Αν και η πλήρη αυτοματοποίηση του στρατηγικού μάνατζμεντ χρησιμοποιώντας την υπάρχουσα Τεχνητή Νοημοσύνη δεν είναι εφικτή, οι εταιρίες μπορούν να επιταχύνουν σημαντικά την διαδικασία χρησιμοποιώντας προχωρημένες τεχνικές prompting. Σε αυτή την εργασία βρίσκουμε ότι το  zero-shot prompting δίνει χαμηλής ποιότητας αποτελέσματα, ενώ το Chain-of-Thought και το Persona δίνουν σημαντικά καλύτερα. Αντί να αντικαστήσει την ανθρώπινη λογική η ΤΝ δρα σαν καταλύτης ικανός να επιταχύνει την θεμελιώδη δουλειά για τις αναλύσεις PESTEL και VRIO, όπως και για τα Objectives and Key Results.  

Για να αυξηθεί η αποδοτικότητα της ΤΝ, οι μάνατζερς πρέπει να επενδύσουν προκαταβολικά για στην δημιουργία λεπτομερών business cases που να περιέχουν αναλυτικά οικονομικά στοιχεία, το όραμα της εταιρείας, και το ιστορικό της. Επειδή τα κόστη της ΤΝ είναι ελάχιστα, η διαδικασία μπορεί να γίνει επαναλαμβανόμενα. Τέλος, τα στελέχη και πρέπει να  επιθεωρήσουν και να τελικοποιήσουν τα αποτελέσματα για να γίνουν η επίσημη στρατηγική της εταιρείας.  

Επειδή η ΤΝ προχωράει πολύ γρήγορα η μελλοντική έρευνα πρέπει να συμπεριλάβει τα νέα μοντέλα. Επιπρόσθετα, πρέπει να εξετάστουν οι αυτόνομοι πράκτορες σε συνδυασμό με προχωρημένο prompting για την δημιουργία εταιρικών στρατηγικών. 

While fully automating strategic management using current AI (Large Language Models) is not yet feasible, organizations can significantly accelerate workflows by utilizing advanced prompting techniques. This thesis finds that zero-shot prompting yields lower-quality outputs, whereas Chain-of-Thought and Persona methods provide substantial improvements. Rather than replacing human judgment, AI serves as an accelerator capable of generating the foundational work for the PESTEL and VRIO analyses, and Objectives and Key Results. 

To maximize AI's utility, managers must invest upfront in crafting detailed, real-world business cases containing comprehensive financial data, company vision, and historical context. Because AI usage costs are minimal, iterative refinement is highly cost-effective. Ultimately, executives and stakeholders must review, refine, and finalize the AI-generated drafts to formulate the official company strategy. 

As AI technology rapidly advances, future research must evaluate new model capabilities as they emerge. Additionally, exploring autonomous agent frameworks, where multiple trained AI agents use advanced prompting to compete and generate optimized strategic outcomes, represents a critical next step for organizational strategy formulation.