بررسی اثر هوش مصنوعی در حکمرانی شبکه ای سازمانهای خدماتی، مورد مطالعه: صنعت توزیع گاز ایران

محورهای موضوعی : کاربرد هوش مصنوعی و فناوری اطلاعات

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

تاریخ دریافت : 1402/12/12 تاریخ پذیرش : 1403/03/28 تاریخ انتشار : 1403/05/13

کلید واژه: حکمرانی شبکه ای, هوش مصنوعی, صنعت توزیع گاز ایران, دلفی,

چکیده مقاله :

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. 

چکیده انگلیسی:

Introduction:

The development of technologies has made networked governance an inevitable approach in public and service organizations. Artificial intelligence will affect many components of governance, and in this paper, we have identified and examined these components in the Iranian gas distribution service organizations.

Methodology:

In this research, for data collection, the Delphi method was used in the first stage and the survey method was used in the second stage to collect the required data and information. Library resources and questionnaires were also used to collect exploratory information. Then, using appropriate questionnaires for each section, the required variables were collected. Considering the opinions of 15 experts and measuring Kendall's coefficient of concordance, their agreement was confirmed and analyzed in the Iranian gas distribution industry.

Results and Discussion:

The results showed that the most important components affected by artificial intelligence are: responding to subscribers, decision-making by managers, operational planning for maintenance and repairs, financial management, and analytical and statistical reporting.

Conclusion:

Artificial intelligence can play an important role in improving efficiency, reducing costs and increasing customer satisfaction in the Iranian gas distribution industry. Artificial intelligence systems, by connecting to various portals and processing information, can produce appropriate responses for gas subscribers and have a direct impact on managerial decision-making in  Artificial intelligence can create accurate preventive plans for facilities by analyzing data and speed up repair processes by analyzing failures. Data analysis and preparation of statistical reports that can analyze trends in gas consumption and customer behavior will be implemented by artificial intelligence.various areas and on the configuration of the gas facility maintenance system.

منابع و مأخذ:

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.

متن کامل:



 

Applied Research in Sustainable Industry Management

Original Research Article/ Vol.01, No.01, Spring 2024, P:125-141

 

 

Examining the Effect of Artificial Intelligence on Networked Governance in Service Organizations: A Case Study of the Iranian Gas Distribution Industry

Hadi Mehrabi Sharafabadi ¹, Sedigeh Tootian ², Karamollah Daneshfar +, Mohamad Ali Movafaghpour×

---

[1] * PhD Candidate, Department of Public Administration, Faculty of Management and Economics, Science and Research Branch, Islamic Azad University, Tehran, Iran., E-mail: [e-mail]

** Associate Professor, Department of Management Islamic Azad University, West Tehran Branch, Tehran, Iran., (Crossponding  Authur), Email: [e-mail]

[2] + Professor, Department of Public Administration, Science and Research Branch, Islamic Azad University, Tehran, Iran., Email: [e-mail]

× Assistant Professor, Department of Industrial Engineering, Jundi-Shapur University of Technology, Dezful, Iran, Email: [e-mail]

 

Received:2024/03/02                Accepted: 2024/06/17

Introduction:

The development of technologies has made networked governance an inevitable approach in public and service organizations. Artificial intelligence will affect many components of governance, and in this paper, we have identified and examined these components in the Iranian gas distribution service organizations.

Methodology:

In this research, for data collection, the Delphi method was used in the first stage and the survey method was used in the second stage to collect the required data and information. Library resources and questionnaires were also used to collect exploratory information. Then, using appropriate questionnaires for each section, the required variables were collected. Considering the opinions of 15 experts and measuring Kendall's coefficient of concordance, their agreement was confirmed and analyzed in the Iranian gas distribution industry.

Results and Discussion:

The results showed that the most important components affected by artificial intelligence are: responding to subscribers, decision-making by managers, operational planning for maintenance and repairs, financial management, and analytical and statistical reporting.

Conclusion:

Artificial intelligence can play an important role in improving efficiency, reducing costs and increasing customer satisfaction in the Iranian gas distribution industry. Artificial intelligence systems, by connecting to various portals and processing information, can produce appropriate responses for gas subscribers and have a direct impact on managerial decision-making in various areas and on the configuration of the gas facility maintenance system.

Keywords: 

Networked governance, artificial intelligence, Iranian gas distribution industry, Delphi. 

