چگونه هوش مصنوعی در حال تحول فرآیند توسعه استراتژی است؟

 (?How AI is transforming strategy development)

عملکرد استراتژی و مالی شرکتی – مک‌کنزی – فوریه ۲۰۲۵

هوش مصنوعی در آستانه انقلابی در فعالیت‌های استراتژیک قرار دارد. اما با گسترش استفاده از آن، استراتژیست‌ها باید به داده‌های اختصاصی، خلاقیت و مهارت‌های جدیدی مجهز شوند تا گزینه‌های منحصربه‌فردی را توسعه دهند.
این مقاله با همکاری «الکساندر د‌آمیکو»، «بروس دلتِی»، و «اریک هازان» و با همراهی «آندریا تریکولی» و «آنتوان مونتارد» از تیم «استراتژی و مالی شرکتی مک‌کنزی» تهیه شده است.

در هسته اصلی، استراتژی یعنی استخراج بینش از داده‌ها، ایجاد گزینه‌های واقعی بر پایه آن بینش‌ها، اتخاذ تصمیم‌های غیرقابل بازگشت، و اجرای ابتکاراتی که آن انتخاب‌ها را به ارزش تبدیل می‌کند. داده‌کاوی و تحلیل داده‌ها دهه‌ها در این مسیر یاری‌رسان بوده‌اند، اما هیچ‌گاه فناوری به اندازه امروز قادر نبوده است تا نه‌تنها ورودی‌های استراتژی را تقویت و تا حدی خودکارسازی کند، بلکه آن‌ها را در تحلیل‌های پیچیده ترکیب نماید. در آینده، حتی ممکن است استراتژی‌های قابل اجرا را نیز پیشنهاد دهد.
هوش مصنوعی (AI) و هوش مصنوعی مولد (Gen AI) این پتانسیل را دارند که شیوه کار استراتژیست‌ها را دگرگون کنند؛ با تقویت و تسریع تحلیل‌ها و تولید بینش‌ها، و کاهش اثرات سوگیری‌های انسانی و چالش‌های اجتماعی در فرآیند استراتژی. با تکیه بر انفجار اخیر داده‌ها و پیشرفت‌های قبلی در AI که دقت پیش‌بینی را به طور چشم‌گیری افزایش داده، ابزارهای جدید استخراج بینش را بسیار آسان‌تر و مقرون‌به‌صرفه‌تر کرده‌اند.
تأثیری که هم در سازمان‌های مشتری و هم در کار خودمان به‌عنوان استراتژیست می‌بینیم، ما را به این نتیجه می‌رساند که اکنون با یک نقطه عطف جدید در طراحی استراتژی روبه‌رو هستیم نقطه‌ای که شاید بتوان آن را هم‌رده با خلق چارچوب‌های استراتژیک دهه‌های ۱۹۷۰ و ۱۹۸۰ دانست.
درحالی‌که AI نیازی را که رهبران باید شهامت استراتژیک خود را با انجام حرکت‌های بزرگ نشان دهند، از بین نمی‌برد، ما انتظار داریم که این فناوری در طول زمان هر مرحله از توسعه استراتژی from طراحی تا بسیج و اجرا را بهبود بخشد. امروزه بیشترین مزیت این فناوری در مرحله طراحی است: یعنی جایی که سازمان‌ها می‌توانند با کمک آن، نقطه شروع خود را در بستر صنعت و پویایی‌های بازار ارزیابی کنند، بازارهای بالقوه را اندازه‌گیری نمایند، اقدامات رقبا را تحلیل کنند، و ارزش ابتکارات مختلف استراتژیک را در سناریوهای متعددی تخمین بزنند.
اما این تازه آغاز راه است: استراتژی نیازمند بسیج سازمان، تخصیص صحیح منابع، و نظارت بر اجراست در تمامی این مراحل، AI می‌تواند نقش‌آفرینی کند.

