Основная статья блога:
Принятие решений с помощью ИИ — почему сегодня стратегические решения необходимо вычислять
Резюме: Качество решения зависит от проанализированных альтернатив
Как компании, правления и органы государственной власти могут гарантировать, что из множества возможных мер они действительно выберут наилучшую с экономической или социальной точки зрения комбинацию?
Стратегическое принятие решений традиционно основано на опыте, экспертных знаниях, интуиции, бизнес-кейсах, моделях Excel и обсуждениях в руководящих органах.
Эти инструменты по-прежнему остаются незаменимыми. Однако они сталкиваются с практическими ограничениями, как только множество инвестиций, проектов и мер одновременно начинают конкурировать за ограниченные ресурсы.
Проблема не обязательно заключается в недостатке информации или нехватке компетенции при принятии решений.
Она заключается в математической сложности пространства решений.
В упрощенной бинарной модели компания с 50 запланированными инвестиционными проектами сталкивается с более чем одним биллиардом возможных комбинаций проектов.
Ни один правление, ни один инвестиционный комитет и ни один муниципальный орган принятия решений не способен полностью проанализировать все эти альтернативы посредством обсуждений или ручных сравнений.
Поэтому решающий вопрос больше не сводится исключительно к следующему:
«Какие проекты особенно важны или экономически привлекательны?»
А:
«Какая комбинация всех доступных проектов обеспечивает наилучший общий результат с учётом наших бюджетных, ресурсных и стратегических условий?»
Именно здесь на помощь приходит математическая оптимизация принятия решений на основе искусственного интеллекта.
StratePlan объединяет методы операционных исследований с подходами, основанными на искусственном интеллекте, для систематического анализа сложных портфелей проектов и расчета экономически эффективных комбинаций.
Цель заключается не в том, чтобы заменить решения, принимаемые людьми, а в том, чтобы существенно улучшить их математическую основу.
1. Основная проблема современного принятия решений: отдельные решения являются решениями на уровне портфеля
Во многих организациях стратегические решения по-прежнему рассматриваются изолированно.
Инвестиционный проект оценивается по показателю рентабельности инвестиций (ROI). Мера по цифровизации получает стратегическую оценку. Приоритетность муниципального инфраструктурного проекта определяется по степени срочности.
Эти отдельные оценки важны.
Однако они не дают автоматического ответа на вопрос, какая комбинация всех мер даст наилучший общий результат.
Причина проста: проекты конкурируют друг с другом.
Им требуются капитал, персонал, время, технические возможности и внимание руководства.
Если та или иная мера реализуется, задействованные для этого ресурсы становятся недоступными для других проектов.
В результате возникают взаимосвязи между отдельными решениями.
Поэтому отдельные проекты, наиболее привлекательные с экономической точки зрения, не всегда формируют оптимальный с экономической точки зрения портфель в целом.
Например, проект с высокой индивидуальной доходностью может потребовать столько капитала, что несколько других проектов с более высоким совокупным вкладом в чистую стоимость больше не смогут получить финансирование.
Поэтому принятие стратегических решений должно осуществляться на уровне портфеля.
Ключевой вопрос для руководства звучит так:
Какая комбинация доступных нам мер при существующих ограничениях обеспечит наибольший совокупный экономический или социальный вклад?
2. Почему пространство принятия решений растёт экспоненциально: математический принцип 2^N
Число возможных комбинаций проектов растёт нелинейно по отношению к числу проектов.
В упрощённой бинарной модели принятия решений каждый проект может быть либо реализован, либо не реализован.
При N независимо выбираемых проектах теоретически возникает 2^N возможных комбинаций.
Масштаб этого явления становится очевидным уже при относительно небольшом количестве проектов:
- 7 проектов: 2^7 = 128 комбинаций
- 10 проектов: 2^10 = 1 024 комбинации
- 20 проектов: 2^20 = 1 048 576 комбинаций
- 30 проектов: 2^30 = 1 073 741 824 комбинаций
- 40 проектов: 2^40 = 1 099 511 627 776 комбинаций
- 50 проектов: 2^50 = 1 125 899 906 842 624 комбинаций
- 100 проектов: 2^100 = около 1,27 × 10^30 комбинаций
Таким образом, при 50 проектах существует около 1,126 биллиардов теоретически возможных комбинаций проектов.
Не каждая комбинация допустима из-за бюджетных ограничений, ограничений ресурсов или зависимостей между проектами.
