку неправильные решения имеют больший вес.