تاثیر هوش مصنوعی بر تصمیم‌گیری مدیران در کسب کارهای نوپا (مطالعه موردی: پارک علم و فناری تهران)
محورهای موضوعی : پژوهشنامه اقتصاد و کسب و کار
حسین مهدی رکن آبادی
1
,
محسن عامری شهرابی
2
*
,
مهسا میر شاهی
3
1 - دانشجوی دکتری مدیریت دولتی، گروه مدیریت دولتی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران ، ایران
2 - گروه مديريت فرهنگی، واحد تهران شمال، دانشگاه آزاد اسلامي، تهران، ايران
3 - دانشجوی دکتری مدیریت بازرگانی، گروه مدیریت بازرگانی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران ، ایران
کلید واژه: هوش مصنوعی, تصمیم‌گیری, کسب و کار نوپا, پارک علم فناوری,
چکیده مقاله :
این پژوهش به بررسی تأثیر هوش مصنوعی بر تصمیم‌گیری مدیران در کسب‌وکارهای نوپا واقع در پارک علم و فناوری تهران می‌پردازد. هدف اصلی تحقیق شناسایی عوامل مؤثر هوش مصنوعی بر فرآیندهای تصمیم‌گیری و تحلیل چالش‌ها و مسئولیت‌های مرتبط با استفاده از این فناوری در محیط‌های نوپا است. این تحقیق از نوع توصیفی-تحلیلی و پژوهش‌های کاربردی می‌باشد. داده‌ها از طریق مصاحبه‌های عمیق با ۲۱ نفر از مدیران و کارشناسان مرتبط با پارک‌های علم و فناوری جمع‌آوری شده است. روش کدگذاری باز، کدگذاری محوری و کدگذاری انتخابی به‌کار گرفته شده و تکنیک دلفی برای تعیین مؤلفه‌ها و زیرمؤلفه‌های تأثیر هوش مصنوعی بر تصمیم‌گیری استفاده شده است. نتایج تحقیق نشان‌دهنده شناسایی چهار مؤلفه اصلی شامل “تحلیل و پردازش داده‌ها”، “بهینه‌سازی تصمیم‌گیری”، “مدیریت منابع و فرآیندها” و “چالش‌ها و مسئولیت‌ها” است. همچنین، یافته‌ها تأکید بر اهمیت هوش مصنوعی در بهبود سرعت، دقت و کارایی تصمیم‌گیری مدیران داشته و چالش‌هایی نظیر تعصب الگوریتمی و نگرانی‌های حریم خصوصی را نیز مطرح می‌سازد. نتایج این تحقیق می تواند به درک بهتر نقش این فناوری در بهبود عملکرد سازمانی و شناسایی چالش‌های مرتبط با آن، و در سطح مدیران عالی و سیاست‌گذاران در توسعه استراتژی‌های مؤثر و استفاده بهینه از هوش مصنوعی ارائه طریق نماید.
This study examines the impact of artificial intelligence on managers’ decision-making in start-up businesses located in Tehran Science and Technology Park. The main objective of the study is to identify the factors affecting artificial intelligence on decision-making processes and analyze the challenges and responsibilities associated with using this technology in start-up environments. This study is of a descriptive-analytical and applied research type. Data were collected through in-depth interviews with 21 managers and experts related to science and technology parks. Open coding, axial coding, and selective coding methods were used, and the Delphi technique was used to determine the components and subcomponents of the impact of artificial intelligence on decision-making. The results of the study indicate the identification of four main components, including “data analysis and processing”, “decision-making optimization”, “resource and process management”, and “challenges and responsibilities”. The findings also emphasize the importance of AI in improving the speed, accuracy, and efficiency of managers' decision-making, and raise challenges such as algorithmic bias and privacy concerns. The results of this research can provide a better understanding of the role of this technology in improving organizational performance and identifying the challenges associated with it, and at the level of senior managers and policymakers in developing effective strategies and optimal use of AI.
• Ajunwa, I. (2022). "The quantified worker: Law and technology in the modern workplace". Cambridge University Press
• Ali, M., Kumar, A., Baabdullah, A., & Alalwan, A. A. (2023). Artificial intelligence in human resource management: A systematic review and future research agenda. "Technological Forecasting and Social Change, 189", 122346.
• Alrakhawi, H. A., Elqassas, R., Elsobeihi, M. M., Habil, B., Abunasser, B. S., & Abu-Naser, S. S. (2024). Transforming Human Resource Management: The Impact of Artificial Intelligence on Recruitment and Beyond.
• Balasubramanian, S., Ye, Y., & Xu, S. X. (2022). Artificial intelligence and the future of work: Evidence from AI-based algorithms. "Information Systems Research, 33"(1), 127-144.
• Böhmer, N., & Schinnenburg, H. (2023). Trust in AI-based HR decision-making: A conceptual framework. "Employee Relations", "ahead-of-print".
• Brown, J., & Green, A. (2024). Artificial Intelligence and Strategic Decision-Making in Startups. Journal of Business Research, 145, 230-245.
• Budhwar, P., Pereira, V., & Malik, A. (2022). Artificial intelligence in human resource management: Challenges and a research agenda. "Human Resource Management Review, 32"(2), 100845.
