Beslutsfattande med hjälp av AI – varför strategiska beslut måste beräknas idag

Sammanfattning: Kvaliteten på ett beslut beror på de alternativ som undersöks

Hur kan företag, styrelser och offentliga förvaltningar säkerställa att de verkligen väljer den bästa kombinationen ur ett stort antal möjliga åtgärder, både ur ekonomisk och samhällelig synvinkel?

Strategiskt beslutsfattande bygger traditionellt på erfarenhet, expertkunskap, intuition, affärsanalyser, Excel-modeller och diskussioner i ledningsgrupper.

Dessa verktyg är fortfarande oumbärliga. De stöter dock på praktiska begränsningar så snart ett stort antal investeringar, projekt och åtgärder samtidigt konkurrerar om begränsade resurser.

Utmaningen ligger inte nödvändigtvis i bristande information eller bristande beslutsförmåga.

Den ligger i den matematiska komplexiteten i beslutsutrymmet.

Ett företag med 50 planerade investeringsprojekt står i en förenklad binär modell inför mer än en biljon möjliga projektkombinationer.

Ingen styrelse, ingen investeringskommitté och inget kommunalt beslutsorgan kan fullständigt granska dessa alternativ genom diskussioner eller manuella jämförelser.

Den avgörande frågan är därför inte längre enbart:

”Vilka projekt är särskilt viktiga eller ekonomiskt attraktiva?”

Utan:

”Vilken kombination av alla tillgängliga projekt ger det bästa möjliga totalresultatet utifrån våra budget-, resurs- och strategiska förutsättningar?”

Det är just här som den AI-stödda matematiska beslutsoptimeringen kommer in.

StratePlan kombinerar metoder från operationsanalys med AI-baserade tillvägagångssätt för att systematiskt undersöka komplexa projektportföljer och beräkna ekonomiskt effektiva kombinationer.

Målet är inte att ersätta mänskliga beslut, utan att avgörande förbättra deras matematiska grund.

1. Kärnproblemet i modern beslutsfattning: Enskilda beslut är portföljbeslut

I många organisationer betraktas strategiska beslut fortfarande var för sig.

Ett investeringsprojekt utvärderas utifrån sin avkastning på investeringen. En digitaliseringsåtgärd tilldelas ett strategiskt betyg. Ett kommunalt infrastrukturprojekt prioriteras efter hur brådskande det är.

Dessa enskilda bedömningar är viktiga.

Men de ger inte automatiskt svar på frågan vilken kombination av alla åtgärder som ger det bästa totalresultatet.

Anledningen är enkel: projekten konkurrerar med varandra.

De kräver kapital, personal, tid, teknisk kapacitet och organisatorisk uppmärksamhet.

Om en åtgärd genomförs står de resurser som satsats på den inte längre till förfogande för andra projekt.

Detta leder till växelverkan mellan de enskilda besluten.

De ekonomiskt mest attraktiva enskilda projekten ger därför inte nödvändigtvis den ekonomiskt bästa samlade portföljen.

Ett projekt med hög avkastning kan till exempel kräva så mycket kapital att flera andra projekt med ett högre sammanlagt nettovärde inte längre kan finansieras.

Strategiskt beslutsfattande måste därför ske på portföljnivå.

Den centrala ledningsfrågan lyder:

Vilken kombination av våra tillgängliga åtgärder ger det högsta ekonomiska eller samhälleliga totalbidraget inom ramen för de befintliga begränsningarna?

2. Varför beslutsutrymmet växer exponentiellt: Den matematiska principen 2^N

Antalet möjliga projektkombinationer växer inte linjärt med antalet projekt.

I en förenklad binär beslutsmodell kan varje projekt antingen genomföras eller inte genomföras.

Vid N oberoende valbara projekt uppstår teoretiskt sett 2^N möjliga kombinationer.

Storleksordningen blir tydlig redan vid relativt få projekt:

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

Vid 50 projekt finns det alltså cirka 1,126 biljoner teoretiskt möjliga projektkombinationer.

