Hlavný článok blogu:
Rozhodovanie pomocou umelej inteligencie – prečo je dnes potrebné strategické rozhodnutia vypočítať
Zhrnutie: Kvalita rozhodnutia závisí od posúdených alternatív
Ako môžu podniky, predstavenstvá a verejná správa zabezpečiť, aby si z množstva možných opatrení skutočne vybrali tú najlepšiu kombináciu z ekonomického alebo spoločenského hľadiska?
Strategické rozhodovanie sa tradične zakladá na skúsenostiach, odborných znalostiach, intuícii, obchodných analýzach, modeloch v programe Excel a diskusiách v riadiacich orgánoch.
Tieto nástroje zostávajú nenahraditeľné. Narážajú však na praktické obmedzenia, akonáhle o obmedzené zdroje súťaží veľké množstvo investícií, projektov a opatrení súčasne.
Výzva nespočíva nevyhnutne v chýbajúcich informáciách alebo nedostatočnej rozhodovacej kompetencii.
Spočíva v matematickej zložitosti rozhodovacieho priestoru.
Spoločnosť s 50 plánovanými investičnými projektmi čelí v zjednodušenom binárnom modeli viac ako biliónu možných kombinácií projektov.
Žiadne predstavenstvo, žiadna investičná komisia ani žiadny komunálny rozhodovací orgán nedokáže tieto alternatívy úplne preskúmať prostredníctvom diskusií alebo ručných porovnaní.
Kľúčová otázka preto už nie je výlučne:
„Ktoré projekty sú obzvlášť dôležité alebo ekonomicky atraktívne?“
Ale:
„Ktorá kombinácia všetkých dostupných projektov dosahuje za našich rozpočtových, zdrojových a strategických podmienok najlepší možný celkový výsledok?“
Presne tu nastupuje matematická optimalizácia rozhodovania podporená umelou inteligenciou.
StratePlan spája metódy z oblasti operačného výskumu s prístupmi založenými na umelej inteligencii, aby systematicky analyzoval komplexné portfóliá projektov a vypočítal ekonomicky efektívne kombinácie.
Cieľom nie je nahradiť ľudské rozhodnutia, ale výrazne zlepšiť ich matematický základ.
1. Kľúčový problém moderného rozhodovania: Jednotlivé rozhodnutia sú portfóliovými rozhodnutiami
V mnohých organizáciách sa strategické rozhodnutia stále posudzujú jednotlivo.
Investičný projekt sa hodnotí na základe návratnosti investícií. Opatrenie v oblasti digitalizácie dostane strategické skóre. Projekt komunálnej infraštruktúry sa uprednostňuje podľa naliehavosti.
Tieto individuálne hodnotenia sú dôležité.
Neodpovedajú však automaticky na otázku, ktorá kombinácia všetkých opatrení prinesie najlepší celkový výsledok.
Dôvod je jednoduchý: projekty si navzájom konkurujú.
Potrebujú kapitál, personál, čas, technické kapacity a organizačnú pozornosť.
Ak sa opatrenie zrealizuje, zdroje naň vynaložené už nie sú k dispozícii pre iné projekty.
V dôsledku toho vznikajú vzájomné interakcie medzi jednotlivými rozhodnutiami.
Jednotlivé projekty, ktoré sú z ekonomického hľadiska najatraktívnejšie, preto nemusia nevyhnutne vytvárať ekonomicky najlepšie celkové portfólio.
Projekt s vysokou individuálnou návratnosťou môže napríklad spotrebovať toľko kapitálu, že už nebude možné financovať viacero iných projektov s vyššou kombinovanou čistou pridanou hodnotou.
Strategické rozhodovanie sa preto musí uskutočňovať na úrovni portfólia.
Kľúčová otázka pre manažment znie:
Ktorá kombinácia našich dostupných opatrení prináša v rámci existujúcich obmedzení najvyšší celkový ekonomický alebo spoločenský prínos?
2. Prečo sa priestor pre rozhodovanie exponenciálne rozširuje: matematický princíp 2^N
Počet možných kombinácií projektov nerastie lineárne s počtom projektov.
V zjednodušenom binárnom rozhodovacom modeli môže byť každý projekt buď realizovaný, alebo nerealizovaný.
Pri N nezávisle voliteľných projektoch vzniká teoreticky 2^N možných kombinácií.
