Do danas je bilo jako malo empirijskih podataka o tome kako bi vještačka inteligencija funkcionisala kao izvršni direktor u stvarnim scenarijima, posebno u poređenju s ljudskim odlučivanjem u sličnim uslovima. Zanimljiv članak portala Harvard Business Review, zasnovan na eksperimentu sprovedenom na Cambridge Judge Business School-u, koji simulira automobilsku industriju, prenosi da vještačka inteligencija (AI) poboljšava ljudske učesnike u donošenju strateških odluka o tržišnom udjelu i profitabilnosti. Članak otkriva da impresivni rezultati AI-ja u eksperimentu imaju dalekosežne implikacije.

Na prvi pogled, mišljenje da vještačka inteligencija može zamijeniti izvršne direktore može izgledati jako upitno. A to je zato što je vještačka inteligencija sklona značajnim greškama, poput generisanja netačnih ili pogrešnih informacija. To nisu osobine koje se obično povezuju s efikasnim vođstvom, posebno u ulozi koja zahtijeva balansiranje interesa više dionika, analiziranje istorijskih trendova, prepoznavanje suptilnih promjena na tržištu i donošenje strateških odluka koje oblikuju budućnost kompanije. Osim toga, postavlja se i šaljivo pitanje: ako bi nam vještačka inteligencija šefovala na poslu, koga bi onda zaposleni krivili za svoje neuspjehe?

Bez obzira na to, generativna vještačka inteligencija već preoblikuje industrije koje zahtijevaju i preciznost i kreativnost. Na primjer, AlphaFold je revolucionisao savijanje proteina s neviđenom preciznošću, transformišući polje biofizike, dok OpenAI Codex može generisati čitave softverske programe iz jednostavnih ljudskih uputa, unapređujući mogućnosti softverskog inženjeringa. To su složeni, teški zadaci koji su prije samo nekoliko godina izgledali znatno iznad sposobnosti vještačke inteligencije. Dakle, zašto bi preuzimanje uloge izvršnog direktora bilo nedostižno?

Snage i slabosti vještačke inteligencije biće u potpunosti otkrivene tek kada se testira u širokom rasponu. Poduzet je prvi korak u tom smjeru s velikim eksperimentom u stvarnom svijetu, otvarajući vrata dubljem istraživanju potencijalne uloge i uticaja vještačke inteligencije unutar CEO pozicija. “Uspon vještačkih izvršnih direktora (CEO-a) mogao bi poremetiti tradicionalno strateško savjetovanje i interne strateške odjele. Kompanije poput McKinsey mogu pronaći svoje usluge nadopunjene, ili čak zamijenjene, sistemima vještačke inteligencije prilagođenim ekosistemima njihovih klijenata.”

Kako je taj eksperiment izgledao?

Eksperiment je trajao od februara do jula 2024. godine, uključivši 344 učesnika (studente osnovnih i postdiplomskih studija sa univerziteta srednje i južne Azije i više rukovodioce u južnoazijskoj banci) i GPT-4.0, savremeni veliki jezički model (LLM) koji je kreirao OpenAI. Vodili su ga vrhunski stručnjaci u tom području: Hamza Mudassir, osnivač Strategize.inc i predavač strategije na Judge Business School na Univerzitetu Cambridge; Kamal Munir je prorektor i profesor strategije na Univerzitetu Cambridge; Shahzad Ansari je profesor strategije i inovacija na Judge Business School na Univerzitetu Cambridge i Amal Zahra je istraživačica vještačke inteligencije u Strategize.inc.

Učesnici su se kretali kroz gamifikovanu simulaciju osmišljenu da replicira vrste izazova u donošenju odluka s kojima se suočavaju glavni izvršni direktori, uz različite metrike koje prate kvalitet njihovih izbora. Simulacija je bila digitalni blizanac američke automobilske industrije, koja uključuje matematičke modele temeljene na stvarnim podacima o prodaji automobila, tržišnim pomacima, istorijskim strategijama cijena i elastičnosti, kao i širim uticajima poput ekonomskih trendova i efekata Covid-19. (igru je razvio startup iz Cambridgea u Engleskoj, Strategize.inc).

Igrači su donosili niz korporativnih strateških odluka putem interfejsa igre, po rundi. Svaki krug predstavljao je fiskalnu godinu, a ova struktura omogućila je učesnicima da se pozabave strateškim izazovima tokom nekoliko simuliranih, međusobno povezanih godina. Igra je stoga imala preko 500.000 mogućih kombinacija odluka po rundi i nije imala fiksnu pobjedničku formulu. Cilj igre bio je jednostavan – trebalo je “preživjeti” što je duže moguće bez da vas virtuelni odbor blokira, dok istovremeno povećavate tržišnu kapitalizaciju. Prvi faktor ocjenjivanja određivao je skup jedinstvenih ključnih pokazatelja uspješnosti (KPI) koje postavlja uprava, a drugi faktor vođen je kombinacijom održivih stopa rasta i slobodnog novčanog toka. Ovaj cilj služio je kao realna zamjena za mjerenje učinka CEO-a u stvarnom svijetu.

Nakon što su ljudski učesnici završili svoj red, predali su kontrolu GPT-4.0. Zatim su upoređivali učinak GPT-4.0 sa četiri ljudska učesnika: dva najbolja studenta i dva rukovodioca. Rezultati su bili i iznenađujući i provokativni, dovodeći u pitanje mnoge pretpostavke o vođstvu, strategiji i potencijalnoj ulozi vještačke inteligencije u donošenju odluka na najvišem nivou poslovanja.

Ko je na kraju bio bolji?

