Glavni članek bloga:
Sprejemanje odločitev z umetno inteligenco – zakaj je danes treba strateške odločitve izračunati
Povzetek: Kakovost odločitve je odvisna od preučenih alternativ
Kako lahko podjetja, upravni odbori in javne uprave zagotovijo, da bodo iz številnih možnih ukrepov dejansko izbrali najboljšo kombinacijo z gospodarskega ali družbenega vidika?
Strateško odločanje tradicionalno temelji na izkušnjah, strokovnem znanju, intuiciji, poslovnih primerih, Excelovih modelih in razpravah v upravnih organih.
Ti instrumenti ostajajo nepogrešljivi. Vendar pa naletijo na praktične omejitve, takoj ko številne naložbe, projekti in ukrepi hkrati tekmujejo za omejene vire.
Izziv ni nujno v pomanjkanju informacij ali pomanjkljivi pristojnosti za odločanje.
Leži v matematični kompleksnosti prostora za odločanje.
Podjetje z 50 načrtovanimi investicijskimi projekti se v poenostavljenem binarnem modelu sooča z več kot bilijonom možnih kombinacij projektov.
Nobena uprava, noben investicijski odbor in noben občinski odločevalni organ ne more v celoti preučiti teh alternativ z razpravami ali ročnimi primerjavami.
Zato ključno vprašanje ni več izključno:
»Kateri projekti so posebej pomembni ali gospodarsko privlačni?«
temveč:
»Katera kombinacija vseh razpoložljivih projektov v okviru naših proračunskih, virovnih in strateških pogojev dosega najboljši možni skupni rezultat?«
Prav tu pride v igro matematična optimizacija odločanja, podprta z umetno inteligenco.
StratePlan združuje metode iz operativnega raziskovanja z umetno inteligenco podprtimi pristopi, da sistematično preuči kompleksne projektne portfelje in izračuna ekonomsko učinkovite kombinacije.
Cilj ni nadomestiti človeške odločitve, temveč bistveno izboljšati njihovo matematično podlago.
1. Osnovni problem sodobnega sprejemanja odločitev: posamezne odločitve so odločitve na ravni portfelja
V mnogih organizacijah se strateške odločitve še vedno obravnavajo posamično.
Naložbeni projekt se ocenjuje na podlagi donosa naložbe (ROI). Ukrep digitalizacije dobi strateško oceno. Projekt občinske infrastrukture se razvrsti po nujnosti.
Te posamezne ocene so pomembne.
Vendar pa ne odgovorijo samodejno na vprašanje, katera kombinacija vseh ukrepov prinaša najboljši skupni rezultat.
Razlog je preprost: projekti med seboj tekmujejo.
Potrebujejo kapital, osebje, čas, tehnične zmogljivosti in organizacijsko pozornost.
Če se ukrep izvede, viri, ki so bili zanj porabljeni, niso več na voljo za druge projekte.
To povzroča medsebojne vplive med posameznimi odločitvami.
Posamezni projekti, ki so ekonomsko najbolj privlačni, zato ne pomenijo nujno tudi ekonomsko najboljšega celotnega portfelja.
Projekt z visoko posamezno donosnostjo lahko na primer zahteva toliko kapitala, da več drugih projektov z višjim skupnim neto prispevkom k vrednosti ni več mogoče financirati.
Strateško odločanje mora zato potekati na ravni portfelja.
Osrednje vprašanje za vodstvo se glasi:
Katera kombinacija naših razpoložljivih ukrepov v okviru obstoječih omejitev ustvarja najvišji skupni gospodarski ali družbeni prispevek?
2. Zakaj se prostor za odločanje eksponentno širi: matematično načelo 2^N
Število možnih kombinacij projektov ne narašča linearno s številom projektov.
V poenostavljenem binarnem modelu odločanja se vsak projekt lahko izvede ali pa se ne izvede.
Pri N neodvisno izbirnih projektih teoretično nastane 2^N možnih kombinacij.