Tento rád sa prejaví už pri pomerne malom počte projektov:
- 7 projektov: 2^7 = 128 kombinácií
- 10 projektov: 2^10 = 1 024 kombinácií
- 20 projektov: 2^20 = 1 048 576 kombinácií
- 30 projektov: 2^30 = 1 073 741 824 kombinácií
- 40 projektov: 2^40 = 1 099 511 627 776 kombinácií
- 50 projektov: 2^50 = 1 125 899 906 842 624 kombinácií
- 100 projektov: 2^100 = približne 1,27 × 10^30 kombinácií
Pri 50 projektoch teda existuje približne 1,126 biliónov teoreticky možných kombinácií projektov.
Nie každá kombinácia je prípustná z dôvodu rozpočtových obmedzení, obmedzení zdrojov alebo závislostí medzi projektmi.
Napriek tomu tento rád veľkosti ukazuje, prečo klasické rozhodovacie postupy môžu zohľadňovať len obmedzenú časť celkového priestoru riešení.
Skutočnou výzvou nie je individuálne hodnotenie 50 projektov. Spočíva v určení najlepšej možnej prípustnej kombinácie týchto 50 projektov.
3. Prečo skúsenosti, intuícia a riadiace orgány samy o sebe nestačia
Skúsenosti a odborné znalosti sú základnými piliermi dobrého riadenia podniku.
Pomáhajú pri odhadovaní rizík, formulovaní strategických cieľov a kritickom posudzovaní ekonomických predpokladov.
Ľudská schopnosť rozhodovať sa však má svoje matematické limity.
Predstavenstvo môže analyzovať jednotlivé investičné projekty, diskutovať o ich výhodách a nevýhodách a porovnávať viacero scenárov.
Nemôže však úplne preskúmať milióny či miliardy rôznych kombinácií projektov.
V praxi sa preto často uplatňujú zjednodušenia:
- Projekty sa triedia podľa jednotlivých ukazovateľov.
- Podrobnejšie sa posudzujú len tie opatrenia, ktoré sa považujú za najdôležitejšie.
- Alternatívne kombinácie projektov sa zostavujú ručne.
- Investičné rozpočty sa rozdeľujú medzi jednotlivé obchodné oblasti.
- Strategické priority sa stanovujú prostredníctvom váh alebo rozhodnutí príslušných orgánov.
Tieto postupy môžu byť z organizačného hľadiska zmysluplné a nevyhnutné.
Nezaručujú však, že vybraná kombinácia projektov dosiahne maximálny možný celkový prínos.
Obmedzenia ľudského rozhodovania v prípade komplexných portfólií nespočívajú primárne v nedostatku vedomostí, ale v obmedzenej schopnosti porovnávať medzi sebou exponenciálne veľký počet alternatív.
Matematická optimalizácia preto dopĺňa ľudskú rozhodovaciu kompetenciu o systematické preskúmanie priestoru riešení.
4. Jednoduchý príklad: Prečo najlepšie individuálne rozhodnutie nie je najlepším celkovým rozhodnutím
Spoločnosť disponuje investičným rozpočtom vo výške 10 miliónov eur.
Na výber sú tri projekty.
| Projekt | Investícia | Čistý prínos hodnoty |
|---|---|---|
| Projekt A | 7 mil. € | 4 mil. € |
| Projekt B | 5 mil. € | 3 mil. € |
| Projekt C | 5 mil. € | 3 mil. € |
Projekt A má najvyššiu individuálnu čistú pridanú hodnotu.
Ak sa vyberie projekt A, v rozpočte zostanú 3 milióny eur. Tieto prostriedky nestačia na žiadny z ostatných projektov.
Celkový čistý prínos hodnoty tak predstavuje 4 milióny eur.
Matematická analýza možných kombinácií však ukazuje ekonomicky výhodnejšiu alternatívu.
Projekty B a C spolu vyžadujú 10 miliónov eur a dosahujú kombinovaný čistý prínos hodnoty vo výške 6 miliónov eur.
Za predpokladu, že projekty sú nezávislé a neexistujú žiadne ďalšie obmedzenia, je kombinácia B + C optimálnou kombináciou na maximalizáciu čistej pridané hodnoty.
Matematicky optimalizovaná kombinácia projektov tak vytvára o 50 % vyšší čistý prínos hodnoty v porovnaní s pôvodným výberom.
Spoločnosť na to nepotrebuje žiadny dodatočný investičný kapitál.
Stačí, ak si vyberie inú kombináciu svojich existujúcich projektov.
Tento príklad ukazuje: Jednotlivé rozhodnutie, ktoré má ekonomický zmysel, môže byť na úrovni portfólia napriek tomu suboptimálne.