Alla kombinationer är inte tillåtna på grund av budgetbegränsningar, resursbegränsningar eller projektberoenden.

Ändå visar storleksordningen varför klassiska beslutsprocesser endast kan beakta en begränsad del av det totala lösningsutrymmet.

Den egentliga utmaningen ligger inte i att utvärdera 50 projekt var för sig. Den ligger i att fastställa den bästa möjliga tillåtna kombinationen av dessa 50 projekt.

3. Varför erfarenhet, intuition och ledningsgrupper inte räcker på egen hand

Erfarenhet och sakkunskap är viktiga grunder för god företagsledning.

De hjälper till att bedöma risker, formulera strategiska mål och kritiskt utvärdera ekonomiska antaganden.

Men mänsklig beslutsförmåga har en matematisk gräns.

En styrelse kan analysera enskilda investeringsprojekt, diskutera deras för- och nackdelar och jämföra flera scenarier.

Men den kan inte fullständigt undersöka miljoner eller miljarder olika projektkombinationer.

I praktiken görs därför ofta förenklingar:

• Projekten sorteras efter enskilda nyckeltal.
• Endast de åtgärder som anses vara viktigast granskas ingående.
• Alternativa projektkombinationer sammanställs manuellt.
• Investeringsbudgetarna fördelas på affärsområdena.
• Strategiska prioriteringar fastställs genom viktningar eller beslut i beslutsorgan.

Dessa tillvägagångssätt kan vara organisatoriskt meningsfulla och nödvändiga.

De garanterar dock inte att den valda projektkombinationen ger det maximalt möjliga totala bidraget.

När det gäller komplexa portföljer ligger begränsningarna i mänskligt beslutsfattande inte främst i bristande kunskap, utan i den begränsade förmågan att jämföra ett exponentiellt stort antal alternativ med varandra.

Matematisk optimering kompletterar därför den mänskliga beslutskompetensen med en systematisk undersökning av lösningsutrymmet.

4. Ett enkelt exempel: Varför det bästa enskilda beslutet inte är det bästa beslutet totalt sett

Ett företag har en investeringsbudget på 10 miljoner euro.

Tre projekt står till val.

Projekt A har det högsta enskilda nettovärdet.

Om projekt A väljs återstår 3 miljoner euro i budgeten. Detta räcker inte till något av de andra projekten.

Det totala nettovärdet uppgår därmed till 4 miljoner euro.

En matematisk analys av de möjliga kombinationerna visar dock att det finns ett ekonomiskt bättre alternativ.

Projekten B och C kräver tillsammans 10 miljoner euro och ger ett kombinerat nettovärdebidrag på 6 miljoner euro.

Under antagandet att projekten är oberoende av varandra och utan ytterligare begränsningar är B + C den optimala kombinationen för att maximera nettovärdet.

Den matematiskt optimerade projektkombinationen genererar därmed ett 50 % högre nettovärde jämfört med det ursprungliga urvalet.

Företaget behöver inget ytterligare investeringskapital för detta.

Det behöver endast välja en annan kombination av sina befintliga projekt.

Detta exempel visar: Ett ekonomiskt förnuftigt enskilt beslut kan ändå vara suboptimalt på portföljnivå.

5. Beslutsfattande med AI: Från prioritering till matematisk optimering

AI-stödd beslutsfattning kan utföra olika uppgifter.

Generativ AI kan till exempel hjälpa till med att analysera information, utforma beslutsunderlag eller sammanfatta komplexa sakförhållanden.

Prognosmodeller kan bedöma framtida utvecklingar.

Matematisk beslutsoptimering har däremot ett annat mål.

Den undersöker vilken kombination av tillgängliga handlingsalternativ som bäst uppfyller en viss målfunktion inom definierade begränsningar.

För detta beskrivs beslutsuppgiften som en matematisk modell.

