استراتژی همیشه در تقاطع داده، تحلیل و قضاوت انسانی شکل گرفته است. در گذشته، مدیران برای تصمیم‌گیری‌های استراتژیک به ابزارهایی مانند گزارش‌های مالی، داده‌های بازار و تجربه‌ مدیریتی تکیه می‌کردند. با ظهور هوش مصنوعی (AI) – به‌ویژه هوش مصنوعی پیشرفته و مولد- انتظار می‌رود روند تصمیم‌گیری متحول شود. اما پرسش کلیدی این است: آیا AI می‌تواند جایگزین کامل تصمیم‌گیری استراتژیک شود یا صرفاً نقش یک ابزار کمکی را دارد؟

مک‌کینزی در این مقاله تأکید می‌کند که AI قرار نیست استراتژیست‌ها را کنار بزند؛ بلکه باید به‌عنوان تقویت‌کننده توانایی‌های آنان دیده شود. در واقع، ارزش اصلی AI در استراتژی، نه در تصمیم‌سازی کامل، بلکه در پشتیبانی از مراحل تحلیلی و اطلاعاتی است.

چالش‌های اصلی در استفاده از AI در استراتژی

• تصور نادرست درباره «اتوماسیون کامل»

بسیاری از مدیران تصور می‌کنند AI باید بتواند «خودش» استراتژی مناسب را طراحی کند. این انتظار باعث شده تا استفاده واقعی از AI در استراتژی بسیار محدود بماند. آمار نشان می‌دهد تنها ۷٪ شرکت‌ها از AI در فرآیند استراتژی یا برنامه‌ریزی مالی استفاده می‌کنند، در حالی‌که این رقم در بازاریابی یا زنجیره تأمین به حدود ۲۵ تا ۳۰٪ می‌رسد.

این اختلاف نشان‌دهنده فاصله بین ظرفیت‌های بالفعل AI و تصور مدیران است. آن‌ها اغلب به آینده‌ای دور فکر می‌کنند که در آن AI کل تصمیمات استراتژیک را می‌گیرد، در حالی که از فرصت‌های فعلی برای ارتقای تحلیل و کاهش خطا غافل می‌مانند.

• ریسک تعصب انسانی و حجم بالای داده‌ها

یکی از بزرگ‌ترین مشکلات در استراتژی، سوگیری شناختی (Cognitive Biases) مدیران و محدودیت آن‌ها در پردازش حجم عظیم داده‌هاست. AI می‌تواند این چالش را کاهش دهد؛ با شناسایی الگوهای پنهان، پیش‌بینی روندها و مقایسه سناریوهای مختلف.

برای مثال، در تصمیم‌گیری‌های کلان سرمایه‌گذاری، مدیران معمولاً به داده‌های ناقص یا تجربه‌های شخصی متکی‌اند. اما AI می‌تواند داده‌های تاریخی، روندهای کلان اقتصادی، و حتی احساسات بازار را یکجا تحلیل کرده و بینش‌های تازه ارائه دهد.

• فاصله بین دمو و اجرا

در بسیاری از سازمان‌ها، آزمایش‌های آزمایشگاهی (Proof of Concept) در زمینه AI موفق است، اما انتقال آن به سطح عملیاتی و اجرایی دشوار می‌شود. دلایلی مانند نبود زیرساخت داده، کمبود فرهنگ داده‌محور و مقاومت مدیران، مانع از پذیرش گسترده AI  در استراتژی است.

کاربردهای کلیدی AI در استراتژی

• تحلیل بازار و رقبا

AI  می‌تواند از طریق تحلیل متون، اخبار، گزارش‌ها و داده‌های بازاریابی، تصویری جامع از وضعیت رقبا ارائه دهد. این امکان به شرکت‌ها کمک می‌کند تهدیدها و فرصت‌ها را زودتر از دیگران شناسایی کنند.

• شبیه‌سازی و مدل‌سازی سناریوها

با توجه به بی‌ثباتی اقتصاد جهانی و ریسک‌های ژئوپلیتیک، توانایی شبیه‌سازی آینده اهمیت حیاتی دارد. AI می‌تواند سناریوهای متعددی ایجاد کند (مثلاً تغییر نرخ بهره، تحریم‌های جدید یا تغییر رفتار مصرف‌کنندگان) و نتایج احتمالی آن‌ها را برای شرکت‌ها روشن سازد.

• تصمیم‌گیری بدون تعصب

در حالی که انسان‌ها به تعصبات شناختی گرفتارند (مثل خوش‌بینی بیش‌ازحد یا تعصب تأییدی)، الگوریتم‌های AI می‌توانند با داده‌های خنثی تصمیم‌سازی کنند. هرچند خطر تعصب در خود داده‌ها هم وجود دارد و باید با دقت مدیریت شود.

• استخراج بینش از داده‌های غیرساختاریافته

بخش زیادی از داده‌های جهانی به شکل متون، تصاویر و ویدیوها ذخیره می‌شود. ابزارهای AI می‌توانند این داده‌های غیرساختاریافته را تحلیل کرده و برای استراتژیست‌ها به اطلاعات عملیاتی تبدیل کنند.

محدودیت‌ها و ملاحظات

• AI جایگزین قضاوت انسانی نیست: طراحی استراتژی نیازمند خلاقیت، درک فرهنگی و شهود مدیریتی است. مواردی که هنوز خارج از توان AI قرار دارند.

• خطر تعصب داده‌ها: اگر داده‌های ورودی ناقص یا مغرضانه باشند، خروجی AI نیز نادرست خواهد بود.

• نیاز به فرهنگ‌سازی: پذیرش AI در سطح مدیران ارشد نیازمند تغییر نگرش و ساختن اعتماد است.

• مسائل اخلاقی و شفافیت: در تصمیم‌گیری‌های استراتژیک، شفافیت فرایند اهمیت دارد؛ چیزی که در مدل‌های پیچیده AI  (مثل شبکه‌های عصبی) کمتر وجود دارد.

جمع‌بندی و پیام کلیدی

هوش مصنوعی هنوز به مرحله‌ای نرسیده که بتواند استراتژی را به‌طور کامل خلق کند، اما همین امروز هم می‌تواند ارزش فوق‌العاده‌ای در فرآیند استراتژی بیافریند:

• کاهش تعصب انسانی

• تحلیل سریع‌تر و عمیق‌تر داده‌ها

• شبیه‌سازی سناریوهای پیچیده

• آزاد کردن زمان مدیران برای تمرکز بر خلاقیت و جسارت استراتژیک

به بیان دیگر : مدیرانی که امروز هوش مصنوعی را به‌عنوان یک «همراه استراتژیک» به کار می‌گیرند، فردا یک مزیت رقابتی جدی نسبت به دیگران خواهند داشت.