شناسایی و تحلیل پیشرانهای کلیدی توسعه هوش مصنوعی
الموضوعات : هوش مصنوعی و رباتیکلیلا منصوری فر 1 , سید سروش قاضی نوری 2
1 - گروه مدیریت فناوری و کارآفرینی، دانشکده مدیریت و حسابداری دانشگاه علامه طباطبایی، تهران، ایران
2 - گروه مدیریت فناوری و کارآفرینی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی
الکلمات المفتاحية: توسعه هوش مصنوعی, اثرات متقابل, AI, میک‌مک و STEEPV,
ملخص المقالة :
بهره‌مندی از فرصت‌های نوآورانه و منافع اقتصادی مستتر در هوش مصنوعی به‌ویژه پس از سال 2022، مستلزم توسعه هوش مصنوعی و سیاستگذاری صحیح و برنامه‌ریزی دقیق برای آن است. سوال مهمی که مطرح می‌گردد این است که پیشرانهای توسعه هوش مصنوعی چیست؟ این توسعه با چه موانع و تنگناهایی مواجه است که رفع آنها می‌تواند به عنوان پیشران توسعه هوش مصنوعی عمل کند؟ و سوال دیگر اینکه چه ارتباطی میان این پیشران‌ها با یکدیگر وجود دارد؟ در میان این پیشران‌ها کدامیک نقش کلیدی داشته و بر سایرین تاثیر می‌گذارند و کدامیک تاثیر کمتری بر سایر پیشران‌ها دارند؟ پاسخ این سوالات به سیاستگذاران کمک می‌کند که در تدوین سیاست‌ها، بر پیشرانهای کلیدی متمرکز گردند که نقش کلیدی داشته و تاثیر تعیین‌کننده‌ای بر سایر پیشران‌ها دارند، یا به دلیل تاثیرگذاری بر سایر پیشران‌ها و تاثیرپذیری شدید از آنان نقش راهبردی در سیستم ایفا می‌کنند. در این تحقیق، نوزده پیشران کلیدی بر مبنای مطالعه منابع مطالعاتی و اخذ نظرات خبرگان شناسایی شدند. سپس روابط مستقیم و غیر مستقیم میان این پیشران‌ها بر اساس روش تحلیل اثرات متقابل (CIS) و در نرم‌افزار میک‌مک مورد بررسی قرار گرفت. بر این اساس، دو پیشران کلیدی و هشت پیشران راهبردی شناسایی شدند که لازم است مورد تمرکز سیاستگذاران توسعه هوش مصنوعی قرار گیرند. همچنین هشت پیشران مستقل و غیر مرتبط با سیستم شناخته شدند که نه تاثیری بر سیستم دارند و نه از آن تاثیر می‌پذیرند و یک متغیر به شدت متاثر از سیستم اما بدون تاثیر بر آن شناخته شد.
[1] D. Acemoglu, “The Simple Macroeconomics of AI”, NBER, 2024, WP.32487.
[2] United Nations Environment Programme, “AI has an environmental problem. Here’s what the world can do about that,” 13/11/2025. [Online]. Available: https://www.unep.org/news-and-stories/story/ai-has-environmental-problem-heres-what-world-can-do-about. [Accessed: Aug. 18, 2026].
[3] K. M. Pratt, "9 Key Benefits of AI for Business", TechTarget, [Online], 05/12/2025. Available: https://www.techtarget.com/searchenterpriseai/feature/6-key-benefits-of-AI-for-business [Accessed: May. 5, 2026].
[4] Y. Qin, Z. Xu, X. Wang and M. Skare, "Artificial intelligence and economic development: An evolutionary investigation and systematic review". Journal of the Knowledge Economy, 2022, 15(1), 1736-70.
[5] A. Widuto, “AI and the energy sector”, European Parliamentary Research Service, Tech. Rep, Jul. 2025.
[6] D. D'Ambrosio, H. Hopewell, V. Jacamon, A. Martinos and N. Salmon, "Energy and AI", International Energy Agency (IEA), Tech. Rep. 2025. Available: https://www.iea.org/reports/energy-and-ai [Accessed: May. 3, 2026].
[7] L. Yee, M. Chui, R. Roberts, and S. Smit, “Technology Trends Outlook 2025”, McKinsey & Company, Tech. Rep. 2025.
[8] M. Tadeo, “EU needs true single market to stay competitive, Nobel prize winner Aghion tells Euronews,” Euronews, Dec. 03, 2025. [Online]. Available: https://www.euronews.com/my-europe/2025/12/03/eu-needs-true-single-market-to-stay-competitive-nobel-prize-winner-aghion-tells-euronews, [Accessed: May. 22, 2026].
[9] M. Comunale and A. A. Manera, "The Economic Impacts and the Regulation of AI: A Review of the Academic Literature and Policy Actions," IMF Working Papers 2024/065, International Monetary Fund, 2024.
[10] C. Alonso C. A. Berg, S. Siddharth Kothari, CH. Papageorgiou, S. Rehman, "Will the AI revolution cause a great divergence?", Journal of Monetary Economics, 2022, Volume 127.
[11] A. Nagamatsu, Y. Nagamatsu, CH. Watanabe, "The new paradigm of informal economies under GAI driven innovation", Telecom 2025, 6:39
[12] M. Emami, A.A Haghdoost, V. Yazdi‑Feyzabadi and M. H. Mehrolhassani, "Drivers, uncertainties, and future scenarios of the Iranian health system", BMC Health Services Research, 2022, 22:1402.
[13] A. Ahmadzadeh Ghasab, M. Heydari and M. Arab, "Foresight for Internationalization of Medical Sciences Universities in Iran in the 2040 horizon", European Journal of Futures Research, 2025, 13:2.
[14] S. Ch. Pandey, N. Virmani, Dimple Bhandari and Sandeep Jagtap, "A sustainability-oriented KPI framework for digital twin adoption in the sugar industry: ISM–MICMAC approach", Journal of Agribusiness in Developing and Emerging Economies, 2025, e-ISSN: 2044-0847.
[15] M. Soares, A. do Paço, A. Braga and A. Arantes, "Modelling the Barriers to Reverse Logistics for Sustainable Supply Chains: A Combined ISM and MICMAC Analysis Approach", Sustainability, 2025, 17:9375.
[16] A. Agrawal, JS. Gans, A. Goldfarb A, "Exploring the impact of artificial intelligence: Prediction versus judgment",Information Economics and Policy". 2019 Jun 1;47:1-6.
[17] S. Pramono, M. Ulkhaq and Z. Aulia, "Analysing the barriers of reverse logistics implementation: A case study", 2022, IOP Conf. Ser.: Mater. Sci. Eng. 1072 012063.
[18] L. Yee, M. Chui, R. Roberts, and M. Issler, “Technology Trends Outlook 2024”, Tech. Rep. 2025.