فراتر از رتبه بندی گزینه ها: تحلیلی بر روش TOPSIS و نقش آن در تصمیم گیری چندمعیاره سازمان های هوشمند

چکیده

در بسیاری از مسائل مدیریتی، انتخاب بهترین گزینه به معنای یافتن یک راه حل مطلق نیست، بلکه به معنای انتخاب گزینه ای است که در میان مجموعه ای از معیارهای متعارض، بیشترین تناسب را با اهداف سازمان داشته باشد. مدیران در حوزه هایی مانند انتخاب تامین کننده، اولویت بندی پروژه ها، ارزیابی فناوری، مدیریت ریسک و برنامه ریزی راهبردی، همواره با تصمیم هایی مواجه اند که در آن ها بهبود یک معیار معمولا به تضعیف معیار دیگر منجر می شود. این ویژگی، تصمیم گیری را از یک مسئله تک معیاره به یک مسئله چندمعیاره تبدیل می کند.

روش TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) یکی از شناخته شده ترین روش های تصمیم گیری چندمعیاره است که بر این فرض استوار است که بهترین گزینه، گزینه ای است که کمترین فاصله را از راه حل ایده آل مثبت و بیشترین فاصله را از راه حل ایده آل منفی داشته باشد. برخلاف بسیاری از روش های رتبه بندی که تنها بر امتیاز نهایی تمرکز دارند، TOPSIS مفهوم «نزدیکی به وضعیت مطلوب» را مبنای تصمیم قرار می دهد و به همین دلیل توانسته است جایگاه ویژه ای در مسائل مدیریت و تحلیل تصمیم پیدا کند.

این یادداشت علمی با رویکردی تحلیلی، مبانی نظری TOPSIS، فلسفه شکل گیری، منطق تصمیم گیری، کاربردهای صنعتی، مزایا، محدودیت ها و مسیرهای توسعه این روش در قالب مدل های فازی، ترکیبی و هوشمند را بررسی می کند و نشان می دهد که چرا TOPSIS همچنان یکی از پرکاربردترین ابزارهای تصمیم گیری در سازمان های داده محور به شمار می رود.

۱. مقدمه؛ آیا بهترین تصمیم همیشه به معنای انتخاب بهترین گزینه است؟

یکی از رایج ترین خطاها در تصمیم گیری مدیریتی، این فرض است که در هر مسئله، یک گزینه «بهترین» وجود دارد که با بررسی اطلاعات می توان آن را شناسایی کرد. در عمل، چنین وضعیتی به ندرت رخ می دهد. اغلب تصمیم های سازمانی در شرایطی اتخاذ می شوند که هیچ گزینه ای در تمام معیارهای موردنظر برتری مطلق ندارد و هر انتخاب، ترکیبی از مزایا و محدودیت ها را به همراه دارد.

فرض کنید یک شرکت صنعتی قصد دارد میان سه تامین کننده، یکی را برای تولید یک قطعه استراتژیک انتخاب کند. تامین کننده نخست پایین ترین قیمت را پیشنهاد می دهد، اما سابقه تاخیر در تحویل دارد. تامین کننده دوم کیفیت بسیار بالایی ارائه می کند، اما هزینه آن بیشتر است. تامین کننده سوم از نظر قیمت و کیفیت در وضعیت متوسط قرار دارد، اما انعطاف پذیری بیشتری در پاسخ به تغییرات سفارش دارد.

اگر معیار تصمیم تنها «قیمت» باشد، انتخاب ساده است. اگر تنها «کیفیت» ملاک باشد نیز پاسخ مشخص خواهد بود. اما در شرایط واقعی، مدیر باید هم زمان هزینه، کیفیت، زمان تحویل، ریسک، قابلیت همکاری و حتی پایداری روابط بلندمدت را در نظر بگیرد. در چنین وضعیتی، مفهوم «بهترین گزینه» جای خود را به مفهوم «مناسب ترین گزینه» می دهد.

این تغییر نگرش، نقطه آغاز بسیاری از روش های تصمیم گیری چندمعیاره است. در میان این روش ها، TOPSIS به دلیل سادگی مفهومی، قدرت تحلیلی و قابلیت استفاده در طیف وسیعی از مسائل، به یکی از پرکاربردترین ابزارهای تصمیم گیری تبدیل شده است.

۲. فلسفه شکل گیری TOPSIS؛ تصمیم گیری بر مبنای فاصله از وضعیت مطلوب

روش TOPSIS در سال ۱۹۸۱ توسط هوانگ (Hwang) و یون (Yoon) معرفی شد. ایده اصلی این روش از یک اصل ساده اما عمیق سرچشمه می گیرد: در هر مسئله تصمیم گیری، می توان دو وضعیت فرضی را تصور کرد؛ یکی بهترین حالت ممکن و دیگری بدترین حالت ممکن.

راه حل ایده آل مثبت، گزینه ای فرضی است که در تمام معیارها بهترین عملکرد را دارد. در مقابل، راه حل ایده آل منفی، گزینه ای است که در همه معیارها ضعیف ترین وضعیت را نشان می دهد. بدیهی است که چنین گزینه هایی معمولا در دنیای واقعی وجود ندارند، اما به عنوان نقاط مرجع برای ارزیابی سایر گزینه ها به کار می روند.

بر این اساس، TOPSIS فرض می کند بهترین گزینه آن نیست که صرفا بیشترین امتیاز را کسب کند، بلکه گزینه ای است که از نظر عملکرد، بیشترین شباهت را به وضعیت ایده آل و کمترین شباهت را به وضعیت نامطلوب داشته باشد. این نگاه، تفاوت مهمی با بسیاری از روش های رتبه بندی ایجاد می کند؛ زیرا ارزیابی گزینه ها را به صورت نسبی و بر اساس موقعیت آن ها در فضای تصمیم انجام می دهد.

 مدیران معمولا هنگام انتخاب، به این می اندیشند که هر گزینه تا چه اندازه به شرایط مطلوب نزدیک و از پیامدهای نامطلوب دور است، نه اینکه صرفا بیشترین امتیاز عددی را داشته باشد.

۳. چرا «نزدیکی به وضعیت ایده آل» مهم تر از کسب بیشترین امتیاز است؟

یکی از خطاهای رایج در تصمیم گیری های سازمانی، این است که مدیران تصور می کنند گزینه ای که بالاترین امتیاز را کسب می کند، الزاما بهترین انتخاب است. این نگاه، اگرچه در مسائل ساده ممکن است قابل قبول باشد، اما در بسیاری از تصمیم های واقعی می تواند به نتایجی گمراه کننده منجر شود. دلیل این موضوع آن است که امتیاز نهایی، همیشه تصویر کاملی از نقاط قوت و ضعف گزینه ها ارائه نمی دهد.

