執行長如何透過生成式AI問出未來策略？

商業界都在引頸期盼ChatGPT、you.com與Claude.ai這樣的生成式AI徹底改變商業決策。OpenAI的執行長山姆．奧特曼（Sam Altman）甚至宣稱：「各位即將進入人類可能性最輝煌的黃金時代。」

業界領袖殷切盼望能夠將生成式AI應用到策略規畫，像是一位主管最近就感嘆，實在已經等不及看到「AI幫忙找出還不存在的商機」。

但有沒有可能，我們其實高估了生成式AI的能力？我們該如何判斷生成式AI究竟能在哪些領域協助策略規畫？各種生成式AI工具是大同小異，或者確實有某些工具在特定情境的能力更強？

為了回答這些問題，我們來詳細談談兩個涉及策略規畫核心活動的商業個案。（註：文中使用均為假名。）

克服盲點、預測未來

基斯（Keith）是農業研究商業機構「三叉戟」（Trident）的執行長，領導著120名員工。三叉戟是該領域獨立承包商的佼佼者，接受客戶委託進行各種試驗，改良穀物、蔬菜與水果的栽培。

基斯集合了機構的5人高層團隊，召開渡假會議討論年度策略。他解釋：「這讓我們有機會坐下來好好評估各種事項。否則一般來說，我們都得忙著不停追蹤各項試驗與報告結果，真的是沒完沒了。」

討論流程的其中一步，就是要列出三叉戟面臨的「關鍵策略問題」。就如基斯所解釋：「這就像是我們審慎討論過程的出發點，策略計畫就是要解決這些問題。」

基斯列出的清單如下：

• 競爭問題
• 據點數量與地點
• 人力資源
• 產品定價
• 獲利能力
• 氣候

基斯與團隊很滿意這份清單，但也知道自己的觀點可能有限。基斯深思：「我們全都是農業科學家，雖然很懂自己這一行，卻不太了解其他領域。我在想，生成式AI能不能在這方面幫上忙？」

基斯也對未來很好奇：「生成式AI能不能幫我們預測未來對我們服務的需求？」

生成式AI助力的能與不能

基斯提出兩個密切相關的問題，與我們常常從策略規畫團隊那裡聽到的不謀而合。

第一個問題是關於偏誤，也就是團隊由於所受的專業培訓與產業經驗，使觀點變得狹隘。基斯希望引入農業科學以外的視角來產生嶄新的觀點，而方法之一是把部分高層替換成其他產業的人，但這種作法實在太不實際。而另一種方法就是使用生成式AI。我們給出的建議，是使用以下的提示詞（prompt）：

AI提出的回覆分成9大點，各自再列出兩個行動要點。裡面有沒有提出什麼新的觀點？確實有。但AI也遺漏了某些問題。

相較於基斯團隊所列清單，生成式AI工具漏了兩項：「據點數量與地點」以及「獲利能力」。其中據點是非常專屬於三叉戟的問題，生成式AI幾乎不可能知道。但在我們看來，沒有提到「獲利能力」就是很大的失誤。此外，雖然生成式AI提到的9大點包括了「競爭問題」，卻並未提到「產品定價」這個關鍵。但在這個行業，幾乎所有業務都得透過招標取得，所以這實在是一大重點。

ChatGPT的底層大型語言模型雖然已經運用大量數據加以訓練，卻無法取得每家公司專屬的資訊，也就不難想見會有所遺漏。基斯必須小心，這些AI系統都屬於「非確定性」，也就是每次的回應可能不同。要減少此類問題的影響，基斯可以重新生成回答，看看是否會出現其他答案（就ChatGPT而言，就是在原本的答覆下方繼續追問）。我們也發現，只要要求生成式AI工具「提供10個以上的想法」，就能夠得出長串的清單，而避免這種明顯有遺漏的狀況。

就正面而言，生成式AI也提出了基斯團隊漏掉的四個重要領域：「科技進步」「法規改變」「客戶需求與期望」「資金取得與投資」。這些都與三叉戟的商業策略相關。因此，就基斯的第一個問題而言（AI能不能提供農業以外的觀點？），我們認為生成式AI確實做到了，能夠為基斯提供成功轉型團隊必不可少的發散性思考（divergent thinking）技能。

至於基斯的第二個問題「生成式AI能不能幫我們預測未來對我們服務的需求？」，則證實對生成式AI來說仍較有挑戰性。雖然生成式AI是十分尖端的技術，但並無法預測未來。原因在於，生成式AI載入的、以及訓練時所使用的都是過去的數據。但這裡需要的不是看過去、而是看未來，要預估未來的盈虧（例如未來銷售數字，或可以達到的成長幅度）。在這一點，基斯團隊的成員只要保持警覺，積極掌握局勢發展，應該就能憑著經驗做出最好的預測。

