قسمت ۳ — زنجیرهٔ تفکر برای تحلیل کسب‌وکار و تصمیم‌گیری

قسمت سوم از سری «زنجیرهٔ تفکر»: در تحلیل کسب‌وکار جواب درست و غلط قطعی وجود ندارد، اما استدلال خوب و بد وجود دارد. اینجا می‌بینیم چطور مدل را وادار کنیم تصمیمش را قابل دفاع بنویسد.

۱. تفاوت بنیادی با مسائل عددی

در مسائل ریاضی که موضوع قسمت دوم بود، یک جواب درست وجود دارد و زنجیرهٔ تفکر ابزار رسیدن به آن است. در تصمیم‌های کسب‌وکاری وضعیت فرق دارد: معمولاً چند جواب قابل دفاع وجود دارد و آنچه ارزش دارد، شفاف بودن معیارها و فرض‌هاست.

پیامد عملی این تفاوت مهم است. اینجا از مدل نباید بخواهی «بهترین گزینه را انتخاب کن»، چون بدون معیار مشخص، انتخابش صرفاً بازتاب رایج‌ترین توصیه‌های اینترنتی خواهد بود. باید بخواهی معیارها را روی میز بگذارد، هر گزینه را با آن معیارها بسنجد، و تازه بعد نتیجه بگیرد.

قاعدهٔ ساده‌ای که همه‌چیز را عوض می‌کند: مدل حق ندارد نتیجه‌گیری کند مگر آنکه پیش از آن معیارها و وزنشان را نوشته باشد.

۲. تحلیل بازار: از توصیف به فرضیه

اگر بپرسی «بازار فلان محصول در ایران چطور است؟» جوابی می‌گیری که عمدتاً کلی‌گویی است. تحلیل بازار وقتی مفید می‌شود که ساختار بگیرد: تقاضا، رقابت، مانع ورود، و مسیر درآمد.

ساختار مؤثر برای مدل این است که هر بخش تحلیل را با یک ادعا شروع کند، بعد شواهد یا فرض‌هایی که آن ادعا رویش ایستاده را بنویسد، و در انتها بگوید اگر آن فرض غلط باشد نتیجه چطور عوض می‌شود. همین جملهٔ آخر، تفاوت یک تحلیل حرفه‌ای با یک متن پرطمطراق است.

نکتهٔ مهم دربارهٔ داده: مدل ارقام بازار را نمی‌داند و اگر مجبورش کنی عدد بدهد، عدد می‌سازد. راه درست این است که صریح بگویی «هیچ عدد آماری از خودت نساز؛ به‌جای عدد بنویس چه داده‌ای لازم است و از کجا باید گرفته شود». آن‌وقت خروجی به یک فهرست تحقیق تبدیل می‌شود که واقعاً به کار می‌آید.

۳. انتخاب بین گزینه‌ها با معیارهای وزن‌دار

پرکاربردترین حالت تصمیم‌گیری این است: چند گزینه داری و باید یکی را انتخاب کنی. روشی که با زنجیرهٔ تفکر خوب جواب می‌دهد، چهار گام دارد.

گام اول، استخراج معیارها. از مدل بخواه بر اساس شرح موقعیت، چهار تا شش معیار تصمیم پیشنهاد بدهد و برای هرکدام یک جمله توضیح بنویسد که چرا مهم است.

گام دوم، وزن‌دهی. وزن‌ها را خودت تعیین کن، نه مدل. مدل نمی‌داند در سازمان تو سرعت مهم‌تر است یا هزینه. اگر وزن‌دهی را به او بسپاری، نتیجه شبیه میانگین توصیه‌های عمومی می‌شود.

گام سوم، ارزیابی جداگانه. هر گزینه باید در برابر همهٔ معیارها جداگانه بررسی شود، با یک جملهٔ دلیل برای هر امتیاز. اگر مدل بدون دلیل نمره بدهد، عدد بی‌معناست.

گام چهارم، نتیجه با شرط. از مدل بخواه بنویسد نتیجه با کدام تغییرِ وزن عوض می‌شود. جملهٔ «اگر وزن هزینه از سه به پنج برسد، گزینهٔ دوم برنده می‌شود» بیشتر از خود انتخاب به تصمیم‌گیری کمک می‌کند.

۴. پرامپت آمادهٔ کپی برای تصمیم چندمعیاره

این قالب مخصوص همین قسمت است و برای انتخاب بین گزینه‌ها ساخته شده:

نقش تو یک تحلیلگر تصمیم است. مراحل زیر را به همین ترتیب انجام بده و از هیچ‌کدام نپر.
مرحلهٔ یک: موقعیت را در سه جمله بازنویسی کن تا مطمئن شوم درست فهمیده‌ای، و فهرست کن چه اطلاعاتی در اختیار داری و چه چیزی را نمی‌دانی.
مرحلهٔ دو: چهار تا شش معیار تصمیم پیشنهاد بده و برای هرکدام یک جمله بنویس که چرا در این موقعیت مهم است. برای معیارها وزن پیشنهاد نده.
مرحلهٔ سه: هر گزینه را جداگانه در برابر همهٔ معیارها بررسی کن. برای هر ترکیب گزینه و معیار یک جملهٔ دلیل بنویس و بعد امتیاز یک تا پنج بده. امتیاز بدون دلیل ننویس.
مرحلهٔ چهار: با وزن‌هایی که من می‌دهم جمع وزنی بگیر و رتبه‌بندی کن.
مرحلهٔ پنج: بنویس نتیجه با چه تغییری در وزن‌ها عوض می‌شود و کدام فرض، شکننده‌ترین بخش تحلیل است.
هیچ عدد آماری از خودت نساز؛ اگر داده‌ای لازم است بنویس چه داده‌ای و از کجا.
موقعیت: [شرح موقعیت]
گزینه‌ها: [فهرست گزینه‌ها]
وزن‌ها: [بعد از دیدن معیارها می‌دهم]

جملهٔ آخر عمدی است: پرامپت را دو مرحله‌ای اجرا کن. اول معیارها را بگیر، وزن‌ها را خودت بگذار، بعد ادامه را بخواه. این کار جلوی سوگیری مدل به سمت نتیجه‌ای که از ابتدا در ذهن داشته را می‌گیرد.

