شناسایی و تحلیل پیشرانهای کلیدی توسعه هوش مصنوعی
محورهای موضوعی : 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
کلید واژه: توسعه هوش مصنوعی, اثرات متقابل, AI, میکمک و STEEPV,
چکیده مقاله :
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.
Taking advantage of the innovative opportunities and economic benefits inherent in artificial intelligence, especially after 2022, requires the development of artificial intelligence and sound policymaking and careful planning for it. An important question that arises is what are the drivers of the development of artificial intelligence? Which obstacles and bottlenecks does this development face that, if resolved, can act as a driver for the development of artificial intelligence? And another question is whether there is a connection between these drivers? Among these drivers, which ones play a key role and influence others, and which ones have less influence on other drivers? The answers to these questions help policymakers to focus on key drivers in formulating policies that play a key role and have a decisive impact on other drivers, or play a strategic role in the system due to their influence on other drivers and their strong influence on them. In this study, nineteen key drivers were identified based on a study of research sources and obtaining expert opinions. Then, the direct and indirect relationships between these drivers were examined based on the interaction analysis (CIS) method and in the MICMAC software. Accordingly, two key drivers and eight strategic drivers were identified that need to be focused on by policymakers in the development of artificial intelligence. Also, eight independent and unrelated drivers were identified that neither have an impact on the system nor are they affected by it, and one variable was identified as being strongly affected by the system but without any impact on it.
[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.