Indrek Saul

#StrateegAI artikkel 4/5 (eelmist artiklit vaata siit)

Indrek Saul – Kasvustrateegia konsultant
Selle artikli lugemiseks kulub sul umbes 10 minutit.

TL;DR

Kas AI suudab teha head SWOT-analüüsi? Testisin 4 LLM-i (Claude, ChatGPT, Gemini, Perplexity) × 4 traktoribrändi × 36 isoleeritud vestlust.
Eesmärk: selgitada välja, milline LLM on strateegilises nõustamises parim ja kas rohkem infot = parem strateegia.
Tulemus: AI täidab SWOT-i vormi kiiresti ja korrektselt, aga strateegiliste valikute tegemisel kukub läbi – täpselt nagu inimesed. Soovitused olid enamasti geneerilised ja jäid kasutamata.
Järeldus: probleem ei ole ainult AI-s, vaid SWOT-meetodis endas.
Antud artikkel on sarjas osa 4.

Mis juhtub, kui anda maailma tipptehnoloogiaga tehisintellektile ülesandeks teha strateegilist analüüsi?
Selgub, et välja tulevad täpselt samad probleemid, mis on vaevanud inimesi juba pool sajandit.

StrateegAI projektis lõpetasin just põhjaliku eksperimendi, kus lasin neljal juhtival AI-mudelil (ChatGPT, Claude, Gemini, Perplexity) analüüsida Eesti traktoriturul tegutsevaid ettevõtteid.
Tulemused olid korraga nii silmiavavad kui ka murettekitavad – eriti SWOT-analüüsi osas.

Numbrid, mis räägivad enda eest

Kui palusin tehisintellektidel teha SWOT-analüüsi, olid tulemused järgmised:

• ohtude tuvastamine: 78% täpsus
• konkurentide kirjeldamine: 83% täpsus
• strateegilised soovitused: vaid 26% täpsus

Aga see on vaid pealispind. Kui vaadata SWOT-analüüsi iga elementi eraldi, ilmneb veelgi murelikum pilt:

Tabel 1. AI SWOT analüüsi tulemuste analüüs

Teisisõnu: AI oskas üsna hästi kirjeldada, mis toimub, aga kukkus peaaegu täielikult läbi siis, kui pidi ütlema, mida teha.

Veelgi kõnekam oli see, et ligikaudu 65% kõigist AI soovitustest olid täiesti geneerilised.
Soovitused stiilis:

• „arendage digitaalset turundust”
• „parandage kliendikogemust”

Need sobivad sisuliselt iga ettevõtte kohta.
Tõeline diferentseerimine – see, millest sünnib konkurentsieelis – puudus peaaegu täielikult.

SWOT-analüüs ei ole tehisintellekti leiutis

SWOT-analüüsi juured ulatuvad 1950ndate lõppu ja 1960ndate algusesse – aega, mil strateegiline planeerimine ärimaailmas üldse kujunema hakkas.

Juba 1997. aastal kirjutasid Terry Hill ja Roy Westbrook oma legendaarses artiklis, et SWOT-analüüse iseloomustavad:

• pikad nimekirjad (keskmiselt üle 40 faktori),
• üldised ja sageli sisutühjad kirjeldused,
• prioritiseerimise puudumine,
• ning mis kõige problemaatilisem – neid ei kasutata hiljem strateegia järgmistes etappides.

Nüüd, ligi 30 aastat hiljem, teevad tehisintellektid täpselt samu vigu.

SWOT-analüüsi on laialdaselt kritiseeritud ka seetõttu, et see tugineb subjektiivsetele vaadetele ega sea tegureid tähtsuse järjekorda.
AI lisab sellele veel ühe probleemi: puudub kontekst selle kohta, mida ettevõte on juba proovinud ja kogenud.

Joonis 1. SoWhat analüüs (tehtud, aga strateegias ei kasutata)

Strateegialegendi ühemõtteline hinnang

Roger Martin, keda 2017. aastal tunnustati maailma mõjukaimaks juhtimismõtlejaks, on öelnud:

„SWOT loodi strateegia varastel päevadel, kui praktikud otsisid meeleheitlikult tööriistu.
Tänaseks on see muutunud hirmsaks ajaraiskamiseks praktiliselt ilma kompenseeriva väärtuseta.
See kuulub strateegia ajaloo prügikasti.”

Joonis 2. Roger Martin on öelnud

Martini peamine kriitika on, et SWOT teeb asju vales järjekorras.
Tugevust ei saa määratleda enne, kui on selge, mille suhtes see tugevus üldse on.

Minu eksperimendis ilmnes täpselt sama probleem.
AI-mudelid täitsid neli kasti, aga ei loonud nende vahele seoseid.
Puudus „nii-et” loogika:

• kuidas kasutada tugevusi võimaluste ärakasutamiseks,
• kuidas neutraliseerida nõrkusi,
• milliseid valikuid see kõik eeldab.

SWOT oli käsitletud kui vormi täitmine, mitte kui strateegilise mõtlemise tööriist.