۵. یک نمونهٔ کامل: ورودی و خروجی

فرض کن یک فروشگاه اینترنتی کوچک داری و باید بین سه راه رشد انتخاب کنی: تبلیغات پولی، تولید محتوا، یا همکاری با فروشندگان دیگر. موقعیت را می‌نویسی و گزینه‌ها را می‌دهی.

خروجی مرحلهٔ دو معمولاً معیارهایی مثل هزینهٔ جذب مشتری، سرعت دیدن نتیجه، پایداری اثر در بلندمدت، نیاز به نیروی انسانی، و ریسک وابستگی به یک کانال را می‌آورد. تا اینجا هیچ تصمیمی گرفته نشده و این خوب است.

حالا تو وزن می‌دهی؛ مثلاً چون بودجه محدود است، هزینهٔ جذب وزن پنج می‌گیرد و سرعت نتیجه وزن چهار. در مرحلهٔ سه، تبلیغات پولی در سرعت نمرهٔ بالا و در پایداری نمرهٔ پایین می‌گیرد؛ تولید محتوا برعکس. مرحلهٔ پنج جملهٔ کلیدی را می‌دهد: «اگر افق تصمیم شش‌ماهه باشد تبلیغات جلو می‌افتد، اما اگر افق دوساله باشد تولید محتوا با فاصله برنده است».

دقت کن که ارزش خروجی در همان جملهٔ آخر است، نه در رتبه‌بندی. مدل به تو نگفته چه کار کنی؛ به تو نشان داده تصمیمت به چه چیزی حساس است.

۶. ریشه‌یابی مسئله: چرا این اتفاق افتاد

کاربرد سوم، وقتی است که چیزی خراب شده و نمی‌دانی چرا؛ فروش افت کرده، نرخ بازگشت مشتری پایین آمده، یا هزینه‌ای بی‌دلیل بالا رفته است.

روش مؤثر، شاخه‌ای کردن استدلال است. از مدل بخواه به‌جای پریدن روی یک علت، درخت علت‌های ممکن را بسازد: چند شاخهٔ اصلی، و زیر هر شاخه چند علت مشخص. بعد برای هر علت بنویسد با چه داده‌ای می‌شود ردش کرد یا تأییدش کرد.

خروجی این کار یک فهرست بررسی است، نه یک ادعا. جملهٔ «اگر افت فروش از تغییر قیمت باشد، باید در دادهٔ هفتگی همزمانی دیده شود» به تو دقیقاً می‌گوید بعد از این گفت‌وگو باید کدام گزارش را باز کنی. اهمیت این نگاه داده‌محور در تصمیم‌های سازمانی در مطلب اهمیت هوش مصنوعی در کسب‌وکار بیشتر شکافته شده است.

۷. سه اشتباه رایج در تحلیل با هوش مصنوعی

اشتباه اول، پرسیدن سؤال بدون زمینه. «کدام بهتر است؟» بدون گفتن اندازهٔ تیم، بودجه، افق زمانی و محدودیت‌ها، فقط یک جواب کتابی می‌گیرد.

اشتباه دوم، پذیرفتن اعداد ساختگی. اگر در خروجی عددی دیدی که منبعش معلوم نیست، آن را حذف کن. یک تحلیل بدون عدد اما صادق، بسیار ارزشمندتر از تحلیلی است که با ارقام تزئین شده.

اشتباه سوم، اعتماد به لحن قاطع. متن روان و مطمئن نشانهٔ درستی نیست. معیار سنجش این است که آیا می‌توانی فرض‌های پشت هر ادعا را ببینی و رد کنی یا نه. اگر نمی‌توانی، تحلیل قابل استفاده نیست.

۸. پرسش‌های پرتکرار

آیا می‌توانم داده‌های واقعی شرکتم را بدهم تا تحلیل دقیق‌تر شود؟ از نظر کیفیت خروجی بله، اما پیش از آن سیاست محرمانگی سازمانت را در نظر بگیر. راه میانه این است که داده‌ها را بی‌نام و نسبی کنی؛ یعنی به‌جای ارقام مطلق، درصد تغییر بدهی.

چرا مدل همیشه نتیجه می‌گیرد که باید همهٔ گزینه‌ها را با هم انجام داد؟ چون این ایمن‌ترین جواب است. با محدودیت صریح جلویش را بگیر: «فقط یک گزینه را انتخاب کن و بنویس چرا بقیه را کنار گذاشتی».

برای جلسه‌های واقعی چطور از خروجی استفاده کنم؟ بخش وزن‌ها و بخش تحلیل حساسیت را جدا کن و همان را به بحث ببر. رتبه‌بندی نهایی معمولاً کم‌ارزش‌ترین بخش خروجی است.

اگر تحلیل هر بار متفاوت درآمد چه کنم؟ این نشانهٔ نبود معیار روشن است. اما اگر با معیار ثابت هم نوسان داشتی، روش خودسازگاری در قسمت چهارم راه‌حل مستقیم همین مسئله است.