文章作者丨埃勒·陶林斯，澳大利亞管理學會商學院講師，慎思行采編翻譯

個人微信丨hello_SSX

最近，隨著ChatGPT等生成式AI工具的推出，企業界關于AI的討論不一而足，從它對崗位的替代和對職場生產率的影響，到它的風險和倫理問題。全世界對AI的期望都很高：預計到2026年，AI的市場規模將達到530億美元，2019至2026年間的復合年增長率可達35.4%。而在C級高管層面，人們提出的問題則是：AI是否有能力，通過做好戰略定位或自動進行戰略決策，來給企業創造競爭優勢？本文探討了AI對戰略思考和戰略制定的潛在影響，概述了目前AI工具的優勢，并探討了在多大程度上，人們可以把戰略決策委托給AI和ML（機器學習）。

一、在“VUCA世界”中制定戰略

對于管理者來說，在不可預測和快速變化的環境中開展業務已成為"新常態"。多變（Volatile）、不確定（Uncertain）、復雜（Complex）和模糊（Ambiguous）的商業環境，通常被稱為“VUCA世界”，這一情形還在持續加劇。來自新冠病毒的挑戰凸顯了在不可預測的情況下戰略應對能力的重要性。無論是全球的還是澳大利亞的研究人員，在他們調查未來的工作和商業智能將會如何演變的過程中，都突出強調了政府治理和商業環境所面臨的前所未有的復雜性。

在VUCA條件下，企業必須能夠應對壓力、發現新的機遇并做出高度因地制宜的決策。應對VUCA的戰略制定必須要靈活，減少對傳統工具和線性模型的依賴。思想領袖們一直在呼吁新的思維和新的戰略創造，建議采取影響分析、針對具體的VUCA因素的行動、戰略前瞻和創業型的戰略方法。

二、戰略制定中的認知過程

“戰略”或"戰略制定"的概念，以及相鄰的"戰略思維"的概念都是抽象的，很難界定。明茨伯格曾明確指出："從未有人真正說清如何創造戰略?。如何收集信息？是的，有方法；如何評估戰略？是的，有框架；如何實施戰略？當然，有步驟；但唯獨沒有人在一開始就告訴我們——?究竟該如何創造戰略?。"戰略思維是戰略制定和戰略決策的基礎。

“戰略思維”這一概念與先進的認知和領導者的思維能力有關，但它也在不斷變化，以適應組織的需要。在20世紀60年代，它主要指綜合數據的能力；到了20世紀90年代，明茨伯格在其中加入了管理者對企業戰略方向的學習成果進行綜合運用的能力；后來，這一概念被提升為“概念式、系統導向、方向性及機會導向的思維，共同促成新穎且富有想象力的組織戰略的發現”。戰略思維的框架，如麗迪卡的五因素“設計方法”模型，或皮薩皮亞等人的認知型三因素模型，意味著戰略思維既是分析性的，也是創造性的。戰略思維只有在特定背景下才有意義，它需要開放的思維、對模糊性的適應以及做出相應決策的能力。

在一個充滿變數和挑戰的世界里，領導者需要具備高度發達的戰略思維能力，才能根據戰略選項來做出戰略決策。Gartner公司創造了"決策智能"這一概念，并認為決策智能對于三類決策十分必要，并且這三類決策之間是相互依存的關系：一次性戰略決策、重復性管理決策、高頻次操作決策。從本質上講，這些類型的決策是同戰略的三個層面相一致的：公司層、業務層和職能/戰術層。

在動蕩的商業環境中，隨著AI/ML技術的興起，企業將希望寄托在AI生成的戰略解決方案上。而許多公司對這場由AI驅動的變革將會如何影響戰略制定和決策的理解是十分有限的。領導者們仍需進一步明確AI潛在的認知能力，這些能力既可以為解決企業戰略問題做出有意義的貢獻，也可以在戰略決策過程中接替人類。

