مقدمة:
القرارات الاستراتيجية حاسمة لنجاح المنظمات، فهي توجه الإجراءات اللاحقة وتخصيص الموارد. يعد تقييم نماذج الأعمال جزءًا أساسيًا من صنع القرار الاستراتيجي، ويتضمن تقييم عملاء الشركة ومنتجاتها/خدماتها وأنشطتها الأساسية. توفر التطورات الحديثة في الذكاء الاصطناعي التوليدي (AI)، وخاصة نماذج اللغات الكبيرة (LLMs)، إمكانيات جديدة لتقييم القرارات الاستراتيجية. تستعرض هذه المراجعة الأدبية الأبحاث الحالية حول القرارات الاستراتيجية وتقييم نماذج الأعمال، مع التركيز على دور الذكاء الاصطناعي التوليدي كمقيِّم، وتحدد مجالات الاتفاق الرئيسية والنقاش والثغرات في الأدبيات الحالية.

القرارات الاستراتيجية: المفاهيم والتحديات الأساسية:
تتميز القرارات الاستراتيجية بأنها مهمة، ويصعب التراجع عنها، وتنطوي على عدم اليقين. تؤثر هذه القرارات بشكل كبير على نجاح المنظمة وتقيد الخيارات المستقبلية. تنبع صعوبة التراجع عن القرارات الاستراتيجية من اعتمادها على المسار والتزامها بالموارد النادرة. علاوة على ذلك، ينشأ عدم اليقين من صعوبة توقع الحالات المستقبلية وتقدير احتمالاتها. التبصر الاستراتيجي، أي القدرة على التنبؤ بدقة بعواقب القرار الاستراتيجي، هو أمر محوري لنظريات الاستراتيجية. ومع ذلك، غالبًا ما يتم اتخاذ القرارات الاستراتيجية ببيانات محدودة وفي ظروف فريدة، مما يشكل تحديات كبيرة للمقيمين.

المقيمون البشريون في صنع القرار الاستراتيجي:
تقليديًا، كان المقيمون البشريون محور البحث في صنع القرار الاستراتيجي. على المستوى الفردي، تؤثر عوامل مثل الإدراك والتمثيلات العقلية والخبرات والتحيزات على التقييمات. على مستوى التجميع، يتمثل أحد الاعتبارات الرئيسية في كيفية الجمع بين التنبؤات الفردية من خلال الهياكل التنظيمية. يمكن أن يؤدي تجميع تنبؤات غير كاملة متعددة إلى تحسين دقة التنبؤ الإجمالية. ومع ذلك، يطرح تجميع التنبؤات من المقيمين البشريين تحديات، لا سيما في اختيار التنبؤات التي سيتم تجميعها وضمان التنوع لتعويض الأخطاء الفردية. تشمل الأساليب لمعالجة هذا الأمر اختيار المقيمين بناءً على مستوى المهارة والأسلوب المعرفي والتركيبة السكانية.

الذكاء الاصطناعي التوليدي كمقيمين اصطناعيين:
يمثل الذكاء الاصطناعي التوليدي، وخاصة نماذج اللغات الكبيرة، فئة جديدة من المقيمين الاصطناعيين للقرارات الاستراتيجية. تولد نماذج اللغات الكبيرة نصًا شبيهًا بالبشر باستخدام شبكات عصبية مدربة على كميات هائلة من البيانات. يمكن توجيهها باستخدام المطالبات للاستجابة في المواقف الجديدة دون الحاجة إلى بيانات إضافية، على عكس أساليب التعلم الآلي التقليدية. تمتلك نماذج اللغات الكبيرة القدرة على إجراء تنبؤات عن طريق تعيين مخرجات لمدخلات جديدة. على سبيل المثال، يمكن لنماذج اللغات الكبيرة تقييم أزواج من نماذج الأعمال وتحديد أيها أكثر احتمالية للنجاح. ومع ذلك، يمكن أن تكون تقييمات الذكاء الاصطناعي الفردية غير متسقة ومتحيزة. على سبيل المثال، يمكن أن يؤثر الترتيب الذي يتم به تقديم نماذج الأعمال على اختيار الذكاء الاصطناعي، أو قد يُظهر الذكاء الاصطناعي تفضيلًا منهجيًا للخيار الأول أو الثاني.

