تحلیل پادشکنندگی: ابزاری برای مدیریت کسب‌وکار در محیط آشفته

سرورخواه, علی; نورخواه, آریانا

doi:10.22034/jvcbm.2026.568364.1693

تحلیل پادشکنندگی: ابزاری برای مدیریت کسب‌وکار در محیط آشفته

نوع مقاله : مقاله پژوهشی (کمی)

نویسندگان

علی سرورخواه ¹

آریانا نورخواه ² ^¶

¹ گروه مدیریت، موسسه آموزش عالی آیندگان، تنکابن، ایران.

² گروه اقتصاد و مدیریت بازرگانی، دانشکده اقتصاد و بازرگانی، دانشگاه آتونوما بارسلونا، کاتالونیا، اسپانیا.

https://doi.org/10.22034/jvcbm.2026.568364.1693

چکیده

در محیط‌های آشفته و غیرقابل پیش‌بینی، تصمیم‌گیری (به‌ویژه در مورد تصمیم‌های کلیدی و اثرگذار نظیر انتخاب استراتژی) امری چالش‌برانگیز است. در شرایط دگرگون‌شونده و متغیر، رویکردهای کلاسیک انتخاب استراتژی و نیز رویکردهای تصمیم‌گیری چندشاخصه کارایی خود را از دست می‌دهند. رویکردهای کلاسیک برنامه‌ریزی سناریو نیز به دلیل محدودیت‌های ذاتی و ساده‌انگاری توان مقابله با محیط‌های آشفته را ندارند. در پاسخ به کاستی‌های رویکردهای مورد اشاره، رویکرد ماتریسی به تحلیل استواری (MARA) معرفی شد که قادر است بدون محدودیت محاسباتی، مساله انتخاب استراتژی را حل کند. با این وجود، این رویکرد زمانی مناسب است که یک تصمیم‌گیرنده محافظه‌کار بخواهد استراتژی‌ای را با کمترین ریسک انتخاب کند. بنابراین، این رویکرد در شرایطی که تصمیم‌گیرنده به دنبال بهره‌برداری از فرصت‌ها باشد، نتیجه مطلوبی به‌همراه ندارد. در این مطالعه، با تکیه بر روش‌شناسی MARA و مفهوم پادشکنندگی سیستم‌ها، رویکرد تحلیل پادشکنندگی برای مساله انتخاب استراتژی معرفی شد. در این رویکرد، پس از فهرست کردن گزینه‌های تصمیم و تعریف سناریوها بر اساس مهمترین شاخص‌های محیطی، عملکرد استراتژی‌ها در هر یک از حالت‌های مختلف شاخص‌ها تعیین و مجموع عملکرد هر استراتژی در هر سناریو با عملکرد آن استراتژی در سناریوی پایه (وضع موجود) مقایسه شد. رویکرد پیشنهادی در قالب یک مطالعه موردی شرح داده شد. در عمل، این تحلیل نشان می‌دهد که در صورت بروز تغییر در هر یک از شاخص‌های اثرگذار محیطی (تغییر سناریو) کدام استراتژی (تصمیم) می‌تواند عایدی بیشتری برای سازمان (تصمیم‌گیرنده) به‌همراه داشته باشد. این مفهوم در تقابل با تحلیل استواری است که گزینه‌ای را برتر می‌داند که در صورت بروز تغییر، ریسک کمتری به‌دنبال داشته باشد. استفاده از این ابزار در محیط‌های آشفته می‌تواند مدیران را در فرآیند مدیریت کسب‌و‌کار یاری دهد.

کلیدواژه‌ها

مدل تصمیم‌گیری

تصمیم‌گیری استراتژیک

انتخاب استراتژی

محیط آشفته

تحلیل پادشکنندگی

موضوعات

مدیریت کسب و کار

عنوان مقاله English

Antifragility Analysis: A Tool for Business Management in Turbulent Environments

نویسندگان English

Ali Sorourkhah ¹

Ariana Nourkhah ²

¹ Department of Management, Ayandegan University, Tonekabon, Iran.