فرض کنید یک شرکت تولیدکننده تجهیزات صنعتی قصد دارد میان سه نرم افزار مدیریت پروژه یکی را انتخاب کند. نرم افزار نخست امکانات بسیار پیشرفته ای دارد، اما هزینه خرید و نگهداری آن بالاست و آموزش کارکنان برای استفاده از آن زمان بر خواهد بود. نرم افزار دوم از نظر قیمت مقرون به صرفه است، اما در برخی قابلیت های کلیدی ضعف دارد. نرم افزار سوم در هیچ یک از معیارها بهترین نیست، اما در بیشتر آن ها عملکردی متعادل و قابل قبول ارائه می دهد.

اگر تصمیم گیرنده تنها به امتیازهای جداگانه هر معیار نگاه کند، ممکن است نرم افزار نخست را به دلیل برتری فنی انتخاب کند یا نرم افزار دوم را به دلیل هزینه کمتر ترجیح دهد. اما تجربه بسیاری از پروژه های تحول دیجیتال نشان داده است که انتخابی که فقط بر یک یا دو نقطه قوت استوار باشد، لزوما در عمل موفق ترین گزینه نیست. سازمان ها بیش از آنکه به دنبال یک ویژگی ممتاز باشند، به دنبال تعادل هستند؛ تعادلی که بتواند مجموعه ای از نیازهای فنی، اقتصادی و اجرایی را هم زمان برآورده کند.

دقیقا در همین نقطه است که منطق TOPSIS معنا پیدا می کند. این روش به جای آنکه از تصمیم گیرنده بپرسد «کدام گزینه بیشترین امتیاز را دارد؟»، سوال متفاوتی مطرح می کند:

کدام گزینه، در مجموع، بیش از سایر گزینه ها به وضعیت مطلوب نزدیک است و هم زمان از وضعیت نامطلوب فاصله دارد؟

این تفاوت در ظاهر ساده به نظر می رسد، اما از نظر تحلیلی بسیار عمیق است. TOPSIS گزینه ها را نه به صورت منفرد، بلکه در ارتباط با دو مرجع فرضی ارزیابی می کند: یکی بهترین وضعیت قابل تصور و دیگری بدترین وضعیت ممکن. در نتیجه، هر گزینه بر اساس موقعیت نسبی خود در این فضای تصمیم سنجیده می شود.

مدیران معمولا هنگام انتخاب یک راهکار، به دنبال «کامل ترین» گزینه نیستند، زیرا می دانند چنین گزینه ای در دنیای واقعی به ندرت وجود دارد. آنچه اهمیت دارد، انتخاب گزینه ای است که بتواند میان اهداف مختلف سازمان تعادل برقرار کند و ریسک ناشی از ضعف های اساسی را کاهش دهد. به همین دلیل، در بسیاری از تصمیم های راهبردی، گزینه ای که در همه معیارها عملکردی نسبتا خوب دارد، بر گزینه ای که در یک معیار عالی و در چند معیار دیگر ضعیف است، ترجیح داده می شود.

 یکی از دلایل اصلی استقبال گسترده از TOPSIS در حوزه هایی مانند انتخاب تامین کننده، اولویت بندی پروژه ها، ارزیابی فناوری، مدیریت کیفیت و حتی تصمیم گیری های مرتبط با پایداری است. در همه این موارد، مسئله اصلی یافتن یک «برنده مطلق» نیست؛ بلکه شناسایی گزینه ای است که با در نظر گرفتن تمام ابعاد تصمیم، منطقی ترین انتخاب برای شرایط موجود باشد.

۴. منطق تصمیم گیری در TOPSIS؛ چرا «بهترین مطلق» معمولا وجود ندارد؟

یکی از دلایلی که TOPSIS پس از بیش از چهار دهه همچنان در پژوهش های مهندسی و مدیریت جایگاه خود را حفظ کرده، این است که بر یک واقعیت ساده اما بنیادین استوار است: بیشتر تصمیم های سازمانی میان گزینه های ناقص گرفته می شوند، نه میان گزینه های کامل.

در فضای واقعی کسب وکار، تقریبا هیچ گزینه ای وجود ندارد که در تمام معیارهای موردنظر بهترین باشد. اگر سازمانی قصد خرید یک دستگاه CNC را داشته باشد، ممکن است یک مدل از نظر دقت ماشین کاری برتر باشد، اما هزینه خرید و نگهداری بالایی داشته باشد. مدل دیگر مصرف انرژی کمتری داشته باشد، اما ظرفیت تولید آن پاسخگوی برنامه توسعه کارخانه نباشد. حتی پیشرفته ترین فناوری ها نیز معمولا در کنار مزیت های خود، محدودیت هایی دارند که تصمیم گیرنده نمی تواند از آن ها چشم پوشی کند.

همین ویژگی باعث می شود که تصمیم گیری بیش از آنکه فرآیند یافتن «بهترین» باشد، فرآیند مدیریت مصالحه ها (Trade-offs) باشد. مدیران ناچارند میان هزینه و کیفیت، سرعت و دقت، نوآوری و ریسک یا بهره وری و انعطاف پذیری تعادل برقرار کنند. در چنین شرایطی، سوال اصلی دیگر این نیست که «کدام گزینه عالی است؟»؛ بلکه این است که «کدام گزینه، با توجه به محدودیت های موجود، منطقی ترین انتخاب است؟»

TOPSIS دقیقا برای پاسخ به همین پرسش طراحی شده است.

این روش به جای آنکه هر گزینه را به صورت مستقل ارزیابی کند، آن را در یک فضای مقایسه ای قرار می دهد. در این فضا، دو نقطه مرجع تعریف می شود: یکی وضعیتی که اگر تمام معیارها در بهترین حالت ممکن باشند شکل می گیرد و دیگری وضعیتی که همه معیارها در نامطلوب ترین حالت قرار دارند. این دو نقطه در عمل وجود خارجی ندارند؛ آن ها تنها چارچوبی ذهنی و تحلیلی ایجاد می کنند تا بتوان عملکرد گزینه های واقعی را نسبت به یک معیار مشترک سنجید.

 TOPSIS شباهت زیادی به شیوه قضاوت انسان دارد. زمانی که یک مدیر چند پیشنهاد سرمایه گذاری را بررسی می کند، معمولا به صورت ناخودآگاه آن ها را با تصویری از «سرمایه گذاری ایده آل» مقایسه می کند؛ سرمایه گذاری ای که بازده بالا، ریسک پایین، نقدشوندگی مناسب و زمان بازگشت کوتاه داشته باشد. در مقابل، همواره تلاش می کند از گزینه ای که بیشترین ریسک، کمترین بازده یا بیشترین عدم اطمینان را دارد فاصله بگیرد. TOPSIS این فرآیند ذهنی را به یک مدل تحلیلی تبدیل می کند.