تجميع تنبؤات الذكاء الاصطناعي: التنوع والنطاق:
للاستفادة من تقييمات الذكاء الاصطناعي، من المهم ضمان التنوع والنطاق في تجميع التنبؤات. التنوع يعني أن التنبؤات تختلف عن بعضها البعض، مما يسمح بتعويض التنبؤات غير الصحيحة. يشير النطاق إلى عدد التنبؤات التي تساهم في التجميع؛ يزيد عدد أكبر من التنبؤات من احتمالية تعويض التنبؤات غير الدقيقة. يمكن تحقيق التنوع من خلال نماذج اللغات الكبيرة المتعددة والأدوار المعينة والمطالبات.
• نماذج اللغات الكبيرة: قد تولد نماذج اللغات الكبيرة المختلفة تنبؤات مختلفة بسبب الاختلافات في بنيات الشبكات العصبية وبيانات التدريب.
• الأدوار: يمكن أن يؤثر الدور المعين لنموذج اللغات الكبيرة على مخرجاته، حيث غالبًا ما يكون أداء خبراء المجال أفضل في المهام ذات الصلة.
• المطالبات: يمكن أن تحول المطالبات المختلفة انتباه النموذج إلى جوانب مختلفة من المدخلات، مما يؤثر على المخرجات النهائية. يمكن تقسيم فوائد تجميع تنبؤات الذكاء الاصطناعي إلى تأثير التنوع (تجميع التنبؤات من نماذج اللغات الكبيرة المتعددة والأدوار والمطالبات) وتأثير القياس (تجميع العديد من التقييمات).

الدراسات التجريبية حول تقييم نماذج الأعمال القائمة على الذكاء الاصطناعي:
تستخدم الدراسة في المصدر دراستين تجريبيتين لتقييم استخدام الذكاء الاصطناعي التوليدي في تقييم القرارات الاستراتيجية. استخدمت الدراسة الأولى نماذج أعمال تم إنشاؤها بواسطة الذكاء الاصطناعي، بينما استخدمت الدراسة الثانية نماذج أعمال تم تقديمها إلى مسابقة نماذج الأعمال. فحصت كلتا الدراستين مدى اتفاق تصنيفات نماذج الأعمال بواسطة الذكاء الاصطناعي التوليدي مع تصنيفات الخبراء البشريين. تشمل المنهجيات:
• إنشاء نماذج الأعمال: استخدام GPT-4 لإنشاء نماذج أعمال عبر مختلف الصناعات باحتمالات نجاح مختلفة.
• التقييمات الزوجية: تقييم نماذج الأعمال من خلال تقييمات زوجية بواسطة الذكاء الاصطناعي التوليدي والخبراء البشريين وغير الخبراء البشريين.
• التجميع: الجمع بين التقييمات الزوجية من مقيمين مختلفين للذكاء الاصطناعي (موحد، مختلط، وشامل).
• مقاييس الاتفاق: تقييم الاتفاق مع الخبراء البشريين باستخدام ارتباط بيرسون، وارتباط سبيرمان، والاختيار الأعلى، والاختيار الأدنى.
النتائج الرئيسية للدراسات هي:
• تقييمات فردية غير متسقة ومتحيزة: غالبًا ما تكون تقييمات الذكاء الاصطناعي الفردية غير متسقة ومتحيزة.
• تحسين الاتفاق مع التجميع: يؤدي تجميع تقييمات الذكاء الاصطناعي إلى تحسين الاتفاق مع الخبراء البشريين.
• تأثير القياس أكثر وضوحًا: تأثير القياس (تجميع العديد من التقييمات) أكثر وضوحًا من تأثير التنوع (التجميع عبر نماذج اللغات الكبيرة المختلفة والأدوار والمطالبات).
تشمل القيود والتحيزات المحتملة في تقييمات الذكاء الاصطناعي عدم الاتساق والتحيز الترتيبي.

