top of page
ציון עמרם

עצים ביער | על קבלת החלטות בתנאי אי-ודאות


אי-ודאות הינו מצב שבו מה שהיה מובן מאליו לפני רגע - מוטל בספק כעת, והקושי המרכזי להתמודד עמה הוא הגבלת (או חוסר) היכולת להוציא לפועל תכנון מבוסס יעדים. ישנם סוגים שונים של אי-ודאות: למשל – בהשקה של מוצר חדש לשוק תחרותי קיימת אי-ודאות מובנית לגבי סיכויי ההצלחה העסקית אך זוהי אי-ודאות שנוצרת מתוך מהלך פרואקטיבי כלומר ביוזמת הארגון ולכן יש בה מידה מסוימת של שליטה. לעומתה אי-ודאות הנוצרת עקב השקת מוצר חדש של חברה מתחרה לשוק מחייבת מהלך ריאקטיבי של קבלת החלטה בזמן קצר ובמקרים רבים גם במידע מוגבל.

מימד הזמן הוא כמובן קריטי בקבלת החלטות בתנאי אי-ודאות, ולא פעם ארגונים נתפסים לא מוכנים, מאחרים להגיב או אפילו מתעלמים מן הבעיה - ואז עלולים "לאחר את הרכבת". למעשה, גם התעלמות מן הבעיה או אי-פעולה הינן בפועל החלטה והשאלה היא האם היה זה תהליך אקטיבי של זיהוי אי-הודאות, ניתוח האלטרנטיבות וקבלת החלטה מושכלת - או שהייתה זו תוצאה פסיבית של אי-החלטה. לעיתים אי-הודאות היא אכן זמנית ונעלמת ללא השפעה ממשית, אך הסיכונים בהדחקת הבעיה ואי-קבלת החלטות בסיטואציה כזו עלולים להיות הכנסת הארגון לקיפאון, דעיכה ולאורך זמן אף לקריסה.

לכן, במצב בו הסביבה העסקית והטכנולוגית משתנה בצורה קיצונית ובקצב גובר, יש לאמץ מסגרת תפיסתית ארוכת-טווח וכלים מתאימים לקבלת החלטות ברמות שונות של אי-ודאות. אלה חיוניים מחד על מנת לשמור על גמישות ביצועית, ומאידך הם מאפשרים גם לנצל את המצב להשגת יתרון אסטרטגי.לדוגמא כאשר מתווים אסטרטגיה דיגיטלית עבור מעבר של ארגון לדיגיטל (טרנספורמציה דיגיטלית) חייבים לשמר גמישות ביצועית במהלך הטרנספורמציה מחד ובמקביל לממש בזמן קצר את הפוטנציאל האסטרטגי שמעניק המעבר לדיגיטל.

קבלת החלטות בתנאי אי-ודאות

מצבי קבלת החלטות

​שני הגורמים (או המימדים) המשפיעים ביותר על קבלת החלטות הם זמן ומידע. מימד הזמן משפיע הן מבחינת תהליך קבלת ההחלטה (מספיק זמן כדי לאסוף מידע ולנתח אותו בכדי לקבל החלטה נכונה מתוך כלל האלטרנטיבות) והן מבחינת טווח התממשות התוצאה (תוצאה מיידית, תוצאה ארוכת-טווח וכיו"ב). מידע רלוונטי הינו חיוני לקבלת החלטה, כאשר בחלק מהמקרים הוא זמין אך צריך את הזמן ואת העלות כדי לאסוף אותו ובחלק מהם הוא אינו זמין כלומר חייבים לבצע הערכה.

ניתן לסווג מצבי קבלת החלטות לשלושה סוגים:​

  • החלטות בתנאים של ודאות מלאה – מצב נדיר, במקרה כזה מטרת מקבל ההחלטה הינה לשלוט בכמה שיותר משתנים המשפיעים על התוצאה כדי שרמת הוודאות הגבוהה תישמר.

  • החלטות בתנאי אי ודאות – מצב בו מקבל ההחלטה אינו יודע להעריך מראש את שיעור הסיכוי להצלחה כאשר ברוב המקרים מדובר בבחירה בין שתי חלופות או יותר. לדוגמא - נהג הנמצא בצומת T ועליו להחליט ללא עזר ניווטי כלשהו לאיזה כיוון לפנות כדי להמשיך לכיוון היעד. באופן אפריורי הסיכוי הוא 50/50 ולכן במקרים כאלה יבקש מקבל ההחלטה להשיג עוד מידע בכדי להעריך נכון יותר באיזו חלופה לבחור, מה שמצריך גם זמן/עלות נוספים וגם מידע זמין.