Typiska beståndsdelar är:

• Beslutsvariabler: Vilka projekt ska genomföras?
• Målfunktion: Vilket ekonomiskt eller samhälleligt totalbidrag ska maximeras?
• Budgetbegränsningar: Hur mycket kapital finns tillgängligt?
• Resursbegränsningar: Vilka personella och tekniska resurser finns tillgängliga?
• Projektberoenden: Vilka åtgärder måste genomföras tillsammans eller i en viss ordning?
• Strategiska riktlinjer: Vilka projekt eller effektmål måste beaktas?

Utifrån dessa uppgifter uppstår ett kombinatoriskt optimeringsproblem.

Lämpliga algoritmer genomsöker respektive analyserar det matematiska lösningsrummet och identifierar effektiva, tillåtna projektkombinationer.

Beroende på problemets struktur och den använda metoden kan en bevisligen global eller en approximativt optimal lösning hittas.

En fullständig enskild beräkning av samtliga 2^N kombinationer är i princip inte nödvändig för detta.

Det avgörande framsteget består i att matematiskt undersöka komplexa portföljbeslut, istället för att uteslutande jämföra ett fåtal manuellt utvalda scenarier med varandra.

6. Hur StratePlan matematiskt optimerar strategiska beslut

StratePlan har utvecklats för att undersöka komplexa investerings- och projektportföljer med hjälp av matematiska optimeringsmetoder.

Tekniken kombinerar metoder från operationsanalys med AI-stödda metoder för att effektivt söka efter högpresterande projektkombinationer.

För en grundläggande ekonomisk optimeringsmodell krävs inledningsvis endast tre uppgifter per projekt:

1. Projekt-ID: Unikt identifieringsnummer för projektet
2. Kostnader: Planerade utgifter respektive investeringar
3. Intäkter: Förväntade intäkter eller ekonomiska avkastningar

Dessutom definieras den tillgängliga investeringsbudgeten.

Uppgifterna kan till exempel hämtas från befintliga investeringsplaner i Excel.

StratePlan undersöker möjliga projektkombinationer och beräknar en portföljsammansättning i enlighet med den valda målfunktionen.

Vid ”Maximize Net Contribution” ligger fokus på att maximera det totala förväntade nettovärdet.

Portföljens avkastning (ROI) kan dessutom redovisas som ett ekonomiskt nyckeltal.

Avancerade modeller kan ta hänsyn till ytterligare begränsningar och utvärderingsparametrar:

• Projektberoenden
• Strategiska viktningar
• Resurs- och kapacitetsbegränsningar
• Fleråriga investeringsbudgetar
• Tidsbegränsningar
• Risk- och hållbarhetskriterier

Resultatet är inte bara en rangordning av enskilda projekt, utan en matematiskt beräknad projektkombination inom de definierade ramvillkoren.

StratePlan kompletterar därmed det strategiska beslutsfattandet med en matematisk optimeringsnivå.

7. Live under styrelsemötet: Beräkna strategiska scenarier direkt

Matematisk beslutsoptimering blir särskilt värdefull när den används direkt i lednings- och styrelsemöten.

Låt oss föreställa oss en industrikoncern med 100 planerade investeringsprojekt.

Summan av alla investeringsönskemål överstiger den tillgängliga CAPEX-budgeten.

Ledningen måste besluta vilka projekt som ska genomföras.

StratePlan beräknar först en optimerad projektkombination utifrån de befintliga ekonomiska antagandena.

Vid styrelsemötet kan sedan olika scenarier undersökas.

Scenario A: Maximalt ekonomiskt totalbidrag

CFO:n frågar:

”Vilken kombination av våra planerade investeringar ger det högsta förväntade nettovärdet med den befintliga CAPEX-budgeten?”

StratePlan beräknar en lämplig projektkombination.

Ledningen får en översikt över de utvalda projekten, den nödvändiga kapitalinsatsen och det förväntade totala ekonomiska bidraget.