نکته مهم آن است که ، تصمیم گیری را از یک فرآیند صرفا امتیازدهی فراتر می برد. در بسیاری از روش های سنتی، ممکن است دو گزینه امتیاز نهایی مشابهی کسب کنند، در حالی که ماهیت عملکرد آن ها کاملا متفاوت باشد. یکی ممکن است در چند معیار بسیار قوی و در چند معیار بسیار ضعیف باشد و دیگری در همه معیارها عملکردی متعادل ارائه دهد. از دیدگاه TOPSIS، این دو گزینه معادل نیستند؛ زیرا فاصله آن ها از وضعیت مطلوب و نامطلوب یکسان نیست.

به همین دلیل، بسیاری از پژوهشگران معتقدند که مزیت اصلی TOPSIS نه در سادگی محاسبات، بلکه در تغییر زاویه نگاه به مسئله تصمیم گیری است. این روش مدیر را وادار می کند به جای تمرکز بر یک معیار یا یک امتیاز نهایی، جایگاه هر گزینه را در کل فضای تصمیم مشاهده کند. چنین نگاهی، احتمال انتخاب هایی را که در ظاهر جذاب اما در عمل پرریسک هستند، کاهش می دهد.

این موضوع را می توان در پروژه های تحول دیجیتال نیز مشاهده کرد. بسیاری از سازمان ها در سال های اخیر به دلیل جذابیت فناوری های نوظهور، به سمت راهکارهایی حرکت کرده اند که از نظر فنی بسیار پیشرفته بوده اند، اما با سطح بلوغ سازمان، مهارت کارکنان یا زیرساخت های موجود تناسب نداشته اند. در چنین مواردی، انتخاب گزینه ای که از هر نظر «متوازن تر» است، معمولا نتایج پایدارتری نسبت به انتخاب گزینه ای دارد که تنها در یک یا دو معیار برتری چشمگیری نشان می دهد.

به همین دلیل است که TOPSIS در چهار دهه گذشته، از یک روش صرفا ریاضی فراتر رفته و به یکی از چارچوب های فکری رایج در تصمیم گیری چندمعیاره تبدیل شده است؛ چارچوبی که به مدیران یادآوری می کند کیفیت یک تصمیم، بیش از آنکه به وجود یک گزینه کامل وابسته باشد، به توانایی تشخیص بهترین تعادل میان معیارهای متعارض بستگی دارد.

۵. منطق محاسبات در TOPSIS؛ از داده های ناهمگون تا یک تصمیم قابل مقایسه

اگرچه TOPSIS از دیدگاه نظری بر مفهوم «نزدیکی به راه حل ایده آل» استوار است، اما تبدیل این ایده به یک تصمیم عملی نیازمند چند گام تحلیلی است. نکته مهم این است که هیچ یک از این گام ها صرفا یک عملیات ریاضی نیستند؛ هر مرحله پاسخی به یکی از چالش های رایج تصمیم گیری در دنیای واقعی است.

برای روشن شدن موضوع، فرض کنید یک شرکت قصد دارد میان چهار تامین کننده، بهترین گزینه را انتخاب کند. معیارهای ارزیابی شامل قیمت، کیفیت، زمان تحویل، نرخ خرابی قطعات و توان فنی هستند. در نگاه اول، مقایسه این معیارها ساده به نظر می رسد، اما کافی است به واحد اندازه گیری آن ها توجه کنیم. قیمت بر حسب ریال یا دلار بیان می شود، زمان تحویل بر حسب روز، نرخ خرابی به صورت درصد و توان فنی ممکن است بر اساس امتیاز کارشناسان ارزیابی شود. قرار دادن این داده های ناهمگون در کنار یکدیگر، مانند مقایسه دما، وزن و سرعت در یک جدول واحد است؛ بدون تبدیل آن ها به مقیاسی مشترک، هرگونه نتیجه گیری می تواند گمراه کننده باشد.

به همین دلیل، نخستین گام در TOPSIS ایجاد زبان مشترک میان معیارها است. این مرحله که در ادبیات روش به «نرمال سازی» معروف است، در واقع تلاشی برای حذف اثر تفاوت واحدهای اندازه گیری است. هدف آن نیست که اطلاعات تغییر کند، بلکه مقصود این است که همه معیارها در مقیاسی قابل مقایسه قرار گیرند. پس از این مرحله، دیگر هیچ معیاری صرفا به دلیل بزرگ تر بودن اعدادش بر سایر معیارها غلبه نمی کند.

اما قابل مقایسه شدن معیارها به تنهایی کافی نیست. در عمل، همه معیارها اهمیت یکسانی ندارند. برای یک شرکت تولید تجهیزات پزشکی، قابلیت اطمینان و کیفیت ممکن است بسیار مهم تر از قیمت باشد، در حالی که در یک پروژه عمرانی با بودجه محدود، کنترل هزینه نقش تعیین کننده تری پیدا می کند. از این رو، مرحله بعدی TOPSIS به وزن دهی معیارها اختصاص دارد. این وزن ها معمولا از روش هایی مانند AHP، آنتروپی شانون یا قضاوت خبرگان به دست می آیند و در واقع بازتابی از اولویت های راهبردی سازمان هستند.

پس از آنکه داده ها هم مقیاس شدند و اهمیت نسبی هر معیار مشخص شد، TOPSIS به سراغ ایده مرکزی خود می رود؛ یعنی تعریف دو نقطه مرجع. یکی نماینده بهترین عملکرد قابل تصور در میان همه گزینه ها و دیگری نماینده ضعیف ترین عملکرد. باید توجه داشت که این دو نقطه الزاما به یک گزینه واقعی تعلق ندارند. ممکن است بهترین قیمت متعلق به یک تامین کننده باشد، بالاترین کیفیت متعلق به تامین کننده ای دیگر و کوتاه ترین زمان تحویل متعلق به گزینه ای سوم. راه حل ایده آل، تصویری فرضی است که بهترین ویژگی های همه گزینه ها را در کنار یکدیگر قرار می دهد.

از این مرحله به بعد، هر گزینه بر اساس فاصله خود از این دو نقطه ارزیابی می شود. در نگاه نخست، ممکن است این کار صرفا یک محاسبه هندسی به نظر برسد، اما در واقع مفهومی مدیریتی در پشت آن نهفته است. فاصله کمتر از راه حل ایده آل به این معناست که عملکرد گزینه به شرایط مطلوب نزدیک تر است و فاصله بیشتر از راه حل ایده آل منفی نشان می دهد که احتمال مواجهه با پیامدهای نامطلوب کمتر خواهد بود. تصمیم نهایی زمانی شکل می گیرد که این دو فاصله به صورت هم زمان در نظر گرفته شوند؛ زیرا گزینه ای که تنها به وضعیت مطلوب نزدیک باشد، اما هم زمان به وضعیت نامطلوب نیز نزدیک باشد، الزاما انتخاب مناسبی نیست.