  • החלטות בתנאים של סיכון – ההסתברות להשגת היעד נמוכה מאוד מראש, כלומר אפילו יבחר מקבל ההחלטה בכל החלופות המתאימות להשגת היעד - אין זה בטוח שאכן ישיג אותו. למשל - החלטה מהי הדרך הטובה ביותר להגיב לטכנולוגיה חדשה שהושקה זה עתה לשוק ע"י מתחרה. על מקבל ההחלטה לבחור מכלל החלופות את זו בעלת הסיכוי הגבוה ביותר, כלומר בקבלת ההחלטה הוא נוטל סיכון מחושב ונערך בהתאם אך אינו יכול להבטיח הצלחה ודאית.

ברור כי קיימת חפיפה בין מצב של אי-ודאות ומצב של סיכון. ההבדל המהותי נעוץ בהערכה הבאה: במידה ויכולנו לבחור בכל החלופות האפשריות הידועות (מה שטכנית לרוב איננו יכולים לעשות) – האם הייתה קיימת ודאות גבוהה - גם אם לא מלאה - להצלחה?

במידה והתשובה היא "כן" (כמו למשל במקרה הנהג) הרי זו החלטה בתנאי אי-ודאות כאשר מידע נוסף יוכל להגדיל את רמת הודאות עד כדי ודאות מלאה (למשל – להתקשר ליעד ולבקש הכוונה). ברור שלא תמיד נוכל להשיג מידע נוסף או מספק ואז יהיה זה מצב קרוב יותר להחלטה בתנאי סיכון. במידה והתשובה היא "לא", כלומר קיים סיכוי גבוה של אי-הצלחה בכל חלופה – זו החלטה בתנאים של סיכון.

עצי החלטה

כדי לעזור לקבל החלטות בתנאי סיכון פותחה שיטת עצי החלטה. בשיטה זו לכל עץ יש מספר ענפים כאשר כל ענף עוזר להעריך את ההסתברות להשגת יעד מסוים דרך מעבר ב"צמתי החלטה". מקבל ההחלטה יכול למשל לבחור בחלופה בעלת סיכוי גדול יותר להשיג יעד קטן יותר ולהיפך. ישנם מספר יישומים של עץ החלטה כאשר אחד מהם הוא "עץ תרחישים" (scenario tree) כלומר צמתי ההחלטה מבטאים אירועים על ציר הזמן וענפי העץ מבטאים את ההסתברות לתרחישים שונים.

לדוגמא:

קבלת החלטות בתנאי אי-ודאות

במקרה זה צופה מקבל ההחלטה התרחשות של שני אירועים על ציר הזמן ויש לו הערכה של הסבירות בה יתפתחו תרחישים מסוימים כתוצאה מן ההחלטה. בשקלול ההסתברויות לאחר שני האירועים ישנם 3 תרחישים אפשריים, כאשר תרחיש ב' הוא בעל סבירות גבוהה (60%), תרחיש א1 הוא בעל סבירות בינונית (32%) ותרחיש א2 הוא בעל סבירות נמוכה (8%). ייתכן ודווקא התוצאה הטובה ביותר מבחינת מקבל ההחלטה הינה תרחיש א2 בעל הסבירות הנמוכה אך הוא יהיה מוכן לקחת את הסיכון המחושב.

​שימוש נוסף לעץ תרחישים הוא בטכניקה של חיזוי לאחור (Backcasting), כאשר כיוון גזירת התרחישים במקרה זה הוא הפוך - מן העתיד אל ההווה, כלומר כאן בוחרים עתיד רצוי ומבצעים מיפוי של הדרכים/התרחישים להגיע אליו מן ההווה. טכניקה זו מתאימה למקרים בהם קיים יעד עתידי מוגדר היטב (למשל - פיתוח מוצר או פרוייקט) ויש לזהות "מכשולים" לאורך ציר הזמן ותנאים למעבר ביניהם (עם או בלי הערכת סבירויות), ולאחר מיפוי התרחישים מגדירים דרך פעולה רצויה כדי להגיע ליעד.

החיסרון העיקרי של השימוש בעצי ההחלטה הוא שהם יעילים בניתוח תרחישים על סמך הערכה של פרמטרים מובהקים - כלומר כאלה שאנו יודעים על קיומם - אבל אינם מתייחסים לתרחישי קיצון, כלומר לפרמטרים חיצוניים שאינם ידועים בזמן ניתוח התרחישים העיקריים.