Velikost tega števila postane jasna že pri razmeroma majhnem številu projektov:
- 7 projektov: 2^7 = 128 kombinacij
- 10 projektov: 2^10 = 1.024 kombinacij
- 20 projektov: 2^20 = 1.048.576 kombinacij
- 30 projektov: 2^30 = 1.073.741.824 kombinacij
- 40 projektov: 2^40 = 1.099.511.627.776 kombinacij
- 50 projektov: 2^50 = 1.125.899.906.842.624 kombinacij
- 100 projektov: 2^100 = približno 1,27 × 10^30 kombinacij
Pri 50 projektih torej obstaja približno 1,126 bilijonov teoretično možnih kombinacij projektov.
Zaradi proračunskih omejitev, omejitev virov ali odvisnosti med projekti niso vse kombinacije dopustne.
Kljub temu ta velikostni red kaže, zakaj klasični postopki odločanja lahko upoštevajo le omejen del celotnega prostora rešitev.
Pravi izziv ni v tem, da bi 50 projektov ocenili posamično. Izziv je v tem, da določimo najboljšo možno dovoljeno kombinacijo teh 50 projektov.
3. Zakaj izkušnje, intuicija in upravni organi sami po sebi ne zadostujejo
Izkušnje in strokovno znanje so bistveni temelji dobrega vodenja podjetja.
Pomagata pri ocenjevanju tveganj, oblikovanju strateških ciljev in kritični oceni gospodarskih predpostavk.
Vendar pa ima človeška sposobnost odločanja matematično mejo.
Upravni odbor lahko analizira posamezne investicijske projekte, razpravlja o njihovih prednostih in slabostih ter primerja več scenarijev.
Vendar pa ne more v celoti preučiti milijonov ali milijard različnih kombinacij projektov.
V praksi se zato pogosto uporabljajo poenostavitve:
- projekti se razvrstijo po posameznih kazalnikih.
- Le domnevno najpomembnejši ukrepi se obravnavajo podrobneje.
- Alternativne kombinacije projektov se sestavijo ročno.
- Investicijski proračuni se razporedijo po poslovnih področjih.
- Strateške prioritete se določijo s pomočjo tehtanja ali odločitev odborov.
Ti postopki so lahko organizacijsko smiselni in potrebni.
Vendar ne zagotavljajo, da bo izbrana kombinacija projektov dosegla največji možni skupni prispevek.
Pri kompleksnih portfeljih omejitve človeškega odločanja ne ležijo predvsem v pomanjkanju znanja, temveč v omejeni sposobnosti primerjave eksponentno velikega števila alternativ med seboj.
Matematična optimizacija zato dopolnjuje človeško sposobnost odločanja s sistematično preučitvijo prostora rešitev.
4. Preprost primer: Zakaj najboljša posamezna odločitev ni nujno najboljša skupna odločitev
Podjetje razpolaga z investicijskim proračunom v višini 10 milijonov evrov.
Na izbiro so trije projekti.
| Projekt | Naložba | Neto dodana vrednost |
|---|---|---|
| Projekt A | 7 milijonov € | 4 milijone evrov |
| Projekt B | 5 milijonov € | 3 milijone evrov |
| Projekt C | 5 milijonov € | 3 milijone € |
Projekt A ima najvišji posamezni neto prispevek k vrednosti.
Če se izbere projekt A, ostane v proračunu 3 milijone evrov. To ne zadostuje za nobenega od drugih projektov.
Skupni neto prispevek k vrednosti tako znaša 4 milijone evrov.
Matematična analiza možnih kombinacij pa kaže na ekonomsko ugodnejšo alternativo.
Projekta B in C skupaj potrebujeta 10 milijonov evrov in ustvarjata skupni neto prispevek k vrednosti v višini 6 milijonov evrov.
Ob predpostavki, da so projekti neodvisni in da ni drugih omejitev, je kombinacija B + C optimalna za maksimiranje neto vrednostnega prispevka.
Matematično optimizirana kombinacija projektov tako ustvari za 50 % višji neto prispevek k vrednosti v primerjavi s prvotno izbiro.
Podjetje za to ne potrebuje dodatnega investicijskega kapitala.
Mora le izbrati drugo kombinacijo svojih obstoječih projektov.
Ta primer kaže: posamezna odločitev, ki je ekonomsko smiselna, je lahko na ravni portfelja kljub temu suboptimalna.
5. Odločanje z umetno inteligenco: od določanja prioritet do matematične optimizacije
Sprejemanje odločitev s pomočjo umetne inteligence lahko izpolnjuje različne naloge.