U ovom eksperimentu učinak GPT-4.0 kao izvršnog direktora dugo je bio zadovoljavajući. LLM je dosljedno nadmašivao najbolje ljudske učesnike u gotovo svakoj metrici. Dizajnirao je proizvode s preciznošću, povećavajući privlačnost uz održavanje stroge kontrole troškova. Dobro je reagovao na tržišne signale, držeći svoje konkurente s vještačkom inteligencijom na ivici i izgradio tako snažan zamah da je premašio tržišni udio i profitabilnost najuspješnijeg studenta tri runde unaprijed.

Međutim, postojala je kritična greška: GPT-4.0 je brže blokirao virtuelni odbor nego učenike koji su igrali igru. Zašto? AI se borio s događajima poput kolapsa tržišta tokom pandemije Covid-19. Programeri su te nepredvidive tržišne šokove osmislili da promijene potražnju kupaca, obore nivoe cijena i opterete lance snabdijevanja. Studenti s najboljim učinkom usvojili su dugoročne strategije koje su uzimale te faktore u obzir. Izbjegavali su krute ugovore, minimizirali rizike zaliha i oprezno upravljali rastom, osiguravajući fleksibilnost u situacijama kada su se tržišni uslovi mijenjali. Njihova je strategija bila jasna: očuvati prilagodljivost, a ne juriti za agresivnim kratkoročnim dobicima.

GPT-4.0, s druge strane, nakon niza ranih uspjeha, prešao je u kratkoročni optimizacijski način razmišljanja, nemilosrdno maksimizirajući rast i profitabilnost sve dok tržišni šok nije prekinuo njegov pobjednički niz. Vještačka inteligencija može brzo učiti i prilagođavati se u kontrolisanom okruženju, ali je manje pogodna za suočavanje s destruktivnim događajima koji zahtijevaju ljudsku intuiciju i predviđanje. Zanimljivo je da su u tu istu zamku upali i rukovodioci. Njih je, kao i GPT-4.0, virtuelni odbor brže blokirao nego učenike. I AI i rukovodioci podlegli su istoj slabosti: pretjeranom samopouzdanju u sistem koji nagrađuje fleksibilnost i dugoročno razmišljanje jednako kao i agresivnu, nepromišljenu ambiciju.

Koji su zaključci ovog eksperimenta?

Uprkos svojim ograničenjima, GPT-4.0 je pokazao impresivne performanse, iako je bio blokiran češće od ljudskih igrača u virtuelnoj igri, i dalje se držao protiv najboljih i najsjajnijih među 344 učesnika. Iz ovog eksperimenta došlo se do sljedećih zaključaka:

Generativna umjetna inteligencija je ključni strateški resurs

Ignoriranje generativne umjetne inteligencije u korporativnoj strategiji više nije održivo. Ovaj eksperiment pokazuje da čak i neusklađeni modeli mogu ponuditi jedinstvene i kreativne pristupe strategiji kada ih se pravilno pita, generirajući snažne rezultate. Ako generativna umjetna inteligencija može pomoći kompanijama da efikasnije maksimiziraju vrijednost za dioničare, čemu se onda opirati?

Kvalitet podataka je ključan

Da bi se umjetna inteligencija istaknula u korporativnoj strategiji, potrebni su joj visokokvalitetni podaci. GPT-4.0 se dobro pokazao u ovom eksperimentu jer je imao pristup bogatim podacima iz simulatora. Međutim, mnoge kompanije ne generišu dovoljno podataka u smislu brzine, količine, istinitosti i raznolikosti. Izgradnja robusne infrastrukture podataka je neophodna prije uvođenja generativne umjetne inteligencije u sistem.

Efikasnost naspram rizika

Iako efikasnost vođena umjetnom inteligencijom može stvoriti značajne dobitke, ona također nosi rizike. Agresivne strategije povećanja cijene dionica od strane ljudskih menadžera bez dovoljnog nadzora mogu dovesti do katastrofalnih ishoda.

Pitanja odgovornosti

Gotovo je nemoguće smatrati AI odgovornim na isti način kao i ljudski izvršni direktor. Brisanje sistema ne poništava štetu od pogrešnih odluka, postavljajući kritična pitanja o odgovornosti i zaštiti javnosti. Uspostavljanje transparentnih zaštitnih ograda koje osiguravaju usklađivanje odluka vođenih umjetnom inteligencijom s vrijednostima kompanije i društvenim dobrom ključno je za sprječavanje neželjenih posljedica.

Prestanak strateškog konsaltinga

Porast “vještačkih izvršnih direktora” mogao bi poremetiti tradicionalno savjetovanje o strategiji i interna odjeljenja za strategiju. Firme poput McKinseya mogu pronaći svoje usluge dopunjene, ili čak zamijenjene, AI sistemima prilagođenim ekosistemima njihovih klijenata.

Zaključak

Uprkos svojim impresivnim performansama, umjetna inteligencija (AI) ne može, a čini se sada, nikada neće moći u potpunosti preuzeti odgovornosti izvršnog direktora na tržištima koja služe ljudima. Međutim, umjetna inteligencija može značajno poboljšati proces strateškog planiranja i pomoći u sprječavanju skupih grešaka. Prva generacija umjetne inteligencije uspješno upravlja mikro-strategijom na funkcionalnom nivou tehnoloških divova poput Amazona i Googlea, rješavajući zadatke poput usklađivanja cijena i upravljanja zalihama oglasa.

Automatizacijom analize velikih količina podataka i modeliranjem složenih scenarija, AI omogućava ljudskim liderima da se fokusiraju na strateško razmišljanje, empatiju i etičko donošenje odluka, što su definitivno područja u kojima se ljudi ističu. Najveća snaga generativne umjetne inteligencije nije u zamjeni ljudskih izvršnih direktora, već u poboljšanju procesa donošenja odluka. AI tako omogućava ljudskim izvršnim direktorima da donose bolje odluke nego što bi mogli sami.