AI正迅速成为企业竞争的入场门槛。未来几年，每家大型企业都能获得水平大致相当的预测能力。当预测能力成为一种商品，它就不再是竞争优势的源泉。
下一个竞争前沿，不是预测未来可能发生什么，而在于决定企业如何精准应对，即同时处理成千上万个相互关联的选择、彼此冲突的目标和有限的资源。这正是当前企业面临的“决策能力缺口”，未来十年，大量企业价值将在此创造，也可能在此损耗殆尽。
传统系统未曾设想的难题
不妨看看每个财季最后几周企业里的典型场景。应付账款团队为了保障流动性而暂缓付款；应收账款（AR）团队为了完成应收账款目标而加快催收；销售团队则忙于评估哪些交易需要提前锁定、哪些应收账款纠纷需要升级处理，以及该向哪些客户作出让步。三个职能部门各自作出了局部理性决策，然而这些决定叠加在一起，产生的总体效果往往背离了企业全局最优利益。
AI可以预测哪些销售机会最有可能成交，识别风险应收账款，也可以评估商业让步能否提高成交概率。
但预测无法回答那个最根本的问题：
公司究竟该采取何种行动？
提供折扣或许能够保住收入，却会侵蚀利润率。过快解决应收账款纠纷或许能改善现金流，却可能向外界释放公司财务状况堪忧的信号。提前签署合同或许能锁定短期收入，却可能损害具有重要战略价值的客户关系。这类决策不能交由各个职能部门分头处置。高管的精力、法务资源和商业资源都是有限的。销售环节的任何决策，都会波及财务、现金流、交付、风险以及客户的长期价值。
真正的挑战，在于寻找一套协同行动组合，让企业在全部维度同时实现综合效益最大化。这本质上不是预测问题，而是决策空间问题。
现实中的企业决策高度复杂，需要同时权衡不同梯度的折扣、支付结构、交付限制、现金目标、利润率门槛，以及必须维护的客户关系等。
为了让这些决策更易于管理，企业往往在开始计算之前就对问题简化处理：减少假设情景，忽略不同因素间的相互影响，将复杂的权衡转化为固定规则，并分别对销售、财务和运营进行优化。
计算确实变简单了，但所要解决的商业问题却脱离了实际业务场景。
一个全新的企业技术类别
为了填补这一空白，一种全新的企业技术类别应运而生：企业决策计算。
企业决策计算将一项商业决策，包括其潜在行动、目标、约束条件、不确定性、内部依存关系以及最终的经济影响，转化为可计算的企业级对象，从而实现全局求解与整体优化。
企业资源规划（ERP）系统负责执行流程，商业智能用于复盘过去，AI则预测未来。但无论单独使用还是组合出击，上述任何系统都无法告诉企业：在既定目标、约束条件和不确定性之下，考虑到各部门之间的相互影响，究竟应该采取怎样一套协调一致的行动方案。
这绝非将运筹学进行简单的概念翻新。运筹学用于解决边界清晰的既定问题，而企业决策计算搭建起一个企业级技术层，使决策本身能够被持续呈现、管理、评估和迭代。
无论量子计算未来如何落地，企业决策计算在当下都具备现实意义。依靠经典优化算法、模拟技术与AI，已经能够评估比大多数企业现行方案更加丰富的决策模型。因此，企业现在即可获得这项技术带来的第一波竞争优势。
企业决策计算构建了这个全新的企业技术层，使决策本身能够被持续呈现、管理、评估和迭代；它围绕对决策及其价值的统一表述，将数学优化、模拟算法、AI以及人类的判断有机融为一体。
量子计算真正的用武之地
作为深耕量子计算与企业运营交叉领域多年的从业者，我发现当前关于量子计算的讨论陷入了一种耐人寻味的误区。大多数讨论都聚焦于硬件方面的进展，例如量子比特质量、纠错技术以及实现容错量子计算的路径等。这些进展固然重要，但并未切中核心。关键不在于量子硬件何时成熟，而在于当它成熟时，我们究竟要用它来计算什么。
答案在于决策模型的渐进式深化。首先，建立一个涵盖收入、成交概率与销售资源的经典计算模型；在此基础上叠加利润率与付款条件；随后纳入现金流时效、应收账款纠纷状态和交付履约限制；最后纳入全业务组合中的联动效应与客户长期价值。
决策模型每增加一个维度，模型就会更加贴近现实，但计算难度也会随之增加。如今，大多数层面的计算都可以通过经典方法解决，且已经能够创造可量化价值。然而一旦跨越某个临界点，某一层会变得关联过密、约束过多、过于丰富，经典方法若不大幅简化就很难处理，而这种简化又会让结果失去实际意义。对于这类高度相互关联的问题，量子计算方法未来能够实现对更丰富模型的精准评估，同时无需舍弃那些让结果贴近现实的相互联系。
这正是量子计算真正发挥价值的地方。它并非要全面取代经典计算，而是提供一种能力，让企业把原本不得不舍弃的高价值维度纳入考量。
竞争优势并非起源于量子技术，而是起源于决策模型本身。当量子计算具备商业规模应用能力时，它的作用是进一步拓展模型的丰富度，而非凭空创造优势。
企业高管现在都必须面对的决策
“决策债务”和财务债务一样，也会悄然累积，直到再也无法忽视。某家企业此前侥幸避免的信用评级下调，并非未来的远期风险，而是当时就已经存在的现实隐患。它之所以一直没有被发现，只是因为当时没有任何系统是以识别这类风险而设计。
首席执行官和董事会现在就可以采取切实行动。首先选定一个决策频繁、影响重大的业务领域，例如销售、应付账款、应收账款或资金管理部门目前仍在各自独立优化的领域。构建一个基准模型，对比“打破壁垒后的协同决策结果”与“部门割裂下的传统决策结果”。这项投资成本微乎其微，但如果竞争对手率先掌握了这些数据，而你的企业还没有，代价将难以估量。
下一个竞争前沿，并不在于哪家企业拥有最多的数据或者最强大的AI，而在于谁能搭建起最强大的决策架构。这套架构需要能够容纳企业实际运营中的全部复杂性，并找出任何单一职能部门都无法独立得出的协同行动方案。这样的架构在今天就可以搭建。对于所有高管团队而言，问题不再是“要不要建”，而是“能否抢先建立”。
真正的瓶颈
从我的实践观察来看，企业在推进量子计算落地时，屡屡卡在同一个初始瓶颈上。问题往往不在于能否获得量子处理器，而在于企业对其希望通过处理器来改进的决策缺乏一套精确、跨部门的模型。
真正为量子计算做好准备的企业，必然对自身最关键的决策有着深刻理解，清楚在哪些环节增加计算复杂度能够创造真实价值。未来能够从量子计算中汲取最大价值的企业，绝不是最早取得这项技术的企业，而是那些能够准确理解当前简化决策在何处流失了价值，并清楚量子计算该在何处补齐缺失维度的企业。（财富中文网）
本文作者卡斯滕·波伦茨博士是思爱普公司首席量子官兼量子业务负责人。
Fortune.com上发表的评论文章中表达的观点，仅代表作者本人的观点，不代表《财富》杂志的观点和立场。
译者：刘进龙
审校：汪皓