JEL Classification: Z14                

 

 

                              نشريه علمی پژوهش­هاي کاربردی در مدیریت صنعت پایدار 

 

بررسی اثر هوش مصنوعی در حکمرانی شبکه ای سازمانهای خدماتی، مورد مطالعه: صنعت توزیع گاز ایران¹

هادی مهرابی شرف آبادی²،  صدیقه طوطیان ³، کرم اله دانش فرد ⁴، محمدعلی موفق پور ⁵

 

تاریخ دریافت:  12/12/1402                         تاریخ پذیرش: 28/03/1403

چکیده

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.

واژگان کلیدی: حکمرانی شبکه ای، هوش مصنوعی، صنعت توزیع گاز ایران، دلفی.

طبقه­بندی JEL:Z14

1.‌ مقدمه     

گذار به عصر دیجیتال در حال حاضر آغاز شده است و به سرعت در حال حرکت است. هوش مصنوعی (AI) چالش‌های جدیدی را ایجاد می‌کند و بر نهادهای عمومی برای تغییر فشار وارد می‌کند. الگوریتم ها به طور فزاینده ای توسط دولت ها و مشاغل مورد استفاده قرار می گیرند. آنها با استفاده از ابزارهای ارزیابی خودکار، اشتغال را متحول می کنند، به ارائه خدمات عمومی کمک می کنند، رویه های دولتی را ساده می کنند، روشی را که عدالت کیفری از طریق پلیس پیش بینی عمل می کند، تغییر می دهند، و با ترکیب ابزارهای ارزیابی خودکار، سیستم های آموزشی را دوباره شکل می دهند. اما بسیاری از این تحولات دارای سطوح پایینی از شفافیت، دانش عمومی و فاقد مکانیسم‌های نظارتی هستند. خطرات این انتقال نیز قابل توجه است و چالش های شدید حاکمیتی را ایجاد می کند (ریس⁶ و همکاران، 2019).

در دهه‌های اخیر، فناوری هوش مصنوعی به عنوان یکی از پیشرفت‌های علمی و فناوری است که توانایی پردازش داده‌های بزرگ و تصمیم‌گیری هوشمند را در مقیاس بالا فراهم می‌کند. بنابراین بزودی سازمان‌های عمومی نیز از این فناوری برای بهبود عملکرد و پاسخگویی خود به نیازهای جامعه بهره‌مند می‌شوند (فریدنیا و استخریان، 1402).

تعداد کمی از دولت‌ها در سراسر جهان برنامه‌های جامعی را برای ترویج استفاده و توسعه هوش مصنوعی و تعیین دستورالعمل‌های ملی برای آینده آن راه‌اندازی کرده‌اند. کسانی که طرح کلی برای هوش مصنوعی تعیین کرده اند، تمایل دارند نقشه راه خود را به جای اهداف مشخص، بر اصول متمرکز کنند. هیچ دو استراتژی حاکمیتی برای فناوری‌های دیجیتال مشابه نیستند و تفاوت‌های بین کشورهای G20 در حال حاضر آشکار شده است. آنها از نظر رویکرد اتخاذ شده، درجه توسعه نهادی و ارتباط با بخش شرکت متفاوت هستند. اما مسائل میان بخشی وجود دارد که باید به آنها پرداخته شود، مانند قابلیت همکاری سیستم ها، حریم خصوصی و گنجاندن، که نیاز به درک، مکانیسم ها و هنجارهای مشترک دارند (پومارس و ابدالا⁷، 2020). 

معرفی فناوری های دیجیتال به طور کلی، و در بخش عمومی به طور خاص، اغلب به عنوان سودمند برای کاربران نهایی به تصویر کشیده می شود. با این حال، آیا فرآیندهایی که تحت عنوان «دموکراسی‌سازی»، «راحتی» و «انتخاب» انجام می‌شوند، در خدمت اهداف تبلیغاتی آن هستند؟ یا این تلاش های پنهان برای تقویت کنترل بر شهروندان است؟ به عبارت دیگر - آیا هوش مصنوعی تغییر قدرت بین بخش عمومی و شهروندان را تسهیل می کند یا صرفاً توزیع موجود را تشدید می کند؟ آیا استفاده از هوش مصنوعی در فرآیندهای حکمرانی، نحوه اعمال قدرت را تغییر می دهد؟