Generativna umetna inteligenca na primer pomaga pri analizi informacij, oblikovanju predlogov za odločanje ali povzemanju zapletenih dejstev.
Prognostični modeli lahko ocenijo prihodnje razvoje.
Matematična optimizacija odločanja pa si zastavlja drugačen cilj.
Preučuje, katera kombinacija razpoložljivih alternativnih ukrepov v okviru opredeljenih omejitev najbolje izpolnjuje določeno ciljno funkcijo.
Za to se naloga odločanja opiše kot matematični model.
Tipični sestavni deli so:
- Odločevalne spremenljivke: Kateri projekti se bodo izvedli?
- Ciljna funkcija: kateri skupni gospodarski ali družbeni prispevek je treba maksimirati?
- Proračunske omejitve: Koliko kapitala je na voljo?
- Omejitve virov: Katere kadrovske in tehnične zmogljivosti so na voljo?
- Odvisnosti med projekti: Kateri ukrepi morajo biti izvedeni skupaj ali v določenem zaporedju?
- Strateške smernice: Katere projekte ali cilje učinka je treba upoštevati?
Iz teh podatkov nastane kombinatorični optimizacijski problem.
Primerni algoritmi preiščejo oziroma analizirajo matematični prostor rešitev in določijo učinkovite, dopustne kombinacije projektov.
Glede na strukturo problema in uporabljeni postopek je mogoče najti dokazano globalno ali približno optimalno rešitev.
Za to načeloma ni potrebno izvesti popolnega posameznega izračuna vseh 2^N kombinacij.
Ključni napredek je v tem, da se kompleksne odločitve o portfelju matematično preučijo, namesto da se med seboj primerja le nekaj ročno izbranih scenarijev.
6. Kako StratePlan matematično optimira strateške odločitve
StratePlan je bil razvit za preučevanje kompleksnih naložbenih in projektnih portfeljev s pomočjo matematičnih optimizacijskih postopkov.
Ta tehnologija združuje pristope iz operativnega raziskovanja z metodami, podprtimi z umetno inteligenco, za učinkovito iskanje uspešnih kombinacij projektov.
Za osnovni ekonomski optimizacijski model so sprva potrebni le trije podatki na projekt:
- ID projekta: edinstvena identifikacija projekta
- Stroški: načrtovani izdatki oziroma naložbe
- Prihodki: pričakovani prihodki ali gospodarski donosi
Poleg tega se določi razpoložljivi investicijski proračun.
Podatke je mogoče na primer prevzeti iz obstoječih načrtov naložb v Excelu.
StratePlan preuči možne kombinacije projektov in izračuna sestavo portfelja v skladu z izbrano ciljno funkcijo.
Pri možnosti »Maximize Net Contribution« je v središču pozornosti maksimiranje celotnega pričakovanega neto prispevka k vrednosti.
Donosnost naložb (ROI) portfelja se lahko dodatno prikaže kot gospodarski kazalnik.
Razširjeni modeli lahko upoštevajo dodatne omejitve in parametre vrednotenja:
- odvisnosti med projekti
- Strateška tehtanja
- Omejitve virov in zmogljivosti
- Večletni investicijski proračuni
- Časovne omejitve
- Kriteriji tveganja in trajnosti
Rezultat ni zgolj lestvica posameznih projektov, temveč matematično izračunana kombinacija projektov v okviru opredeljenih pogojev.
StratePlan tako strateško odločanje dopolnjuje z matematično optimizacijo.
7. V živo na seji upravnega odbora: takojšnje izračunavanje strateških scenarijev
Matematična optimizacija odločanja postane še posebej dragocena, če se uporablja neposredno na sestankih vodstva in upravnega odbora.
Predstavljajmo si industrijski koncern s 100 načrtovanimi investicijskimi projekti.
Vsota vseh željenih naložb presega razpoložljivi proračun za naložbe (CAPEX).
Vodstvo se mora odločiti, kateri projekti se bodo izvedli.
StratePlan najprej izračuna optimizirano kombinacijo projektov na podlagi obstoječih gospodarskih predpostavk.
Na seji upravnega odbora se nato lahko preučijo različni scenariji.