Scenario B: Minskad investeringsbudget

VD:n ställer frågan:

”Vad händer om vi måste minska vår investeringsbudget med 15 %?”

Budgetbegränsningen justeras.

StratePlan beräknar portföljen på nytt.

Ledningen kan se vilka projekt som måste strykas och hur det förväntade nettovärdet förändras.

Scenario C: Strategiska projekt ska beaktas på ett bindande sätt

En annan styrelseledamot frågar:

”Hur förändras vår optimala projektkombination om vissa strategiska investeringar måste genomföras?”

De aktuella projekten beaktas som bindande begränsningar.

Portföljen optimeras på nytt.

Jämförelsen visar vilka ekonomiska effekter den ytterligare strategiska förutsättningen medför inom modellen.

Scenario D: Ytterligare investeringskapital

CFO:n vill veta:

”Vilket ytterligare ekonomiskt bidrag skulle vi kunna uppnå om vi ökade vår CAPEX-budget med ytterligare 20 miljoner euro?”

Budgeten justeras och en ny beräkning görs.

Ledningen kan jämföra det modellerade ytterligare värdet med den nödvändiga kapitalinsatsen.

Scenario E: Förändrade strategiska prioriteringar

Styrelsen frågar:

”Hur förändras vår portfölj om vi lägger större vikt vid digitalisering, energieffektivitet eller vissa tillväxtområden?”

De relevanta parametrarna justeras.

StratePlan beräknar en ny projektkombination och möjliggör jämförelse med de tidigare scenarierna.

Ändra budgeten. Justera de strategiska riktlinjerna. Beräkna portföljen på nytt. Jämför de ekonomiska effekterna.

På så sätt förvandlas en statisk investeringsplanering till en dynamisk grund för strategiska beslut.

8. Ex ante-beslutsfattande: Fastställa den bästa kombinationen innan genomförandet

Traditionell företagsstyrning fokuserar ofta på efterhandsutvärdering av redan fattade beslut.

Controlling granskar omsättning, EBIT, ROI, avkastning på investerat kapital och budgetavvikelser.

Dessa nyckeltal visar vilka ekonomiska resultat som uppnåtts.

De ger dock inte automatiskt svar på frågan om en annan projektkombination skulle ha varit mer framgångsrik.

Den matematiska ex ante-optimeringen inleds därför redan innan kapitalet binds.

Den undersöker vilken kombination av planerade åtgärder som, inom ramen för de tillgängliga resurserna, ger det högsta förväntade totala bidraget.

Perspektivförändringen är avgörande.

Ex post: ”Hur framgångsrikt var vårt beslut?”

Ex ante: ”Vilket beslut lovar det bästa totalresultatet utifrån våra antaganden?”

Genom matematisk portföljoptimering kan företag jämföra alternativa projektkombinationer redan innan de genomförs.

Detta kan bidra till att minska ekonomiska felallokeringar och synliggöra outnyttjade värdeskapandepotentialer.

Kvaliteten på strategiska beslut utvärderas därmed inte först efter genomförandet, utan granskas systematiskt redan under beslutsprocessen.

9. Alternativkostnader: Vad kostar ett icke-optimalt beslut?

Varje investeringsbeslut binder kapital och resurser.

Detta kapital är därefter inte längre tillgängligt för andra projekt.

Detta medför alternativkostnader.

De beskriver den förlorade nyttan av det bästa alternativet som inte valdes.

Ett företag kan välja ekonomiskt attraktiva projekt och ändå låta ett betydande mervärde förbli outnyttjat.

Matematisk portföljoptimering gör det möjligt att jämföra den ursprungligen planerade investeringsportföljen med en optimerad projektkombination.

Därvid kan bland annat följande nyckeltal jämföras:

• Totalt investeringsbehov
• Förväntat nettovärde
• Portföljens avkastning (ROI)
• Utvalda och icke utvalda projekt
• Återstående budgetutrymme
• Ekonomiska skillnader mellan alternativa portföljer

Skillnaden mellan de modellerade resultaten visar vilken ekonomisk förbättringspotential som finns utifrån de underliggande antagandena.