پیشرفت فناوری‌های ارتباطی و هوشمند در دوران فعلی به تغییرات قابل توجهی در خط‌مشی‌ها و روش‌های حکمرانی منجر شده است. حکمرانی شبکه‌ای، یک الگوی نوآورانه در زمینه مطالعات سازمان و مدیریت و خط‌مشی‌گذاری است که تأکید بر اهمیت ارتباطات غیررسمی و پویا بین سازمان‌ها، افراد و سایر ذینفعان دارد. در این الگو، تمرکز بر تقویت بهره‌وری و نوآوری از طریق به‌ اشتراک‌گذاری دانش، منابع و تخصص بین همکاران مختلف قرار دارد. نقش شبکه‌ها به‌عنوان یک رویکرد نوین در حوزه حکمرانی در دو دهه اخیر بسیار مورد توجه پژوهشگران دانشگاهی قرار گرفته است (پروان و کنیس⁸، 2008). بنابراین بسیاری از پارامترهای حکمرانی در بستر شبکه پیچیده ایجاد شده از عوامل و ذی نفعان، دچار تغییرات وسیعی شده است و فناوری هوش مصنوعی نیز آنها را تقویت یا تضعیف می کند.

2.‌ مروری بر ادبیات

1.2.شبکه های حکمرانی و هوش مصنوعی

شبکه‌های حکمرانی بیشتر بر اثربخشی خط مشی های عمومی و ارائه خدمات در شرایط وابستگی متقابل تمرکز دارند. مشروعیت و پاسخگویی دموکراتیک از این تلاش‌ها به طور مستقیم تأثیر نمی‌پذیرند. اما از دیدگاه پاسخگویی و ارائه خدمات، شبکه‌ها می‌توانند چالش برانگیز باشند، علت این مسئله این است که پیامدهای مختلف سیاسی و اجتماعی حاصل از فرآیند همکاری میان نقش‌آفرینان مختلف، پیگیری پاسخگویی را دشوار می‌کند(کاپوکو و هو، 2020).

دولت و بخش عمومی با ادغام هوش مصنوعی در هر جنبه ای از کار خود، مزایای استثنایی به دست خواهند آورد. استفاده از هوش مصنوعی در دولت باید حریم خصوصی و امنیت، سازگاری با سیستم های قدیمی و حجم کاری در حال تکامل را در نظر بگیرد. شرکت اینتل در ایالات متحده از سیستم‌های جامعی پشتیبانی می‌کنند که از تجربه آنها در کار با دولت‌ها و بخش عمومی نشأت می‌گیرد. آنها مدعی هستند می توانند پیچیده ترین مشکلات را به روش هایی که جامعه را متحول کند را حل کنند.

برای بخش عمومی - از جمله دولت ها در سطوح فدرال، ایالتی و محلی - سرمایه گذاری در هوش مصنوعی مزایای فوق العاده ای دارد. هوش مصنوعی این پتانسیل را دارد که به سازمان‌ها کمک کند تا به نحو احسن کار کنند، هزینه‌ها را مدیریت کنند و در تحقیقات پیشرفت زیادی داشته باشند.

شرکت های خصوصی پیشرفت های باورنکردنی در هوش مصنوعی داشته اند. با به کارگیری آموخته های خود در چالش های بخش عمومی، همه از آنچه هوش مصنوعی ارائه می دهد سود می برند. به طور مشابه، دولت اغلب محرک برخی از مهم ترین پیشرفت های فناوری است. نوآوری دولت و بخش عمومی می تواند به ترویج پذیرش هوش مصنوعی در صنایع کمک کند(الحسنی و الهاشمی⁹، 2024).

در دل هوش مصنوعی در خدمات دولتی تکنیک هایی مانند یادگیری ماشینی و یادگیری عمیق، بینایی کامپیوتر، تشخیص گفتار و روباتیک وجود دارد. هنگامی که این تکنیک ها به کار گرفته شوند، به مزایای واقعی و ملموس تبدیل می شوند. پردازش زبان طبیعی به طور خودکار اطلاعات مرتبط را از منابع اطلاعاتی استخراج می کند و ارتباط برقرار می کند و به تحلیلگران امکان می دهد بینش های عملی را بیابند. پیش‌بینی‌های میزان شکست به اطمینان از اینکه تجهیزات نظامی به خوبی نگهداری می‌شوند و در صورت نیاز آماده استقرار هستند، کمک می‌کند. تشخیص ناهنجاری سایبری می تواند استراتژی های امنیت سایبری را در سیستم های دولتی متحول کند. امکانات بی نظیری هستند و در عین حال تازه این موضوعات در حال شکل گرفتن هستند و در ابتدای راه قرار دارند.در ساختار کلاسیک فرآیند سیاست‌گذاری و ارائه خدمات در فضای دموکراتیک، نمایندگی و پاسخگویی برجسته  است. اما در شبکه‌های حکمرانی، با این که ساختارهای سنتی نیز وجود دارند ولی با چالش‌های پاسخگویی روبرو هستند. این چالش‌ها شامل فشارهایی از سوی گروه‌های مردمی به منظور مسئولیت‌پذیری برنامه‌های عمومی، همکاری نامعلوم مقامات دولتی با شبکه‌ها، و مکانیسم‌های پاسخگویی نامعلوم هستند.