三、戰略過程中的核心痛點

許多公司都會投入大量的資源去收集和分析競爭對手的信息。盡管如此，每當競爭對手做出未曾預料的舉動時，他們都往往會遭遇"戰略意外"。雖然對信息的需求和信息的可用性之間的差距始終存在，但“快速且可靠地捕捉新變化”對于推動戰略制定的高管層至關重要。

傳統的宏觀環境分析模型（如PESTLE）需要較長的數據分析周期，因為它依賴于歷史數據和基于事實的推理。而考慮到即使是《財富》500強企業也仍在使用簡單的信息收集工具，主要是來自OSINT（開源情報），因此，這類分析對高層領導的附加值還有待提高。這種情況迫使高管們只能根據部分信息或"直覺"做出決定。而許多研究者和從業人員都強調了戰略決策中的偏差風險。

如何快速地將大量數據處理為可管理的信息和可行的替代方案，則給戰略決策增加了另一種壓力。在不確定的情況下，管理者希望盡可能了解情況。組織中的數據往往是海量的或人工整理的，如果對輸入數據的監控不夠系統或滯后了，那么重要的"弱信號"可能會被忽視或導致預測錯誤。錯誤的預測可能會帶來高昂的成本。滯后的數據監控則可能會導致企業無法及時做出反應，并有可能失去競爭優勢。

制定戰略是一個需要認知洞察力的過程，涉及到推理、解決問題和學習。為了給決策提供依據支撐，戰略制定者必須找出底層模式，獲得有意義的洞察，并使用概率分析技術來支持他們的判斷。

簡而言之，大多數組織都需要更快的速度、更強的預期預測能力，以及分析和判斷技能的協同作用。

四、AI在戰略領域的應用情況如何？

AI正在融入我們的日常生活，例如Cortana、Alexa、Siri或虛擬助手。雖然任務自動化在客戶服務和市場營銷領域的應用日益增多，但我們在AI方面的商業經驗仍然相當有限。有經驗表明，AI可用于制定營銷戰略，尤其是在“經理-AI”合作制定戰略的活動中。AI已經可以執行分析客戶調研和客戶互動等功能，也就是在操作層面自動做出營銷決策。AI在市場營銷中的應用實例表明，它確實可以用于戰略制定，不過，這種戰略僅限于職能層面，而不是企業層面。市場營銷使用的是"弱AI"類型，即它可以通過分析大量數據來模擬人類邏輯，如果所需的決策過程是理性的，它就可以充當決策者。因此，它可以實現自動化，并提供決策制定的預測或情景/選項。

紐倫堡市場決策研究所的研究人員在2022年對500名高級B2C經理進行的研究表明，26%的經理以"合作者"的角色使用AI，即人類與AI互動，但控制著整個流程。受訪者首選的模式是由人類控制的增強型決策。研究表明，當人類可以修改AI的決策或預測時，他們會更容易接受AI，從而最大限度地減少所謂的"算法厭惡"。

盡管研究團隊認為，AI在決策中的應用范圍正在從操作層面轉向戰略層面，但"戰略"的定義仍然難以捉摸，而且可能并不是指企業級的戰略。組織范圍內的戰略及其制定需要更高階的思維技能，或者需要"創造性分析"類型的AI來接替人類，做出帶有想象力和創造力的最終決策。

五、AI的主要優勢

不可否認，AI在將大數據（包括音頻、視頻和圖像等非結構化的輸入數據）轉化為可管理的信息和知識方面，超越了人類的能力。這樣，管理者就可以將其輸入到營銷和銷售策略中。例如，當Netflix進入內容業務領域時，它就使用了自己2700萬美國用戶和3300萬全球用戶的數據。通過使用用戶的觀看記錄、搜索和評分，Netflix最終決定在美國改編大獲成功的英國電視劇《紙牌屋》。

