决策者：大多数战略决策都是在没有看到完整决策空间的情况下做出的
资本分配很少因为缺乏分析而失败。
如果有 20 个项目，就会有超过 100 万种可能的投资组合。
执行委员会审查项目。委员会确定措施的优先次序。
但几乎没有一个组织会在实际约束条件下计算数学上的最优组合。
全局最优仍然是隐形的。
如果不计算完整的决策空间，复杂性就会被管理而非优化。
在下文中，我们将分析组织如何对其投资组合进行正式建模，并在实际约束条件下事先确定全局最优{{ ： }}
Starting point：
这种新计算方法的决定性区别在于应用时间： ，而是在实际决策之前，根据公司完整的投资和项目清单进行计算。
通常情况下，会有一份潜在的 CAPEX 项目清单，如工厂现代化、工厂升级、新建厂房等。例如，工厂现代化、信息技术改造、产品开发、 基础设施措施或效率计划。同时，还有一些固定的限制，如有限的总预算、有限的工程能力、 生产窗口、风险预算和战略框架条件。
这就是真正的决策问题：并非所有项目都能实现。因此，问题不在于 哪些项目单独看来是合理的，而在于在给定的限制条件下，这些项目的哪种组合构成了全局最优的整体组合。
因此，新的计算方法并不孤立地评估单个项目，而是从这些项目中计算出最优的组合、而是从完整的项目清单 中计算出最佳项目组合，同时考虑到所有预算、能力、风险和战略限制。其结果是，在作出实际投资决策之前，从数学上合理地 选择那些能够共同产生最大总体价值贡献的项目。
这将 CAPEX 规划从一个连续的选择过程转变为一个持续的组合优化过程、 其中充分考虑了机会成本、限制瓶颈和组合效应。
为什么大多数投资组合在结构上都是次优的 - 90 秒内
- 投资组合决策根据逻辑 2^N生成组合决策空间。
- 从大约 20 个项目开始，几乎不可能进行完整的人工评估。
- 经验主义（如 "NPV 前 5 名"、"IRR > WACC"、"Payback < 3 年"）造成系统性扭曲。
- 组织将局部最优与整个决策空间中的最佳解决方案相混淆。
- 机会成本因此在结构上仍然不可见。
- 算法优化计算实际约束条件（预算、能力、风险、环境、社会和治理等）下的最佳项目组合。
结论{{ ： }}
那些不计算完整求解空间的人默认了次优资本分配。
博客主要文章 :
决策人工智能--为什么今天需要计算战略决策
几十年来，战略决策的特点是经验、直觉、委员会逻辑和 Excel 方案、 委员会逻辑和 Excel 方案。只要可能的备选方案数量仍在可控范围内，这种方法就行得通、 只要可能的备选方案数量仍在可控范围内，这种方法就行得通。
在现代组织中，无论是公司还是地方政府，情况都不再是这样。 投资、项目和措施同时争夺预算、资源、时间和政治或经济注意力、 资源、时间和政治或经济注意力。 决策不再是单独的决定。 它们是组合决策。
现代决策的核心问题
当同时有多个项目可供挑选时 就不存在线性决策过程、 而是一个指数级增长的决策空间。
在N 个项目中，不是有 N 个决策，而是有 2N 个可能的组合、 而是2N种可能的组合。 人类已经无法完全掌握这个空间--无论 经验、专业知识或决策程序。
猜测还是计算？
这正是人工智能辅助决策的用武之地。 不是作为 "咨询工具 "或预测辅助工具，而是作为一个数学系统、 而是一个数学系统、 明确计算整个决策空间。
人工智能决策：从直觉到数学优化
现代人工智能决策并不是孤立地考虑单个项目、 而是根据确定的目标参数评估每一种可能的组合： 影响、成本、风险、可持续性、复原力或战略重点。
StratePlan 会计算整个决策空间，并找到正确的组合：
能产生最大整体效益的项目组合。
决定性因素：人工智能不会 "凭直觉 "做出决策。 它系统地评估每一个可能的组合 并确定全局最优，而不是局部最优。
人类决策过程为何会失败
董事会、委员会和传统决策过程 不可避免地会在实际决策空间的极小部分 实际决策空间。 所有更好的组合中，大部分都是隐形的。
规模对比使问题具体化
尺寸比较：
我们的银河系和 "只有 "50 个项目的企业决策空间
有 1.125 万亿个可能的项目组合
事前决策而非事后修正
人工智能带来的决定性模式转变是事前优化决策、 事前优化决策--在 在资金投入、项目启动或政治决策之前。
错误不再是被管理的、 而是系统地避免错误。 影响不是声称出来的、 而是计算出来的。
常见问题 - 利用人工智能进行决策
人工智能决策的实际含义是什么？
人工智能决策是指使用数学和算法系统 系统地计算复杂的决策空间。与传统方法不同的是 人工智能不仅评估单个选项，还评估所有相关的措施组合 并在确定的目标和限制条件下找出最佳解决方案。
人工智能决策与 Excel 或传统分析有何不同？
Excel 和传统的方案分析通常只能比较人工选择的几个变量。 而人工智能则可以对整个决策空间（2n种组合）进行建模和评估。 这就揭示了在研讨会、委员会或电子表格中不可避免地被忽略的解决方案。
人工智能是否会取代决策者？
不是。人工智能不会取代责任、任务或领导力。它为决策提供透明度和计算 决策依据。决策仍由人类作出，但决策的基础是有弹性的、可理解的评估，而不是直觉或有限的变体测试、 而不是直觉或有限的变体测试。
人工智能决策尤其适合哪些决策？
人工智能特别适用于有许多相互竞争的项目、目标和限制因素的组合和优先次序决策。 人工智能特别适用于有许多相互竞争的项目、目标和制约因素的组合和优先决策，如投资计划、预算分配、 例如投资计划、预算分配、项目优先顺序、资源冲突或具有影响目标的一揽子措施。
什么是 "事前 "决策？
事前决策是指在实施之前--在预算投入之前--优化决策、 项目启动或政治或业务路径确定之前。 这样可以减少代价高昂的重新调整，提高每欧元投资的效果。
人工智能辅助决策的结果有多可靠？
可靠性取决于明确的目标值、干净的数据和正确的建模。 优势在于：结果是可重复、可验证和透明的。敏感性分析可以显示 建议对不确定性的稳健程度。
人工智能决策只对大公司有意义吗？
预算有限的组织尤其受益，因为人工智能有助于集中资源 发挥最大作用。决定性因素不是规模，而是决策的复杂性 以及竞争选项的数量。
为什么不经计算就做出决定？
因为对于许多项目而言，决策空间呈指数级增长，而人们只能研究一小部分。 而不计算的部分是不可见的。没有经过计算的东西仍然是不可见的--而最终选择的组合则 往往是有限选择的结果，而不是数学上最佳的整体效果。
对于决策者来说，最重要的结论是什么？
人工智能辅助决策是对现代复杂性的一种回应。它使决策空间 它使决策空间变得可见，并能确定各种措施的最佳组合。没有人工智能支持的决策 并不会自动出错，但必然是不全面的。
决策者的结论
决策中的人工智能不能取代责任 没有政治或企业授权。 但是，它可以用数学上合理的透明度取代不确定性、盲目性和偶然性。 取代了不确定性、盲目性和偶然性。
今天，任何在没有人工智能的情况下做出复杂决策的人 并不是做出了错误的决定--但 但必然是不完整的。