شبکه‌ها، اغلب باید به گروهی از شرکای شناخته‌شده پاسخگو باشند؛ اما آمادگی آنها برای پاسخگویی به ذینفعان خارجی کمتر است. تصمیمات به طور شفاف گرفته نمی‌شوند و این باعث می‌شود ارزیابی از سوی افراد خارج از شبکه دشوار باشد. سیاسی‌سازی و منطق رسانه‌ای باعث تأکید رسانه‌ها بر تعارضات و تضادها می‌شود و این بازی سرزنشی ممکن است همکاری را مختل کند و از یادگیری جلوگیری کند.

در فرآیندهای سیاست‌گذاری، پاسخگویی معمولاً از طریق ارزیابی پیامدهای تصمیمات یا استانداردهای عملکرد سنجیده می‌شود. کارمندان دولتی و دیگر افراد باید در برابر پیامدها پاسخگو باشند و در مقابل تصمیمات سیاسی یا اهداف برنامه‌های سیاستی خاص قضاوت می‌شوند. این مسئله در شبکه‌های حکمرانی به دلیل حضور نقش‌آفرینان با اهداف مختلف، دشوارتر است. همچنین، اهداف اغلب در ابتدا مشخص نیستند و در طول فرآیند تعامل تدوین می‌شوند که باعث می‌شود ارزیابی نتایج و پاسخگویی دشوارتر شود.

می‌تواند چالش‌هایی مانند تنش‌ها، سردرگمی و کاهش عملکرد ناشی از هم‌آمیزی مکانیسم‌های پاسخگویی به وجود آید. در شبکه‌های حکمرانی، نقش‌آفرینان ممکن است با استانداردهای متفاوت و حتی متضاد روبه‌رو شوند، که ممکن است نیازمند به رویکردهای بداهه شوند. همچنین، می‌تواند نیاز باشد که با شاخص‌های عملکرد ملی مواجه شوند و به شهروندان و سازمان‌های مادر خود نیز پاسخگو باشند (پـروان و کنیس، ۲۰۰۸).

در کل، می‌توان انتظار داشت که هوش مصنوعی برای بهبود مکانیزم‌های پاسخگویی با تأثیر بر عوامل زیر عمل کند:

·       کاهش زمان پاسخگویی: با استفاده از فناوری هوش مصنوعی، می‌توان زمان پاسخگویی سازمان‌های عمومی را به طریقی کاهش داد. سیستم‌های هوشمند پاسخگویی به سوالات عمومی، پردازش خودکار اسناد و داده‌ها، و ربات‌های گفتگوی هوشمند می‌توانند به سازمان‌ها در ارائه پاسخ‌های سریع و جامع به نیازهای جامعه کمک کنند.

·       بهبود تجربه کاربری: استفاده از فناوری هوش مصنوعی می‌تواند تجربه کاربری در تعامل با سازمان‌های عمومی را بهبود بخشد. سیستم‌های هوشمند پشتیبانی مشتری، تحلیل داده‌های کاربری و ارائه پیشنهادات دقیق می‌توانند کاربران را در دریافت خدمات بهتر و سریع‌تر یاری کنند.

·       پیش‌بینی و تحلیل: فناوری هوش مصنوعی می‌تواند به سازمان‌های عمومی در پیش‌بینی و تحلیل رویدادها و الگوهای پیچیده کمک کند. الگوریتم‌های یادگیری ماشین و شبکه‌های عصبی می‌توانند از داده‌های گذشته استفاده کرده و پیش‌بینی‌های دقیقی درباره ترافیک، رفتار مشتریان و اقتصاد ارائه دهند. این امکان به سازمان‌ها می‌دهد تا برنامه‌ریزی بهتری انجام داده و منابع خود را بهینه‌سازی کنند. (تائیحق¹⁰، 2021).