نقش‌های نوظهور هوش مصنوعی در استراتژی

قضاوت انسانی همچنان برای شکل‌گیری چشم‌انداز استراتژیک که ترکیبی از آرمان سازمان و شیوه تحقق آن است ضروری است. اما AI می‌تواند فعالیت تیم‌های استراتژی را سرعت بخشیده و دقت آن را افزایش دهد. حتی در این مراحل ابتدایی، ما پنج نقش برای AI می‌بینیم:
پژوهشگر، مفسر، شریک فکری، شبیه‌ساز و ارتباط‌گر.
هر یک از این نقش‌ها می‌توانند در مراحل مختلف توسعه استراتژی ایفای نقش کنند:

1. پژوهشگر (Researcher)

   استراتژیست‌ها زمان زیادی را صرف گردآوری و غنی‌سازی داده‌ها از منابع متعدد می‌کنند. قابلیت AI در خلاصه‌سازی و ایجاد پیوندهای معنادار میان داده‌ها می‌تواند این تلاش‌ها را به‌طور چشمگیری بهبود بخشد.
   برای نمونه، یک موتور هوش مصنوعی که هدف‌های بالقوه M&A (ادغام و تملک) را شناسایی می‌کند، می‌تواند دارایی‌های کمتر شناخته‌شده‌ای را که با فرضیه استراتژیک شرکت هم‌راستا هستند، شناسایی کند و این فرآیندی است که معمولاً به شناخت‌های فردی مدیران و واسطه‌هایشان وابسته است. چنین ابزاری قادر است اطلاعات عمومی بیش از ۴۰ میلیون شرکت را در زبان‌های مختلف جست‌وجو کرده و فهرستی خلاصه از اهداف مرتبط تولید کند در عرض چند دقیقه.
   اما در نهایت، این استراتژیست‌ها هستند که باید سؤالات مناسب را مطرح کنند تا بینش‌های متمایز مورد نیازشان را از AI به‌دست آورند.

2. مفسر (Interpreter)
   
   برای تبدیل تحلیل داده به بینش‌های مفید، استراتژیست‌ها باید تفسیر کنند که یافته‌ها چگونه می‌توانند اهدافشان را پیش ببرند. برای مثال، جست‌وجوی فرصت‌های رشد اغلب نیازمند بررسی مجاورت‌های کسب‌وکار است چه در اقدامات رقبا، چه در نیازهای در حال ظهور مشتریان.
   ابزارهای AI می‌توانند این فرآیند اکتشاف را تسهیل کنند؛ به‌عنوان مثال، از طریق ایجاد “اسکن‌های رشد” که اطلاعات را از گزارش‌های سالانه، پتنت‌ها، نظرات مشتریان و داده‌های خرید استخراج کرده و به فرصت‌های توسعه‌ای خلاصه و امتیازدهی‌شده تبدیل می‌کنند. این دیدگاه‌ها می‌توانند به کاهش گزینه‌ها، یافتن سوابق یا بنچمارک‌ها، و حتی کشف ایده‌های جدید کمک کنند.
   کاربرد دیگر AI در نقش مفسر، پایش روندهاست. استراتژیست‌ها باید بر روندهای کلان نظارت کنند تا در تصمیم‌سازی و بازنگری مفروضات دچار غفلت نشوند.
   موتور AI می‌تواند حجم انبوهی از داده‌ها را پردازش کرده، روندها را به الگوهای سازنده‌شان تفکیک کند، و تحلیل کند که آیا آن روند در حال شتاب‌گیری، بلوغ یا افول است.
   مثلاً سازمانی که به دنبال فهم تقاضای بازار برای مصالح ساختمانی پایدار است، می‌تواند با پایش علاقه معماران، حجم پتنت‌ها، و اشاره‌های رقبا، قبل از آن‌که این سیگنال‌ها به فروش واقعی تبدیل شوند، مسیر بازار را شناسایی کند.

3. شریک فکری (Thought Partner)

   AI می‌تواند در نقش همفکر یا شریک طوفان فکری ظاهر شود؛ با تسریع ایده‌پردازی و مقابله با سوگیری‌ها و نقاط کور تصمیم‌گیرندگان. به‌ویژه Gen AI می‌تواند از طریق تطبیق برنامه‌ها با چارچوب‌های شناخته‌شده، استراتژیست‌ها را در پرهیز از خطا یاری دهد.
   برای نمونه، تیم‌ها می‌توانند با استفاده از Gen AI، استراتژی خود را پیش از اجرا مورد آزمون قرار داده و از آن بخواهند نقش منتقد یا چالش‌گر را بازی کند تا ریسک‌های پنهان را افشا نماید.