Тем не менее этот порядок величин показывает, почему классические методы принятия решений могут учитывать лишь ограниченную часть всего пространства решений.
Настоящая задача заключается не в том, чтобы оценить 50 проектов по отдельности. Она заключается в том, чтобы определить наилучшую из допустимых комбинаций этих 50 проектов.
3. Почему одного опыта, интуиции и руководящих органов недостаточно
Опыт и профессиональные знания являются важнейшими основами эффективного управления компанией.
Они помогают оценивать риски, формулировать стратегические цели и критически анализировать экономические предположения.
Однако человеческие способности в области принятия решений имеют математические ограничения.
Правление может анализировать отдельные инвестиционные проекты, обсуждать их преимущества и недостатки, а также сравнивать несколько сценариев.
Однако он не может полностью изучить миллионы или миллиарды различных комбинаций проектов.
Поэтому на практике часто прибегают к упрощениям:
- проекты сортируются по отдельным показателям.
- Углубленно рассматриваются только те меры, которые считаются наиболее важными.
- Альтернативные комбинации проектов формируются вручную.
- Инвестиционные бюджеты распределяются по бизнес-направлениям.
- Стратегические приоритеты определяются с помощью весовых коэффициентов или решений руководящих органов.
Эти подходы могут быть целесообразными и необходимыми с организационной точки зрения.
Однако они не гарантируют, что выбранная комбинация проектов обеспечит максимально возможный совокупный вклад.
Ограничения человеческого процесса принятия решений при работе со сложными портфелями заключаются не столько в недостатке знаний, сколько в ограниченной способности сравнивать между собой экспоненциально большое количество альтернатив.
Поэтому математическая оптимизация дополняет компетенцию человека в принятии решений систематическим исследованием пространства решений.
4. Простой пример: почему лучшее отдельное решение не является лучшим общим решением
У компании есть инвестиционный бюджет в размере 10 миллионов евро.
На выбор предлагаются три проекта.
| Проект | Инвестиции | Чистая добавленная стоимость |
|---|---|---|
| Проект A | 7 млн евро | 4 млн евро |
| Проект B | 5 млн евро | 3 млн евро |
| Проект C | 5 млн евро | 3 млн евро |
Проект A имеет наибольший индивидуальный вклад в чистую стоимость.
Если выбрать проект A, в бюджете останется 3 миллиона евро. Этих средств не хватит ни на один из остальных проектов.
Таким образом, общий чистый вклад в стоимость составляет 4 млн евро.
Однако математический анализ возможных комбинаций показывает, что существует экономически более выгодная альтернатива.
Проекты B и C в совокупности требуют 10 миллионов евро и обеспечивают совокупный чистый вклад в стоимость в размере 6 миллионов евро.
При допущении о независимости проектов и отсутствии дополнительных ограничений комбинация B + C является оптимальной для максимизации чистой добавленной стоимости.
Таким образом, математически оптимизированная комбинация проектов обеспечивает чистый вклад в стоимость на 50 % выше по сравнению с первоначальным выбором.
Для этого компании не требуется дополнительного инвестиционного капитала.
Ей нужно лишь выбрать иную комбинацию из имеющихся проектов.
Этот пример показывает: экономически обоснованное отдельное решение может тем не менее оказаться неоптимальным на уровне портфеля.
5. Принятие решений с помощью ИИ: от расстановки приоритетов к математической оптимизации
Принятие решений с помощью ИИ может решать различные задачи.
Например, генеративный ИИ помогает в анализе информации, формулировании предложений для принятия решений или обобщении сложных фактов.
Прогнозные модели позволяют оценивать будущие тенденции.
Математическая оптимизация принятия решений, напротив, преследует иную цель.
Она исследует, какая комбинация доступных вариантов действий в рамках определённых ограничений наилучшим образом удовлетворяет определённой целевой функции.
Для этого задача принятия решений описывается в виде математической модели.
Типичные компоненты:
- Переменные принятия решений: какие проекты будут реализованы?
- Целевая функция: какой общий экономический или социальный вклад следует максимизировать?
- Бюджетные ограничения: какой объем капитала имеется в распоряжении?
- Ограничения по ресурсам: какие кадровые и технические возможности имеются в наличии?
- Взаимозависимости проектов: какие меры необходимо реализовывать совместно или в определённой последовательности?