·       اتوماسیون فرآیندها: فناوری هوش مصنوعی قادر است به سازمان‌های عمومی در اتوماسیون فرآیندها به صورت هوشمندانه کمک کند. سیستم‌های هوشمند تصمیم‌گیری، ربات‌های روباتیک و خودران، و سیستم‌های خودکار‌سازی می‌توانند فرآیندهای مرتبط با ارائه خدمات، مدیریت منابع و اجرای قوانین را به طریقی کارآمدتر و هوشمندانه‌تر انجام دهند.

·       امنیت و حریم خصوصی: استفاده از فناوری هوش مصنوعی به سازمان‌های عمومی کمک می‌کند تا امنیت و حریم خصوصی را بهبود بخشند. الگوریتم‌های هوشمند تشخیص تهدیدات، سیستم‌های تشخیص تقلب و سیستم‌های رمزنگاری می‌توانند سازمان‌ها را در مقابل حملات سایبری و سوءاستفاده از اطلاعات حفاظت کنند(نایپس¹¹، 2023).

2.2. هوش مصنوعی و حکمرانی

حکمرانی هوش مصنوعی یک بازی چند سطحی است که با مقاومت سیستمی در برابر فرمان، به دلیل حجم زیاد بازیگران، سرعت تغییر و اجتناب‌ناپذیر بودن فناوری در خطر شناخته می‌شود. به نظر می‌رسد که استراتژی‌های سطح بالای هوش مصنوعی ملی ارتباط چندانی با تجربه بوروکرات‌هایی که با شهروندانی که از احکام نامطلوب ماشینی گیج شده‌اند، ندارند. در یک مقاله (ویل و براس¹²، 2019) یک دسته بندی مفید سه سطحی از موانع توسعه یادگیری ماشینی بخش عمومی پیشنهاد شده است:

سطح کلان مستلزم ایجاد حقوق و تعهدات فردی فرابخشی جدید است. اینها باید با ارتقاء مهارت بوروکرات‌هایی که اکنون باید بتوانند به طور کامل پیامدهای مورد نظر و ناخواسته هوش مصنوعی را در برابر ارزش‌های عمومی، مانند دقت، انصاف، شفافیت و برابری ارزیابی کنند، پشتیبانی شوند.

 سطح میانه¹³ مستلزم توسعه روش‌های پویاتر برای اندازه‌گیری، نظارت و ارزیابی ورودی‌ها، پردازش اطلاعات، خروجی‌ها، نتایج و تأثیرات برنامه‌های عمومی با استفاده از یادگیری ماشین است که معیارهای ایجادشده عملکرد، کیفیت و ریسک بخش عمومی را با چالش ارزیابی مواجه می‌کند.

سطح خرد مستلزم ظهور تنش‌های جدید بین مشروعیت تصمیم‌های الگوریتمی مورد استفاده در ارائه خدمات خط مقدم، صلاحدید بوروکرات‌های سطح خیابان هنگام به کارگیری، ارزیابی یا نادیده گرفتن تصمیم‌های خودکار، و حقوق سوژه‌های داده در هنگام استفاده از این فرآیندها برای اطلاع‌رسانی تخصیص کالاها و خدمات عمومی است(مهرابی شرف آبادی، 1401).

مناطق شهری در تعاملات پیچیده بین چندین سازمان دولتی، خصوصی و غیرانتفاعی اداره می شوند. این بازیگران شامل دولت‌های محلی (شهری و شهرستانی)، مناطق ویژه، دولت‌های ایالتی، آژانس‌های مختلف دولت فدرال، انواع مختلف کسب‌وکارهای خصوصی و سازمان‌های غیرانتفاعی هستند که خدمات اجتماعی/انسانی ارائه می‌کنند. روابط بین این بازیگران کمتر سلسله مراتبی (یا غیر سلسله مراتبی) است. بنابراین مکانیسم‌های پاسخگویی اداری/بوروکراسی کمتر قابل اجرا هستند یا غیرقابل اجرا هستند. در بیشتر موارد، هیچ قلمرو جغرافیایی مشخصی از شبکه های حکومتی وجود ندارد. ممکن است برخی از قلمروهای مفهومی وجود داشته باشد، اما آنها معمولاً مبهم هستند.