然而，如果透過巧妙的提示詞，也能用生成式AI刺激團隊的思考。我們提出的提示詞是「有什麼因素會影響未來對我們服務的需求？」而AI的回覆強調了7大因素，從「永續性與氣候變遷」到「消費者喜好改變」到「全球人口成長」等等，這些推動因素能讓基斯的團隊在思考需求問題時更為全面。

因應趨勢、思考各種情境

安潔琳（Angeline）是費茲羅伊公墓暨火葬場（Fitzroy Cemetery and Crematorium.）的執行長。她為自己與7人管理高層團隊安排了為期兩日的策略規劃活動，希望制定該機構未來5年的策略計畫。

雖然這是一個公營的非營利機構，但還是需要達到損益兩平。整個場址佔地145英畝，維護妥善，設有墓地、火葬場、3個大禮拜堂、花店、咖啡館，以及幾個多功能廳。

過程中，一個重要步驟就是要辨別「產業變化與趨勢」。為求集思廣益，安潔琳邀請了費茲羅伊公墓暨火葬場的6人董事會共同參與管理高層團隊的會議。她表示：「這些董事並不擔任內部高階主管職務，能夠帶來不同的觀點。」這群人一起列出了以下產業變化與趨勢：

• 從土葬改為火葬
• 對一流多功能廳與現場餐飲的需求提高
• 某競爭對手正在併購其他殯葬業者與墓園
• 缺乏適合用於未來擴張的土地
• 家屬與殯葬業者需要更多元的影像與聲音設備
• 出現愈來愈多更環保的火葬與土葬形式

雖然安潔琳對結果很滿意，但還是想知道生成式AI可能如何協助因應這些變化與趨勢。她有兩個問題：（1）自己團隊列出的清單，是否真的反映了目前產業的趨勢？（2）有鑑於土地短缺、民眾也愈來愈重視環保的作法，殯葬業可能的未來樣貌為何？

生成式AI助力的能與不能

為了幫助費茲羅伊解決第一個問題，我們將安潔琳團隊列出的清單提供給某個生成式AI工具，並詢問：「請假設你是一位策略管理顧問。根據產業所面臨的挑戰，針對這份與我們商業策略相關的清單還缺少哪些內容，提出建議。」

在這項工具提出的趨勢建議當中，雖然有些早在安潔琳團隊料想之中，但也有四項確實比較「發人深省」、值得團隊多加考量：

• 人口老化與人口結構改變
• 心理健康與悲傷支持（grief support）
• 價格敏感度與透明度
• 法規改變與合規

安潔琳表示：「這些額外的建議，都有助於我們訂定未來的策略」。

至於第二個問題，我們設計的提示詞為：「要是沒有更多土地可用於土葬，還有什麼其他選擇？」

生成式AI的回答很有意思，也有點好笑，包括「將骨灰發射到太空軌道或外太空」以及「用液態氮將屍體冷凍，再震成碎粒。」但也有些確實不錯的建議，像是「採用多層樓的高樓建築進行埋葬」或「以樹葬取代傳統墓地」。這些別出心裁的建議，就可供費茲羅伊公墓暨火葬場納入長期考量。

有些生成式AI工具（例如you.com）還提供檢索增強生成（retrieval augmented generation, RAG）功能，能將大型語言模型的輸出進一步結合最新的網路數據，就能提供最新資訊，並可能納入企業內部數據，進而解決像是基斯案例的問題。然而，這樣的功能需要針對特定企業進行部署，如果是ChatGPT或Claude.ai這樣的公開工具，則尚未具備此類功能。

如果本案例也能應用RAG功能，Claude3或許就能參酌最近在永續土葬實務的創新以及地方法規的改變，對土地使用替代方案提出更多針對殯葬業的最新建議。這樣一來，安潔琳在策略規劃時也就有更多密切相關且可行的洞見可供參考。

＊＊＊

雖然生成式AI有顯著的優點，但用於策略規畫時仍需認清其局限。這些局限主要來自於生成式AI本身的運作方式：它是在仔細檢視大量數據之後，在回答過程中不斷以下一個最有可能出現的單字來完成句子。雖然這是很強大的功能，但本質上還是在回顧過去。

然而，了解了生成式AI的弱點，也就更能好好發揮其優點：生成式AI能為你帶來一些跳脫框架、人類或許一時難以想到的建議，讓你更能發現機會、降低風險，以及想出更穩健的策略。雖然AI給出的建議最後還是需要由人類來判斷過濾，但既然這項工具又快又便宜，試試又何妨？

重點在於：將生成式AI視為一套工具，用來增強而非取代你的策略思維與決策。

（林俊宏譯）