Scenarij A: Največji skupni gospodarski prispevek
Finančni direktor vpraša:
„Katera kombinacija naših načrtovanih naložb bo z obstoječim proračunom za investicije (CAPEX) dosegla najvišji pričakovani neto prispevek k vrednosti?“
StratePlan izračuna ustrezno kombinacijo projektov.
Vodstvo prejme pregled izbranih projektov, potrebnega vložka kapitala in pričakovanega skupnega gospodarskega prispevka.
Scenarij B: Zmanjšan proračun za naložbe
Izvršni direktor zastavi vprašanje:
„Kaj se zgodi, če moramo naš proračun za naložbe zmanjšati za 15 %?“
Proračunska omejitev se prilagodi.
StratePlan ponovno izračuna portfelj.
Vodstvo lahko spremlja, kateri projekti bodo izpuščeni in kako se bo spremenil pričakovani neto prispevek k vrednosti.
Scenarij C: Obvezno upoštevanje strateških projektov
Še en član uprave vpraša:
»Kako se spremeni naša optimalna kombinacija projektov, če je treba nujno izvesti določene strateške naložbe?«
Zadevni projekti se upoštevajo kot obvezne omejitve.
Portfelj se ponovno optimira.
Primerjava pokaže, kakšne gospodarske posledice ima dodatna strateška zahteva znotraj modela.
Scenarij D: Dodatni investicijski kapital
Finančni direktor želi vedeti:
„Kakšen dodatni gospodarski prispevek bi lahko dosegli, če bi naš proračun za naložbe povečali za dodatnih 20 milijonov evrov?“
Proračun se prilagodi in izvede se nov izračun.
Vodstvo lahko primerja modelirani dodatni prispevek k vrednosti z zahtevanim vložkom kapitala.
Scenarij E: Spremenjene strateške prioritete
Upravni odbor vpraša:
„Kako se spremeni naš portfelj, če večjo težo namenimo digitalizaciji, energetski učinkovitosti ali določenim področjem rasti?“
Ustrezni parametri se prilagodijo.
StratePlan izračuna novo kombinacijo projektov in omogoča primerjavo s prejšnjimi scenariji.
Spremenite proračun. Prilagodite strateške smernice. Ponovno izračunajte portfelj. Primerjajte gospodarske učinke.
Tako se iz statičnega načrtovanja naložb oblikuje dinamična podlaga za strateške odločitve.
8. Ex-ante odločanje: določitev najboljše kombinacije pred izvedbo
Tradicionalno vodenje podjetja se pogosto osredotoča na naknadno ocenjevanje že sprejetih odločitev.
Kontroling preučuje prihodke, EBIT, ROI, donosnost kapitala in odstopanja od proračuna.
Ti kazalniki kažejo, kakšni gospodarski rezultati so bili doseženi.
Vendar pa ne odgovorijo samodejno na vprašanje, ali bi bila druga kombinacija projektov uspešnejša.
Matematična ex-ante optimizacija se zato začne že pred vezavo kapitala.
Preuči, katera kombinacija načrtovanih ukrepov v okviru razpoložljivih virov prinaša najvišji pričakovani skupni prispevek.
Sprememba perspektive je bistvena.
Ex post: »Kako uspešna je bila naša odločitev?«
Ex ante: »Katera odločitev ob naših predpostavkah obeta najboljši skupni rezultat?«
Z matematično optimizacijo portfelja lahko podjetja primerjajo alternativne kombinacije projektov že pred njihovo izvedbo.
To lahko pomaga zmanjšati napačno razporeditev gospodarskih virov in razkriva neizkoriščene možnosti za ustvarjanje dodane vrednosti.
Kakovost strateških odločitev se tako ne ocenjuje šele po njihovi izvedbi, temveč se sistematično preučuje že v samem procesu odločanja.
9. Alternativni stroški: Koliko stane neoptimalna odločitev?
Vsaka investicijska odločitev veže kapital in vire.
Ta kapital nato ni več na voljo za druge projekte.
S tem nastanejo oportunitetni stroški.
Opisujejo izgubljeno korist najboljše alternative, ki ni bila izbrana.
Podjetje lahko izbere gospodarsko privlačne projekte, a kljub temu ne izkoristi znatnega dodatnega prispevka k vrednosti.
Matematična optimizacija portfelja omogoča primerjavo prvotno načrtovanega investicijskega portfelja z optimizirano kombinacijo projektov.