Om det globala optimatet är matematiskt bevisat kan avståndet mellan en vald projektkombination och detta optimum bestämmas exakt inom modellen.

Vid ungefärligt optimala lösningar redovisas först skillnaden jämfört med den bästa lösningen som hittats.

Det avgörande mervärdet ligger i att synliggöra eventuella ekonomiska nackdelar med ett portföljbeslut redan innan det genomförs.

10. Känslighetsanalys: Hur robust är ett matematiskt optimerat beslut?

Strategiska beslut bygger på antaganden om framtida utveckling.

Investeringskostnaderna kan stiga. Förväntade intäkter kan bli lägre. Resurserna kan bli knappare. Strategiska prioriteringar kan förändras.

Därför bör en matematisk optimering inte uteslutande beakta ett enda scenario.

Genom riktade förändringar av ingångsparametrarna kan olika ekonomiska utvecklingar simuleras.

Typiska frågor är:

• Vilka projekt förblir en del av portföljen även vid en minskad budget?
• Vilka investeringar är särskilt känsliga för stigande kostnader?
• Hur förändras nettovärdet vid lägre intäktsförväntningar?
• Vilken projektkombination uppstår vid förändrade strategiska viktningar?
• Vilka åtgärder förblir ekonomiskt attraktiva i olika scenarier?

Dessa känslighetsanalyser kan visa hur stabil en beräknad projektkombination förblir under förändrade ramvillkor.

Ett bra strategiskt beslut tar därför inte bara hänsyn till det bästa resultatet utifrån ett enskilt antagande, utan även till effekterna av möjliga förändringar.

11. Praktisk referens: Klybeck-området i Basel – cirka 63 % högre avkastning på investerat kapital

Vilken ekonomisk potential matematisk portföljoptimering kan frigöra illustreras av StratePlan-referensen för Klybeck-området i Basel.

Inom ramen för portföljoptimeringen för Central Real Estate AG och Swiss Life AG undersöktes befintliga investerings- och projektalternativ matematiskt.

Det modellerade resultatet:

• Ursprunglig avkastning på investerat kapital: 7,0 %
• Optimerad avkastning på investerat kapital: 11,4 %
• Relativ avkastningsförbättring: cirka 63 %
• Ytterligare modellerat ekonomiskt värdetillskott: cirka 30 miljoner CHF

Förbättringen har modellerats genom en ändrad kombination av befintliga investeringsalternativ med oförändrad budget.

Dessa projektspecifika resultat utgör ingen allmän avkastningsgaranti.

Den centrala slutsatsen: Ett högre totalt ekonomiskt värdetillskott kan uppnås redan genom en bättre kombination av befintliga investeringsalternativ – utan ytterligare investeringsbudget.

12. Beslutsfattande med AI i företag och offentlig förvaltning

Matematisk beslutsoptimering är relevant överallt där många åtgärder konkurrerar om begränsade finansiella eller operativa resurser.

Industri och strategisk CAPEX-planering

Maskininvesteringar, produktionskapacitet, automatiseringsprojekt och utbyggnad av anläggningar måste väljas ut inom ramen för gemensamma investeringsbudgetar.

En matematisk portföljoptimering kan hjälpa till att identifiera ekonomiskt mer effektiva kombinationer av dessa åtgärder.

Digitalisering och AI-omvandling

Företag har ofta ett stort antal potentiella AI- och digitaliseringsprojekt.

Den centrala utmaningen består i att välja ut de åtgärder som tillsammans ger det största ekonomiska bidraget inom ramen för de tillgängliga resurserna.

Fastigheter och fastighetsförvaltning

Projektutveckling, renoveringar, moderniseringar och investeringar i fastighetslägen kan optimeras inom ramen för en gemensam kapitalbudget.

Valet av enskilda projekt påverkar därvid finansieringsmöjligheterna för hela portföljen.