5. Rozhodovanie s využitím umelej inteligencie: Od stanovovania priorít po matematickú optimalizáciu
Rozhodovanie podporované umelou inteligenciou môže plniť rôzne úlohy.
Generatívna umelá inteligencia napríklad pomáha pri analýze informácií, formulovaní podkladov pre rozhodovanie alebo pri zhrnutí zložitých súvislostí.
Prognózovacie modely dokážu odhadnúť budúci vývoj.
Matematická optimalizácia rozhodovania má naopak iný cieľ.
Skúma, ktorá kombinácia dostupných alternatív konania v rámci definovaných obmedzení najlepšie spĺňa určitú cieľovú funkciu.
Na tento účel sa rozhodovacia úloha popisuje ako matematický model.
Typické zložky sú:
- Rozhodovacie premenné: Ktoré projekty sa budú realizovať?
- Cieľová funkcia: Ktorý celkový ekonomický alebo spoločenský prínos sa má maximalizovať?
- Rozpočtové obmedzenia: Koľko kapitálu je k dispozícii?
- Obmedzenia zdrojov: Aké personálne a technické kapacity sú k dispozícii?
- Závislosti medzi projektmi: Ktoré opatrenia sa musia realizovať spoločne alebo v určitom poradí?
- Strategické požiadavky: Ktoré projekty alebo ciele vplyvu je potrebné zohľadniť?
Z týchto údajov vzniká kombinatorický optimalizačný problém.
Vhodné algoritmy prehľadávajú alebo analyzujú matematický priestor riešení a určujú výkonné prípustné kombinácie projektov.
V závislosti od štruktúry problému a použitej metódy je možné nájsť preukázateľne globálne alebo približne optimálne riešenie.
Na to nie je v zásade potrebný úplný individuálny výpočet všetkých 2^N kombinácií.
Kľúčovým pokrokom je matematické skúmanie komplexných rozhodnutí týkajúcich sa portfólia namiesto toho, aby sa navzájom porovnávali iba niekoľko ručne vybraných scenárov.
6. Ako StratePlan matematicky optimalizuje strategické rozhodnutia
StratePlan bol vyvinutý na analýzu komplexných investičných a projektových portfólií pomocou matematických optimalizačných metód.
Táto technológia kombinuje prístupy z oblasti operačného výskumu s postupmi založenými na umelej inteligencii na efektívne vyhľadávanie výkonných kombinácií projektov.
Pre základný ekonomický optimalizačný model sú spočiatku potrebné len tri údaje na každý projekt:
- ID projektu: Jednoznačná identifikácia projektu
- Náklady: Plánované výdavky alebo investície
- Príjmy: Očakávané príjmy alebo ekonomické výnosy
Okrem toho sa definuje dostupný investičný rozpočet.
Údaje je možné prevziať napríklad z existujúcich investičných plánov v programe Excel.
StratePlan skúma možné kombinácie projektov a vypočíta zloženie portfólia podľa zvolenej cieľovej funkcie.
V prípade funkcie „Maximize Net Contribution“ je v centre pozornosti maximalizácia celkového očakávaného čistého prínosu.
ROI portfólia možno dodatočne uviesť ako ekonomický ukazovateľ.
Rozšírené modely môžu zohľadňovať ďalšie obmedzenia a hodnotiace parametre:
- závislosti medzi projektmi
- Strategické váhy
- Obmedzenia zdrojov a kapacít
- Viacročné investičné rozpočty
- Časové obmedzenia
- Kritériá rizika a udržateľnosti
Výsledkom nie je len jednoduché poradie jednotlivých projektov, ale matematicky vypočítaná kombinácia projektov v rámci definovaných rámcových podmienok.
StratePlan tak dopĺňa strategické rozhodovanie o úroveň matematickej optimalizácie.
7. Naživo na zasadnutí predstavenstva: Okamžitý výpočet strategických scenárov
Matematická optimalizácia rozhodovania je obzvlášť cenná, ak sa využíva priamo na zasadnutiach vedenia a predstavenstva.
Predstavme si priemyselný koncern so 100 plánovanými investičnými projektmi.
Súčet všetkých investičných požiadaviek presahuje dostupný rozpočet na kapitálové výdavky (CAPEX).
Vedenie sa musí rozhodnúť, ktoré projekty sa zrealizujú.
StratePlan najprv vypočíta optimalizovanú kombináciu projektov na základe existujúcich ekonomických predpokladov.