نکته قابل تامل آن است که TOPSIS هیچ گاه ادعا نمی کند گزینه منتخب «بی نقص» است. این روش تنها نشان می دهد که در میان گزینه های موجود، کدام انتخاب تعادل مناسب تری میان معیارهای مختلف برقرار کرده است. همین ویژگی باعث شده است TOPSIS بیش از آنکه یک ابزار محاسباتی باشد، به چارچوبی برای تفکر نظام مند درباره انتخاب ها تبدیل شود.

در سال های اخیر، برخی پژوهشگران این ویژگی را یکی از دلایل اصلی ماندگاری TOPSIS دانسته اند. در محیط های پیچیده امروزی، مدیران کمتر به دنبال پاسخ های قطعی هستند و بیشتر به دنبال تصمیم هایی اند که بتوان از آن ها در برابر ذی نفعان، مدیران ارشد یا نهادهای نظارتی دفاع کرد. TOPSIS با شفاف کردن منطق انتخاب، این امکان را فراهم می کند که تصمیم نهایی نه بر پایه شهود فردی، بلکه بر اساس یک فرآیند تحلیلی قابل توضیح ارائه شود.

۶. چه زمانی TOPSIS بهترین انتخاب است و چه زمانی باید در انتخاب آن تردید کرد؟

هیچ روش تصمیم گیری را نمی توان برای همه مسائل مناسب دانست. یکی از اشتباهات رایج در بسیاری از پژوهش ها آن است که یک روش، صرفا به دلیل محبوبیت یا فراوانی استفاده، برای هر نوع مسئله ای به کار گرفته می شود. در حالی که ارزش واقعی یک روش زمانی مشخص می شود که بدانیم در چه شرایطی بیشترین کارایی را دارد و در چه موقعیت هایی باید به سراغ گزینه های دیگر رفت.

TOPSIS زمانی بیشترین اثربخشی را دارد که تصمیم گیرنده با مجموعه ای از گزینه های مشخص روبه رو باشد و بخواهد آن ها را بر اساس چند معیار مستقل با یکدیگر مقایسه کند. در چنین شرایطی، هدف، یافتن گزینه ای است که در مجموع بهترین تعادل را میان معیارهای مختلف برقرار کرده باشد، نه اینکه در یک معیار خاص برتری مطلق داشته باشد.

برای مثال، تصور کنید یک شرکت تولیدکننده تجهیزات نفت و گاز قصد دارد از میان چند تولیدکننده خارجی، یکی را برای تامین یک تجهیز حساس انتخاب کند. هر یک از تامین کنندگان در بخشی از ارزیابی عملکرد بهتری دارند؛ یکی کیفیت بالاتری ارائه می دهد، دیگری قیمت رقابتی تری دارد و سومی به دلیل شبکه خدمات پس از فروش گسترده، از قابلیت اطمینان بیشتری برخوردار است. در چنین مسئله ای، هیچ گزینه ای را نمی توان صرفا بر پایه یک شاخص انتخاب کرد. TOPSIS دقیقا برای چنین موقعیت هایی طراحی شده است؛ موقعیت هایی که تصمیم گیرنده باید میان مجموعه ای از مزایا و محدودیت ها تعادل برقرار کند.

کاربرد این روش تنها به حوزه خرید محدود نمی شود. در مدیریت پروژه، TOPSIS برای اولویت بندی پروژه های سرمایه گذاری، انتخاب پیمانکار، ارزیابی فناوری های جدید و حتی رتبه بندی ریسک ها به کار گرفته می شود. در مدیریت کیفیت نیز می توان از آن برای انتخاب اقدامات اصلاحی، ارزیابی عملکرد واحدها یا مقایسه راهکارهای بهبود استفاده کرد. وجه مشترک همه این کاربردها آن است که تصمیم گیرنده با چند گزینه قابل مقایسه مواجه است و معیارهای ارزیابی نیز تا حد زیادی مستقل از یکدیگر در نظر گرفته می شوند.

با این حال، همین ویژگی ها مرزهای کاربرد TOPSIS را نیز مشخص می کنند. اگر معیارهای تصمیم به شدت بر یکدیگر اثر بگذارند، استفاده از این روش می تواند بخشی از واقعیت مسئله را نادیده بگیرد. برای نمونه، در ارزیابی یک پروژه تحول دیجیتال، عواملی مانند بلوغ سازمان، مهارت کارکنان، آمادگی زیرساخت و فرهنگ سازمانی معمولا مستقل نیستند. افزایش مهارت کارکنان می تواند بر پذیرش فناوری اثر بگذارد و پذیرش فناوری نیز ممکن است به نوبه خود کیفیت داده ها یا بهره وری فرآیندها را تغییر دهد. در چنین شرایطی، فرض استقلال معیارها که در نسخه کلاسیک TOPSIS پذیرفته می شود، دیگر به طور کامل برقرار نیست.

محدودیت دیگر زمانی آشکار می شود که وزن معیارها با دقت کافی تعیین نشده باشند. TOPSIS در رتبه بندی گزینه ها بسیار توانمند است، اما کیفیت این رتبه بندی مستقیما به کیفیت وزن های ورودی وابسته است. اگر وزن ها بر پایه قضاوت های شتاب زده، تجربه محدود یا توافق های غیرعلمی تعیین شوند، خروجی مدل نیز هرچند از نظر ریاضی صحیح باشد، الزاما تصمیم مناسبی را نشان نخواهد داد. به همین دلیل، در بسیاری از پژوهش های جدید، TOPSIS به تنهایی استفاده نمی شود و وزن معیارها با روش هایی مانند AHP، BWM یا آنتروپی شانون محاسبه می شوند.

نکته دیگری که کمتر مورد توجه قرار می گیرد، حساسیت نتایج به تغییرات کوچک در داده هاست. در برخی مسائل، اختلاف عملکرد گزینه ها بسیار ناچیز است. در چنین شرایطی، تغییر جزئی در وزن یک معیار یا اصلاح اندک داده های اولیه می تواند جایگاه گزینه ها را تغییر دهد. از این رو، پژوهشگران توصیه می کنند پس از اجرای TOPSIS، تحلیل حساسیت نیز انجام شود تا مشخص شود آیا رتبه بندی به دست آمده در برابر تغییرات منطقی داده ها پایدار است یا خیر. تصمیمی که تنها با تغییر چند درصدی وزن معیارها دگرگون شود، تصمیمی شکننده است و باید با احتیاط بیشتری تفسیر شود.

در سال های اخیر، همین محدودیت ها مسیر توسعه روش های تصمیم گیری چندمعیاره را شکل داده اند. پژوهشگران به جای کنار گذاشتن TOPSIS، تلاش کرده اند با ترکیب آن با سایر روش ها، دقت و انعطاف پذیری آن را افزایش دهند. ظهور مدل هایی مانند AHP-TOPSIS، Fuzzy TOPSIS، DEMATEL-TOPSIS و BWM-TOPSIS نتیجه همین رویکرد است؛ رویکردی که می پذیرد هیچ روشی به تنهایی پاسخ گوی تمام پیچیدگی های تصمیم گیری سازمانی نیست.

