原作：乌韦·魏因赖希

引言：如果使用得当，技术可以带来改变

您希望在全球拥有 45,000 名员工，年营业额达到125亿美元吗？如果将这些钱以1美元的纸币叠放在一起，其高度将达到240万公里（1491291英里），相当于往返月球3次的距离。

这些数字来自世界最大的战略咨询公司麦肯锡公司2022年的财务报告，是不是很令人印象深刻？尽管战略经常被视为一种琐碎的事情，比如“一种旨在实现组织目标并使其范围、资源和运营适应长期环境变化的活动模式。”（彼得·德鲁克）

然而，制定出色战略的需求似乎如此迫切，以至于企业主和管理者正在养活一家价值数十亿美元的企业。如果能以更少的成本和时间拥有一个能够完成同样工作的AI解决方案，不是更好吗？

AI可以帮助吗？

简而言之：是的。但可能与您预期的方式有所不同。

图片由 123rf.com 上的 ktsdesign 提供

关于大型语言模型基础的性能和复杂的提示技术有大量的炒作。这是人类对新技术的典型反应。我们和它们一起玩耍，学习一些东西，然后将其应用到实际生活中。这种情况下通常占主导地位的是技术观点。

在商业环境中，重要的是AI对价值创造的贡献程度。

在过去的二十年中，公司管理的方式已经发生了变化。不再有那种既精通业务、又有直觉识别市场机会、权衡风险的英雄CEO。数据的大量收集和不断发展的分析技能已经导致了数据驱动的管理。

凭直觉的决策已被基于充分依据的数据驱动决策所取代。

看起来AI和战略可以形成一个形成良好的合作伙伴关系

许多公司使用的分析系统在很大程度上依赖于传统机器学习（ML），它不仅可以进行统计评估，还可以进行预测。它们是一种已经非常成熟的AI形式。

这些系统对于价值创造的贡献是巨大的：优化供应链和库存，优化融资，促销推荐引擎，预测性维护等等。

机器学习是如何工作的？

该图说明了您需要了解的了解机器学习如何工作的一般过程。

周期的下半部分描述了公司与其环境之间的交互，而上半部分则展示了数据如何转化为导致业务决策的知识和见解。

内圈指出了一些可能导致错误结果的风险。它们并不是机器学习所独有的。任何决策过程都容易受到它们的影响，即使不涉及任何一台计算机。

人工智能的问题在于，其结果往往看起来太令人信服，以至于我们对它们的信任超过了我们应有的程度。

关键问题是：我们对系统有多大的信任度？我们是否需要预测和建议，还是直接让它做出可以自动执行的决策？

许多系统已经能够自动执行自我生成的决策。例如，机器交易或自动出入库。

在准确性得到证明的情况下，它们是极好的助手和战略执行的工具。

机器学习有哪些局限性？

图表中已经提到了一些风险。但主要限制在于：

机器学习在机制已知且变化不大的环境中效果最佳。
业务环境中任何基础面变化都会导致系统彻底失效。

当然，可以重新训练系统。然而，通常情况并非如此，这种变化只有很晚才能被察觉到。

综上所述，基于分析和预测AI的机器学习是在相对稳定的环境中优化战略实施的巨大驱动力，但并不适用于高度动态领域的战略开发或调整。

生成式人工智能（如GPT）是否为战略提供更多选择？？

确实如此。

大型语言模型（LLM），尤其是ChatGPT，以提供复杂的回答、撰写学生文章、创建工作代码和惊艳的图像而闻名。那么它如何对战略有用呢？

它是如何工作的？

大型语言模型使用大量信息，采用生成式预训练 Transformers (GPTs) 进行训练。因此，基础模型不仅在其预训练结构中包含了关于世界的大量信息，还包含了对世界的内在模型。从机器学习的角度来看，这是从观察世界到内在模型的一种捷径。

大型语言模型形式的生成式预训练 Transformer (GPT) 使用大量信息进行训练。因此，基础模型不仅在其预训练结构中包含大量关于世界的信息，而且还包含世界的固有模型。就机器学习而言，这是从观察世界到固有模型的捷径。