- Стратегические задачи: какие проекты или цели воздействия необходимо учитывать?
На основе этих данных формируется комбинаторная оптимизационная задача.
Подходящие алгоритмы просматривают или анализируют математическое пространство решений и определяют эффективные допустимые комбинации проектов.
В зависимости от структуры задачи и используемого метода может быть найдено доказательно глобальное или приближенно оптимальное решение.
Для этого, как правило, не требуется полного индивидуального расчёта всех 2^N комбинаций.
Решающий прогресс заключается в том, чтобы математически исследовать сложные решения по портфелю, а не просто сравнивать между собой несколько сценариев, выбранных вручную.
6. Как StratePlan математически оптимизирует стратегические решения
StratePlan был разработан для анализа сложных инвестиционных и проектных портфелей с помощью методов математической оптимизации.
Эта технология сочетает подходы из области операционных исследований с методами на основе искусственного интеллекта для эффективного поиска высокоэффективных комбинаций проектов.
Для построения базовой экономической модели оптимизации сначала требуются всего три параметра для каждого проекта:
- Идентификатор проекта: уникальный идентификатор проекта
- Расходы: запланированные расходы или инвестиции
- Доходы: ожидаемые доходы или экономическая отдача
Кроме того, определяется доступный инвестиционный бюджет.
Данные можно, например, перенести из существующих инвестиционных планов в формате Excel.
StratePlan анализирует возможные комбинации проектов и рассчитывает состав портфеля в соответствии с выбранной целевой функцией.
В случае выбора параметра «Maximize Net Contribution» основное внимание уделяется максимизации общего ожидаемого чистого вклада в стоимость.
В качестве дополнительного экономического показателя может быть указан ROI портфеля.
Расширенные модели могут учитывать дополнительные ограничения и параметры оценки:
- зависимости между проектами
- Стратегические веса
- Ограничения по ресурсам и мощностям
- Многолетние инвестиционные бюджеты
- Временные ограничения
- Критерии риска и устойчивого развития
Результатом является не просто рейтинг отдельных проектов, а математически рассчитанная комбинация проектов в рамках заданных условий.
Таким образом, StratePlan дополняет процесс принятия стратегических решений уровнем математической оптимизации.
7. В режиме реального времени на заседании совета директоров: мгновенный расчёт стратегических сценариев
Математическая оптимизация принятия решений становится особенно ценной, когда её применяют непосредственно на заседаниях руководства и правления.
Представим себе промышленный концерн со 100 запланированными инвестиционными проектами.
Общая сумма всех инвестиционных запросов превышает доступный бюджет на капитальные затраты (CAPEX).
Руководство должно решить, какие проекты будут реализованы.
StratePlan сначала рассчитывает оптимальную комбинацию проектов на основе существующих экономических допущений.
Затем на заседании правления можно проанализировать различные сценарии.
Сценарий A: максимальный совокупный экономический вклад
Финансовый директор задает вопрос:
«Какая комбинация наших запланированных инвестиций обеспечит наибольший ожидаемый чистый вклад в стоимость при имеющемся бюджете на капитальные затраты?»
StratePlan рассчитывает соответствующую комбинацию проектов.
Руководство получает обзор выбранных проектов, необходимых капиталовложений и ожидаемого совокупного экономического вклада.
Сценарий B: Сокращённый инвестиционный бюджет
Генеральный директор задает вопрос:
«Что произойдет, если нам придется сократить инвестиционный бюджет на 15 %?»
Бюджетные ограничения корректируются.
StratePlan заново рассчитывает портфель.
Руководство может проследить, какие проекты будут исключены и как изменится ожидаемый вклад в чистую стоимость.
Сценарий C: обязательное учет стратегических проектов
Еще один член правления спрашивает:
«Как изменится наш оптимальный набор проектов, если необходимо обязательно реализовать определенные стратегические инвестиции?»
Соответствующие проекты учитываются в качестве обязательных ограничений.
Портфель вновь оптимизируется.
Сравнение показывает, какие экономические последствия влечет за собой дополнительное стратегическое условие в рамках модели.
Сценарий D: Дополнительный инвестиционный капитал
Финансовый директор хочет знать:
«Какой дополнительный экономический эффект мы могли бы получить, если бы увеличили наш бюджет на капитальные вложения ещё на 20 миллионов евро?»
Бюджет корректируется, и производится новый расчет.