Pri tem je mogoče med drugim primerjati naslednje kazalnike:
- Skupna potreba po naložbah
- Pričakovani neto prispevek k vrednosti
- Donosnost naložb (ROI) portfelja
- Izbrani in neizbrani projekti
- Preostali proračunski manevrski prostor
- Ekonomske razlike med alternativnimi portfelji
Razlika med modeliranimi rezultati kaže, kakšen potencial za gospodarsko izboljšanje obstaja v okviru izhodiščnih predpostavk.
Če je globalni optimum matematično dokazan, je mogoče razdaljo izbrane kombinacije projektov do tega optimuma natančno določiti znotraj modela.
Pri približno optimalnih rešitvah se najprej prikaže razlika do najboljše najdene rešitve.
Ključna dodana vrednost je v tem, da se morebitne gospodarske slabosti odločitve o portfelju pokažejo že pred izvedbo.
10. Analiza občutljivosti: Kako robustna je matematično optimizirana odločitev?
Strateške odločitve temeljijo na predpostavkah o prihodnjih razvojih.
Naložbeni stroški se lahko povečajo. Pričakovani prihodki so lahko nižji. Viri so lahko omejeni. Strateške prioritete se lahko spremenijo.
Zato matematična optimizacija ne sme upoštevati izključno enega samega scenarija.
Z usmerjenimi spremembami vhodnih parametrov je mogoče simulirati različne gospodarske razvoje.
Tipična vprašanja so:
- Kateri projekti ostanejo del portfelja tudi ob zmanjšanem proračunu?
- Kateri naložbi se še posebej občutljivo odzivata na naraščajoče stroške?
- Kako se spreminja neto vrednostni prispevek ob nižjih pričakovanih prihodkih?
- Kakšna kombinacija projektov nastane ob spremenjenih strateških utežeh?
- Kateri ukrepi ostanejo v različnih scenarijih ekonomsko privlačni?
Te analize občutljivosti lahko pokažejo, kako stabilna ostaja izračunana kombinacija projektov ob spremenjenih okoliščinah.
Dobra strateška odločitev zato ne upošteva le najboljšega rezultata ob eni sami predpostavki, temveč tudi učinke morebitnih sprememb.
11. Primer iz prakse: območje Klybeck v Baslu – približno 63 % višja donosnost kapitala
Kakšen gospodarski potencial lahko razvije matematična optimizacija portfelja, ponazarja primer StratePlan za območje Klybeck v Baslu.
V okviru optimizacije portfelja za družbi Central Real Estate AG in Swiss Life AG so bile matematično preučene obstoječe naložbene in projektne alternative.
Modelirani rezultat:
- Prvotna donosnost kapitala: 7,0 %
- Optimizirana donosnost kapitala: 11,4 %
- Relativno izboljšanje donosa: okoli 63 %
- Dodatni modelirani gospodarski prispevek: okoli 30 milijonov CHF
Izboljšanje je bilo modelirano s spremenjeno kombinacijo obstoječih naložbenih alternativ ob nespremenjenem proračunu.
Ti rezultati, specifični za projekt, ne predstavljajo splošnega jamstva donosa.
Ključna ugotovitev: višji skupni gospodarski prispevek je mogoče doseči že z boljšo kombinacijo obstoječih naložbenih alternativ – brez dodatnega proračuna za naložbe.
12. Odločanje z umetno inteligenco v podjetjih in javni upravi
Matematična optimizacija odločanja je pomembna povsod tam, kjer številni ukrepi tekmujejo za omejena finančna ali operativna sredstva.
Industrija in strateško načrtovanje naložb (CAPEX)
Naložbe v stroje, proizvodne zmogljivosti, projekte avtomatizacije in širitve lokacij je treba izbrati v okviru skupnih investicijskih proračunov.
Matematična optimizacija portfelja lahko pomaga pri prepoznavanju ekonomsko učinkovitejših kombinacij teh ukrepov.
Digitalizacija in preobrazba z umetno inteligenco
Podjetja imajo pogosto številne potencialne projekte na področju umetne inteligence in digitalizacije.
Glavni izziv je izbrati tiste ukrepe, ki skupaj prinašajo največji gospodarski prispevek v okviru razpoložljivih virov.