Na zasadnutí predstavenstva je potom možné preskúmať rôzne scenáre.
Scenár A: Maximálny celkový ekonomický prínos
Finančný riaditeľ sa pýta:
„Ktorá kombinácia našich plánovaných investícií dosiahne pri existujúcom rozpočte CAPEX najvyšší očakávaný čistý prínos?“
StratePlan vypočíta príslušnú kombináciu projektov.
Vedenie dostane prehľad o vybraných projektoch, potrebnej kapitálovej investícii a očakávanom celkovom ekonomickom prínose.
Scenár B: Znížený investičný rozpočet
Generálny riaditeľ kladie otázku:
„Čo sa stane, ak budeme musieť znížiť náš investičný rozpočet o 15 %?“
Rozpočtové obmedzenie sa prispôsobí.
StratePlan opäť vypočíta portfólio.
Vedenie môže zistiť, ktoré projekty budú vynechané a ako sa zmení očakávaný čistý prínos hodnoty.
Scenár C: Zohľadnenie strategických projektov ako záväzné
Ďalší člen predstavenstva sa pýta:
„Ako sa zmení naša optimálna kombinácia projektov, ak sa musia bezpodmienečne realizovať určité strategické investície?“
Príslušné projekty sa zohľadnia ako záväzné obmedzenia.
Portfólio sa opäť optimalizuje.
Porovnanie ukazuje, aké ekonomické dôsledky má dodatočná strategická požiadavka v rámci modelu.
Scenár D: Dodatočný investičný kapitál
Finančný riaditeľ sa pýta:
„Aký dodatočný ekonomický prínos by sme mohli dosiahnuť, ak by sme náš rozpočet na kapitálové výdavky (CAPEX) zvýšili o ďalších 20 miliónov eur?“
Rozpočet sa upraví a vykoná sa nový výpočet.
Vedenie môže porovnať modelovaný dodatočný prínos s potrebnou investíciou kapitálu.
Scenár E: Zmenené strategické priority
Predstavenstvo sa pýta:
„Ako sa zmení naše portfólio, ak kladieme väčší dôraz na digitalizáciu, energetickú efektívnosť alebo určité oblasti rastu?“
Príslušné parametre sa upravia.
StratePlan vypočíta novú kombináciu projektov a umožní porovnanie s predchádzajúcimi scenármi.
Zmeniť rozpočet. Upraviť strategické ciele. Prepočítať portfólio. Porovnať ekonomické dopady.
Tak sa zo statického investičného plánovania stáva dynamický základ pre strategické rozhodnutia.
8. Ex-ante rozhodovanie: Určenie najlepšej kombinácie pred realizáciou
Tradičné riadenie podniku sa často zameriava na dodatočné hodnotenie už prijatých rozhodnutí.
Controlling skúma tržby, EBIT, ROI, návratnosť investícií a odchýlky od rozpočtu.
Tieto ukazovatele ukazujú, aké ekonomické výsledky boli dosiahnuté.
Neodpovedajú však automaticky na otázku, či by iná kombinácia projektov bola úspešnejšia.
Matematická ex ante optimalizácia preto začína už pred viazaním kapitálu.
Skúma, ktorá kombinácia plánovaných opatrení v rámci dostupných zdrojov dosiahne najvyšší očakávaný celkový prínos.
Zmena perspektívy je zásadná.
Ex post: „Ako úspešné bolo naše rozhodnutie?“
Ex ante: „Ktoré rozhodnutie sľubuje na základe našich predpokladov najlepší celkový výsledok?“
Vďaka matematickej optimalizácii portfólia môžu podniky porovnávať alternatívne kombinácie projektov ešte pred ich realizáciou.
To môže pomôcť znížiť nesprávne alokácie zdrojov a odhaliť nevyužitý potenciál tvorby hodnoty.
Kvalita strategických rozhodnutí sa tak nehodnotí až po ich realizácii, ale systematicky sa skúma už v samotnom rozhodovacom procese.
9. Alternatívne náklady: Koľko stojí neoptimálne rozhodnutie?
Každé investičné rozhodnutie viaže kapitál a zdroje.
Tento kapitál už následne nie je k dispozícii pre iné projekty.
Tým vznikajú alternatívne náklady.
Popisujú ušlý prínos najlepšej alternatívy, ktorá nebola zvolená.
Spoločnosť môže vybrať ekonomicky atraktívne projekty a napriek tomu nevyužiť značnú dodatočnú pridanú hodnotu.
Matematická optimalizácia portfólia umožňuje porovnať pôvodne plánované investičné portfólio s optimalizovanou kombináciou projektov.