در نتیجه، پرسش اصلی دیگر این نیست که «آیا TOPSIS روش خوبی است؟» بلکه این است که «آیا مسئله مورد بررسی با فرض ها و منطق TOPSIS سازگار است؟» تفاوت این دو پرسش، تفاوت میان استفاده ابزاری از یک روش و به کارگیری آگاهانه آن در پژوهش و عمل است.

تامل پژوهشی

یکی از نشانه های بلوغ در تصمیم گیری آن است که مدیران پیش از انتخاب یک روش، از خود بپرسند: «این روش چه پیش فرض هایی درباره مسئله من دارد؟» گاهی انتخاب نادرست ابزار، حتی با اجرای کاملا صحیح، می تواند به نتایجی منجر شود که از نظر محاسباتی دقیق اما از نظر مدیریتی غیرقابل اتکا باشند. پژوهشگران موفق، پیش از آنکه به دنبال پاسخ باشند، از مناسب بودن پرسش و ابزار اطمینان حاصل می کنند.

۷. از نظریه تا عمل؛ چرا TOPSIS در صنعت و مدیریت به یک ابزار پرکاربرد تبدیل شده است؟

ارزش یک روش تصمیم گیری را نمی توان تنها با مبانی ریاضی یا تعداد استنادهای علمی آن سنجید. آزمون واقعی هر روش زمانی آغاز می شود که در محیطی به کار گرفته شود که تصمیم ها تحت تاثیر محدودیت منابع، فشار زمانی، عدم قطعیت و منافع متعارض قرار دارند. اگر روشی بتواند در چنین شرایطی به مدیران کمک کند تا تصمیمی شفاف تر و قابل دفاع تر بگیرند، می توان آن را ابزاری کاربردی دانست. استقبال گسترده از TOPSIS در چهار دهه گذشته نیز بیش از هر چیز، ناشی از همین توانایی است.

یکی از شناخته شده ترین حوزه های کاربرد این روش، مدیریت زنجیره تامین است. انتخاب تامین کننده، برخلاف آنچه در ظاهر به نظر می رسد، صرفا یک تصمیم خرید نیست. هر انتخاب می تواند بر کیفیت محصول، زمان تحویل، هزینه تولید، رضایت مشتری و حتی اعتبار سازمان اثر بگذارد. در بسیاری از صنایع، مدیر خرید دیگر تنها به دنبال پایین ترین قیمت نیست؛ زیرا تجربه نشان داده است که کاهش هزینه اولیه، گاهی به افزایش هزینه های پنهان در مراحل بعدی منجر می شود.

برای مثال، فرض کنید یک شرکت سازنده تجهیزات صنعتی برای خرید یک گیربکس ویژه سه پیشنهاد دریافت کرده است. تامین کننده نخست قیمت بسیار رقابتی ارائه می دهد، اما سابقه تحویل به موقع مطلوبی ندارد. تامین کننده دوم کیفیت بالاتری عرضه می کند، ولی قیمت آن بیشتر است. تامین کننده سوم اگرچه از نظر قیمت و کیفیت در جایگاه میانی قرار دارد، اما خدمات پس از فروش گسترده و توان پاسخگویی سریع به مشکلات فنی را ارائه می دهد.

اگر تصمیم تنها بر مبنای قیمت اتخاذ شود، احتمال دارد گزینه نخست انتخاب شود؛ اما این انتخاب ممکن است در آینده با توقف خط تولید، افزایش هزینه های تعمیر یا تاخیر در تحویل سفارش ها همراه شود. از سوی دیگر، انتخاب گران ترین گزینه نیز همیشه منطقی نیست. TOPSIS در چنین شرایطی کمک می کند تا همه این معیارها به صورت هم زمان دیده شوند و تصمیم نهایی بر اساس مجموعه ای از عوامل اثرگذار اتخاذ شود، نه صرفا بر پایه یک شاخص منفرد.

کاربرد TOPSIS به زنجیره تامین محدود نمی شود. در مدیریت پروژه نیز مدیران دائما با تصمیم هایی مواجه هستند که هیچ پاسخ کاملا درستی برای آن ها وجود ندارد. فرض کنید یک سازمان قصد دارد از میان چند پروژه پیشنهادی، تنها دو پروژه را برای سرمایه گذاری انتخاب کند. برخی پروژه ها بازده اقتصادی بیشتری دارند، برخی دیگر با اهداف راهبردی سازمان همسو تر هستند و تعدادی نیز ریسک اجرایی کمتری دارند. اگر تنها نرخ بازگشت سرمایه مبنای تصمیم باشد، پروژه هایی انتخاب خواهند شد که شاید در بلندمدت ارزش راهبردی کمتری برای سازمان ایجاد کنند.

در چنین شرایطی، TOPSIS امکان می دهد معیارهایی مانند سودآوری، هم راستایی با راهبرد سازمان، ریسک، مدت زمان اجرا، نیاز به منابع و اثر بر مزیت رقابتی، به صورت هم زمان در ارزیابی پروژه ها وارد شوند. نتیجه این تحلیل، معمولا انتخاب پروژه ای است که از دیدگاه کلان، بیشترین ارزش را برای سازمان ایجاد می کند؛ حتی اگر در هیچ یک از معیارها بهترین نباشد.

حوزه دیگری که TOPSIS در آن کاربرد گسترده ای یافته، مدیریت کیفیت است. سازمان ها معمولا با تعداد زیادی اقدام اصلاحی یا پروژه بهبود مواجه هستند، در حالی که منابع انسانی و مالی آن ها محدود است. پرسش اصلی این نیست که کدام اقدام مفید است، بلکه این است که کدام اقدام باید زودتر اجرا شود.

برای نمونه، یک کارخانه تولید قطعات خودرو ممکن است هم زمان با افزایش ضایعات، شکایت مشتریان، خرابی تجهیزات و کاهش بهره وری نیروی انسانی روبه رو باشد. رفع همه این مشکلات به صورت هم زمان امکان پذیر نیست. مدیر کیفیت باید تصمیم بگیرد که سرمایه و زمان موجود ابتدا صرف کدام اقدام شود. در اینجا TOPSIS می تواند معیارهایی مانند میزان تاثیر بر رضایت مشتری، هزینه اجرا، سرعت دستیابی به نتیجه، کاهش ریسک و اثر بر بهره وری را در کنار هم تحلیل کند و اولویت اقدامات را بر مبنای یک چارچوب شفاف مشخص سازد.

با گسترش تحول دیجیتال، دامنه کاربرد TOPSIS از حوزه های سنتی نیز فراتر رفته است. امروزه این روش در انتخاب فناوری های نوین، ارزیابی سامانه های مبتنی بر هوش مصنوعی، انتخاب بسترهای رایانش ابری، اولویت بندی پروژه های هوشمندسازی و حتی ارزیابی راهکارهای پایداری محیط زیستی به کار گرفته می شود. وجه مشترک همه این کاربردها آن است که تصمیم گیرنده باید میان معیارهایی که گاه در تعارض با یکدیگر هستند، تعادل برقرار کند.

