一个案例研究，探讨使用人工智能通过公司的一般信息、初始战略提示和后续澄清提示来生成具有目标、关键绩效指标和举措的战略。
介绍
2025年初，XYZ Eco Group 面临提高能源效率的挑战，因为能源成本不断上升。为了识别和描述适当的应对策略，他们在 BSC Designer 中使用了AI 功能。
结果：AI生成的战略地图
以下是通过与AI讨论能源效率挑战生成的战略地图：
该战略地图是由BSC Designer使用AI生成的数据自动生成的，这些数据包括目标、关键绩效指标和关键绩效指标选项卡中的计划：
在下文中，我们逐步回顾所使用的提示。
准备
采取了一些准备步骤：
- 创建了一个新的战略记分卡（能源效率战略），以将能源效率战略与主要战略分开。
- 公司所需的上下文信息已在设置 > 战略选项卡中指定。
初步战略制定
公司以一个一般性的提示开始对AI进行沟通：
提示：让我们为公司制定一个专注于实现能源效率的战略。
回应中包含了一些合理的建议，但这些建议并没有根据公司使用的平衡记分卡框架进行制定。为了解决这个问题，进行了澄清请求：
提示：利用模板中提供的平衡记分卡框架的现有视角。
这次，AI在所需框架内进行了回应：
点击“全部执行”按钮，所有建议的目标都被添加到记分卡中。
改进学习视角中的目标
关于与学习相关目标的后续问题被提出：
提示：学习视角中的“能源效率培训计划”目标涉及现有技术，但是否也可以关注识别新的节能机会？
AI给出了合理的建议，但错误地将其置于现有的“能源效率培训计划”目标下。随后发布了一个后续提示：
提示：这些建议听起来更像是可以与“能源效率培训计划”并行进行的事情——让我们将它们相应地纳入学习视角。
这次，目标和举措在学习视角中正确制定：
内部视角的附加目标
在另一个后续问题中，AI 被要求涵盖内部视角中的一个附加目标：
提示：对于内部流程，我们有一个优化目标，但如何考虑引入可再生能源，例如太阳能？
AI 的回复获得批准，软件立即在战略地图上将其可视化： 
添加更具体的关键绩效指标
“整合可再生能源”目标通过一个通用的“太阳能发电量”指标进行了量化。为了使其更具体，AI被要求建议额外的关键绩效指标：
提示：对于“整合可再生能源”，我们还可以跟踪通过太阳能产生的具体能量。
AI回应了一个建议的关键绩效指标和一项举措：
一旦获得批准，关键绩效指标将自动添加到关键绩效指标标签中：
为目标添加子目标
在下一个提示中，要求AI对一个目标进行更具体的描述，并添加更多细节：
提示： 目标“客户对能源效率的意识”听起来像一个高层次的、理想化的目标。让我们通过添加具有明确关键绩效指标的子目标来使其更具体。
添加了关键绩效指标的子层级以使目标更具体：
人工智能提出后续问题
最后，通过以下提示触发了人工智能的对话模式：
提示：在“降低能源成本”中，我们跟踪了直接成本节省。是否还存在间接成本节省？我们不确定，因此请就我们的业务提出1-2个问题，以帮助确定是否有其他可跟踪的指标。
人工智能提出了相关问题，并开始分析答案：
人工智能提出的建议已纳入记分卡：
下一步：级联战略
人工智能辅助的战略为XYZ Eco Group提供了坚实的目标、关键绩效指标和举措基础。下一步是将整体战略级联到不同团队的记分卡，以确保战略对齐和有效执行。
级联可以帮助公司：
- 将高层目标转化为具体的部门目标。
- 实现战略与日常运营的对齐。
- 为关键绩效指标和举措分配明确的责任人。
例如，能源目标可以级联到：
- 运营：可再生能源的整合与优化。
- 财务：成本节约与投资回报率跟踪。
- 人力资源：培训与员工参与计划。
请参阅能源集团战略案例分析，了解将战略级联到可执行记分卡的实际案例。
