بررسی اثر هوش مصنوعی در حکمرانی شبکه ای سازمانهای خدماتی، مورد مطالعه: صنعت توزیع گاز ایران
الموضوعات :
هادی مهرابی شرف آبادی
1
,
صدیقه طوطیان اصفهانی
2
,
کرم الله دانشفرد
3
,
محمدعلی موفق پور
4
1 - دانشجوی دکتری، گروه مدیریت دولتی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات دانشگاه آزاد اسلامی، تهران، ایران
2 - دانشیار، گروه مدیریت، دانشگاه آزاد اسلامی، واحد تهران غرب، تهران، ایران.
3 - استاد، دانشکده مدیریت و حسابداری، دانشگاه علوم تحقیقات، تهران، ایران
4 - استادیار، دانشگاه صنعتی جندی شاپور ، گروه مهندسی مکانیک، دزفول ، ایران
الکلمات المفتاحية: حکمرانی شبکه ای, هوش مصنوعی, صنعت توزیع گاز ایران, دلفی,
ملخص المقالة :
توسعه فناوریها رویکرد حکمرانی شبکه ای را در سازمانهای عمومی و خدماتی اجتناب ناپذیر کرده است. هوش مصنوعی بسیاری از مولفه های حکمرانی را تحت تاثیر خواهد داد که در این مقاله این مولفه ها را در سازمانهای خدماتی توزیع گاز ایران شناسایی و بررسی نموده ایم. در این تحقیق برای گردآوری اطلاعات، در مرحله اول از روش دلفی و در مرحله دوم از روش پیمایشی ابتدا برای جمع‌آوری داده‌ها و اطلاعات مورد نیاز استفاده شد. منابع کتابخانه‌ای و پرسشنامه نیز برای جمع‌آوری اطلاعات اکتشافی مورد استفاده قرار گرفت. سپس با استفاده از پرسشنامه‌های مناسب برای هر بخش، متغیرهای مورد نیاز جمع‌آوری شدند. با در نظر گرفتن نظرات 15 خبره و اندازه‌گیری ضریب همبستگی کندال، توافق آنان تأیید شد و در صنعت توزیع گاز ایران تحلیل شد. نتایج نشان داد مهمترین مولفه هایی که تحت تاثیر هوش مصنوعی قرار می گیرند: پاسخگویی به مشترکین، تصمیم گیری مدیران، برنامه ریزی عملیاتی نگهداری و تعمیرات، مدیریت مالی و گزارشات تحلیلی و آماری هستند. کمک به تصمیم گیری مدیران در صنعت توزیع گاز ایران بیشترین اهمیت در بکارگیری هوش مصنوعی را کسب نموده است.مکانیزه شدن فرآیندهای سازمانی از جمله فرآیندهای مالی که اهمیت بسیار زیادی در شرکتهای توزیع گاز دارند ارتباط مالی این شرکتها را با میلیونها مصرف کننده که صورتحساب گاز پرداخت می کنند را بهینه می کند. هوش مصنوعی با تحلیل داده ها می تواند برنامه های پیشگیرانه دقیقی برای تاسیسات ایجاد نموده و با تحلیل خرابی ها فرآیندهای تعمیراتی را تسریع بخشد. تحلیل داده ها و تهیه گزارشات آماری که می تواند روندهای مصرف گاز و رفتار مشتریان را تحلیل کند توسط هوش مصنوعی پیاده سازی شود.
1. خیاط بصیری، شقایق و موحدی سبحانی، فرزاد و سجادی، سید جعفر، (1401)،توسعه توانمندسازهای حکمرانی با هدف توزیع گاز پایدار: موردکاوی از شرکت گاز استان https://www.doi.org/10.22034/jgeoq.2022.340284.3683
2. سیاستهای کلی نظام -ابلاغی از سوی مقام معظم رهبری- (1379)- مرکز پژوهشهای مجلس -https://rc.majlis.ir/fa/law/show/99709
3. فریدنیا، میلاد و استخریان حقیقی، امیررضا،1402،تاثیرات هوش مصنوعی بر بازاریابی دیجیتال و بررسی اثرات آن بر روی تولید محتوای هوشمند و سرعت پاسخگویی به نیازهای مشتری، نخستین کنفرانس ملی اینترنت اشیا، اهواز،https://civilica.com/doc/1905141
4. مهرابی شرف آبادی، هادی (1401). ابرتغییرات مدیریت دولتی. انتشارات فرهنگ و هنر صادق، چاپ اول، تهران. فصل چهارم، فناوری بلاک چین و مدیریت دولتی. ص 61 الی 115. https://ketab.ir/book/c7658ac3-9cd5-4106-ad52-652375b4cf9f
5. مهرابی شرف آبادی، هادی و ولی خانی، ماشاالله،(1402)، شناسایی موانع ارتقاء بهره وری و رفع آن ها و ارائه مدل محاسبه بهره وری کل در شرکت های دولتی توزیع گاز- http://iieshrm.ir/article-1-1482-fa.html
6. Alhosani, Khalifa & Alhashmi, Saadat. (2024). Opportunities, challenges, and benefits of AI innovation in government services: a review. Discover Artificial Intelligence. 4. 10.1007/s44163-024-00111-w.
7. Habibi, Arash., Sarafrazi, Azam., Izadyar, Sedigheh (2014), Delphi Technique Theoretical Framework in Qualitative Research1, The International Journal Of Engineering And Science, vol 3. No.4, pp.08-13.
8. Kapucu, N., & Hu, Q. (2020). Network governance: Concepts, theories, and applications. New York: Routledge. https://doi.org/10.4324/9781351056540
9. Knieps, G. (2023). The Governance of Big Data and Artificial Intelligence in Network Industries. Competition and Regulation in Network Industries, 17835917231185877. https://doi.org/10.1177/17835917231185877
10. Pomares, J., & Abdala, M. (2020). The Future of AI Governance: The G20's Role and the Challenge of Moving Beyond Principles. Global Solutions Journal (5).
11. Provan, K. G., & Kenis, P. (2008). Modes of network governance: Structure, management, and effectiveness. Journal of public administration research and theory, 18(2), 229-252. https://doi.org/10.1093/jopart/mum015
12. Reis, J., Santo, P. E., & Melão, N. (2019, June). Impacts of artificial intelligence on public administration: A systematic literature review. In 2019 14th Iberian conference on information systems and technologies (CISTI) (pp. 1-7). IEEE.
13. Taeihagh, A. (2021). Governance of artificial intelligence. Policy and society, 40(2), 137-157. https://doi.org/10.1080/14494035.2021.1928377
14. Veale, M., & Brass, I. (2019). Administration by algorithm? Public management meets public sector machine learning. Public management meets public sector machine learning.
15. Yu, B., & Kumbier, K. (2018). Artificial intelligence and statistics. Frontiers of Information Technology & Electronic Engineering, 19(1), 6-9.