نقاط الاتفاق والنقاش والثغرات في البحث:
• الاتفاق: يوضح البحث أن تجميع تقييمات الذكاء الاصطناعي يحسن الاتفاق مع الخبراء البشريين في تقييم نماذج الأعمال.
• النقاش: قد تختلف المساهمات النسبية لتأثيرات التنوع والقياس اعتمادًا على مهمة التقييم. وجدت الدراسة المقدمة أن تأثير القياس كان أكثر وضوحًا في السياقات التي تم فحصها.
• الثغرات:
* فهم محدود لكيفية مقارنة تقييمات الذكاء الاصطناعي بالنتائج الاستراتيجية الفعلية.
* إمكانية اتباع أساليب تجميع بديلة تتجاوز المتوسط البسيط.
* دور الذكاء الاصطناعي في مراحل أخرى من صنع القرار الاستراتيجي بخلاف التقييم، مثل التأطير والتنفيذ.

التطور في المجال بمرور الوقت:
ينتقل المجال من التقييم البشري التقليدي إلى دمج الذكاء الاصطناعي في صنع القرار الاستراتيجي. قد تدعم القدرات المتزايدة لنماذج اللغات الكبيرة وقدرتها على التفكير صانعي القرار البشريين أو تكملهم. من المتوقع أن تؤدي التحسينات المستمرة في نماذج وتقنيات الذكاء الاصطناعي، مثل الجيل المعزز بالاسترجاع (RAG)، إلى تحسين أداء مقيمي الذكاء الاصطناعي. يشير هذا إلى التحرك نحو الذكاء الاصطناعي كأداة فعالة في التقييم الاستراتيجي، مما قد يغير كيفية اكتشاف الفرص الاستراتيجية وتنفيذها.

الرؤى النقدية والمواءمة السياقية:
يتماشى البحث مع نظريات صنع القرار الاستراتيجي التقليدية من خلال التأكيد على أهمية التبصر الاستراتيجي والتنبؤات الدقيقة. ومع ذلك، فإنه يختلف عن طريق تقديم الذكاء الاصطناعي كمقيم بديل، مما يتحدى التركيز التقليدي على الاستراتيجيين البشريين. تشير النتائج إلى تحول محتمل في صنع القرار الاستراتيجي باستخدام الذكاء الاصطناعي التوليدي، حيث يتم دمج رؤى الذكاء الاصطناعي مع الحكم البشري لتحسين نتائج القرار. يتماشى هذا مع فكرة مجموعات الإنسان والذكاء الاصطناعي، حيث يتم الاستفادة من نقاط القوة لكل من البشر والذكاء الاصطناعي.

الخاتمة:
تستعرض هذه المراجعة الأدبية الأبحاث الحالية حول القرارات الاستراتيجية وتقييم نماذج الأعمال، مع التركيز على دور الذكاء الاصطناعي التوليدي كمقيِّم. تشير النتائج الرئيسية إلى أنه في حين أن تقييمات الذكاء الاصطناعي الفردية يمكن أن تكون غير متسقة ومتحيزة، فإن تجميع هذه التقييمات يحسن الاتفاق مع الخبراء البشريين. تأثير القياس أكثر وضوحًا من تأثير التنوع في السياقات التي تم فحصها. يسلط البحث الضوء على قيمة الذكاء الاصطناعي التوليدي في صنع القرار الاستراتيجي، مما يوفر للمديرين نهجًا لدمج الذكاء الاصطناعي في عملياتهم الاستراتيجية. يجب أن تركز الأبحاث المستقبلية على مقارنة تقييمات الذكاء الاصطناعي بالنتائج الاستراتيجية الفعلية، واستكشاف أساليب تجميع بديلة، والتحقيق في دور الذكاء الاصطناعي في مراحل أخرى من صنع القرار الاستراتيجي.