Pri tom je možné porovnať okrem iného nasledujúce ukazovatele:
- Celková investičná potreba
- Očakávaná čistá pridaná hodnota
- Návratnosť investícií (ROI) portfólia
- Vybrané a nevybrané projekty
- Zostávajúce rozpočtové rezervy
- Ekonomické rozdiely medzi alternatívnymi portfóliami
Rozdiel medzi modelovanými výsledkami ukazuje, aký potenciál ekonomického zlepšenia existuje na základe použitých predpokladov.
Ak je globálne optimum matematicky dokázané, je možné v rámci modelu presne určiť, aký je rozdiel medzi zvolenou kombináciou projektov a týmto optimom.
V prípade približne optimálnych riešení sa najskôr vypočíta rozdiel voči najlepšiemu nájdenému riešeniu.
Kľúčovou pridanou hodnotou je zviditeľnenie možných ekonomických nevýhod rozhodnutia o portfóliu ešte pred jeho realizáciou.
10. Analýza citlivosti: Aká robustná je matematicky optimalizovaná voľba?
Strategické rozhodnutia sa zakladajú na predpokladoch o budúcich vývojových trendoch.
Investičné náklady môžu stúpať. Očakávané príjmy môžu byť nižšie. Zdroje môžu byť obmedzenejšie. Strategické priority sa môžu zmeniť.
Preto by matematická optimalizácia nemala zohľadňovať výlučne jediný scenár.
Cielenými zmenami vstupných parametrov je možné simulovať rôzne ekonomické vývojové scenáre.
Typické otázky sú:
- Ktoré projekty zostanú súčasťou portfólia aj pri zníženom rozpočte?
- Ktoré investície reagujú obzvlášť citlivo na rastúce náklady?
- Ako sa mení čistý prínos hodnoty pri nižších očakávaných príjmoch?
- Aká kombinácia projektov vznikne pri zmenených strategických váhach?
- Ktoré opatrenia zostávajú ekonomicky atraktívne v rôznych scenároch?
Tieto analýzy citlivosti môžu ukázať, do akej miery zostáva vypočítaná kombinácia projektov stabilná pri zmenených rámcových podmienkach.
Dobré strategické rozhodnutie preto zohľadňuje nielen najlepší výsledok pri jednom predpoklade, ale aj dopady možných zmien.
11. Referenčný prípad z praxe: Areál Klybeck v Bazileji – o približne 63 % vyššia návratnosť investícií
Aký ekonomický potenciál môže matematická optimalizácia portfólia priniesť, ilustruje prípadová štúdia spoločnosti StratePlan týkajúca sa areálu Klybeck v Bazileji.
V rámci optimalizácie portfólia pre spoločnosti Central Real Estate AG a Swiss Life AG boli matematicky preskúmané existujúce investičné a projektové alternatívy.
Modelovaný výsledok:
- Pôvodná návratnosť investícií: 7,0 %
- Optimalizovaná návratnosť investícií: 11,4 %
- Relatívne zlepšenie výnosnosti: približne 63 %
- Dodatočný modelovaný prínos pre hospodársku hodnotu: približne 30 miliónov CHF
Toto zlepšenie bolo modelované na základe zmenenej kombinácie existujúcich investičných alternatív pri nezmenenom rozpočte.
Tieto výsledky špecifické pre daný projekt nepredstavujú všeobecnú záruku výnosnosti.
Kľúčový záver: Vyšší celkový ekonomický prínos možno dosiahnuť už len lepšou kombináciou existujúcich investičných alternatív – bez dodatočného investičného rozpočtu.
12. Rozhodovanie s využitím umelej inteligencie v podnikoch a verejnej správe
Matematická optimalizácia rozhodovania je relevantná všade tam, kde o obmedzené finančné alebo prevádzkové zdroje súťaží množstvo opatrení.
Priemysel a strategické plánovanie investícií (CAPEX)
Investície do strojov, výrobné kapacity, projekty automatizácie a rozšírenia prevádzok sa musia vyberať v rámci spoločných investičných rozpočtov.
Matematická optimalizácia portfólia môže pomôcť identifikovať ekonomicky výkonnejšie kombinácie týchto opatrení.
Digitalizácia a transformácia umelej inteligencie
Spoločnosti majú často k dispozícii množstvo potenciálnych projektov v oblasti umelej inteligencie a digitalizácie.