Nepremičnine in nepremičninski sektor
Razvoj projektov, sanacije, modernizacije in naložbe v lokacije je mogoče optimizirati v okviru skupnega kapitalskega proračuna.
Izbira posameznih projektov pri tem vpliva na možnosti financiranja celotnega portfelja.
Energija in infrastruktura
Energetski projekti, naložbe v omrežja, ukrepi za izboljšanje učinkovitosti in posodobitve infrastrukture pogosto zahtevajo dolgoročne naložbe kapitala.
Matematična optimizacija lahko pomaga pri primerjavi različnih kombinacij naložb ob upoštevanju gospodarskih in tehničnih omejitev.
Občine in javni proračuni
Mesta in občine morajo številne investicijske projekte financirati v okviru omejenih proračunskih sredstev.
Šole, ceste, upravne stavbe, infrastruktura in socialne ustanove tekmujejo za iste javne vire.
Izziv je v tem, da se finančne omejitve uskladijo s političnimi prednostnimi nalogami, zakonskimi obveznostmi in družbenimi cilji.
Matematična optimizacija portfelja lahko pri tem izračuna različne kombinacije ukrepov in ponazori učinke spremenjenih proračunskih in tehtalnih meril.
Skupno vprašanje se glasi: katera kombinacija razpoložljivih ukrepov v okviru opredeljenih pogojev doseže največji skupni gospodarski ali družbeni prispevek?
13. Simulacija proračuna in sočasna optimizacija občinskih investicijskih programov
Zlasti zanimiva je povezava matematične optimizacije portfelja s simulacijo javnih proračunov.
Občinski odločevalci se redno soočajo z izzivom, kako s omejenimi proračunskimi sredstvi financirati številne investicijske želje.
Primer:
Mesto razpolaga z investicijskim proračunom v višini 81 milijonov evrov.
Hkrati pa je na voljo 50 načrtovanih projektov s skupno investicijsko potrebo v višini 220 milijonov evrov.
Osrednje vprašanje ni izključno, kateri projekti se zdijo politično ali strokovno posebej pomembni.
Katera kombinacija teh 50 projektov v okviru razpoložljivega proračuna prinaša največjo opredeljeno gospodarsko ali družbeno korist?
Pri 50 binarnih odločitvah o projektih teoretično nastane 2^50 = 1.125.899.906.842.624 možnih kombinacij.
Matematična optimizacija portfelja lahko preuči različne dopustne kombinacije projektov v okviru opredeljenih proračunskih in učinkovnih omejitev.
S hkratno simulacijo proračuna je mogoče upoštevati spremenjene finančne okoliščine.
Na primer:
- Kako se spremeni optimalna izbira projektov ob zmanjšanem investicijskem proračunu?
- Kateri dodatni projekti bi se lahko financirali ob višjih prihodkih?
- Kakšne gospodarske ali družbene posledice imajo zavezujoči politični projekti?
- Kako se spremeni portfelj ob večji teži, ki jo pripisujemo izobraževanju, infrastrukturi ali varstvu podnebja?
- Katera kombinacija projektov v okviru razpoložljivega proračuna prinaša največjo modelirano skupno korist?
Rezultati so odvisni od kakovosti vhodnih podatkov ter opredelitve gospodarskih oziroma družbenih ciljnih vrednosti.
Povezava med simulacijo proračuna in matematično optimizacijo portfelja lahko političnim odločevalcem pomaga pri pregledni primerjavi alternativnih svežnjev ukrepov in sistematičnem preučevanju učinka omejenih proračunskih sredstev.
14. Od poslovne inteligence do odločevalne inteligence
Poslovna inteligenca pretežno preučuje gospodarski razvoj organizacije.
Kaj se je zgodilo? Kateri KPI-ji so se spremenili? Kje obstajajo odstopanja od načrtovanja?
Odločevalna inteligenca to perspektivo razširja s sistematično podporo prihodnjim odločitvam.
Katere alternative so na voljo? Katere omejitve veljajo? Katera kombinacija projektov najbolje izpolnjuje opredeljene cilje?
StratePlan dopolnjuje obstoječe sisteme ERP, nadzora in poslovne inteligence z matematično ravnjo optimizacije.
Potrebne projektne podatke je mogoče najprej zagotoviti prek preprostih Excelovih tabel.