Руководство может сопоставить смоделированный дополнительный вклад в стоимость с необходимыми капиталовложениями.
Сценарий E: Изменение стратегических приоритетов
Правление задает вопрос:
«Как изменится наш портфель, если мы уделим больше внимания цифровизации, энергоэффективности или определенным областям роста?»
Соответствующие параметры корректируются.
StratePlan рассчитывает новую комбинацию проектов и позволяет сравнить её с предыдущими сценариями.
Изменить бюджет. Скорректировать стратегические задачи. Пересчитать портфель. Сравнить экономические последствия.
Таким образом, статическое инвестиционное планирование превращается в динамическую основу для принятия стратегических решений.
8. Принятие решений ex ante: определение оптимальной комбинации до начала реализации
Традиционное управление предприятием часто сосредоточено на последующей оценке уже принятых решений.
Контроллинг анализирует выручку, EBIT, ROI, рентабельность инвестиций и отклонения от бюджета.
Эти показатели демонстрируют, какие экономические результаты были достигнуты.
Однако они не дают автоматического ответа на вопрос, была ли бы другая комбинация проектов более успешной.
Поэтому математическая оптимизация ex ante начинается ещё до вложения капитала.
Она анализирует, какая комбинация запланированных мер в рамках имеющихся ресурсов обеспечит наибольший ожидаемый совокупный вклад.
Смена точки зрения имеет принципиальное значение.
Экс-пост: «Насколько успешным было наше решение?»
Экс-анте: «Какое решение, исходя из наших допущений, обещает наилучший общий результат?»
Благодаря математической оптимизации портфеля компании могут сравнивать альтернативные комбинации проектов ещё до их реализации.
Это может помочь сократить неэффективное распределение ресурсов и выявить нереализованный потенциал создания добавленной стоимости.
Таким образом, качество стратегических решений оценивается не только после их реализации, но и систематически анализируется уже в процессе принятия решений.
9. Альтернативные издержки: во что обходится неоптимальное решение?
Любое инвестиционное решение связывает капитал и ресурсы.
В результате этот капитал становится недоступным для других проектов.
В результате возникают альтернативные издержки.
Они отражают упущенную выгоду от лучшей альтернативы, которая не была выбрана.
Компания может выбирать экономически привлекательные проекты и при этом упускать возможность получить значительную дополнительную выгоду.
Математическая оптимизация портфеля позволяет сравнить первоначально запланированный инвестиционный портфель с оптимизированной комбинацией проектов.
При этом можно сопоставить, в частности, следующие показатели:
- Общая потребность в инвестициях
- Ожидаемый чистый вклад в стоимость
- Рентабельность инвестиций портфеля
- Выбранные и невыбранные проекты
- Оставшиеся бюджетные резервы
- Экономические различия между альтернативными портфелями
Разница между смоделированными результатами показывает, какой потенциал экономического улучшения существует при принятых допущениях.
Если глобальный оптимум доказан математически, то отклонение выбранной комбинации проектов от этого оптимума можно точно определить в рамках модели.
В случае приблизительно оптимальных решений сначала выявляется разница по сравнению с наилучшим найденным решением.
Решающая дополнительная ценность заключается в том, что позволяет выявить возможные экономические недостатки решения по портфелю ещё до его реализации.
10. Анализ чувствительности: насколько устойчиво математически оптимизированное решение?
Стратегические решения основаны на допущениях о будущих событиях.
Инвестиционные затраты могут вырасти. Ожидаемые доходы могут оказаться ниже. Ресурсы могут стать более ограниченными. Стратегические приоритеты могут измениться.
Поэтому математическая оптимизация не должна учитывать исключительно один сценарий.
С помощью целенаправленного изменения входных параметров можно моделировать различные варианты экономического развития.
Типичные вопросы:
- Какие проекты останутся в портфеле даже при сокращении бюджета?
- Какие инвестиции особенно чувствительны к росту затрат?
- Как изменится чистый вклад в стоимость при снижении ожидаемых доходов?
- Какая комбинация проектов формируется при изменении стратегических приоритетов?
- Какие меры остаются экономически привлекательными при различных сценариях?
Эти анализы чувствительности могут показать, насколько стабильной останется рассчитанная комбинация проектов при изменении исходных условий.
Поэтому хорошее стратегическое решение учитывает не только наилучший результат при одном конкретном допущении, но и последствия возможных изменений.