Hlavnou výzvou je vybrať tie opatrenia, ktoré spoločne dosiahnu najvyšší ekonomický prínos v rámci dostupných zdrojov.
Nehnuteľnosti a realitný sektor
Vývoj projektov, sanácie, modernizácie a investície do lokalít je možné optimalizovať v rámci spoločného kapitálového rozpočtu.
Výber jednotlivých projektov pritom ovplyvňuje možnosti financovania celého portfólia.
Energetika a infraštruktúra
Energetické projekty, investície do sietí, opatrenia na zvýšenie efektívnosti a modernizácia infraštruktúry si často vyžadujú dlhodobé viazanie kapitálu.
Matematická optimalizácia môže pomôcť porovnať rôzne kombinácie investícií v rámci ekonomických a technických obmedzení.
Samosprávy a verejné rozpočty
Mestá a obce musia financovať množstvo investičných projektov v rámci obmedzených rozpočtových prostriedkov.
Školy, cesty, administratívne budovy, infraštruktúra a sociálne zariadenia súperia o tie isté verejné zdroje.
Výzvou je skĺbiť finančné obmedzenia s politickými prioritami, zákonnými povinnosťami a cieľmi v oblasti spoločenského vplyvu.
Matematická optimalizácia portfólia dokáže v tomto prípade vypočítať rôzne kombinácie opatrení a zviditeľniť dopady zmien v rozpočtových a váhových špecifikáciách.
Spoločná otázka znie: Ktorá kombinácia dostupných opatrení dosahuje za definovaných rámcových podmienok najvyšší celkový ekonomický alebo spoločenský prínos?
13. Simulácia rozpočtu a súčasná optimalizácia komunálnych investičných programov
Zvlášť zaujímavé je prepojenie matematickej optimalizácie portfólia so simuláciou verejných rozpočtov.
Miestni rozhodovatelia pravidelne čelia výzve financovať početné investičné požiadavky s obmedzenými rozpočtovými prostriedkami.
Príklad:
Mesto disponuje investičným rozpočtom vo výške 81 miliónov eur.
Zároveň má na výber 50 plánovaných projektov s celkovou investičnou potrebou 220 miliónov eur.
Kľúčová otázka neznie výlučne, ktoré projekty sa javia ako politicky alebo odborné obzvlášť dôležité.
Ktorá kombinácia týchto 50 projektov dosiahne v rámci dostupného rozpočtu najvyšší definovaný celkový ekonomický alebo spoločenský prínos?
Pri 50 binárnych rozhodnutiach o projektoch vzniká teoreticky 2^50 = 1 125 899 906 842 624 možných kombinácií.
Matematická optimalizácia portfólia dokáže preskúmať rôzne prípustné kombinácie projektov v rámci definovaných rozpočtových a efektívnych obmedzení.
Prostredníctvom súbežnej simulácie rozpočtu je možné zohľadniť zmenené finančné rámcové podmienky.
Napríklad:
- Ako sa zmení optimálny výber projektov v prípade zníženého investičného rozpočtu?
- Ktoré ďalšie projekty by bolo možné financovať v prípade vyšších príjmov?
- Aké ekonomické alebo spoločenské dopady vyplývajú zo záväzných politických projektov?
- Ako sa mení portfólio pri väčšom dôraze na vzdelávanie, infraštruktúru alebo ochranu klímy?
- Ktorá kombinácia projektov dosahuje v rámci dostupného rozpočtu najvyšší modelovaný celkový prínos?
Výsledky závisia od kvality vstupných údajov a definície ekonomických, resp. spoločenských cieľových ukazovateľov.
Spojenie rozpočtovej simulácie a matematickej optimalizácie portfólia môže pomôcť politickým rozhodovateľom zrozumiteľne porovnať alternatívne balíky opatrení a systematicky preskúmať vplyv obmedzených rozpočtových prostriedkov.
14. Od Business Intelligence k Decision Intelligence
Business Intelligence skúma prevažne ekonomický vývoj organizácie.
Čo sa stalo? Ktoré KPI sa zmenili? Kde existujú odchýlky od plánu?
Decision Intelligence rozširuje túto perspektívu o systematickú podporu budúcich rozhodnutí.
Aké alternatívy sú k dispozícii? Aké obmedzenia platia? Ktorá kombinácia projektov najlepšie spĺňa definované ciele?
StratePlan dopĺňa existujúce systémy ERP, controllingu a Business Intelligence o úroveň matematickej optimalizácie.
Potrebné údaje o projektoch je možné spočiatku poskytnúť prostredníctvom jednoduchých tabuliek v programe Excel.