• Cappelli, P. (2021). Talent on Demand: Managing Talent in an Age of Uncertainty. Harvard Business Review Press.
• Chowdhury, R., Budhwar, P., & Singh, S. K. (2023). Responsible AI in HRM: Bridging theory and practice. "Technological Forecasting and Social Change, 186", 122185.
• Goldman Sachs. (2023). "The future of work: How AI could impact economic growth". https://www.goldmansachs.com/
• International Federation of Robotics. (2023). "World Robotics Report 2023". https://ifr.org/
• Johnson, M., Smith, R., & Lee, T. (2024). The Impact of AI on Strategic Decision-Making in Emerging Startups. International Journal of Entrepreneurship and Small Business, 22(3), 123-139.
• Kaplan, A., & Haenlein, M. (2019). Siri, Siri, in my hand: Who’s the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence. Business Horizons, 62(1), 15-25.
• Kim, H., & Park, S. (2023). AI Applications in Startup Decision-Making: A Comprehensive Study. Technology Innovation Management Review, 13(2), 45-59.
• Kiron, D. (2022). Reshaping business with artificial intelligence: Closing the gap between ambition and action. "MIT Sloan Management Review, 63"(3), 1–7.
• Köchling, A., & Wehner, M. C. (2020). Discriminated by an algorithm: A systematic review of discrimination and fairness in algorithmic decision-making. "Business & Information Systems Engineering, 62"(4), 193–207.
• Lee, C., Kim, J., & Patel, R. (2023). Enhancing Startup Decision-Making with AI Technologies. Computers in Human Behavior, 131, 107-115.
• Lepri, B., Oliver, N., Letouzé, E., Pentland, A., & Vinck, P. (2018). Fair, transparent, and accountable algorithmic decision-making processes. "Philosophy & Technology, 31"(4), 611–627.
• Margherita, A. (2022). Human resources digital transformation in the AI era: A new HRM frontier. "Journal of Business Research, 151", 252–263.
• Martin, L., & O’Reilly, K. (2023). Artificial Intelligence and Data-Driven Decision Making in Startups. Journal of Startup Management, 18(1), 67-82.
• Michaels, E., Handfield-Jones, H., & Axelrod, B. (2021). The War for Talent: How to Attract and Retain the Best Employees. Harvard Business Press
• Palos-Sánchez, P. R., Correia, M. B., & Sá, J. C. (2022). Organizational agility through AI in HR processes. "Journal of Open Innovation: Technology, Market, and Complexity, 8"(2), 90.
• Pan, Y., Zhang, J., & Chen, X. (2022). AI adoption in HRM: A systematic review. "Information & Management, 59"(3), 103589
• Patel, A., & Kumar, R. (2023). The Influence of AI on Decision-Making Processes in New Ventures. Entrepreneurship Theory and Practice, 47(4), 1012-1030.
• Pereira, V., Budhwar, P., & Patel, C. (2023). Reimagining human resource management with AI: Challenges and opportunities. "Human Resource Management International Digest, 31"(1), 1–4.
• Prikshat, V., Islam, M. A., Patel, C., Malik, A., Budhwar, P., & Gupta, M. (2023). Human-AI collaboration in recruitment: Toward a balanced future. "Journal of Business Research, 159", 113582.
• Rios-Campos, C., Zambrano, E. O. G., Vargas, D. J. C., Merino, L. A. A., Vallejos, P. A. A., Alcantara, I. M. B., ... & Calderón, E. V. (2024). Startups and artificial intelligence. South Florida Journal of Development, 5(2), 950-969.
• Roberts, T., & Williams, P. (2023). Leveraging AI for Improved Decision-Making in Startup Environments. Journal of Management Studies, 60(6), 1341-1360.
• Smirnova, Y. and Travieso-Morales, V. (2025), "Tech startups and general data protection regulation: an empirical exploration of compliance challenges", Journal of Small Business and Enterprise Development, Vol. 32 No. 8, pp. 54-82. https://doi.org/10.1108/JSBED-09-2024-0495
• Smith, K., & Jones, L. (2022). AI-Driven Decision-Making: Transforming Startups’ Management Strategies. Journal of Business Strategy, 43(2), 89-97.
• Taha, A. M., et al. (2023). "A systematic literature review of deep and machine learning algorithms in brain tumor and meta-analysis." Journal of Theoretical and Applied Information Technology 101(1): 21-36.
• Thompson, H., & Hamilton, S. (2022). Artificial intelligence in structured hiring: Opportunities and risks. Journal of HR Technology, 15(3), 203–217.
• Upadhyay, A. K., & Khandelwal, K. (2022). Artificial intelligence in recruitment: A review and research agenda. "Journal of Strategic Human Resource Management, 11"(1), 1–13
• Wilson, H. J., & Daugherty, P. R. (2018). Collaborative intelligence: Humans and AI are joining forces. "Harvard Business Review, 96"(4), 114–123.
• Xiao, M., Cooke, F. L., & Xu, J. (2023). Human resource management in the age of AI: A review and research agenda. "Human Resource Management Review, 33"(1), 100916.
• Zhang, Y., Wang, X., & Liu, Z. (2021). The Role of Artificial Intelligence in Managerial Decision-Making in Startups. Journal of Technology Management & Innovation, 16(1), 33-50