11. Пример из практики: территория Клибек в Базеле — рост рентабельности инвестиций примерно на 63 %
Какой экономический потенциал может раскрыть математическая оптимизация портфеля, наглядно демонстрирует пример StratePlan по территории Клибек в Базеле.
В рамках оптимизации портфеля для компаний Central Real Estate AG и Swiss Life AG были математически проанализированы имеющиеся инвестиционные и проектные альтернативы.
Результат моделирования:
- Первоначальная рентабельность инвестиций: 7,0 %
- Оптимизированная рентабельность инвестиций: 11,4 %
- Относительное повышение доходности: около 63 %
- Дополнительный смоделированный вклад в экономическую ценность: около 30 млн швейцарских франков
Улучшение было смоделировано за счёт изменения комбинации имеющихся инвестиционных альтернатив при неизменном бюджете.
Эти результаты, относящиеся к конкретному проекту, не являются общей гарантией доходности.
Основной вывод: более высокий общий экономический вклад может быть достигнут уже за счет более эффективного сочетания существующих инвестиционных альтернатив — без дополнительного инвестиционного бюджета.
12. Принятие решений с помощью ИИ в компаниях и органах государственной власти
Математическая оптимизация принятия решений актуальна везде, где множество мер конкурирует за ограниченные финансовые или операционные ресурсы.
Промышленность и стратегическое планирование капитальных затрат
Инвестиции в оборудование, производственные мощности, проекты автоматизации и расширение производственных площадок необходимо выбирать в рамках общего инвестиционного бюджета.
Математическая оптимизация портфеля может помочь выявить более экономически эффективные комбинации этих мер.
Цифровизация и трансформация с помощью ИИ
У компаний часто имеется множество потенциальных проектов в области искусственного интеллекта и цифровизации.
Основная задача заключается в том, чтобы выбрать те меры, которые в совокупности обеспечат максимальный экономический эффект в рамках имеющихся ресурсов.
Недвижимость
Проектное строительство, реконструкция, модернизация и инвестиции в местоположение могут быть оптимизированы в рамках общего бюджета капитальных вложений.
При этом выбор отдельных проектов влияет на возможности финансирования всего портфеля.
Энергетика и инфраструктура
Энергетические проекты, инвестиции в энергосети, меры по повышению эффективности и модернизация инфраструктуры часто требуют долгосрочного вложения капитала.
Математическая оптимизация может помочь сравнить различные комбинации инвестиций с учетом экономических и технических ограничений.
Муниципалитеты и государственные бюджеты
Городам и муниципалитетам приходится финансировать множество инвестиционных проектов в рамках ограниченных бюджетных средств.
Школы, дороги, административные здания, инфраструктура и социальные учреждения соревнуются за одни и те же государственные ресурсы.
Задача состоит в том, чтобы согласовать финансовые ограничения с политическими приоритетами, законодательными обязательствами и целями, направленными на благо общества.
Математическая оптимизация портфеля позволяет в данном случае рассчитать различные комбинации мер и продемонстрировать последствия изменения бюджетных и весовых параметров.
Общая задача звучит так: какая комбинация доступных мер обеспечивает наибольший совокупный экономический или социальный вклад в рамках заданных условий?
13. Моделирование бюджета и одновременная оптимизация муниципальных инвестиционных программ
Особый интерес представляет сочетание математической оптимизации портфеля с моделированием государственных бюджетов.
Муниципальные руководители регулярно сталкиваются с проблемой финансирования многочисленных инвестиционных запросов при ограниченных бюджетных средствах.
Пример:
город располагает инвестиционным бюджетом в размере 81 миллиона евро.
В то же время на выбор предлагается 50 запланированных проектов с общим объемом инвестиций в 220 миллионов евро.
Главный вопрос заключается не только в том, какие проекты кажутся особенно важными с политической или профессиональной точки зрения.
Какая комбинация этих 50 проектов обеспечит наибольшую определённую экономическую или социальную выгоду в рамках имеющегося бюджета?
При 50 бинарных решениях по проектам теоретически возникает 2^50 = 1 125 899 906 842 624 возможных комбинаций.
Математическая оптимизация портфеля позволяет проанализировать различные допустимые комбинации проектов с учетом заданных ограничений по бюджету и эффективности.
С помощью одновременного моделирования бюджета можно учесть изменения финансовых условий.
Например:
- Как изменится оптимальный выбор проектов при сокращении инвестиционного бюджета?