4. شبیه‌ساز (Simulator)

   پیش از تعهد به مسیر استراتژیک، تیم‌ها سناریوهای مختلف بازار را از نظر شرایط کلان اقتصادی، واکنش رقبا، و بازیگران دیگر بررسی می‌کنند. AI می‌تواند این تحلیل سناریو را با مدل‌سازی پیشرفته و شبیه‌سازی‌های تاکتیکی دقیق‌تر کند.
   این قابلیت نه‌تنها در طراحی استراتژی بلکه در اجرای آن نیز کاربرد دارد: با پایش سیگنال‌های اولیه از بازار، شبیه‌سازی اثر آن‌ها، و هشداردهی هنگام نیاز به تغییر مسیر.

5. ارتباط‌گر (Communicator)

   یک روایت روشن از مسیر استراتژیک و تأثیرات آن برای بسیج سازمان ضروری است.
   توانایی Gen AI در خلاصه‌سازی مفاهیم در قالب‌های مختلف، یکی از کاربردهای پرطرفدار آن از زمان عرضه ChatGPT بوده است. استراتژیست‌ها می‌توانند از این ابزارها برای ایجاد روایت‌های متناسب با مخاطبان مختلف (بازارهای منطقه‌ای، قانون‌گذاران، تحلیل‌گران) و در قالب‌های مختلف (گزارش، نکات کلیدی، یا حتی پادکست) استفاده کنند.
   AI همچنین می‌تواند نظارت کند که پیام‌های خارجی شرکت در کانال‌های گوناگون هم‌راستا و منسجم باشند.

نمونه عملی از کاربرد AI در توسعه استراتژی

برای مشاهده اینکه چگونه این پنج نقش (پژوهشگر، مفسر، شریک فکری، شبیه‌ساز، ارتباط‌گر) در عمل اجرا می‌شوند، موردی از یک بانک منطقه‌ای در آسیای جنوب‌شرقی را بررسی کنید که تصمیم داشت به بخش یا منطقه‌ای جدید گسترش یابد.
تیم استراتژی بانک از مدل هوش مصنوعی خود برای تحلیل زمینه کسب‌وکار و روندهای امیدوارکننده در صنعت و منطقه استفاده کرد. این ابزار، گزارش‌های تعاملی تولید کرد که به تیم امکان می‌داد پژوهش‌های تکمیلی را دقیق‌تر و هدفمندتر انجام دهند.
بر پایه این تحلیل، تیم تصمیم گرفت بر فرصت‌های زیست‌بوم مالی دیجیتال (به‌ویژه پرداخت‌های همتابه‌همتا) و وام‌های خرد تمرکز کند. سپس از AI خواستند تا در مورد مناسب‌ترین حوزه‌های مجاور برای سرمایه‌گذاری‌های رشدی توصیه‌هایی ارائه دهد.
ابزار بر اساس تحلیل داده‌های بانکی جهانی، نموداری از بخش‌های کسب‌وکار نزدیک و هم‌افزا تهیه کرد. مدیریت چند حوزه منتخب را برای تحلیل عمیق‌تر برگزید مانند ارائه خدمات دیجیتال فرامرزی در منطقه یا ورود به بازار وام خرد در ویتنام و فرضیاتی درباره مسیر رشد آن‌ها ایجاد نمود.
برای آشنایی بیشتر با هر بخش، از AI پرسیدند:

«رقبای من در هر بازار چه کسانی هستند و ارزش پیشنهادی آن‌ها چیست؟»

چون برخی بازارها برای مدیران ناآشنا بودند، تیم سؤالاتی مانند این نیز مطرح کرد:
«ما در حال بررسی ورود به بازار بانکی ویتنام هستیم. چه ریسک‌هایی در گذشته در این بازار مطرح بوده؟ آیا نمونه‌هایی از تلاش‌های شکست‌خورده (با ذکر منبع) وجود دارد؟»
تیم همچنین گزینه‌های غیرارگانیک مانند مشارکت و ادغام را نیز بررسی کرد. بر پایه اسکن AI، چند کسب‌وکار کوچک و متوسط با فناوری مناسب برای حمایت از اهداف دیجیتال بانک شناسایی شدند. همچنین Gen AI به آن‌ها در ساخت پروفایل‌های اولیه برای بررسی موشکافانه این اهداف کمک کرد.
در نهایت، زمانی که فرضیه‌ها به گزینه‌های استراتژیک ملموس تبدیل شدند، AI به تیم استراتژی کمک کرد تا سود و زیان (P&L) پیش‌بینی‌شده و مسیر رشد را شبیه‌سازی کنند.
این ابزار حتی از داده‌های داخلی مانند گزارش‌های مدیریتی مربوط به توسعه پیشین بانک در کشورهای دیگر نیز بهره گرفت تا به مدیران در شناخت نقاط قوت و ضعف قابلیت‌های اجرایی‌شان کمک کند.