با وجود این تنوع، شاید بتوان مهم ترین دلیل ماندگاری TOPSIS را در یک ویژگی خلاصه کرد: این روش مدیر را مجبور می کند به جای تمرکز بر جذاب ترین ویژگی هر گزینه، تصویر کلی آن را ببیند. بسیاری از تصمیم های ناموفق سازمانی نه به دلیل نبود اطلاعات، بلکه به دلیل تمرکز بیش از حد بر یک معیار خاص رخ می دهند. TOPSIS با وادار کردن تصمیم گیرنده به نگاه هم زمان به همه ابعاد مسئله، احتمال چنین خطاهایی را کاهش می دهد.

تامل پژوهشی

در بسیاری از سازمان ها، تصمیم هایی که بعدها به عنوان «اشتباه مدیریتی» شناخته می شوند، در زمان اتخاذ تصمیم کاملا منطقی به نظر می رسیدند. تفاوت در این بود که تصمیم گیرندگان تنها بخشی از واقعیت را دیده بودند. روش هایی مانند TOPSIS قرار نیست جایگزین تجربه مدیران شوند؛ نقش آن ها این است که کمک کنند هیچ معیار مهمی در فرآیند تصمیم گیری نادیده گرفته نشود.

۸. آیا TOPSIS پاسخ نهایی است؟ نگاهی انتقادی به محدودیت ها و مسیر تکامل این روش

کمتر روشی در حوزه تصمیم گیری چندمعیاره توانسته است به اندازه TOPSIS در رشته های مختلف مورد استفاده قرار گیرد. از مهندسی صنایع و مدیریت پروژه گرفته تا برنامه ریزی شهری، انرژی، سلامت، حمل ونقل و زنجیره تامین، هزاران پژوهش از این روش برای رتبه بندی گزینه ها استفاده کرده اند. با این حال، گستردگی کاربرد یک روش به معنای کامل بودن آن نیست. برعکس، تاریخ توسعه روش های تصمیم گیری نشان می دهد که هر ابزار، در کنار نقاط قوت خود، محدودیت هایی نیز دارد و همین محدودیت ها زمینه ساز شکل گیری نسل های بعدی روش ها شده اند.

یکی از نخستین نقدهایی که به TOPSIS وارد شد، به وابستگی شدید نتایج به کیفیت داده های ورودی مربوط می شود. هرچند این موضوع درباره بسیاری از مدل های تصمیم گیری صادق است، اما در TOPSIS اهمیت بیشتری پیدا می کند؛ زیرا رتبه بندی نهایی مستقیما بر پایه مقادیر معیارها و وزن آن ها انجام می شود. اگر داده های اولیه ناقص، قدیمی یا جانبدارانه باشند، خروجی مدل نیز نمی تواند تصویری قابل اعتماد از واقعیت ارائه دهد.

برای نمونه، فرض کنید سازمانی در حال ارزیابی چند تامین کننده است، اما اطلاعات مربوط به نرخ خرابی محصولات آن ها بر اساس گزارش های دو سال قبل جمع آوری شده است. در این فاصله، یکی از تامین کنندگان خط تولید خود را نوسازی کرده و دیگری با کاهش کیفیت مواجه شده است. در چنین شرایطی، حتی اگر تمام مراحل TOPSIS بدون خطا اجرا شود، نتیجه نهایی بازتاب دهنده وضعیت امروز بازار نخواهد بود. این مثال نشان می دهد که هیچ روش تصمیم گیری نمی تواند ضعف داده ها را جبران کند.

محدودیت دوم، به ماهیت ایستای مدل مربوط می شود. TOPSIS معمولا تصمیم را بر اساس اطلاعات موجود در یک مقطع زمانی تحلیل می کند، در حالی که بسیاری از مسائل مدیریتی ماهیتی پویا دارند. ارزش یک فناوری، ریسک یک پروژه یا عملکرد یک تامین کننده ممکن است در فاصله چند ماه تغییر کند. بنابراین، نتیجه ای که امروز منطقی به نظر می رسد، الزاما در آینده نیز معتبر نخواهد بود.

به همین دلیل، در سال های اخیر سازمان های پیشرو به جای اجرای یک باره TOPSIS، آن را به بخشی از نظام پایش و بازنگری مستمر تبدیل کرده اند. به بیان دیگر، رتبه بندی گزینه ها دیگر یک فعالیت مقطعی نیست، بلکه فرآیندی است که همگام با تغییر شرایط محیطی به روزرسانی می شود. این تغییر نگرش، یکی از پیامدهای حرکت سازمان ها به سمت تصمیم گیری داده محور و استفاده از داده های برخط است.

موضوع دیگری که در ادبیات جدید مورد توجه قرار گرفته، نقش عدم قطعیت در قضاوت های انسانی است. مدیران معمولا نمی توانند درباره همه معیارها با اطمینان کامل اظهار نظر کنند. برای مثال، هنگام ارزیابی یک فناوری نوظهور، ممکن است هیچ کس نتواند با قطعیت درباره هزینه های نگهداری یا میزان پذیرش آن در آینده نظر دهد. در چنین شرایطی، استفاده از اعداد قطعی، تصویری ساده شده از واقعیت ارائه می دهد.

همین چالش، زمینه توسعه نسخه های فازی TOPSIS را فراهم کرد. در این رویکرد، به جای آنکه عدم اطمینان نادیده گرفته شود، به عنوان بخشی از واقعیت تصمیم وارد مدل می شود. در نتیجه، خروجی تحلیل به شرایط واقعی تصمیم گیری نزدیک تر خواهد بود؛ به ویژه در مسائلی که داده های دقیق در دسترس نیست یا قضاوت خبرگان نقش اصلی را ایفا می کند.

پژوهش های منتشرشده در سال های اخیر نیز نشان می دهند که مسیر تکامل TOPSIS بیش از آنکه به سمت جایگزینی این روش باشد، به سمت هم افزایی با سایر ابزارهای تصمیم گیری حرکت کرده است. امروزه کمتر پژوهشی را می توان یافت که TOPSIS را کاملا مستقل از سایر روش ها به کار گرفته باشد. در بسیاری از مطالعات، وزن معیارها با AHP یا Best-Worst Method تعیین می شود، روابط میان معیارها با DEMATEL تحلیل می شود و سپس TOPSIS وظیفه رتبه بندی نهایی گزینه ها را بر عهده می گیرد.

این روند، نشانه ای از بلوغ حوزه تصمیم گیری چندمعیاره است. پژوهشگران به این نتیجه رسیده اند که پیچیدگی مسائل واقعی را نمی توان با تکیه بر یک ابزار واحد مدیریت کرد. همان گونه که یک پزشک برای تشخیص بیماری تنها به یک آزمایش اکتفا نمی کند، تصمیم گیرندگان نیز برای تحلیل مسائل پیچیده از مجموعه ای از روش های مکمل استفاده می کنند.