בחירת אסטרטגיית החלטה

נדמה מצב בו עומד מיזם קטן ובלתי מוכר לפתח מוצר טכנולוגי חדש. בכדי לגייס כסף למיזם יש להעריך את סיכויי ההצלחה של המוצר וכדי להקטין את רמת האי הוודאות צריך לאסוף מידע נרחב, דבר הכרוך בעלויות גבוהות וזמן רב היכולים להשפיע על לוח הזמנים להשקת המוצר. כדי להחליט בתנאי אי-ודאות האם וכמה כסף לגייס למיזם - או לחליפין להעריך את שוויו - צריך המחליט להגדיר מהי רמת הסיכון שהוא מוכן לקחת על עצמו. לדוגמא:

א. אם המחליט בעל תקווה להתממשות חיובית הוא ייטה לבחור בחלופה שעשויה להוביל לתוצאות חיוביות אפילו אם עלות החלופה הזו גבוהה ו/או סיכויי הצלחתה נמוכים, כלומר הוא מאמין במוצר ומוכן לקחת סיכון גדול

ב. אם המחליט אינו מוכן לקחת סיכון גדול ומבקש למזער נזקים במקרה של אי-הצלחה הוא יבחר בחלופה אשר תוצאתה הינה הפחות גרועה, כלומר הוא מקטין את הסיכוי לנזק (כספי או אחר) שייגרם עקב אי-הצלחה בד"כ במקביל להקטנת סיכויי ההצלחה

כאשר מקבלים החלטה בתנאי אי ודאות ואין בידינו את המידע הדרוש צריך להחליף את הנתונים העובדתיים בהערכות המתקבלות משיפוט (evaluation). במקרים רבים שיפוט בתנאי אי-ודאות מתבסס על חשיבה אינטואיטיבית אשר עלולה להטעות ולדחוף את המחליט לכיוון מסוים. מצב זה נקרא "שיפוט היוריסטי", לכן במקרה א' זהו בעיקרו שיפוט היוריסטי (המחליט פועל בעיקר מתוך אינטואיציה ופחות על סמך ניתוח חלופות). אחד היתרונות של שימוש בעץ החלטה הינו שהוא מנטרל חלק מהמרחב האינטואיטיבי ומותיר למקבל ההחלטה מרחב שיפוט מצומצם יותר. לכן במקרה ב' זהו "שיפוט אנליטי למחצה" כלומר יש בו מחד אלמנט אנליטי של יצירת חלופות דרך עץ החלטה (או כלי אחר) ומאידך קיים שיקול דעת למחליט לבחור את החלופה המתאימה – זו שמייצגת מבחינתו את הסיכון הנמוך ביותר.​

דוגמא נוספת לשיפוט אנליטי למחצה הוא מקרה של "ניווט עיוור" (Dead Reckoning) - כינוי למצב בו מערכת ניווט (אווירית או ימית) כמו GPS חדלה מלתפקד מסיבה כלשהי, ויש צורך לקבל החלטה לגבי המשך הנתיב על סמך מידע מוגבל וכלים פחות מדויקים כמו מצפן ומפה. זהו תכנון המבוסס על מידע מן העבר, ידע מוגבל בהווה והערכה שיפוטית בנוגע לעתיד. המידע מן העבר הוא הנתיב עד הנקודה הנוכחית, הידע בהווה הוא הכיוון (על פי מצפן) מן הנקודה אל היעד (על פי מפה) וההערכה השיפוטית צריכה להתחשב בגורמים כמו רוחות וזרמי אוויר או ים העלולים לשבש את הנתיב ולגרום לשגיאה נגררת בכיוון אל היעד.​

בעולם העסקים משתמשים לעיתים במונח של "אסטרגיית הצלף העיוור" (Blind Sniper) כדי לתאר קבלת החלטה קריטית בעלת תוצאה בינארית מובהקת (הצלחה או כשלון) על סמך תכנון המבוסס על מידע מן העבר, ידע מוגבל בהווה והערכה שיפוטית בנוגע לעתיד המבוססת בעיקר על נסיון עבר מצטבר. גם תהליך קבלת החלטות בשיטת דלפי המנצל ידע מצרפי של מספר מומחים לנושא מסוים הוא למעשה שיפוט אנליטי למחצה שכן הוא מתבסס על שיפוטיות של גורם יחיד (facilitator) על אופן איסוף וניתוח הידע מקבוצת המומחים.

