最近,随着ChatGPT等生成式AI工具的推出,企业界关于AI的讨论不一而足,从它对岗位的替代和对职场生产率的影响,到它的风险和伦理问题。全世界对AI的期望都很高:预计到2026年,AI的市场规模将达到530亿美元,2019至2026年间的复合年增长率可达35.4%。而在C级高管层面,人们提出的问题则是:AI是否有能力,通过做好战略定位或自动进行战略决策,来给企业创造竞争优势?本文探讨了AI对战略思考和战略制定的潜在影响,概述了目前AI工具的优势,并探讨了在多大程度上,人们可以把战略决策委托给AI和ML(机器学习)。
对于管理者来说,在不可预测和快速变化的环境中开展业务已成为新常态。多变(Volatile)、不确定(Uncertain)、复杂(Complex)和模糊(Ambiguous)的商业环境,通常被称为“VUCA世界”,这一情形还在持续加剧。来自新冠病毒的挑战凸显了在不可预测的情况下战略应对能力的重要性。无论是全球的还是澳大利亚的研究人员,在他们调查未来的工作和商业智能将会如何演变的过程中,都突出强调了政府治理和商业环境所面临的前所未有的复杂性。
在VUCA条件下,企业必须能够应对压力、发现新的机遇并做出高度因地制宜的决策。应对VUCA的战略制定必须要灵活,减少对传统工具和线性模型的依赖。思想领袖们一直在呼吁新的思维和新的战略创造,建议采取影响分析、针对具体的VUCA因素的行动、战略前瞻和创业型的战略方法。
“战略”或战略制定的概念,以及相邻的战略思维的概念都是抽象的,很难界定。明茨伯格曾明确指出:从未有人真正说清如何创造战略。如何收集信息?是的,有方法;如何评估战略?是的,有框架;如何实施战略?当然,有步骤;但唯独没有人在一开始就告诉我们——究竟该如何创造战略。战略思维是战略制定和战略决策的基础。
“战略思维”这一概念与先进的认知和领导者的思维能力有关,但它也在不断变化,以适应组织的需要。在20世纪60年代,它主要指综合数据的能力;到了20世纪90年代,明茨伯格在其中加入了管理者对企业战略方向的学习成果进行综合运用的能力;后来,这一概念被提升为“概念式、系统导向、方向性及机会导向的思维,共同促成新颖且富有想象力的组织战略的发现”。战略思维的框架,如丽迪卡的五因素“设计方法”模型,或皮萨皮亚等人的认知型三因素模型,意味着战略思维既是分析性的,也是创造性的。战略思维只有在特定背景下才有意义,它需要开放的思维、对模糊性的适应以及做出相应决策的能力。
在一个充满变数和挑战的世界里,领导者需要具备高度发达的战略思维能力,才能根据战略选项来做出战略决策。Gartner公司创造了决策智能这一概念,并认为决策智能对于三类决策十分必要,并且这三类决策之间是相互依存的关系:一次性战略决策、重复性管理决策、高频次操作决策。从本质上讲,这些类型的决策是同战略的三个层面相一致的:公司层、业务层和职能/战术层。
在动荡的商业环境中,随着AI/ML技术的兴起,企业将希望寄托在AI生成的战略解决方案上。而许多公司对这场由AI驱动的变革将会如何影响战略制定和决策的理解是十分有限的。领导者们仍需进一步明确AI潜在的认知能力,这些能力既可以为解决企业战略问题做出有意义的贡献,也可以在战略决策过程中接替人类。
许多公司都会投入大量的资源去收集和分析竞争对手的信息。尽管如此,每当竞争对手做出未曾预料的举动时,他们都往往会遭遇战略意外。虽然对信息的需求和信息的可用性之间的差距始终存在,但“快速且可靠地捕捉新变化”对于推动战略制定的高管层至关重要。
传统的宏观环境分析模型(如PESTLE)需要较长的数据分析周期,因为它依赖于历史数据和基于事实的推理。而考虑到即使是《财富》500强企业也仍在使用简单的信息收集工具,主要是来自OSINT(开源情报),因此,这类分析对高层领导的附加值还有待提高。这种情况迫使高管们只能根据部分信息或直觉做出决定。而许多研究者和从业人员都强调了战略决策中的偏差风险。