Tako lahko podjetja in javne ustanove obstoječe načrte naložb uporabijo kot izhodišče za sistematično optimizacijo portfelja.
Ključna razlika je v tem, da se ne merijo le gospodarske posledice že sprejetih odločitev, temveč se alternativne odločitve pred njihovo izvedbo matematično preučijo.
15. Zaključek: strateške odločitve potrebujejo matematično podlago
Strateško odločanje postaja z naraščajočim številom projektov in omejitev vedno bolj zapleteno.
Izkušnje, strokovno znanje in vodstvene kompetence ostajajo nepogrešljive.
Vendar same po sebi ne zadostujejo za sistematično preučevanje eksponentno velikih obsegov odločitev.
Že pri 50 projektih nastane več kot bilijon teoretično možnih kombinacij.
Zato izolirana ocena posameznih projektov ne daje samodejno odgovora na vprašanje o najboljšem možnem celotnem portfelju.
Matematična optimizacija odločanja omogoča preučevanje kompleksnih naložbenih portfeljev in portfeljev ukrepov ob upoštevanju gospodarskih ciljev, razpoložljivih proračunov in opredeljenih omejitev.
StratePlan za to združuje metode iz operativnega raziskovanja z umetno inteligenco podprtimi pristopi.
Tako lahko podjetja, uprave in javni odločevalci izračunajo alternativne kombinacije projektov, primerjajo različne scenarije ter identificirajo neizkoriščene gospodarske ali družbene potenciale.
Ključno vprašanje ni več: Kateri projekti se nam zdijo najboljši?
Ampak: Katera kombinacija naših razpoložljivih projektov v danih okoliščinah doseže najboljši možni skupni rezultat?
Prav tu se začne prehod od klasičnega določanja prednostnih nalog projektov k matematični optimizaciji odločanja.
StratePlan – Enaki projekti. Enak proračun. Optimalna kombinacija. Večji rezultat.
Pogosta vprašanja – Odločanje z umetno inteligenco
Kaj konkretno pomeni sprejemanje odločitev z umetno inteligenco?
Sprejemanje odločitev z umetno inteligenco opisuje uporabo algoritmičnih sistemov za podporo pri sprejemanju kompleksnih odločitev.
Na področju matematične optimizacije portfelja se v skupnem modelu preučijo razpoložljive alternative ukrepov, gospodarski cilji in omejitve.
Cilj je identificirati čim bolj učinkovito dovoljeno kombinacijo ukrepov.
V čem se sprejemanje odločitev z umetno inteligenco razlikuje od klasičnih analiz?
Klasični postopki odločanja pogosto primerjajo posamezne projekte ali nekaj vnaprej pripravljenih scenarijev.
Matematična optimizacija portfelja pa preučuje kombinacijo različnih ukrepov v okviru skupnih proračunskih in virovnih omejitev.
Tako se lahko pokažejo gospodarsko privlačnejše alternative, ki pri obravnavi posameznih projektov ostanejo neupoštevane.
Kaj pomeni 2^N pri strateških odločitvah?
2^N opisuje število teoretično možnih kombinacij pri N neodvisnih binarnih odločitvah.
Vsak projekt se lahko izbere ali ne izbere.
Pri 20 projektih je 2^20 = 1.048.576 možnih kombinacij.
Pri 50 projektih nastane 2^50 = 1.125.899.906.842.624 možnih kombinacij.
Dejansko dopustne kombinacije so odvisne od opredeljenih omejitev.
Ali mora umetna inteligenca res posamično izračunati vse 2^N kombinacij?
Ne.
Sodobne matematične optimizacijske metode lahko učinkovito preučijo velika območja odločanja, ne da bi bilo treba vsako teoretično možno kombinacijo posebej v celoti ovrednotiti.
Katera postopka so primerna, je odvisno od matematične strukture problema in opredeljenih omejitev.
Ali lahko umetna inteligenca izračuna globalno optimum odločitve?
Z ustreznimi matematičnimi modeli in optimizacijskimi postopki je mogoče izračunati in dokazati globalno optimum.
Pri posebej zapletenih problemih se lahko uporabijo tudi približno optimalne rešitve.
Zato mora trditev o kakovosti rešitve ustrezati uporabljeni metodi in obstoječemu dokazu optimalnosti.