- Какие дополнительные проекты можно было бы профинансировать при более высоких доходах?
- Какие экономические или социальные последствия влекут за собой обязательные политические проекты?
- Как изменится портфель проектов при уделении большего внимания образованию, инфраструктуре или защите климата?
- Какая комбинация проектов обеспечивает наибольшую смоделированную совокупную выгоду в рамках имеющегося бюджета?
Результаты зависят от качества исходных данных и определения экономических или социальных целевых показателей.
Сочетание бюджетного моделирования и математической оптимизации портфеля может помочь политическим деятелям проводить наглядные сравнения альтернативных пакетов мер и систематически анализировать эффективность использования ограниченных бюджетных средств.
14. От бизнес-аналитики к аналитике принятия решений
Бизнес-аналитика в основном изучает экономическое развитие организации.
Что произошло? Какие ключевые показатели эффективности (KPI) изменились? Где наблюдаются отклонения от плана?
«Интеллект принятия решений» (Decision Intelligence) расширяет эту перспективу за счёт систематической поддержки будущих решений.
Какие альтернативы имеются? Какие ограничения действуют? Какая комбинация проектов наилучшим образом соответствует поставленным целям?
StratePlan дополняет существующие системы ERP, контроллинга и бизнес-аналитики уровнем математической оптимизации.
Необходимые данные по проектам можно сначала предоставить в виде простых таблиц Excel.
Благодаря этому компании и государственные учреждения могут использовать существующие инвестиционные планы в качестве отправной точки для систематической оптимизации портфеля проектов.
Решающее отличие заключается не только в оценке экономических последствий уже принятых решений, но и в математическом анализе альтернативных решений до их реализации.
15. Вывод: стратегические решения нуждаются в математической основе
С ростом числа проектов и ограничений процесс принятия стратегических решений становится всё более сложным.
Опыт, профессиональные знания и управленческие навыки по-прежнему остаются незаменимыми.
Однако одних только их недостаточно для систематического анализа пространств принятия решений, размер которых растёт в геометрической прогрессии.
Уже при 50 проектах возникает более одного биллиарда теоретически возможных комбинаций.
Поэтому изолированная оценка отдельных проектов не дает автоматического ответа на вопрос о наилучшем возможном общем портфеле.
Математическая оптимизация принятия решений позволяет анализировать сложные портфели инвестиций и мер с учётом экономических целей, доступного бюджета и определённых ограничений.
Для этого StratePlan объединяет методы операционных исследований с подходами, основанными на искусственном интеллекте.
Благодаря этому компании, правления и государственные лица, принимающие решения, могут рассчитывать альтернативные комбинации проектов, сравнивать различные сценарии и выявлять нереализованный экономический или социальный потенциал.
Решающий вопрос теперь звучит не так: «Какие проекты мы считаем лучшими?
А: «Какая комбинация наших доступных проектов дает наилучший общий результат в данных условиях?
Именно здесь начинается переход от классической приоритизации проектов к математической оптимизации принятия решений.
StratePlan — те же проекты. Тот же бюджет. Оптимальное сочетание. Больше результатов.
Часто задаваемые вопросы — Принятие решений с помощью ИИ
Что конкретно означает принятие решений с помощью ИИ?
Принятие решений с помощью ИИ — это использование алгоритмических систем для поддержки принятия сложных решений.
В области математической оптимизации портфеля доступные варианты действий, экономические цели и ограничения анализируются в рамках единой модели.
Цель состоит в том, чтобы определить максимально эффективную допустимую комбинацию мер.
Чем принятие решений с помощью ИИ отличается от классического анализа?
Классические процессы принятия решений часто сопоставляют отдельные проекты или несколько заранее подготовленных сценариев.
Математическая оптимизация портфеля, напротив, исследует комбинацию различных мер в рамках общих бюджетных и ресурсных ограничений.
Благодаря этому могут выявиться экономически более привлекательные альтернативы, которые остаются неучтенными при рассмотрении отдельных проектов в изоляции.
Что означает 2^N при принятии стратегических решений?
2^N описывает количество теоретически возможных комбинаций при N независимых бинарных решений.
Каждый проект может быть либо выбран, либо не выбран.
При 20 проектах получается 2^20 = 1 048 576 возможных комбинаций.
При 50 проектах получается 2^50 = 1 125 899 906 842 624 возможных комбинаций.
Фактически допустимые комбинации зависят от заданных ограничений.