借助于實時的數據跟蹤（如購買數據或搜索流量）和超快的分析速度，AI能夠減少數據分析產出所需的冗長準備時間，進而可以創造出競爭優勢。

AI算法有助于消除重要管理決策的偏差。AI還可以為高管提供競爭對手的數據分析，通過處理甚至預測競爭對手的行動，能夠幫助他們更客觀地了解對手。

六、AI的類型及其重要性

值得注意的是，AI的產出和效益可能取決于所選擇的AI類型。AI的定義和分類繁多，關于AI/ML術語的討論也在不停地進化著。

除了已經提到的"弱人工智能"（執行特定任務）和"強人工智能"（類似于人類問題的解決者）之外，AI還可以基于能力（狹義、廣義）或功能（反應性、有限性、自我意識），也可以從認知（邏輯）或行為的角度來進行研究。先前的研究將AI系統分為基于規則的系統（決策過程自動化）和基于學習的系統（使用ML的預測模型），其中包括用于分析客戶評論的NLP（基于自然語言的系統）。AI可以專注于優化解決方案，或者也可以向物理交互（機器人技術）發展。Gartner的分析優勢模型（GAAM）確定了AI的四種主要類型（描述型、診斷型、預測型和規范型），而艾里克森等人則建議將GAAM擴展到創造性分析，即能夠進行創新的AI。人們普遍認為，AI有六種主要類型，其中三種目前正在使用：描述型、診斷型和預測型。其他三類AI的發展需要更多時間：AI有望為能夠創造價值的行動提供建議，在監督下將決策權下放給受監督的AI并完全自主運作，以及在沒有人類互動的情況下做出決策。

AI的分類或分類法很重要，因為每種類型都能發揮不同的功能，而負責指導流程的分析師需要了解戰略家的目標是什么。

描述性AI可用于儀表盤之類的績效分析，但也可用于數據收集和分析，從而系統地、有效地識別那些人類有可能會忽略的模式和信號。它有助于洞察戰略制定，或發出早期威脅預警信號。診斷型AI可將投資組合進行細分，而預測型AI則可為決策者提供系統性的視角。預測型的分析目前仍在發展之中，它使用ML來理解人類行為。ML是AI的一個子集，它依賴于分析師對學習過程進行判斷和指導，并對中間結果進行評估，這可能會增加預測型AI的難度和風險。

如果管理者使用像ChatGPT這種人人可用的AI來獲取信息、篩選和重組選項，或在“特定”情況下獲得建議，那么今天這些可用的AI可能會影響戰略層面的決策。生成式AI可以協助進行數據分析，從而為評估提供指導，而企業家和管理者們也可以通過使用更多數據和更有根據的推理做出更好的判斷。然而，ChatGPT或其他AI目前還無法進行推理或決策。

隨著強人工智能的發展，ML將能夠像“受人類啟發的”或“人性化的”AI那樣思考和運行，只不過目前的AI離強人工智能的能力還有很大的距離。

七、AI與人類：信任問題

如果要考慮在當前或未來把AI用于戰略分析或戰略決策，就需要更深入地了解人與技術之間的相互聯系。

分析師可以告訴機器，人們想要它做什么，例如創建決策規則或提供數據集。或者，分析師可以定義輸出或目標，然后讓機器來找到解決方案。換句話說，分析師將任務"喂"給AI。任務的框架會對戰略決策流程產生深遠的影響。由人類編程的AI機制在ML中就嵌入了人類的偏見："機器執行操作的方式，和在機器背后的人希望操作如何發生的方式，這兩者之間存在著重要聯系"。有證據表明，這種偏見可能會產生嚴重的后果，包括國家安全。2018年，美國眾議院報告了AI使用的失誤，認為支持AI系統的算法可能存在相當大的缺陷和偏見。錯誤的算法和偏頗的數據造成了盲點，引發了無人管理的安全風險。

另一個挑戰是尋找能夠構建AI工具并將業務問題轉化為AI問題的技術人才。為此，分析師需要了解公司想要實現哪些目標。

從AI用戶的角度來看，之前提到的"算法厭惡"問題顯而易見。對來自2000家全球最大上市公司的500名高級B2C經理的調查結果表明，當人類決策者可以修改算法的決定或預測時，他們會更經常性地接受算法。這意味著，人們要么是對AI的解決方案缺乏信任，要么是事先存在偏見。目前還不清楚人們對AI的恐慌有多大的依據，但新興的AI工具在提高"決策智能"以取得更好結果方面還具有很大的潛力。隨著AI/ML的發展，人類的作用不可能變成是多余的。