دولتها در عصر حکمرانی شبکه ای با بکارگیری فناوریهای نوین در فضایی شفاف تر از قبل می توانند مشارکت عمومی را جهت اجرای خط مشی ها بکار گیرند و خلاقیت و نوآوری جهت حل مسائل عمومی با ایجاد پلت فرم های مناسب زمینه ظهور پیدا می کند. در این حالت منابع بهتر مدیریت می شوند و بستر دموکراتیک حاصل شده تخصیص منابع را در بستر عمومی اثربخش تر می کند. این تحقیق نشان می دهد موضوعات مربوط به فناوریها و رشد آنها به موازات بر اعتماد ، شفافیت و مشارکت عمومی تاثیر گذار است و شبکه های پیچیده ایجاد شده با بازیگران متعددی روبرو هستند که گاهی نقشی رسمی ندارند.

3.2. حکمرانی صنعت توزیع گاز ایران

شبکه‌های توزیع گاز در ایران با هدف تأمین انرژی برای مصرف کنندگان خانگی، صنعتی و عمومی، در حال توسعه هستند. طبق بند سوم سیاست‌های کلی نظام در بخش انرژی، گاز طبیعی به عنوان منبع اصلی تأمین انرژی کشور شناخته شده است (سياست‌هاي كلي نظام جمهوری اسلامی ایران، 1379). در نتیجه، سهم گاز طبیعی در سبد مصرف انرژی نهایی کشور از 4% در سال 1357 به بیش از 75% در سال 1401 افزایش یافته است. طبق این آمار، 98.5% از جمعیت شهری و 86% از جمعیت روستایی تحت پوشش شبکه گاز قرار گرفته‌اند. این وضعیت منحصر به فرد باعث می‌شود هرگونه مشکل یا خلل در زنجیره تأمین گاز طبیعی، امنیت انرژی و اقتصاد کشور را تحت تأثیر قرار دهد. در سال‌های اخیر، حاکمیت بر صنعت گاز در کشور با مشکلات و مسائل متنوعی روبه‌رو شده است. عدم تطابق عرضه و تقاضا و در نتیجه اعمال محدودیت‌های مصرف توسط صنایع در فصل سرد، یکی از پیامدهای این مشکلات است. ناتوانی در مدیریت تعادل عرضه و تقاضا برای گاز در زمستان، به‌عنوان یکی از مهمترین چالش‌ها در حاکمیت انرژی کشور محسوب می‌شود. علاوه بر این، مسائل دیگری مانند روابط مالی پیچیده و غیرشفاف بین بازیگران این صنعت، تصمیم‌گیری‌های برپایه عوامل سیاسی به جای عوامل عملیاتی، نظام تعرفه‌گذاری دستوری و عدم توجه تجاری به شرکت ملی گاز و شرکت‌های وابسته که همه آنها از مسائل حیاتی در حاکمیت صنعت توزیع گاز در ایران هستند، مورد بحث قرار می‌گیرند (خیاط بصیری و همکاران، 1401).

پیچیدگی و تعدد بازیگران در نظام حکمرانی توزیع گاز کشور ما را با جنبه های مبهم و مجهول از این موضوع روبرو می کند مهمترین آنها  موارد زیر است:

·       راهبردها و خط مشی‌های مناسب جهت توسعه همکاری بین سازمانی در صنعت توزیع گاز ایران.

·       نحوه استفاده از فناوری اطلاعات شبکه‌ای مانند سیستم‌های مدیریت رابطه با مشتریان ، سامانه‌های اتوماسیون اداری، سیستم‌های هوشمند مانیتورینگ و کنترل شبکه و غیره، به منظور بهبود کارایی و بهره‌وری در صنعت توزیع گاز.

·       شیوه‌ها و مکانیزم‌های مناسب برای حکمرانی شبکه‌ای و مدیریت همکاری بین سازمانی در صنعت توزیع گاز.

این جنبه ها و تبعات اجرایی مواجهه با آنها ، مشکلاتی مثل فشار سیاسی، مقررات زاید ، آشفتگی سامانه ها، عدم درک اولویت بندی منابع و آشفتگی مدیران را به عنوان مهمترین موانع بهره وری در شرکتهای گاز استانی ایجاد می کنند. (مهرابی شرف آبادی و ولیخانی، 1402)

بدین ترتیب با توجه به وسعت مصرف کنندگان و ذی نفعان مرتبط با شرکتهای گاز استانی به عنوان متولیان توزیع گاز طبیعی، موضوع پاسخگویی جایگاه بسیار مهمی دارد. مهمترین بازیگران حکمرانی شبکه ای صنعت توزیع گاز ایران در شکل 1 نشان داده شده است.