أسئلة وأجوبة حول الذكاء الاصطناعي التوليدي وتقييم القرارات الاستراتيجية

1. ما هي التحديات الرئيسية في صنع القرار الاستراتيجي التي يهدف الذكاء الاصطناعي التوليدي إلى معالجتها؟
   تتميز القرارات الاستراتيجية بعدم اليقين والأهمية وعدم القابلية للانعكاس. تؤثر هذه القرارات بشكل كبير على نجاح المؤسسة، وتوجه الإجراءات المستقبلية، وغالبًا ما تتطلب التزامًا كبيرًا بالموارد. يصعب التنبؤ بعواقب هذه القرارات بسبب عدم اليقين المتأصل والتحديات في توقع الحالات المستقبلية. يوفر الذكاء الاصطناعي التوليدي، وخاصة نماذج اللغات الكبيرة (LLMs)، نهجًا جديدًا للتقييم في سياقات استراتيجية محدودة البيانات وفريدة من نوعها.
2. كيف يمكن استخدام الذكاء الاصطناعي التوليدي، وتحديدًا نماذج اللغات الكبيرة، لتقييم القرارات الاستراتيجية؟
   يمكن استخدام نماذج اللغات الكبيرة لتقييم القرارات الاستراتيجية من خلال توفير تنبؤات حول القيمة النسبية أو المطلقة للبدائل المختلفة. في الدراسات المذكورة، تم تكليف نماذج اللغات الكبيرة بتحليل أزواج من نماذج الأعمال وتحديد أيها أكثر احتمالية للنجاح. تعكس عملية التقييم هذه مهمة تنبؤ، حيث يقوم نموذج اللغات الكبيرة بتعيين تسمية (على سبيل المثال، "مفضل") لمدخلات جديدة (على سبيل المثال، زوج من نماذج الأعمال). باستخدام المطالبات وحتى تعيين أدوار لنماذج اللغات الكبيرة، يمكن للذكاء الاصطناعي توفير تقييمات متنوعة للخيارات الاستراتيجية.
3. هل تقييمات نماذج اللغات الكبيرة الفردية موثوقة، وما هي التناقضات والتحيزات الملحوظة؟
   يمكن أن تكون تقييمات نماذج اللغات الكبيرة الفردية غير موثوقة بسبب التناقضات والتحيزات. تنتج نماذج اللغات الكبيرة أحيانًا تقييمات زوجية غير متسقة، مما يعني أن التفضيل بين نموذجي الأعمال A و B قد يختلف عن B و A. يمكن أن تظهر أيضًا تحيزًا، وتفضل بشكل منهجي الخيار الأول أو الثاني المقدم. ومع ذلك، يمكن التخفيف من هذه التناقضات والتحيزات الفردية من خلال التجميع.
4. ما أهمية تجميع تنبؤات نماذج اللغات الكبيرة، وكيف يحسن تقييم القرارات الاستراتيجية؟
   يحسن تجميع تنبؤات نماذج اللغات الكبيرة تقييم القرارات الاستراتيجية من خلال الاستفادة من مبدأ "حكمة الجمهور". من خلال الجمع بين تقييمات متعددة، يمكن تعويض الأخطاء، مما يؤدي إلى تنبؤات أكثر دقة. هذا التجميع مفيد لأنه يعالج قيود تقييمات نماذج اللغات الكبيرة الفردية، والتي قد تكون غير متسقة أو متحيزة. على وجه التحديد، يظهر البحث أن تأثير القياس (تجميع العديد من التقييمات لمستوى معين من التنوع) أكثر وضوحًا من تأثير التنوع (التجميع من نماذج اللغات الكبيرة المتعددة والأدوار والمطالبات لمستوى معين من النطاق). تميل التصنيفات المستندة إلى العديد من تقييمات الذكاء الاصطناعي إلى الاتفاق مع تصنيفات الخبراء البشريين.
5. ما هو تأثير التنوع وتأثير القياس في سياق تجميع تنبؤات نماذج اللغات الكبيرة، وأيهما أكثر تأثيرًا؟
   يشير تأثير التنوع إلى الفائدة المكتسبة من خلال تجميع التنبؤات من نماذج اللغات الكبيرة المتعددة والمطالبات والأدوار. يشير تأثير القياس إلى الفائدة المكتسبة من خلال تجميع عدد كبير من التنبؤات، بغض النظر عن تنوعها. يشير البحث إلى أن تأثير القياس (تجميع العديد من التقييمات لمستوى معين من التنوع) أكثر وضوحًا من تأثير التنوع (التجميع من نماذج اللغات الكبيرة المتعددة والأدوار والمطالبات لمستوى معين من النطاق). في حين أن كلاهما يساهم في تحسين الدقة، فإن الحجم الهائل للتقييمات له تأثير أكبر على موثوقية التقييم المجمع.
6. كيف تقارن تقييمات نماذج اللغات الكبيرة بتقييمات الخبراء البشريين وغير الخبراء في صنع القرار الاستراتيجي؟
   تميل تقييمات نماذج اللغات الكبيرة، خاصةً عند تجميعها، إلى التوافق بشكل أوثق مع تقييمات الخبراء البشريين مقارنةً بتقييمات غير الخبراء البشريين. في حين أن تقييمات نماذج اللغات الكبيرة الفردية قد تكون معيبة، فإن تجميع تنبؤات متنوعة وقابلة للتطوير من نماذج اللغات الكبيرة ينتج عنه نتائج أكثر اتساقًا مع حكم الخبراء. أظهرت الدراسة أن تصنيفات الذكاء الاصطناعي اتفقت مع الخبراء البشريين أكثر من غير الخبراء البشريين.
7. بأي طرق يمكن أن تساعد تقييمات الذكاء الاصطناعي الشركات على تحسين استراتيجياتها عندما يكون من الصعب الحصول على خبراء بشريين؟