Energi och infrastruktur

Energiprojekt, nätinvesteringar, effektivitetsåtgärder och moderniseringar av infrastrukturen kräver ofta långsiktiga kapitalbindningar.

Matematisk optimering kan hjälpa till att jämföra olika investeringskombinationer med hänsyn till ekonomiska och tekniska begränsningar.

Kommuner och offentliga budgetar

Städer och kommuner måste finansiera ett stort antal investeringsprojekt inom ramen för begränsade budgetmedel.

Skolor, vägar, förvaltningsbyggnader, infrastruktur och sociala inrättningar konkurrerar om samma offentliga resurser.

Utmaningen består i att förena finansiella begränsningar med politiska prioriteringar, lagstadgade skyldigheter och samhälleliga effektmål.

Matematisk portföljoptimering kan här beräkna olika kombinationer av åtgärder och synliggöra effekterna av ändrade budget- och viktningskrav.

Den gemensamma frågan lyder: Vilken kombination av tillgängliga åtgärder ger det största ekonomiska eller samhälleliga totalbidraget inom de definierade ramvillkoren?

13. Budget simulering och samtidig optimering av kommunala investeringsprogram

Särskilt intressant är kopplingen mellan matematisk portföljoptimering och simulering av offentliga budgetar.

Kommunala beslutsfattare står regelbundet inför utmaningen att finansiera ett stort antal investeringsönskemål med begränsade budgetmedel.

Ett exempel:

En stad har en investeringsbudget på 81 miljoner euro.

Samtidigt finns 50 planerade projekt med ett sammanlagt investeringsbehov på 220 miljoner euro att välja mellan.

Den centrala frågan är inte enbart vilka projekt som framstår som särskilt viktiga ur politisk eller fackmässig synvinkel.

Vilken kombination av dessa 50 projekt ger den högsta definierade ekonomiska eller samhälleliga totalnyttan inom ramen för den tillgängliga budgeten?

Vid 50 binära projektbeslut uppstår teoretiskt sett 2^50 = 1 125 899 906 842 624 möjliga kombinationer.

En matematisk portföljoptimering kan undersöka olika tillåtna projektkombinationer inom de definierade budget- och effektbegränsningarna.

Genom en samtidig budgetsimulering kan förändrade finansiella ramvillkor beaktas.

Till exempel:

• Hur förändras det optimala projekturvalet vid en minskad investeringsbudget?
• Vilka ytterligare projekt skulle kunna finansieras vid högre intäkter?
• Vilka ekonomiska eller samhälleliga effekter uppstår till följd av bindande politiska projekt?
• Hur förändras projektportföljen om man lägger större vikt vid utbildning, infrastruktur eller klimatskydd?
• Vilken projektkombination ger den högsta modellerade totalnyttan inom den tillgängliga budgeten?

Resultaten beror på kvaliteten på indata och definitionen av de ekonomiska respektive samhälleliga målen.

Kombinationen av budget simulering och matematisk portföljoptimering kan hjälpa politiska beslutsfattare att på ett överskådligt sätt jämföra alternativa åtgärdspaket och systematiskt undersöka effekterna av begränsade budgetmedel.

14. Från Business Intelligence till Decision Intelligence

Business Intelligence undersöker främst en organisations ekonomiska utveckling.

Vad har hänt? Vilka nyckeltal har förändrats? Var finns avvikelser jämfört med planeringen?

Decision Intelligence utvidgar detta perspektiv till att omfatta systematiskt stöd för framtida beslut.

Vilka alternativ finns tillgängliga? Vilka begränsningar gäller? Vilken projektkombination uppfyller de definierade målen bäst?

StratePlan kompletterar befintliga ERP-, controlling- och Business Intelligence-system med en matematisk optimeringsnivå.

De nödvändiga projektuppgifterna kan inledningsvis tillhandahållas via enkla Excel-tabeller.