² Department of Economics and Business Administration, Faculty of Economics and Business, Universitat Autònoma de Barcelona, Catalonia, Spain..

چکیده English

In turbulent and unpredictable environments, decision-making, particularly regarding key and influential decisions such as strategy selection, becomes highly challenging. Under changing and variable conditions, classical strategy-selection approaches and multi-criteria decision-making techniques lose effectiveness. Traditional scenario-planning approaches also struggle in turbulent environments because of their inherent limitations and oversimplification. In response to these shortcomings, the Matrix Approach to Robustness Analysis (MARA) was introduced, which can solve the strategy-selection problem without computational limitations. However, this approach suits a conservative decision-maker who aims to choose a strategy with minimal risk. Therefore, it does not yield desirable results when the decision-maker seeks to capitalize on emerging opportunities. In this study, building on the MARA methodology and the concept of system antifragility, we introduce an antifragility-analysis approach to the strategy-selection problem. In this approach, after listing decision alternatives and defining scenarios based on key environmental indicators, the performance of strategies is determined for each indicator state. The total performance of each strategy in each scenario is then compared with its performance in the baseline scenario (current state). The proposed approach is demonstrated through a case study. In practice, this analysis identifies which strategy (decision) generates greater benefits for the organization (decision-maker) when any influential environmental indicator changes (scenario shift). This concept contrasts with robustness analysis, which considers the strategy with the least risk under change as superior. Using this tool in turbulent environments can assist managers in the business management process.

کلیدواژه‌ها English

Decision-making model

strategic decision-making

strategy selection

turbulent environment

antifragility analysis

Abid, A., Khemakhem, M. T., Marzouk, S., Jemaa, M. Ben, Monteil, T., & Drira, K. (2014). Toward antifragile cloud computing infrastructures. Procedia Computer Science, 32, 850–855. https://doi.org/10.1016/j.procs.2014.05.501

Amiri, B., & Sorourkhah, A. (2024). Robust investment project selection by integrating net present value model, robustness analysis, and the analytic hierarchy process. Management: Modeling, Analysis and Application, 1(4), 244–248. https://doi.org/10.22105/mmaa.v1i4.105 (in Persian)

Aven, T. (2015). The concept of antifragility and its implications for the practice of risk analysis. Risk Analysis, 35(3), 476–483. https://doi.org/10.1111/risa.12279

Bahrami,A., Sorourkhah,A. and Edalatpanah,S. Ahmad (2025). A computational vision for prioritizing alternatives in the presence of qualitative big data. Big Data and Computing Visions, 5(2), 139-149. doi: 10.22105/bdcv.2025.530374.1273

Bartolini, N., & DeSilvey, C. (2021). Landscape futures: Decision-making in uncertain times, a literature review. Landscape Research, 46(1), 8–24. https://doi.org/10.1080/01426397.2020.1861228

Corvello, V., Felicetti, A. M., Troise, C., & Tani, M. (2024). Betting on the future: How to build antifragility in innovative start-up companies. Review of Managerial Science, 1–27. https://link.springer.com/article/10.1007/s11846-023-00636-x

Danchin, A., Binder, P. M., & Noria, S. (2011). Antifragility and tinkering in biology (and in business) flexibility provides an efficient epigenetic way to manage risk. Genes.

Derbyshire, J., & Wright, G. (2014). Preparing for the future: Development of an ‘antifragile’ methodology that complements scenario planning by omitting causation. Technological Forecasting and Social Change, 82, 215–225. https://doi.org/10.1016/j.techfore.2013.07.001

Faryadras, R., Chaovoshi, S., & Sharifi, S. (2026). Examining the relationship between antifragility with financial performance and business continuity of banks listed in Tehran Stock Exchange. Financial Economics, 16, 21–39. http://www.jik-ifea.ir/article_23587_9113d1fb04f713f1aeb47559f70d98d0.pdf(in Persian)

Ghadim Ghobadi, R., Hashemi, H., Zangir, M., & Sorati, P. (2024). Presenting a model of resilience in Iranian financial organizations through thematic analysis. Technology Entrepreneurship and Strategic Management, 2, 34–59. https://doi.org/10.61838/kman.jtesm.3.4.13(in Persian).