شاید مهم ترین درس TOPSIS برای مدیران نیز همین باشد؛ ارزش یک روش، نه در کامل بودن آن، بلکه در تناسب آن با مسئله مورد بررسی است. انتخاب آگاهانه ابزار، بخشی از کیفیت تصمیم است و گاهی انتخاب نادرست یک روش، حتی بیش از اجرای نادرست آن، می تواند نتیجه تصمیم گیری را تحت تاثیر قرار دهد.

تامل پژوهشی

در بسیاری از سازمان ها، بحث اصلی این نیست که «کدام روش تصمیم گیری دقیق تر است؟» پرسش مهم تر این است که «کدام روش، با ویژگی های مسئله ای که امروز با آن روبه رو هستیم، سازگاری بیشتری دارد؟» تفاوت میان این دو نگاه، مرز میان استفاده مکانیکی از ابزارها و تصمیم گیری مبتنی بر تفکر تحلیلی است.

۹. از TOPSIS کلاسیک تا مدل های هوشمند؛ مسیر تکامل یک روش تصمیم گیری

اگر تاریخچه روش های تصمیم گیری چندمعیاره را مرور کنیم، یک الگوی مشترک به چشم می خورد. تقریبا هیچ روشی پس از معرفی، به همان شکل اولیه باقی نمانده است. با تغییر محیط کسب وکار، افزایش حجم داده ها و پیچیده تر شدن مسائل مدیریتی، پژوهشگران نیز ناچار شده اند ابزارهای خود را بازنگری کنند. TOPSIS نیز از این قاعده مستثنا نیست.

نسخه ای که هوانگ و یون در اوایل دهه ۱۹۸۰ معرفی کردند، برای بسیاری از مسائل آن زمان کاملا کارآمد بود. در آن دوره، تصمیم ها عمدتا بر پایه داده های نسبتا قطعی، تعداد محدودی معیار و مجموعه ای مشخص از گزینه ها اتخاذ می شد. اما سازمان های امروزی با محیطی روبه رو هستند که ویژگی اصلی آن عدم قطعیت است. داده ها به سرعت تغییر می کنند، فناوری ها عمر کوتاه تری دارند، انتظارات ذی نفعان متنوع تر شده و تصمیم ها بیش از گذشته تحت تاثیر عوامل بیرونی قرار گرفته اند.

در چنین شرایطی، پژوهشگران به جای کنار گذاشتن TOPSIS، تلاش کردند آن را با واقعیت های جدید سازگار کنند. نخستین گام در این مسیر، توسعه نسخه های فازی بود. ایده اصلی این نسخه ها بسیار ساده است؛ انسان ها معمولا با اطمینان کامل تصمیم نمی گیرند. یک مدیر هنگام ارزیابی عملکرد یک تامین کننده به ندرت می گوید کیفیت آن دقیقا «۸٫۳ از ۱۰» است. او بیشتر از عباراتی مانند «خوب»، «نسبتا خوب» یا «بسیار مناسب» استفاده می کند. منطق فازی این امکان را فراهم کرد که چنین قضاوت هایی نیز وارد فرآیند تصمیم گیری شوند، بدون آنکه مجبور باشیم آن ها را به اعداد قطعی و گاه غیرواقعی تبدیل کنیم.

با این حال، توسعه TOPSIS به نسخه های فازی محدود نشد. پژوهشگران به تدریج دریافتند که بخش مهمی از کیفیت تصمیم، نه به مرحله رتبه بندی، بلکه به تعیین وزن معیارها وابسته است. به همین دلیل، مدل های ترکیبی شکل گرفتند. در این مدل ها، هر روش وظیفه ای را بر عهده می گیرد که در آن توانمندتر است. برای مثال، AHP برای استخراج وزن معیارها، DEMATEL برای شناسایی روابط علت و معلولی میان عوامل و TOPSIS برای رتبه بندی نهایی گزینه ها به کار گرفته می شوند. این تقسیم نقش باعث می شود محدودیت های هر روش، تا حدی توسط روش دیگر جبران شود.

در سال های اخیر، مسیر دیگری نیز در ادبیات پژوهشی شکل گرفته است؛ ترکیب TOPSIS با تحلیل داده و هوش مصنوعی. در نگاه نخست ممکن است چنین ترکیبی غیرضروری به نظر برسد، اما در عمل این دو ابزار نقش های متفاوتی ایفا می کنند. الگوریتم های هوش مصنوعی در کشف الگوها، پیش بینی روندها و تحلیل حجم عظیمی از داده ها بسیار موفق هستند، اما معمولا درباره این پرسش که «با توجه به اهداف و ارزش های سازمان، کدام گزینه باید انتخاب شود؟» پاسخی مستقیم ارائه نمی کنند.

فرض کنید یک سامانه هوش مصنوعی با تحلیل هزاران پروژه گذشته پیش بینی می کند که احتمال موفقیت سه پروژه به ترتیب ۸۵، ۷۸ و ۷۲ درصد است. آیا پروژه اول باید انتخاب شود؟ پاسخ الزاما مثبت نیست. شاید پروژه دوم با وجود احتمال موفقیت کمتر، سرمایه گذاری اولیه پایین تر، هم راستایی بیشتری با راهبرد سازمان یا اثر اجتماعی گسترده تری داشته باشد. اینجاست که TOPSIS وارد عمل می شود و داده های تحلیلی تولیدشده توسط هوش مصنوعی را در کنار سایر معیارهای تصمیم قرار می دهد. به بیان دیگر، هوش مصنوعی اطلاعات تولید می کند و TOPSIS به تصمیم گیرنده کمک می کند از این اطلاعات در یک چارچوب چندمعیاره استفاده کند.

این تحول، نقش TOPSIS را نیز تغییر داده است. اگر در گذشته این روش عمدتا ابزاری برای رتبه بندی بود، امروز بیش از پیش به عنوان بخشی از یک سامانه پشتیبان تصمیم شناخته می شود؛ سامانه ای که داده های حاصل از حسگرها، سیستم های برنامه ریزی منابع سازمان، داشبوردهای مدیریتی و مدل های پیش بینی را به یک تصمیم قابل دفاع تبدیل می کند.

مدیران صنایع باید تصمیم گیری را از اتکای صرف به تجربه فردی خارج کنند و آن را به فرآیندی نظام مند، مستند و قابل بازبینی تبدیل کنند. TOPSIS، به ویژه در ترکیب با ابزارهای نوین تحلیل داده، دقیقا در همین مسیر حرکت می کند. این روش جایگزین قضاوت مدیران نمی شود، بلکه آن را شفاف تر، قابل توضیح تر و تکرارپذیرتر می کند؛ ویژگی ای که در سازمان های امروزی، به ویژه در تصمیم های پرهزینه و راهبردی، اهمیت روزافزونی یافته است.