På så sätt kan företag och offentliga institutioner använda befintliga investeringsplaner som utgångspunkt för en systematisk portföljoptimering.

Den avgörande skillnaden ligger i att inte bara mäta de ekonomiska konsekvenserna av redan fattade beslut, utan att matematiskt undersöka alternativa beslut innan de genomförs.

15. Slutsats: Strategiska beslut behöver en matematisk grund

Strategiskt beslutsfattande blir allt mer komplext i takt med att antalet projekt och begränsningar ökar.

Erfarenhet, sakkunskap och ledarskapskompetens förblir oumbärliga.

De räcker dock inte på egen hand för att systematiskt undersöka exponentiellt stora beslutsutrymmen.

Redan vid 50 projekt uppstår mer än en biljon teoretiskt möjliga kombinationer.

En isolerad utvärdering av enskilda projekt ger därför inte automatiskt svaret på frågan om vilken som är den bästa möjliga samlade portföljen.

Matematisk beslutsoptimering gör det möjligt att undersöka komplexa investerings- och åtgärdsportföljer med hänsyn till ekonomiska mål, tillgängliga budgetar och definierade begränsningar.

StratePlan kombinerar för detta ändamål metoder från operationsanalys med AI-stödda tillvägagångssätt.

På så sätt kan företag, styrelser och offentliga beslutsfattare beräkna alternativa projektkombinationer, jämföra olika scenarier och identifiera outnyttjad ekonomisk eller samhällelig potential.

Den avgörande frågan är inte längre: Vilka projekt anser vi vara de bästa?

Utan: Vilken kombination av våra tillgängliga projekt ger det bästa möjliga totalresultatet under de givna förutsättningarna?

Det är just här som övergången från klassisk projektprioritering till matematisk beslutsoptimering börjar.

StratePlan – Samma projekt. Samma budget. Optimal kombination. Bättre resultat.

FAQ – Beslutsfattande med AI

Vad innebär beslutsfattande med AI konkret?

Beslutsfattande med AI beskriver användningen av algoritmiska system för att stödja komplexa beslut.

Inom området matematisk portföljoptimering undersöks tillgängliga handlingsalternativ, ekonomiska mål och begränsningar i en gemensam modell.

Målet är att identifiera en så effektiv som möjligt och tillåten kombination av åtgärder.

Hur skiljer sig AI-stödd beslutsfattning från traditionella analyser?

Traditionella beslutsprocesser jämför ofta enskilda projekt eller ett fåtal förberedda scenarier.

Matematisk portföljoptimering undersöker däremot kombinationen av olika åtgärder inom ramen för gemensamma budget- och resursbegränsningar.

Därigenom kan ekonomiskt mer attraktiva alternativ bli synliga, vilka inte beaktas vid en ren enskild projektbedömning.

Vad betyder 2^N vid strategiska beslut?

2^N beskriver antalet teoretiskt möjliga kombinationer vid N oberoende binära beslut.

Varje projekt kan antingen väljas eller inte väljas.

Med 20 projekt blir det 2^20 = 1 048 576 möjliga kombinationer.

Vid 50 projekt blir det 2^50 = 1 125 899 906 842 624 möjliga kombinationer.

De faktiskt tillåtna kombinationerna beror på de definierade begränsningarna.

Måste AI verkligen beräkna alla 2^N kombinationer en efter en?

Nej.

Moderna matematiska optimeringsmetoder kan effektivt undersöka stora beslutsrum utan att varje teoretiskt möjlig kombination behöver utvärderas fullständigt var för sig.

Vilka metoder som är lämpliga beror på problemets matematiska struktur och de definierade randvillkoren.

Kan AI beräkna det globala optimatet för ett beslut?

Med lämpliga matematiska modeller och optimeringsmetoder kan ett globalt optimum beräknas och bevisas.

Vid särskilt komplexa problem kan även approximativt optimala lösningar användas.

Uttalandet om lösningens kvalitet måste därför stämma överens med den använda metoden och det befintliga beviset på optimalitet.