Ali umetna inteligenca nadomešča odločitev vodstva?
Ne.
Vodstvo opredeli gospodarske in strateške cilje, določi omejitve ter oceni rezultate.
Matematična optimizacija, podprta z umetno inteligenco, zagotavlja dodatne podlage za odločanje.
Končna odgovornost ostaja pri pristojnih vodstvenih kadrih oziroma političnih odločevalcih.
Za katere odločitve je matematična umetna inteligenca še posebej primerna?
Posebej pomembna je za kompleksne odločitve v zvezi s portfelji, kjer obstaja veliko konkurenčnih projektov in omejenih virov.
Tipična področja uporabe so načrtovanje naložb v osnovna sredstva (CAPEX), portfelji digitalizacije, primeri uporabe umetne inteligence, industrijske naložbe, nepremičninski projekti, energetski programi in načrtovanje občinskih proračunov.
Kaj pomeni ex-ante odločanje?
»Ex ante« pomeni, da se odločitev preuči še pred njenim izvajanjem.
Pri matematični optimizaciji portfelja se izračunajo alternativne kombinacije projektov, preden se zaveže kapital ali začnejo ukrepi.
Tako se lahko gospodarski učinki različnih odločitev pokažejo že v zgodnji fazi.
Kako zanesljivi so rezultati odločanja, podprti z umetno inteligenco?
Kakovost rezultatov je odvisna od izhodiščnih podatkov, opredelitve ciljne funkcije, modeliranja omejitev in uporabljenega optimizacijskega postopka.
Matematična optimizacija omogoča ponovljive in pregledne izračune.
Analize občutljivosti lahko dodatno pokažejo, kako se rezultati spreminjajo ob spremenjenih predpostavkah.
Ali je odločanje, podprto z umetno inteligenco, smiselno le za velike korporacije?
Ne.
Tudi srednje velika podjetja, občine in druge organizacije lahko izkoristijo prednosti matematične optimizacije portfelja.
Odločilna ni le velikost organizacije, temveč tudi kompleksnost odločitve in število konkurenčnih ukrepov.
Kakšne podatke potrebuje StratePlan za prvi izračun?
Za osnovni ekonomski optimizacijski model so najprej potrebni trije podatki za vsak projekt:
- ID projekta
- Stroški – načrtovani izdatki
- Prihodki – pričakovani prihodki oziroma gospodarski donosi
Poleg tega se določi razpoložljivi investicijski proračun.
Bolj zapleteni modeli lahko upoštevajo dodatne omejitve in parametre vrednotenja.
Ali lahko StratePlan simulira različne proračunske scenarije?
Da. Različne proračunske omejitve je mogoče modelirati kot alternativne scenarije.
Tako je mogoče preučiti, katera kombinacija projektov se izbere ob nižjem ali višjem investicijskem proračunu in kako se spremeni pričakovani skupni gospodarski prispevek.
Kakšna je razlika med določanjem prednosti projektov in optimizacijo portfelja?
Priorizacija projektov ustvari lestvico posameznih ukrepov.
Optimizacija portfelja preuči, katera kombinacija teh ukrepov v okviru opredeljenih omejitev doseže najboljši skupni rezultat.
Najboljši seznam po pomembnosti zato ni avtomatično tudi najboljši projektni portfelj.
Kaj je najpomembnejši zaključek za direktorje, finančne direktorje in javne odločevalce?
Kompleksne strateške odločitve ne bi smele temeljiti izključno na oceni posameznih projektov ali nekaj ročno izbranih scenarijev.
Matematična optimizacija portfelja omogoča sistematično preučevanje alternativnih kombinacij projektov in s tem ustvarja dodatno podlago za utemeljene odločitve.
Umetna inteligenca ne nadomešča odgovornosti. Lahko pa pomaga pri prepoznavanju gospodarsko ali družbeno boljših alternativnih ukrepov.
Katera kombinacija vaših projektov prinaša najboljši rezultat?
Ugotovite, katera kombinacija vaših načrtovanih investicijskih projektov lahko v okviru razpoložljivega proračuna doseže najvišji pričakovani neto prispevek k vrednosti.
Začnite z lastnimi podatki o projektih in primerjajte matematično optimizirane investicijske scenarije.
Brezplačno lahko optimizirate do 15 projektov.