Vďaka tomu môžu podniky a verejné inštitúcie využiť existujúce investičné plány ako východiskový bod pre systematickú optimalizáciu portfólia.
Kľúčový rozdiel spočíva v tom, že sa nemerajú len ekonomické dôsledky už prijatých rozhodnutí, ale alternatívne rozhodnutia sa pred ich realizáciou matematicky analyzujú.
15. Záver: Strategické rozhodnutia potrebujú matematický základ
Strategické rozhodovanie sa s rastúcim počtom projektov a obmedzení stáva čoraz komplexnejším.
Skúsenosti, odborné znalosti a manažérske kompetencie zostávajú nenahraditeľné.
Samotné však nestačia na systematické preskúmanie exponenciálne veľkých rozhodovacích priestorov.
Už pri 50 projektoch vzniká viac ako jeden bilión teoreticky možných kombinácií.
Izolované hodnotenie jednotlivých projektov preto automaticky neodpovedá na otázku, aké je najlepšie celkové portfólio.
Matematická optimalizácia rozhodovania umožňuje analyzovať komplexné portfóliá investícií a opatrení so zreteľom na ekonomické ciele, dostupné rozpočty a definované obmedzenia.
StratePlan na tento účel kombinuje metódy z oblasti operačného výskumu s prístupmi založenými na umelej inteligencii.
Vďaka tomu môžu podniky, predstavenstvá a verejní rozhodovatelia vypočítať alternatívne kombinácie projektov, porovnať rôzne scenáre a identifikovať nevyužitý ekonomický alebo spoločenský potenciál.
Kľúčová otázka už neznie: Ktoré projekty považujeme za najlepšie?
Ale: Ktorá kombinácia našich dostupných projektov dosiahne za daných rámcových podmienok najlepší možný celkový výsledok?
Práve tu začína prechod od klasického stanovovania priorít projektov k matematickej optimalizácii rozhodovania.
StratePlan – Rovnaké projekty. Rovnaký rozpočet. Optimálna kombinácia. Lepšie výsledky.
FAQ – Rozhodovanie s využitím umelej inteligencie
Čo konkrétne znamená rozhodovanie s využitím umelej inteligencie?
Rozhodovanie s využitím umelej inteligencie popisuje použitie algoritmických systémov na podporu komplexných rozhodnutí.
V oblasti matematickej optimalizácie portfólia sa v rámci spoločného modelu skúmajú dostupné alternatívy konania, ekonomické ciele a obmedzenia.
Cieľom je identifikovať čo najefektívnejšiu prípustnú kombináciu opatrení.
V čom sa rozhodovanie podporované umelou inteligenciou líši od klasických analýz?
Klasické rozhodovacie procesy často porovnávajú jednotlivé projekty alebo niekoľko vopred pripravených scenárov.
Matematická optimalizácia portfólia naopak skúma kombináciu rôznych opatrení v rámci spoločných rozpočtových a zdrojových obmedzení.
Týmto spôsobom sa môžu objaviť ekonomicky atraktívnejšie alternatívy, ktoré by pri posudzovaní jednotlivých projektov samostatne zostali nezohľadnené.
Čo znamená 2^N v kontexte strategických rozhodnutí?
2^N opisuje počet teoreticky možných kombinácií pri N nezávislých binárnych rozhodnutiach.
Každý projekt môže byť buď vybraný, alebo nevybraný.
Pri 20 projektoch vzniká 2^20 = 1 048 576 možných kombinácií.
Pri 50 projektoch vzniká 2^50 = 1 125 899 906 842 624 možných kombinácií.
Skutočne prípustné kombinácie závisia od definovaných obmedzení.
Musí umelá inteligencia skutočne vypočítať všetky 2^N kombinácií jednotlivo?
Nie.
Moderné matematické optimalizačné metódy dokážu efektívne preskúmať rozsiahle rozhodovacie priestory bez toho, aby museli každú teoreticky možnú kombináciu jednotlivo a úplne vyhodnotiť.
To, ktoré metódy sú vhodné, závisí od matematickej štruktúry problému a definovaných okrajových podmienok.
Dokáže umelá inteligencia vypočítať globálne optimum rozhodnutia?
Pri použití vhodných matematických modelov a optimalizačných postupov je možné vypočítať a preukázať globálne optimum.
Pri mimoriadne zložitých problémoch je možné použiť aj približne optimálne riešenia.
Posúdenie kvality riešenia sa preto musí zhodovať s použitou metódou a s existujúcim dôkazom optimality.