Kolm süstemaatilist pimedat kohta

Intervjuud tööstuse praktikutega näitasid, et nii AI-l kui ka klassikalisel SWOT-analüüsil on kolm kriitilist nõrkust:

1. Ajaline pimedus

AI ei tea, mida ettevõte on juba proovinud ja millega ebaõnnestunud.
„Laiendage kliendibaasi” on kena soovitus – aga mis siis, kui seda on viis aastat proovitud ja see pole töötanud?

2. Skaala sobimatus

AI on treenitud suurte turgude ja suurte ettevõtete peal.
Eesti traktoriturul, kus turuliidri turuosa on ~25%, ei tööta USA või Saksamaa turu loogika.

3. Andmete vananemine

AI treeningandmed jäävad kiiresti muutuvatest turgudest maha.
Praktikud kirjeldasid hiljutisi muutusi, millest AI-l polnud veel aimugi.

Joonis 3. 3 süstemaatilist pimedat kohta

Mida see siis tähendab?

Õige töövoog strateegilises analüüsis ei ole:

AI otsustab → inimene rakendab

Vaid:

AI loob mustandi → inimene valideerib → inimene otsustab

SWOT-analüüs ei sobi ei tehisintellektile ega sageli ka inimestele kui strateegiline otsustustööriist.

Küll aga sobib AI väga hästi:

• turuülevaadete koostamiseks,
• avalike andmete süstematiseerimiseks,
• mõttekäikude algatamiseks ajurünnakutes.

Aga strateegilised valikud, diferentseerimine ja ajaloolise konteksti mõistmine nõuavad endiselt inimeste ühist mõtlemist.

Epiloog: pool sajandit hiljem

On irooniline, et 2025. aastal, rääkides tehisintellekti revolutsioonist, avastame:
maailma kõige arenenumad AI-mudelid kordavad täpselt samu vigu, mida inimesed tegid SWOT-analüüsiga juba 1960ndatel.

Võib-olla pole probleem tööriistades.
Võib-olla on probleem selles, kuidas me strateegilist mõtlemist üldse mõistame.

Vorm täidetakse.
Kastid märgitakse.
Esitlus koostatakse.

Aga kas strateegia ka sünnib?

Minu StrateegAI eksperiment näitas üht selgelt:
ilma hüpoteesita pole strateegiat – ja seda ei muuda ükski algoritm.

Minu StrateegAI eksperiment näitas üht selgelt:
ükskõik kui targad on mudelid, ilma hüpoteesita pole ka strateegiat.
Ja seda ei muuda ükski algoritm.

Kuidas seda praktikas teha?

Kui soovid strateegiat, mis ei jää analüüsiks ega slaidideks, vaid jõuab päriselt ellu, siis sellest loogikast on sündinud Kasvustrateegia Sprint.

Sprint on 2-päevane intensiivne strateegiaprotsess, kus:

• AI toetab analüüsi ja struktuuri,
• inimesed teevad päris strateegilised valikud,
• ja ühiselt loodud arusaam viib ka elluviimise ning tulemusteni.

👉 Loe Kasvustrateegia Sprindi kohta lähemalt:
https://saul.ee/teenused/kasvustrateegia/

Viited ja täiendav lugemine

Klassikalised kriitikad:

• Hill, T., & Westbrook, R. (1997). “SWOT Analysis: It’s Time for a Product Recall.” Long Range Planning, 30(1), 46-52.
• Mintzberg, H., & Quinn, J. B. (1992). The Strategy Process: Concepts, Contexts, Cases

Kaasaegsed perspektiivid:

• Martin, R. (2021). “It’s Time to Toss SWOT Analysis into the Ashbin of Strategy History.” Medium
• van Wijngaarden et al. (2012). “Strategic analysis for health care organizations: the suitability of the SWOT-analysis.” The International Journal of Health Planning and Management

StrateegAI projekti tulemused:

• Valideerimise koondraport (2026)
• LLM-ide võrdlev metaanalüüs (2026)

Eelmist, sarja kolmandat artiklit (3/5) saad lugeda siit 👇
„Claude vs ChatGPT vs Gemini – kes võitis?”

Sarja teist artiklit (2/5) saad lugeda siit 👇
„Kuidas ma testisin 4 AI-d: metoodika ja seadistuste lõksud”

Sarja esimest artiklit (1/5) saad lugeda siit 👇
„Kuidas piinlik esitlus viis mind AI strateegiavõimekuse uurimiseni”

—

🔗 Jaga sõpradega:
Kui keegi sinu tuttavatest kasutab AI-d tööks, saada see artikkel edasi.

💬Küsimused?
Kommenteeri LinkedIni või Facebooki postituses või kirjuta mulle otse LinkedInis.

—

📥 Tahad rohkem infot ja näiteid?
Telli uudiskiri ja saad rohkem materjali LLM-ide testimiselt.

Uudiskirjas jagan eksklusiivset sisu, mida blogis ei ole. Ilmub 1× nädalas.

👉 Uudiskiri: Tellin StrateegiaAI uudiskirja