如何在战略规划中使用AI：应用案例与示例

如何在战略规划中使用AI：应用案例与示例

随着人工智能技术的快速发展，其在战略规划中的应用日益广泛。本文将详细介绍AI在战略规划各个阶段的具体应用场景，包括背景准备、目标设定、情景规划、外部因素分析、竞争分析等多个方面，并提供具体的使用案例和示例。同时，本文还将讨论AI在战略规划中的局限性以及未来的发展趋势。

在当前的发展阶段，AI将在与战略分析和战略描述相关的广泛任务中最有帮助。为了达到最佳效果，应将AI与像BSC Designer这样的专业战略执行软件结合使用，这将为AI提供必要的上下文信息，引导输出格式，并直接将AI的结果应用到平衡记分卡中。

准备战略的背景

各种因素都会影响人工智能的有效性，而提供详细的提示背景信息是其中最重要的因素之一。为了获得更好的结果，请包括以下背景信息：

• 公司的名称和行业
• 公司的使命、愿景和价值观
• 现有的高层次战略，例如分级到记分卡
• 利益相关者及其需求
• 战略分析的结果（外部因素，竞争对手等）
• 现有目标的详细层次结构
• 与目标一致的关键绩效指标及其描述
• 与目标一致的举措及其描述

如果您使用BSC Designer作为战略执行软件，这些背景信息已经在工具中可用，并且可以以透明和注重隐私的方式传递给AI。

战略描述：制定目标、关键绩效指标和举措

最常见的用例是请求AI为您的组织创建战略。在这种情况下，AI将使用提供的背景信息来制定公司的目标候选，跟踪这些目标的关键绩效指标，以及支持这些目标的具体举措。

根据提供的背景，这可能是一个通用战略或专注于特定挑战的战略。示例：

• AI如何帮助制定能源效率战略

情景规划：生成合理的情景

回到2022年，当ChatGPT成为主流时，我尝试将其用于战略规划中的一些典型任务。即使在特定提示下，AI产生幻觉仍然很常见，但由于其生成合理文本的内在能力，它与情景规划完美契合。

如果您想探索未来可能的发展，以及您的组织如何在即将到来的变化中变得更具弹性，考虑使用AI来实现这一目的。一个提示的例子：

‘分析可能会影响我们组织的最新行业趋势。建议这些趋势对运营、人才、客户、财务等方面会产生什么影响。’

正如我们在情景规划文章中讨论的那样，生成的情景可以在单独的功能记分卡中实施。

外部因素分析

请AI遵循PESTEL分析的视角，并识别可能影响您组织的外部因素。一个提示的示例：

• “进行外部因素分析（PESTEL）。评估影响我们行业的因素，并根据PESTEL缩写（政治、经济、社会等）将每个因素分配到相应的视角。”

利益相关者分析

利益相关者分析是战略规划过程的起点。一个提示示例：

• ‘进行利益相关者分析。将每个利益相关者分配到以下视角之一：外部利益相关者、供应商、内部利益相关者、影响/被影响的利益相关者、因法律义务而存在的利益相关者。为每个利益相关者建议2-3个战略目标（高层次目标）的示例。为每个利益相关者建议一个价值指标。’

使用波特五力模型进行竞争分析

使用以下提示，AI将根据波特五力模型准备一份竞争分析。

• 进行五力分析。根据五力框架（力量1：现有竞争者；力量2：客户权力；力量3：供应商权力；力量4：未来竞争者；力量5：替代品威胁），将每个目标分配到一个特定视角。

监管要求分析

AI 在分析大量数据方面特别有效，例如新的监管要求、标准和内部政策。一个用例可能涉及将以下信息上传到 AI：

• 现有内部控制的详细信息
• 有关监管要求的信息

然后，要求 AI 分析现有控制是否满足监管要求。在我们的一例中，客户将一份包含约300个控制的现有记分卡传给了ChatGPT，要求其发现差距和改进点。结果并不完美，需要人工审核，但估计节省了约70%的时间。

现有策略分析

与监管分析类似，可以使用AI来审查现有策略。在这种情况下，需要由现有策略本身以及利益相关者分析、趋势分析和竞争分析来定义上下文。您可以上传相关文档至AI并请求其：

• 在考虑战略分析结果的情况下分析现有策略

用领先和滞后关键绩效指标量化目标

在讨论关键绩效指标时，我们总是强调业务目标优先，然后我们寻找使用关键绩效指标来量化它们的方法。一旦目标确定，向AI询问如何衡量这些目标的建议。一个提示的例子可能是：

这是战略记分卡中的一个目标，专注于战略的某个方面。考虑到组织的背景，建议我们可以用来量化该目标的关键绩效指标。在这些关键绩效指标中，定义那些量化成功因素（领先关键绩效指标）和预期结果（滞后关键绩效指标）的指标。

为未来人工智能做好准备

我们正在监测人工智能趋势以及其他战略规划中的趋势，在其当前的发展状态下，它不会取代战略家，并且远未完美到可以执行任何关键任务。然而，这可能会随着以下变化而改变：

• 计算成本的降低和
• 基于专有数据训练的人工智能模型采用率的提高。

随着更多上下文信息的可用，人工智能将提供更精确和事实支持的建议。虽然这可能不在大多数公司当前的规划范围内，但我们可以通过为未来人工智能采用做准备，开始收集可用于训练专有人工智能模型的战略数据。

AI治理：负责任地使用AI

随着各种AI模型的出现及其使用的便利，组织需要考虑实施适当的AI治理框架，以确保透明和负责任地使用AI。