Действительно ли ИИ должен вычислять все 2^N комбинаций по отдельности?
Нет.
Современные математические методы оптимизации позволяют эффективно исследовать обширные пространства решений, не проводя полного анализа каждой теоретически возможной комбинации по отдельности.
То, какие методы подходят, зависит от математической структуры задачи и заданных ограничений.
Может ли ИИ вычислить глобальный оптимум решения?
При использовании подходящих математических моделей и методов оптимизации можно вычислить и доказать глобальный оптимум.
В случае особо сложных задач можно использовать и приближенно оптимальные решения.
Поэтому вывод о качестве решения должен соответствовать используемому методу и имеющемуся доказательству оптимальности.
Заменяет ли ИИ решения руководства?
Нет.
Руководство определяет экономические и стратегические цели, устанавливает ограничения и оценивает результаты.
Математическая оптимизация на основе ИИ предоставляет дополнительную основу для принятия решений.
Окончательная ответственность остается за соответствующими руководителями или политическими деятелями.
Для каких решений математический ИИ особенно подходит?
Она особенно актуальна для принятия сложных решений по портфелям, включающих множество конкурирующих проектов и ограниченные ресурсы.
Типичные области применения включают планирование капитальных затрат (CAPEX), портфели проектов по цифровизации, сценарии использования ИИ, инвестиции в промышленность, проекты в сфере недвижимости, энергетические программы и планирование муниципального бюджета.
Что означает принятие решений ex ante?
«Ex ante» означает анализ решения до его реализации.
При математической оптимизации портфеля альтернативные комбинации проектов рассчитываются до того, как будет задействован капитал или начата реализация мер.
Благодаря этому экономические последствия различных решений становятся заметными на раннем этапе.
Насколько надежны результаты принятия решений с использованием ИИ?
Качество результатов зависит от исходных данных, определения целевой функции, моделирования ограничений и используемого метода оптимизации.
Математическая оптимизация позволяет проводить воспроизводимые и прозрачные расчеты.
Кроме того, анализ чувствительности может показать, как изменятся результаты при изменении исходных допущений.
Принятие решений с помощью ИИ целесообразно только для крупных концернов?
Нет.
Средние предприятия, муниципалитеты и другие организации также могут извлечь выгоду из математической оптимизации портфеля.
Решающим фактором является не только размер организации, но и сложность решения, а также количество конкурирующих мер.
Какие данные требуются StratePlan для первоначального расчета?
Для построения базовой экономической модели оптимизации сначала требуются три параметра для каждого проекта:
- Идентификатор проекта
- Расходы — запланированные расходы
- Доходы — ожидаемые поступления или экономическая отдача
Кроме того, необходимо указать доступный инвестиционный бюджет.
Более сложные модели могут учитывать дополнительные ограничения и параметры оценки.
Может ли StratePlan моделировать различные бюджетные сценарии?
Да. Различные бюджетные ограничения можно моделировать в качестве альтернативных сценариев.
Это позволяет проанализировать, какая комбинация проектов будет выбрана при меньшем или большем инвестиционном бюджете и как изменится ожидаемый совокупный экономический вклад.
В чём разница между приоритизацией проектов и оптимизацией портфеля?
Приоритезация проектов позволяет составить рейтинг отдельных мер.
Оптимизация портфеля позволяет определить, какая комбинация этих мер при заданных ограничениях дает наилучший общий результат.
Поэтому лучший рейтинг не всегда означает лучший портфель проектов.
Каков главный вывод для генеральных директоров, финансовых директоров и лиц, принимающих решения в государственном секторе?
Сложные стратегические решения не должны основываться исключительно на оценке отдельных проектов или нескольких вручную выбранных сценариев.
Математическая оптимизация портфеля позволяет систематически анализировать альтернативные комбинации проектов и тем самым создает дополнительную основу для обоснованных решений.
ИИ не заменяет ответственности. Однако он может помочь выявить альтернативы действий, более выгодные с экономической или социальной точки зрения.
Какая комбинация ваших проектов дает наилучший результат?
Узнайте, какая комбинация ваших запланированных инвестиционных проектов в рамках имеющегося бюджета может обеспечить наибольший ожидаемый вклад в чистую стоимость.
Начните с данных о своих проектах и сравните математически оптимизированные инвестиционные сценарии.
Вы можете бесплатно оптимизировать до 15 проектов.