Nahradí umelá inteligencia rozhodnutie vedenia?
Nie.
Vedenie definuje ekonomické a strategické ciele, stanovuje obmedzenia a vyhodnocuje výsledky.
Matematická optimalizácia podporovaná umelou inteligenciou poskytuje dodatočné podklady pre rozhodovanie.
Konečná zodpovednosť zostáva na príslušných vedúcich pracovníkoch, resp. politických rozhodovateľoch.
Na aké rozhodnutia je matematická umelá inteligencia obzvlášť vhodná?
Je obzvlášť relevantná pre komplexné rozhodnutia týkajúce sa portfólia s množstvom konkurenčných projektov a obmedzenými zdrojmi.
Typickými oblasťami použitia sú plánovanie investícií (CAPEX), portfóliá digitalizácie, prípady použitia umelej inteligencie, priemyselné investície, realitné projekty, energetické programy a plánovanie komunálnych rozpočtov.
Čo znamená ex ante rozhodovanie?
Ex ante znamená posúdiť rozhodnutie ešte pred jeho realizáciou.
Pri matematickej optimalizácii portfólia sa vypočítajú alternatívne kombinácie projektov ešte pred viazaním kapitálu alebo začatím opatrení.
Vďaka tomu je možné včas zistiť ekonomické dopady rôznych rozhodnutí.
Ako spoľahlivé sú výsledky rozhodovania podporované umelou inteligenciou?
Kvalita výsledkov závisí od vstupných údajov, definície cieľovej funkcie, modelovania obmedzení a použitej optimalizačnej metódy.
Matematická optimalizácia umožňuje reprodukovateľné a vysledovateľné výpočty.
Analýzy citlivosti môžu navyše ukázať, ako sa výsledky menia pri zmenených predpokladoch.
Je rozhodovanie podporované umelou inteligenciou zmysluplné len pre veľké koncerny?
Nie.
Aj stredné podniky, samosprávy a iné organizácie môžu ťažiť z matematickej optimalizácie portfólia.
Rozhodujúca nie je len veľkosť organizácie, ale aj zložitosť rozhodnutia a počet konkurenčných opatrení.
Aké údaje potrebuje StratePlan na prvý výpočet?
Na vytvorenie základného ekonomického optimalizačného modelu sú najskôr potrebné tri údaje pre každý projekt:
- ID projektu
- Výdavky – plánované výdavky
- Príjmy – očakávané príjmy alebo ekonomické výnosy
Okrem toho sa stanoví dostupný investičný rozpočet.
Zložitejšie modely môžu zohľadňovať ďalšie obmedzenia a hodnotiace parametre.
Dokáže StratePlan simulovať rôzne rozpočtové scenáre?
Áno. Rôzne rozpočtové limity je možné modelovať ako alternatívne scenáre.
Týmto spôsobom je možné preskúmať, aká kombinácia projektov sa zvolí pri nižšom alebo vyššom investičnom rozpočte a ako sa mení očakávaný celkový ekonomický prínos.
Aký je rozdiel medzi prioritizáciou projektov a optimalizáciou portfólia?
Prioritizácia projektov vytvára poradie jednotlivých opatrení.
Optimalizácia portfólia skúma, ktorá kombinácia týchto opatrení dosahuje v rámci definovaných obmedzení najlepší celkový výsledok.
Najlepší rebríček preto nie je automaticky aj najlepším portfóliom projektov.
Aký je najdôležitejší záver pre generálnych riaditeľov, finančných riaditeľov a verejných činiteľov?
Zložité strategické rozhodnutia by nemali vychádzať výlučne z hodnotenia jednotlivých projektov alebo niekoľkých ručne vybraných scenárov.
Matematická optimalizácia portfólia umožňuje systematické skúmanie alternatívnych kombinácií projektov a vytvára tak dodatočný základ pre fundované rozhodnutia.
Umelá inteligencia nenahrádza zodpovednosť. Môže však pomôcť odhaliť ekonomicky alebo spoločensky výhodnejšie alternatívy konania.
Ktorá kombinácia vašich projektov dosahuje najlepší výsledok?
Zistite, ktorá kombinácia vašich plánovaných investičných projektov môže v rámci vášho dostupného rozpočtu dosiahnuť najvyššiu očakávanú čistú pridanú hodnotu.
Začnite s vašimi vlastnými údajmi o projektoch a porovnajte matematicky optimalizované investičné scenáre.
Môžete bezplatne optimalizovať až 15 projektov.