در نهایت، شاید مهم ترین تحول TOPSIS نه در تغییر فرمول های آن، بلکه در تغییر جایگاهش باشد. این روش دیگر یک الگوریتم مستقل برای رتبه بندی نیست؛ بلکه بخشی از اکوسیستم تصمیم گیری هوشمند است؛ اکوسیستمی که در آن داده، مدل، تجربه انسانی و فناوری، در کنار یکدیگر به تصمیمی آگاهانه تر منجر می شوند.

تامل پژوهشی

در سال های آینده احتمالا این پرسش مطرح نخواهد بود که «آیا باید از هوش مصنوعی یا TOPSIS استفاده کنیم؟» پرسش اصلی این خواهد بود که چگونه می توان از توان تحلیل هوش مصنوعی و منطق روش های تصمیم گیری چندمعیاره به صورت مکمل استفاده کرد؟ آینده تصمیم گیری سازمانی، نه در رقابت این دو، بلکه در هم افزایی آن ها شکل خواهد گرفت.

۱۰. جمع بندی؛ TOPSIS، تغییری در شیوه اندیشیدن به تصمیم گیری

در بسیاری از سازمان ها، کیفیت تصمیم ها هنوز با نتیجه آن ها سنجیده می شود. اگر پیامد یک تصمیم مطلوب باشد، آن تصمیم «درست» تلقی می شود و اگر نتیجه رضایت بخش نباشد، تصمیم «اشتباه» قلمداد می شود. این نوع قضاوت، اگرچه در نگاه نخست منطقی به نظر می رسد، اما یکی از رایج ترین خطاهای شناختی در مدیریت است. پیامد یک تصمیم تنها به کیفیت فرآیند تصمیم گیری وابسته نیست؛ عوامل محیطی، تغییرات بازار، رفتار رقبا و رویدادهای پیش بینی نشده نیز می توانند بر نتیجه اثر بگذارند. از این رو، ارزیابی یک تصمیم صرفا بر اساس خروجی آن، همیشه تصویری منصفانه از کیفیت تصمیم گیری ارائه نمی دهد.

روش هایی مانند TOPSIS دقیقا در همین نقطه اهمیت پیدا می کنند. ارزش اصلی این روش در آن نیست که آینده را پیش بینی کند یا موفقیت یک تصمیم را تضمین نماید، بلکه در این است که فرآیند انتخاب را شفاف، مستند و قابل دفاع می کند. هنگامی که مدیر بتواند توضیح دهد چرا یک گزینه انتخاب شده، چه معیارهایی در این انتخاب نقش داشته اند و هر معیار چه سهمی در تصمیم نهایی ایفا کرده است، تصمیم گیری از یک قضاوت فردی به یک فرآیند سازمانی تبدیل می شود. این تغییر، شاید مهم تر از خود رتبه بندی گزینه ها باشد.

از این منظر، TOPSIS را نباید صرفا یک الگوریتم ریاضی دانست. این روش بازتاب تغییری عمیق در نگاه مدیریت به تصمیم گیری است؛ تغییری که از جست وجوی «بهترین گزینه» به سمت انتخاب «مناسب ترین گزینه» حرکت کرده است. در محیط های پیچیده امروز، کمتر تصمیمی را می توان یافت که در آن یک گزینه در همه معیارها برتری مطلق داشته باشد. آنچه مدیران را از یکدیگر متمایز می کند، توانایی آن ها در برقراری تعادل میان اهدافی است که گاه در تعارض با یکدیگر قرار دارند؛ تعادلی میان هزینه و کیفیت، سرعت و دقت، نوآوری و ریسک، یا سودآوری کوتاه مدت و پایداری بلندمدت.

با این حال، نباید از این نکته غافل شد که هیچ مدل تصمیم گیری جایگزین تفکر انتقادی نمی شود. TOPSIS می تواند ساختاری منظم برای تحلیل گزینه ها فراهم کند، اما کیفیت خروجی آن همچنان به کیفیت مسئله ای بستگی دارد که تعریف شده، داده هایی که گردآوری شده اند و قضاوت هایی که در تعیین معیارها و وزن آن ها به کار رفته اند. اگر این عناصر از دقت و اعتبار کافی برخوردار نباشند، پیچیده ترین مدل های تصمیم گیری نیز تنها به تصمیمی دقیق از نظر محاسباتی، اما ضعیف از نظر مدیریتی منتهی خواهند شد.

روند پژوهش های سال های اخیر نیز نشان می دهد که آینده TOPSIS نه در استفاده مستقل از آن، بلکه در تعامل با سایر ابزارهای تصمیم گیری و فناوری های نوین رقم خواهد خورد. ترکیب این روش با مدل های فازی، روش های استخراج وزن، تحلیل روابط میان معیارها و سامانه های مبتنی بر هوش مصنوعی، نشان دهنده آن است که پژوهشگران به جای جست وجوی یک روش کامل، به دنبال طراحی چارچوب هایی هستند که بتوانند پیچیدگی دنیای واقعی را با دقت بیشتری بازنمایی کنند. این تحول، جایگاه TOPSIS را از یک تکنیک رتبه بندی به بخشی از نظام های پشتیبان تصمیم ارتقا داده است. شاید مهم ترین درس TOPSIS این باشد که کیفیت تصمیم گیری، پیش از آنکه به انتخاب یک پاسخ درست وابسته باشد، به کیفیت طرح پرسش وابسته است. سازمانی که معیارهای خود را به درستی تعریف نکرده، روابط میان آن ها را نشناخته و اولویت های راهبردی خود را شفاف نکرده است، حتی با پیشرفته ترین مدل های تصمیم گیری نیز به نتیجه مطلوب نخواهد رسید. در مقابل، سازمانی که مسئله را دقیق صورت بندی کرده و از ابزار مناسب در جای مناسب استفاده می کند، حتی در شرایط عدم قطعیت نیز می تواند تصمیم هایی بگیرد که از نظر منطقی قابل دفاع و از نظر اجرایی قابل اتکا باشند.

در نهایت، شاید بتوان گفت ماندگاری TOPSIS طی بیش از چهار دهه، بیش از آنکه ناشی از سادگی محاسبات یا فراوانی کاربردهای آن باشد، به دلیل سازگاری این روش با شیوه واقعی تصمیم گیری انسان است. انسان ها معمولا در جست وجوی راه حل های کامل نیستند؛ آن ها می کوشند در میان گزینه های ناقص، انتخابی انجام دهند که بیشترین تناسب را با شرایط، اهداف و محدودیت های پیش رو داشته باشد. TOPSIS این منطق شهودی را به چارچوبی نظام مند و قابل تحلیل تبدیل کرده است و شاید همین ویژگی، مهم ترین دلیل تداوم جایگاه آن در ادبیات تصمیم گیری چندمعیاره باشد.