يمكن أن تقدم تقييمات الذكاء الاصطناعي رؤى حول متوسط المواءمة في تقييم جميع نماذج الأعمال ، والمواءمة لنماذج الأعمال الرابحة والخاسرة. يمكنهم المساعدة في اختيار الخيارات الواعدة (المتماشية مع أفضل اختيارات الخبراء) وتجنب الاستراتيجيات الضعيفة (المتماشية مع الاختيارات الأدنى للخبراء) ، وهو أمر ذو قيمة خاصة للشركات الناشئة والمنظمات التي تخصص موارد محدودة. يعد الذكاء الاصطناعي التوليدي أيضًا أداة يسهل الوصول إليها أكثر من الاستراتيجيين البشريين.

8. ما هي القيود والاتجاهات البحثية المستقبلية لاستخدام الذكاء الاصطناعي التوليدي في تقييم القرارات الاستراتيجية؟
   أحد القيود هو التحدي المتمثل في تحديد مدى جدوى نماذج الأعمال بشكل قاطع والاعتماد على الاتفاق مع الخبراء البشريين كبديل للنتائج الاستراتيجية الفعلية. يمكن أن تستكشف الأبحاث المستقبلية أساليب تجميع بديلة، وتقييمات مرجحة بناءً على عوامل مثل الخبرة أو المعلومات الداخلية. يمكن لمزيد من الدراسات التحقيق في دور الذكاء الاصطناعي التوليدي في مجالات أخرى من صنع القرار الاستراتيجي، مثل تأطير القرار أو تقييم تأثير التنفيذ وأيضًا عمليات الدمج والاستحواذ والتوسع في أسواق أو مناطق جغرافية جديدة

(Doshi et al., 2025)

Reference:

Doshi, A. R., Bell, J. J., Mirzayev, E., & Vanneste, B. S. (2025). Generative artificial intelligence and evaluating strategic decisions. Strategic Management Journal, 46(3), 583–610. https://doi.org/10.1002/smj.3677