強大的戰略思維能力與復雜的分析工具相結合，將成為首席執行官的一項極其重要的能力。預計全球對高階思維技能（即分析、推理、解決問題和決策）的需求和它的重要性將繼續增長。

AI也仍需要更加接近人類的能力，以解決定義不明確的問題。只有當AI知道要尋找什么時，它才能發揮作用，例如，能從大量數據中找出某種模式，從而發現可以幫助管理層進行戰略決策的洞察。不過，這首先需要明確戰略"問題"或目標本身。戰略明確后，公司就需要決定使用哪種類型的AI。瑞典一家廢物管理公司的真實案例表明，他們首先確定了可持續發展的戰略，然后基于機器人的AI系統實現了自動化操作，使公司的效率提高了20倍，每月在回收效率方面節省了2萬歐元。

目前，AI更多地還是一種戰術工具，而不是戰略工具。不過AI/ML具有支持戰略決策的潛能，或有潛能作為戰略的組成部分來創造競爭優勢。

八、AI和戰略決策的未來會怎樣？

由于商業環境日益復雜和模糊，從確定到混亂的轉變對戰略決策產生了影響。與運營決策相比，戰略決策至關重要，而且往往不可逆轉。像蒙特卡洛模擬、凈現值、決策樹或投資組合優化等傳統決策工具，是為穩定的環境而創造的，而影響圖、情景規劃、實物期權理論、系統思維或學習型文化這些新型工具，則更適合正在經歷模糊和混亂的組織。AI未來的任務將是增強它的學習能力，讓機器為我們找到最佳解決方案。

人們一致認為，AI將發展預測分析能力，這將使得它能夠預測未來事件，選擇最佳選項和方案，像決策樹一樣計算概率，從而為戰略決策提供信息。

制定戰略方向是高管人員面臨的挑戰，它取決于有效的領導力。由于其復雜性，戰略將是較晚受到自動化影響的領域之一。給高管提供教育培訓的機構將能夠為培養現任和下一任領導人的高階認知和"決策智能"能力做出貢獻。

結論

戰略制定是一個高度概念化的過程，它以戰略思維和決策為基礎。它需要了解當下的背景情況，并在日益復雜的VUCA世界中做出判斷。目前，AI已經能夠自動做出運營決策、識別一些常見模式并提供有限的預測見解。不過，它仍然需要有能力來解決未被明確定義的問題，并為那些需要明確制定的企業戰略提供備選方案。

AI的使用不僅引發了人們對過度依賴AI的風險擔憂，還促使人們探究管理者將控制權完全授予AI/ML的信任度。AI/ML的使用據說可以消除決策偏差，但具有諷刺意味的是，它卻依賴于分析師為AI的任務設定參數，從而形成了人機互動中螺旋式的循環牽制。

即使AI發展的勢頭強勁，"人性化的AI"也不會那么快就取代有效的領導力。展望未來，對高管進行教育培訓將從創造知識轉變為鍛煉人類與AI的協作能力，使高管能夠批判性地思考和進行判斷。強大的戰略思維能力與復雜的分析工具兩相結合，這將成為領導者們為組織做出戰略決策的基本能力。

編輯 | Noah

進一步交流

進入專業社群展開深度討論

慎思行通過微信等平臺覆蓋超過10萬戰略人、咨詢人等各類專業人士。我們也構建了專業社群，推動戰略與咨詢領域的問題討論、信息交流和機會分享，社群已有超過5年歷史，并成為了頂尖專業人士感知市場前沿，獲得實踐經驗的首要選擇。入群請添加慎思君微信，并提供名片。

現在微信公眾號更改規則，如果你不特地點進來，很可能看不到我們的推送了。希望喜歡【慎思行】的讀者朋友們將本號【設為星標★】，方便找到我們；也歡迎點擊右下角的【在看】。

＞AI將如何改變戰略？

＞人工智能會取代咨詢顧問嗎？