如何快速地将大量数据处理为可管理的信息和可行的替代方案,则给战略决策增加了另一种压力。在不确定的情况下,管理者希望尽可能了解情况。组织中的数据往往是海量的或人工整理的,如果对输入数据的监控不够系统或滞后了,那么重要的弱信号可能会被忽视或导致预测错误。错误的预测可能会带来高昂的成本。滞后的数据监控则可能会导致企业无法及时做出反应,并有可能失去竞争优势。
制定战略是一个需要认知洞察力的过程,涉及到推理、解决问题和学习。为了给决策提供依据支撑,战略制定者必须找出底层模式,获得有意义的洞察,并使用概率分析技术来支持他们的判断。
简而言之,大多数组织都需要更快的速度、更强的预期预测能力,以及分析和判断技能的协同作用。
AI正在融入我们的日常生活,例如Cortana、Alexa、Siri或虚拟助手。虽然任务自动化在客户服务和市场营销领域的应用日益增多,但我们在AI方面的商业经验仍然相当有限。有经验表明,AI可用于制定营销战略,尤其是在“经理-AI”合作制定战略的活动中。AI已经可以执行分析客户调研和客户互动等功能,也就是在操作层面自动做出营销决策。AI在市场营销中的应用实例表明,它确实可以用于战略制定,不过,这种战略仅限于职能层面,而不是企业层面。市场营销使用的是弱AI类型,即它可以通过分析大量数据来模拟人类逻辑,如果所需的决策过程是理性的,它就可以充当决策者。因此,它可以实现自动化,并提供决策制定的预测或情景/选项。
纽伦堡市场决策研究所的研究人员在2022年对500名高级B2C经理进行的研究表明,26%的经理以合作者的角色使用AI,即人类与AI互动,但控制着整个流程。受访者首选的模式是由人类控制的增强型决策。研究表明,当人类可以修改AI的决策或预测时,他们会更容易接受AI,从而最大限度地减少所谓的算法厌恶。
尽管研究团队认为,AI在决策中的应用范围正在从操作层面转向战略层面,但战略的定义仍然难以捉摸,而且可能并不是指企业级的战略。组织范围内的战略及其制定需要更高阶的思维技能,或者需要创造性分析类型的AI来接替人类,做出带有想象力和创造力的最终决策。
不可否认,AI在将大数据(包括音频、视频和图像等非结构化的输入数据)转化为可管理的信息和知识方面,超越了人类的能力。这样,管理者就可以将其输入到营销和销售策略中。例如,当Netflix进入内容业务领域时,它就使用了自己2700万美国用户和3300万全球用户的数据。通过使用用户的观看记录、搜索和评分,Netflix最终决定在美国改编大获成功的英国电视剧《纸牌屋》。
借助于实时的数据跟踪(如购买数据或搜索流量)和超快的分析速度,AI能够减少数据分析产出所需的冗长准备时间,进而可以创造出竞争优势。
AI算法有助于消除重要管理决策的偏差。AI还可以为高管提供竞争对手的数据分析,通过处理甚至预测竞争对手的行动,能够帮助他们更客观地了解对手。
值得注意的是,AI的产出和效益可能取决于所选择的AI类型。AI的定义和分类繁多,关于AI/ML术语的讨论也在不停地进化着。
除了已经提到的弱人工智能(执行特定任务)和强人工智能(类似于人类问题的解决者)之外,AI还可以基于能力(狭义、广义)或功能(反应性、有限性、自我意识),也可以从认知(逻辑)或行为的角度来进行研究。先前的研究将AI系统分为基于规则的系统(决策过程自动化)和基于学习的系统(使用ML的预测模型),其中包括用于分析客户评论的NLP(基于自然语言的系统)。AI可以专注于优化解决方案,或者也可以向物理交互(机器人技术)发展。Gartner的分析优势模型(GAAM)确定了AI的四种主要类型(描述型、诊断型、预测型和规范型),而艾里克森等人则建议将GAAM扩展到创造性分析,即能够进行创新的AI。人们普遍认为,AI有六种主要类型,其中三种目前正在使用:描述型、诊断型和预测型。其他三类AI的发展需要更多时间:AI有望为能够创造价值的行动提供建议,在监督下将决策权下放给受监督的AI并完全自主运作,以及在没有人类互动的情况下做出决策。
AI的分类或分类法很重要,因为每种类型都能发挥不同的功能,而负责指导流程的分析师需要了解战略家的目标是什么。