这是一个重要的优势。使用这样的系统的公司不需要自己训练它，但可以对其进行改进。他们自己的数据或自己分析的结果可以被嵌入并产生更好、更具体的结果。这个过程被称为检索增强生成（Retrieval Augmented Generation，RAG）。

世界的内在模型总是比传统方式生成的见解和算法更广泛。这使得它更能适应环境的变化并变得更加稳健，也有助于从头开始产生战略影响。

GPTs 为战略提供哪些资源？

数据： LLMs系统中存储了大量信息，可以通过提示访问它。例如，管理者可以简单地询问营销数据或具体数字。不幸的是，尽管LLMs拥有这些知识，但它们无法告诉我们信息的来源以及更新程度。因此，信息的质量总是存在一些不确定性。

增强数据： RAG（检索增强生成器）是将特殊数据嵌入到LLMs中的系统。例如，PDF文件、图像、文本和公司中可用的其他数据可以上传到系统中。通过这种方式对系统进行微调，可以获得更好的结果。通过嵌入数据，甚至可以溯源哪个事实导致了哪个结论。

示例和最佳实践： 世界充满了故事，包括成功和失败的战略。如果这些故事已经发表并纳入基础训练数据中，那么它们是可以访问的。

框架： 许多战略框架已经变得流行，例如 Alex Osterwalder 的《商业模式新生代》、Chan W. Kim和Renee Mauborgne的《蓝海战略》等等。。

GPTs 战略实践

让我们来看一些例子。这需要对如何构建提示（prompts）有一些了解。如果你对此还不熟悉，请考虑以下关键技巧：

丰富的上下文才是王道！ 编写详细而简洁的文字来解释你的主题。例如，“给我一份有效的营销实践清单”会得到一个非常通用的列表。“给我一份可以适用于美国城市中产阶级年轻人生活方式产品的有效营销实践清单”将更好地满足这一需求。
清晰的指令。 有许多关键字可以告诉LLM该做什么：写作、翻译、总结、生成、创造、排序、解释等等，例如，你的任务是……
分配角色或人设。如果告诉LLMs他们应该扮演什么角色，他们会取得更好的结果。例如：“你是一名经验丰富的市场营销专业人士……”
设置限制和边界。 限制和边界有助于获得更精确的结果。例如，上述例子可以补充为“……适用于100,000美元的初创公司营销预算的有效营销实践。”
一个或少量样本训练。在一定程度上，如果我们给LLMs提供一些示例，它会自动进行微调。有时一个例子就足够了（一次性学习），有时候需要多个示例（少量样本学习）。少量样本训练的例子：“梅丽莎帮助她妈妈拿购物袋。人们说她是个乐于助人的女儿。克里斯蒂安拒绝帮助他妹妹做作业。人们说他是个自私的兄弟。克里斯蒂娜忽视她丈夫的苦恼。人们说她是个无知的妻子。约翰给他妻子一个珍贵的戒指。人们说他是个慷慨的丈夫。德鲁很小心，不让女儿在玩耍时受伤。人们会对德鲁说什么？”
思维链 。这是一种强大的技巧，可以激发推理并产生更合乎逻辑和更详细的结果。例如：“根据模型 xyz 逐步解释我们需要做什么来发布产品。”“逐步”这个词很重要。
指定格式、风格和语气： LLMs可以提供不同格式的结果，例如程序代码、表格或其他。它们可以模仿定义的风格（你可以用莎士比亚风格撰写年度报告）和一种特定的语气（友好的、中立的、幽默的等）。

现在让我们来解决一些战略任务。

** 检索数据**

欢迎加入一个正在思考创业的人群。也许创办一个生产素食预制菜的初创企业是一个有前景的想法，这些产品可以轻松呈现完美的素食餐。

我们的目标客户应该是年轻的城市专业人士。我们应该知道他们期望和赞赏什么。让我们用 Bard（Google 的 LLM）来尝试一下。

Prompt: You are an experienced resarcher on youth culture and food preferences. 
What aspects of vegan prepared foods would young, urban professional people 
expect and value?