ملاحظاتی برای رهبران استراتژی در به‌کارگیری AI

با آن‌که تجربه بانک آسیایی الهام‌بخش است، استراتژیست‌ها باید هنگام استقرار AI به چند چالش توجه کنند.
Gen AI با خطراتی همراه است که پیش‌تر نیز مستند شده‌اند؛ از جمله:

• سوگیری مدل (به دلیل داده‌های تاریخی ممکن است تمرکز نامتناسبی بر برخی گروه‌های مشتری ایجاد کند)
• کاهش شفافیت تحلیلی (عدم ارائه مبنای منطقی برای خروجی‌ها)
• توهم‌سازی اطلاعات (ایجاد محتوای قانع‌کننده اما نادرست)

خبر خوب این است که برای هر یک از این موارد راه‌حل‌هایی در حال توسعه است. مثلاً خود AI می‌تواند نقش «عامل بازبین» (critic agent) را بازی کند، خروجی سایر برنامه‌های AI را بررسی کرده، خطاهای احتمالی را پرچم‌گذاری کند و حتی دستور بازنویسی آن بخش را صادر نماید.
افزون بر این، Gen AI پنج ملاحظه مهم دیگر را برای استراتژیست‌ها ایجاد می‌کند:

1. ضرورت دسترسی به داده‌های اختصاصی

   Gen AI یک روند بلندمدت را شتاب داده است: دموکراتیزه‌شدن بینش‌ها.
   هیچ‌گاه به این سادگی نبوده که با ابزارهای آماده، به سرعت بینش‌های اولیه برای استراتژی تولید کرد. اما این سهولت خطراتی نیز دارد: اگر همه از ورودی‌های عمومی استفاده کنند، خروجی‌ها نیز عمومی و مشابه خواهند بود، و در نتیجه، استراتژی‌ها نیز عمومی می‌شوند—و در نهایت، عملکردی متوسط یا ضعیف حاصل خواهد شد.
   بنابراین، اهمیت ساخت اکوسیستم‌های اختصاصی داده که هم ورودی‌های کمی و هم کیفی را در بر بگیرد، بیش از پیش شده است.

2. تشخیص سیگنال از نویز

   با گسترش داده‌ها، تفکیک اطلاعات مفید (سیگنال) از اطلاعات مزاحم (نویز) دشوارتر شده است. Gen AI این چالش را تشدید می‌کند. هرچند انتظار می‌رود فناوری به‌تدریج در استخراج سیگنال‌های مهم بهتر شود، اما هنوز به آن سطح نرسیده است.

3. ارزش افزوده در ترکیب و تفسیر سطح بالای داده‌ها

   با سهولت تولید بینش، نقش رهبران در ترکیب اطلاعات و تصمیم‌گیری سطح بالا حیاتی‌تر می‌شود.
   مدیران نمی‌توانند زیر کوهی از داده‌ها even if all signal مفید عمل کنند.
   در کوتاه‌مدت، هنوز این وظیفه به عهده انسان است.

4. اهمیت فرآیند استراتژی

   تحقیقات مک‌کنزی نشان می‌دهد که کیفیت فرآیند توسعه استراتژی از خود بینش‌ها مهم‌تر است. فرآیندهایی که شامل بررسی گزینه‌های جایگزین، در نظر گرفتن عدم قطعیت، تعهد به تصمیم‌های بزرگ و حذف سوگیری هستند، موفق‌ترند.
   خوشبختانه، با تسریع تولید بینش‌ها توسط AI، زمان بیشتری برای تمرکز بر فرآیندهای با کیفیت فراهم می‌شود.

5. سرمایه‌گذاری در فناوری و اکوسیستم داده

   برای بهره‌گیری مؤثر از Gen AI، واحد استراتژی باید در فناوری و ساخت اکوسیستم‌های داده اختصاصی سرمایه‌گذاری کند. شرکت‌ها لازم نیست همه داده‌ها را خود تولید کنند بلکه باید شبکه‌ای از منابع بسازند که با ابزار مناسب به آن‌ها متصل شوند.
   همچنین لازم است ابزارهای Gen AI مناسب برای نقش‌های پنج‌گانه را شناسایی و گاهی شخصی‌سازی نمایند.