Ersätter AI ledningens beslut?

Nej.

Ledningen definierar de ekonomiska och strategiska målen, fastställer begränsningar och utvärderar resultaten.

AI-stödd matematisk optimering ger ytterligare underlag för beslut.

Det slutgiltiga ansvaret ligger kvar hos de ansvariga cheferna respektive de politiska beslutsfattarna.

För vilka beslut är matematisk AI särskilt lämplig?

Den är särskilt relevant för komplexa portföljbeslut med många konkurrerande projekt och begränsade resurser.

Typiska tillämpningsområden är CAPEX-planering, digitaliseringsportföljer, AI-användningsfall, industriinvesteringar, fastighetsprojekt, energiprogram och kommunal budgetplanering.

Vad innebär ex ante-beslutsfattande?

Ex ante innebär att man granskar ett beslut innan det genomförs.

Vid matematisk portföljoptimering beräknas alternativa projektkombinationer innan kapital binds eller åtgärder inleds.

På så sätt kan de ekonomiska effekterna av olika beslut synliggöras i ett tidigt skede.

Hur tillförlitliga är AI-baserade beslutsresultat?

Resultatkvaliteten beror på de underliggande uppgifterna, definitionen av målfunktionen, modelleringen av begränsningarna och den optimeringsmetod som används.

Matematisk optimering möjliggör reproducerbara och spårbara beräkningar.

Känslighetsanalyser kan dessutom visa hur resultaten utvecklas när antagandena ändras.

Är AI-stött beslutsfattande endast meningsfullt för stora koncerner?

Nej.

Även medelstora företag, kommuner och andra organisationer kan dra nytta av matematisk portföljoptimering.

Det avgörande är inte enbart organisationens storlek, utan beslutets komplexitet och antalet konkurrerande åtgärder.

Vilka uppgifter behöver StratePlan för en första beräkning?

För en grundläggande ekonomisk optimeringsmodell krävs inledningsvis tre uppgifter per projekt:

• Projekt-ID
• Expenses – planerade utgifter
• Intäkter – förväntade intäkter respektive ekonomiska avkastningar

Dessutom fastställs den tillgängliga investeringsbudgeten.

Mer komplexa modeller kan ta hänsyn till ytterligare begränsningar och utvärderingsparametrar.

Kan StratePlan simulera olika budgetscenarier?

Ja. Olika budgetgränser kan modelleras som alternativa scenarier.

På så sätt kan man undersöka vilken projektkombination som väljs vid en lägre eller högre investeringsbudget och hur det förväntade totala ekonomiska bidraget förändras.

Vad är skillnaden mellan projektprioritering och portföljoptimering?

Projektprioritering skapar en rangordning av enskilda åtgärder.

Portföljoptimering undersöker vilken kombination av dessa åtgärder som ger det bästa totalresultatet inom de definierade begränsningarna.

Den bästa rangordningen är därför inte automatiskt den bästa projektportföljen.

Vad är den viktigaste slutsatsen för VD:ar, ekonomichefer och beslutsfattare inom den offentliga sektorn?

Komplexa strategiska beslut bör inte enbart baseras på utvärderingen av enskilda projekt eller ett fåtal manuellt utvalda scenarier.

Matematisk portföljoptimering möjliggör en systematisk undersökning av alternativa projektkombinationer och skapar därmed en ytterligare grund för välgrundade beslut.

AI ersätter inte ansvar. Den kan dock bidra till att synliggöra bättre handlingsalternativ ur ekonomisk eller samhällelig synvinkel.

Vilken kombination av era projekt ger det bästa resultatet?

Ta reda på vilken kombination av era planerade investeringsprojekt som kan ge det högsta förväntade nettovärdet inom ramen för er tillgängliga budget.

Börja med dina egna projektdata och jämför matematiskt optimerade investeringsscenarier.

Du kan optimera upp till 15 projekt kostnadsfritt.

Optimera upp till 15 projekt gratis nu →