שיפוט היוריסטי​

היוריסטיקה מוגדרת ככלל חשיבה המבוסס על הגיון פשוט או אינטואיציה המציע דרך קלה ומהירה לקבלת החלטות ללא התעמקות ובמחיר דיוק נמוך. שיפוט היוריסטי יכול להיות לפיכך שימוש בכלל שכזה ויכול להיות יעיל במקרים בהם אין מספיק נתונים או מספיק זמן לנתח חלופות באופן אנליטי או אנליטי למחצה. שתי דוגמאות לכלל שכזה הן חוק התער של אוקאם (Occam's Razor) ואפקט לינדי (Lindy Effect).​

תערו של אוקאם (נקרא לעיתים תערו של אוקהם) הוא עיקרון פילוסופי המיוחס לוויליאם איש אוקאם, נזיר פרנציסקני אנגלי בן המאה ה-14. העיקרון מהווה כלל מנחה והמלצה היוריסטית בעת חיפוש אחר הסבר מהיר לתופעות בתחומים שונים ואומר כי כאשר קיימים הסברים שונים לאותה תופעה - יש לבחור בהסבר הפשוט ביותר, זה אשר מערב את המספר המועט ביותר של "ישויות", כלומר פרמטרים, משתנים וחוקים. אין זה חוק של תורת ההיגיון ומובן מאליו שאינו ניתן להוכחה לוגית, אך יש הרואים בו כלי עזר אפקטיבי למשל בעבודה מחקרית, כאשר הוא מסייע לסלק (או "לגלח", ולכן דימוי התער) אפשרויות מסובכות הדורשות מאמץ מחקרי רב. עם זאת ראוי להדגיש כי במקרים רבים קשה לקבוע איזו מבין האפשרויות היא הפשוטה יותר. לדוגמה, ספרות בינאריות הן אמנם מעטות יותר מספרות עשרוניות, ולכן השימוש בהן הוא פשוט מבחינת כמות הסימנים הדרושה, אך ברור מאידך כי חישובים מתמטיים למשל יהיו קשים יותר לביצוע בעזרתן.

אפקט לינדי הוא כלל היוריסטי האומר כי אם עד נקודת זמן כלשהי תופעה התרחשה X פעמים או במשך X זמן, אזי בהינתן אותם התנאים - גם תוחלת ההתמשכות שלה תהיה X. במילים אחרות - העתיד פרופורציונלי לעבר, ולכן הניחוש הטוב ביותר בעל הסבירות הגבוהה ביותר באותה נקודת זמן לתוחלת ההתמשכות הוא X או מספר הקרוב/פרופורציונלי ל-X.

קבלת החלטות בתנאי אי-ודאות

הכלל, הקרוי על שמה של מעדניה ניו-יורקית (Lindy’s) בברודווי שמשכה שחקנים ומבקרי תיאטרון התפתח בעקבות "חיזוי" של משך ההצגות שרצו בברודווי. לאורך זמן החלה להתפרסם "שיטת" המבקרים החוזה שאם הצגה מסוימת רצה למשל 100 פעם - ההערכה היא שתרוץ כ-100 פעמים נוספות וכו'.

לדוגמא מן העולם הטכנולוגי - אם טכנולוגיה יציבה קיימת בשוק X שנים אזי לפי לינדי ניתן להניח שהיא תישאר יציבה עוד כ-X שנים אלא אם כן התנאים ישתנו (השוק ישתבש). לחליפין ניתן להניח כי אם טכנולוגיה חדשנית עדיין לא פרצה באופן מסחרי תוך X שנים אזי ניתן להניח שייקח עוד כ-X שנים עד שתבשיל ותגיע לנקודת הפריצה. כלומר - העתיד פרופורציונלי לעבר.


קבלת החלטות אוטומטית


קבלת החלטות מונחית נתונים (Data driven) ע"י שימוש בכלי BI (Business Intelligence, בינה עסקית - מגוון טכנולוגיות לאיסוף, ניתוח והצגה של מידע עסקי) - היא פרקטיקה הקיימת כבר מספר עשורים. טכנולוגיות BI מאפשרות יכולת איסוף וניתוח של כמויות גדולות של נתונים, להפיק מהם תובנות מעשיות וכך לשפר רמת דיוק ויעילות בקבלת החלטות. לפיכך, כלי BI משמשים כגורם מסייע לאדם, שהוא עדיין הגורם שמקבל את ההחלטה בהתאם לתוצאות ניתוח הנתונים שהוצגו לו.


השלב הבא הוא תהליכי קבלת החלטה אוטומטיים לחלוטין. ע"י שימוש בכלי AI (בינה מלאכותית) ניתן לעבד מערכי נתונים עצומים במהירות ובדייקנות, לזהות דפוסים ומגמות שעין אנושית אינה מזהה, ולייצר תחזיות מדויקות שאינן דורשות פרשנות אנושית. כך, לפחות ככל הנוגע להחלטות עסקיות - השימוש בכלים מבוססי AI יגדיר מחדש את אופן קבלת ההחלטות: מהיר, יעיל, ומדויק ומהווה ניגוד מוחלט לתהליכי קבלת ההחלטות המסורתיים, האיטיים והמוגבלים בפרשנותם.



Комментарии


Комментарии отключены.
bottom of page