مسیر آینده: از کجا باید آغاز کرد؟

پس اکنون چه باید کرد؟ ما سه گام عملی را برای شروع توصیه می‌کنیم:

1. آگاه شوید (Get smart)
   

   . استراتژیست فردا باید بداند هوش مصنوعی چگونه کار می‌کند.
   . چگونه یک موتور پیش‌بینی کلمات، مفاهیم و اطلاعات پیچیده را مدیریت می‌کند؟
   . بینش‌ها چگونه از داده‌های مدل‌شده و دستورات (prompt) تولید می‌شوند؟
   . کسانی که این مهارت‌ها را کسب کنند، می‌توانند در ساخت ابزارهای موردنیاز شغلی خود مشارکت کنند از جمله اجرای شبیه‌سازی‌های پیچیده برای پیش‌بینی تحول بازارها و رقبا.
   . این افراد در بازار کار آینده بسیار ارزشمند خواهند بود و حفظ آن‌ها برای سازمان‌ها اولویت خواهد داشت.

2. همین امروز شروع کنید (Start building today)

   . AI دیگر به واقعیت بدل شده و یافتن شیوه کاربرد مناسب آن در توسعه استراتژی، حیاتی است.
   . تیم‌های استراتژی باید با قابلیت‌های موجود آشنا شوند از کمک در تحقیقات گرفته تا تولید بینش و شناسایی ریسک‌ها.
   . تیم‌هایی که شروع به استفاده از این ابزارها کنند، بهتر متوجه خواهند شد که چه ابزارهایی را باید توسعه دهند یا خریداری کنند تا نیازهای خاص خود را برآورده سازند.
   . از منظر سازمانی، رهبران باید دسترسی تیم‌های استراتژی به تخصص‌های لازم مانند علم داده، مهندسی داده و مدل‌های زبانی بزرگ را تسهیل کنند. . . . این کار می‌تواند از طریق جذب متخصص درون تیم‌های استراتژی یا ایجاد مراکز شایستگی (centers of excellence) انجام شود.

3. اکوسیستم اختصاصی بینش خود را توسعه دهید (Develop your proprietary insights ecosystem)

   حتی با پیشرفته‌ترین قابلیت‌ها، مدل‌های AI تنها می‌توانند داده‌های موجود را تفسیر کنند—نه اینکه سیگنال جدیدی تولید کنند.
   برای نمونه، AI نمی‌تواند جایگزین تحقیق میدانی یا بازخورد مستقیم مشتریان شود. بلکه این داده‌های اختصاصی نقش کلیدی‌تری در تولید بینش‌های منحصربه‌فرد خواهند یافت چراکه داده‌های عمومی برای همه قابل‌دسترسی شده‌اند.
   برای کسب مزیت رقابتی، استراتژیست‌ها باید سطح تماس خود را با حوزه‌های مختلف گسترش دهند؛ از جمله ارتباط با نوآوران و ذی‌نفعان درون و بیرون از سازمان.
   تمرکز اصلی آن‌ها به‌طور فزاینده‌ای بر توسعه فرضیه‌ها، آزمون و یادگیری از آن‌ها، و نگهداری زیرساخت‌های AI و داده‌ای خواهد بود که بینش‌ها را به مزیت رقابتی تبدیل می‌کند.

نتیجه‌گیری

هوش مصنوعی نمی‌تواند و احتمالاً هرگز نخواهد توانست منطق انسانی و تفسیر آن را در حوزه پیچیده‌ای مانند استراتژی جایگزین کند.
اما این فناوری می‌تواند پاسخ‌هایی سریع‌تر، عینی‌تر و مؤثرتر فراهم کند که توان تصمیم‌گیری ما را ارتقا می‌دهد.
از طریق پنج نقشی که هم‌اکنون می‌تواند ایفا کند از پژوهشگر تا شریک فکری و شبیه‌ساز در حال مشاهده این هستیم که چگونه این ابزارها ممکن است به‌تدریج نقش استراتژیست‌ها را بازتعریف کرده و تصمیم‌گیری استراتژیک شرکت‌ها را متحول کنند.
با بهره‌گیری از توان هوش مصنوعی برای افزایش بهره‌وری در فرآیند توسعه استراتژی و فراهم‌کردن فضای خلاقیت و ایده‌های نو، رهبران قادر خواهند بود حرکت‌های جسورانه‌ای را شکل دهند که مزیت رقابتی برای غلبه بر بازار ایجاد کند.