如果管理者使用像ChatGPT这种人人可用的AI来获取信息、筛选和重组选项,或在“特定”情况下获得建议,那么今天这些可用的AI可能会影响战略层面的决策。生成式AI可以协助进行数据分析,从而为评估提供指导,而企业家和管理者们也可以通过使用更多数据和更有根据的推理做出更好的判断。然而,ChatGPT或其他AI目前还无法进行推理或决策。
随着强人工智能的发展,ML将能够像“受人类启发的”或“人性化的”AI那样思考和运行,只不过目前的AI离强人工智能的能力还有很大的距离。
如果要考虑在当前或未来把AI用于战略分析或战略决策,就需要更深入地了解人与技术之间的相互联系。
分析师可以告诉机器,人们想要它做什么,例如创建决策规则或提供数据集。或者,分析师可以定义输出或目标,然后让机器来找到解决方案。换句话说,分析师将任务喂给AI。任务的框架会对战略决策流程产生深远的影响。由人类编程的AI机制在ML中就嵌入了人类的偏见:机器执行操作的方式,和在机器背后的人希望操作如何发生的方式,这两者之间存在着重要联系。有证据表明,这种偏见可能会产生严重的后果,包括国家安全。2018年,美国众议院报告了AI使用的失误,认为支持AI系统的算法可能存在相当大的缺陷和偏见。错误的算法和偏颇的数据造成了盲点,引发了无人管理的安全风险。
另一个挑战是寻找能够构建AI工具并将业务问题转化为AI问题的技术人才。为此,分析师需要了解公司想要实现哪些目标。
从AI用户的角度来看,之前提到的算法厌恶问题显而易见。对来自2000家全球最大上市公司的500名高级B2C经理的调查结果表明,当人类决策者可以修改算法的决定或预测时,他们会更经常性地接受算法。这意味着,人们要么是对AI的解决方案缺乏信任,要么是事先存在偏见。目前还不清楚人们对AI的恐慌有多大的依据,但新兴的AI工具在提高决策智能以取得更好结果方面还具有很大的潜力。随着AI/ML的发展,人类的作用不可能变成是多余的。
强大的战略思维能力与复杂的分析工具相结合,将成为首席执行官的一项极其重要的能力。预计全球对高阶思维技能(即分析、推理、解决问题和决策)的需求和它的重要性将继续增长。
AI也仍需要更加接近人类的能力,以解决定义不明确的问题。只有当AI知道要寻找什么时,它才能发挥作用,例如,能从大量数据中找出某种模式,从而发现可以帮助管理层进行战略决策的洞察。不过,这首先需要明确战略问题或目标本身。战略明确后,公司就需要决定使用哪种类型的AI。瑞典一家废物管理公司的真实案例表明,他们首先确定了可持续发展的战略,然后基于机器人的AI系统实现了自动化操作,使公司的效率提高了20倍,每月在回收效率方面节省了2万欧元。
目前,AI更多地还是一种战术工具,而不是战略工具。不过AI/ML具有支持战略决策的潜能,或有潜能作为战略的组成部分来创造竞争优势。
由于商业环境日益复杂和模糊,从确定到混乱的转变对战略决策产生了影响。与运营决策相比,战略决策至关重要,而且往往不可逆转。像蒙特卡洛模拟、净现值、决策树或投资组合优化等传统决策工具,是为稳定的环境而创造的,而影响图、情景规划、实物期权理论、系统思维或学习型文化这些新型工具,则更适合正在经历模糊和混乱的组织。AI未来的任务将是增强它的学习能力,让机器为我们找到最佳解决方案。
人们一致认为,AI将发展预测分析能力,这将使得它能够预测未来事件,选择最佳选项和方案,像决策树一样计算概率,从而为战略决策提供信息。
制定战略方向是高管人员面临的挑战,它取决于有效的领导力。由于其复杂性,战略将是较晚受到自动化影响的领域之一。给高管提供教育培训的机构将能够为培养现任和下一任领导人的高阶认知和决策智能能力做出贡献。
AI的使用不仅引发了人们对过度依赖AI的风险担忧,还促使人们探究管理者将控制权完全授予AI/ML的信任度。AI/ML的使用据说可以消除决策偏差,但具有讽刺意味的是,它却依赖于分析师为AI的任务设定参数,从而形成了人机互动中螺旋式的循环牵制。
即使AI发展的势头强劲,人性化的AI也不会那么快就取代有效的领导力。展望未来,对高管进行教育培训将从创造知识转变为锻炼人类与AI的协作能力,使高管能够批判性地思考和进行判断。强大的战略思维能力与复杂的分析工具两相结合,这将成为领导者们为组织做出战略决策的基本能力。返回搜狐,查看更多