Ha, L. T., & Thanh, T. T. (2022). Effects of digital public services on trades in green goods: Does institutional quality matter? Journal of Innovation and Knowledge, 7(1), 100168. https://doi.org/10.1016/j.jik.2022.100168

Joorbonyan, Z., Sorourkhah, A., & Edalatpanah, S. A. (2024). Identifying and prioritizing appropriate strategies for customer loyalty in a mass environment (Case Study: Clothing House). Journal of Decisions and Operations Research. https://doi.org/10.22105/dmor.2024.420185.1800

Kokkinos, K., Karayannis, V., Samaras, N., & Moustakas, K. (2023). Multi-scenario analysis on hydrogen production development using PESTEL and FCM models. Journal of Cleaner Production, 419, 138251. https://doi.org/10.1016/j.jclepro.2023.138251

Levin, J. S., Brodfuehrer, S. P., & Kroshl, W. M. (2014). Detecting antifragile decisions and models: Lessons from a conceptual analysis model of service life extension of aging vehicles [Presentation]. 8th Annual IEEE International Systems Conference, SysCon 2014 - Proceedings, 285–292. https://doi.org/10.1109/SysCon.2014.6819271

Lichtman, M., Vondal, M. T., Clancy, T. C., & Reed, J. H. (2018). Antifragile communications. IEEE Systems Journal, 12(1), 659–670. https://doi.org/10.1109/JSYST.2016.2517164

Munoz, A., Billsberry, J., & Ambrosini, V. (2022). Resilience, robustness, and antifragility: Towards an appreciation of distinct organizational responses to adversity. International Journal of Management Reviews, 24(2), 181–187. https://doi.org/10.1111/ijmr.12289

Naji, A., Ghodrat, M., Komaie-Moghaddam, H., & Podgornik, R. (2014). Asymmetric Coulomb fluids at randomly charged dielectric interfaces: Anti-fragility, overcharging and charge inversion. Journal of Chemical Physics, 141(17), 174704. https://doi.org/10.1063/1.4898663

Pineda, O. K., Kim, H., & Gershenson, C. (2019). A novel antifragility measure based on satisfaction and its application to random and biological Boolean networks. Complexity, 2019, 3728621. https://doi.org/10.1155/2019/3728621

Sorourkhah, A. (2024). A scenario-based alternative to conventional tools for choosing the strategy in turbulent environments. International Journal of Research in Industrial Engineering, 13(2), 224–236.

Sorourkhah, A., Babaie, S., Kafaki, Azar, A., Shafiei, M., & Nikabadi. (2018). Matrix Approach to Robustness Analysis for Strategy Selection. International Journal of Industrial Mathematics, 10(3), 261–269. https://ijim.srbiau.ac.ir/article_12651.html

Taleb, N. N. (2012). Antifragile (things that gain from disorder). The Random House Publishing Group.

Taleb, N. N., & Douady, R. (2013). Mathematical definition, mapping, and detection of (anti)fragility. Quantitative Finance, 13(11), 1677–1689. https://doi.org/10.1080/14697688.2013.800219

Uzunov, A. V., Vo, B., Dam, H. K., Harold, C., Baruwal Chhetri, M., Colman, A., & Hashmi, S. S. (2023). Adaptivity and antifragility. In Autonomous Intelligent Cyber Defense Agent (AICA) A Comprehensive Guide (pp. 203–228). Cham: Springer International Publishing. https://doi.org/10.1007/978-3-031-29269-9_10