Bard的回答：

好的，这是一些可以帮助团队深入挖掘的基本信息。我们还可以询问市场上的主要竞争对手是谁。

检索增强数据

嵌入只有在复杂的商业环境中才能充分发挥其潜力。为了至少获得简要的见解，您可以尝试使用AskYourPDF服务。

示例和最佳实践

我们再次向Bard提问。上次我尝试ChatGPT时，它只提供了一个虚构的例子，而Bard则报告了一个真实案例。

Prompt: You are a marketing expert with years of experience and broad 
knowledge of best practices. Give a best practice example of how vegan food 
was brought to market on a tight budget. Describe the company, the situation 
it found itself in and how it accomplished the task.

Bard的回答：

框架

这可能是LLMs帮助制定战略的最先进方式。输入您拥有的信息，并要求系统将您的信息映射到所需的框架上。您还可以要求它填补信息缺失的空白处。

这次我们将使用ChatGPT。这是第一个 prompt：

You are a strategy expert with years of experience in building business 
models, according to Alexander Osterwalder's Business Model Canvas.

We are a food startup, providing vegan food to young urban professional 
people. We deliver pre-cooked meals to their homes. Our unique selling point 
is to make their day. That's why every delivery contains something special, 
such as table decorations, flowers, a surprise dessert or something else. 
Our company's suppliers are mainly regional farmers. We want to establish 
pricing that is in the top third of the market.

Start by asking me questions about the information you need to create a 
comprehensive Business Model Canvas.

When you have gathered all the relevant information or I can no longer answer 
any questions, create the business model canvas and fill in missing 
information and data according to best practices.

ChatGPT：

好吧，ChatGPT想要更多的信息。顺便说一句，启动这样的对话是创建丰富内容并最终获得更准确结果的好方法。

仅仅提出这些问题就能激发制定更好的商业模式的灵感。但让我们我们更进一步。

1.目前还没有其他细分市场。人口统计学数据：年龄在22到35岁之间，非常忙碌，购物时间很少。首次测试发布的城市有旧金山、洛杉矶和纽约。

2.需求：需要健康食品，但不想花太多时间和精力。除了已提到的方面外，我们没有其他差异化的要素。如果你有好主意，请告诉我。

3.初期我们将利用在上述城市已有的自行车骑手服务。互联网和我们的应用程序将是主要的营销渠道。如果你对其他有效的渠道有任何好主意，请告诉我。

4.通过网络营销来获取客户。目前没有忠诚计划。

5.收入来源：通过我们的应用程序每顿饭的支付。目前没有其他收入来源。如果你能想象出一些，请告诉我。

6.厨房、配送基础设施：如上所述，使用骑手进行配送。

7.关键活动尚不清楚。请提出一些建议。

8.暂时没有计划与其他合作伙伴合作。

9.成本：杂货费用、员工（管理和烹饪）、骑手代理机构的服务费用。

除此之外，我无法提供更多信息。

这里我们有商业模式画布的信息，还有一些有用的建议。但纯文本的格式不够好，让我们寻求更好的格式。
这里有我们的商业模式画布的信息以及一些有用的建议。但纯文本不太好。让我们寻求更好的格式。

Can you visualize this information in an image using the traditional 
nine-field layout of the Business Model Canvas?

现在我们开始：

好的，图形很好并且符合主题，但是整个图像两端被切断了，并且有一些随机文本需要替换。对于此任务，ChatGPT中包含的DALL-E可能不是最佳选择。

但让我们尝试其他方法。不可否认，这只适用于高级的PowerPoint用户。

Generate VB code that creates a PowerPoint presentation based on the above 
information on the 9 fields of the Business Model Canvas. 
Titel: Vegan Food Service

你只需在PowerPoint选择标准设计并运行生成的脚本，就可以在几秒钟内获得演示文稿的框架。

结论

分析和预测性AI已经在许多公司找到了应用，可以在业务机制被充分了解的情况下优化战略执行。

生成式AI有助于丰富和加速战略的创建，但它还不能替代人类的战略开发。它只是一个很棒的工具而已。

AI可以为战略决策提供建议。但自主决策和自动执行，应该仅限于那些经过验证，并且能够提供准确结果的过程。

/an-zhuo-ding-zhi-ruan-jian/yi-ren-gong-zhi-neng-zhan-lue-2894.html

【译】人工智能战略