خدمات گازرسانی به مردم یکی از خدمات کلیدی در زندگی روزمره ایرانیان است و شرکت‌های توزیع گاز مسئولیت ارائه گاز طبیعی به مصرف‌کنندگان را برعهده دارند. با پیشرفت فناوری، امکان بهبود خدمات گازرسانی و افزایش کارایی شرکت‌های توزیع گاز فراهم شده است.  برخی از فناوری‌های مرتبط با خدمات گازرسانی در ادامه مورد اشاره قرار می گیرد.

اینترنت اشیا¹⁴: از طریق اینترنت اشیا، شرکت‌های توزیع گاز می‌توانند اطلاعات مربوط به شبکه توزیع گاز را به صورت زمان‌بندی شده و به‌روز رسانی کنند. سنسورهای نصب شده در شبکه قادر به تشخیص نشت گاز، اندازه‌گیری فشار و دما، و کنترل تجهیزات مربوطه هستند. اینترنت اشیا به شرکت‌های توزیع گاز کشور امکان می‌دهد تا به طور مستمر و به ‌صورت خودکار اطلاعات مربوط به شبکه و وضعیت آن را نظارت کنند و در صورت لزوم به سرعت واکنش نشان دهند.

 

شکل1-بازیگران شبکه حکمرانی صنعت توزیع گاز ایران

 

 

 

سنسورها: سنسورها در شبکه توزیع گاز امکان می‌دهند تا اطلاعات مربوط به فشار گاز، دما، رطوبت، و نشت گاز را به صورت زمان‌بندی و به‌روز نمایند. با استفاده از این اطلاعات، شرکت‌ها می‌توانند به‌طور فعال و جلوگیری از حوادث ناخواسته مربوط به نشت گاز و تغییرات فشار و دما در شبکه عمل کنند. هوش مصنوعی می تواند در ایجاد ماشین های خودکار برای ایجاد پاسخ مناسب به داده های دریافت شده نقش کلیدی ایفا نماید. این سنسورها در سامانه های اندازه گیری مشترکین برای محاسبات گاز مصرفی نیز عمل می کنند.

 شبکه‌های هوشمند: شبکه‌های هوشمند در خدمات گازرسانی نقش مهمی دارند. با استفاده از شبکه‌های هوشمند، شرکت‌های توزیع گاز قادر به مدیریت بهتر شبکه‌های توزیع، پیش‌بینی نیازمندی‌های مصرفی، و کاهش ضایعات انرژی هستند. این شبکه‌ها از طریق ارتباط دوطرفه با مصرف‌کنندگان، اطلاعات مربوط به مصرف گاز و وضعیت تجهیزات را جمع‌آوری می‌کنند و به شرکت توزیع گاز ارسال می‌کنند. 

استفاده از داده‌های بزرگ: استفاده از داده‌های بزرگ¹⁵ در خدمات گازرسانی به مردم امکان تحلیل و پیش‌بینی دقیق‌تر نیازمندی‌های مصرفی را فراهم می‌کند. با تحلیل داده‌های بزرگ مربوط به مصرف گاز در طول زمان، شرکت‌های توزیع گاز می‌توانند الگوریتم‌ها و مدل‌های هوشمند را برای بهینه‌سازی توزیع گاز و پیش‌بینی نیازمندی‌های آینده استفاده کنند.

این فناوری‌ها امکان مانیتورینگ و کنترل بهتر شبکه توزیع، کاهش ضایعات انرژی، پیشگیری از حوادث ناخواسته، و بهبود کیفیت خدمات را فراهم می‌کنند. با توجه به رشد روزافزون فناوری‌ها، انتظار می‌رود که نقش آنها در خدمات گازرسانی به مردم همچنان بهبود یابد و باعث بهبود زندگی روزمره مصرف‌کنندگان شود.

ترکیب فناوریهای نوین با هوش مصنوعی می تواند منجر به بهبود کارایی در متغیرهای خدمات رسانی سازمانهای عمومی گردد. در صنعت توزیع گاز متغیرهایی مثل نگهداری از تاسیسات گازرسانی، ضریب اطمینان تجهیزات، ریسکهای عملیاتی، پاسخ به متقاضیان خدمات، آموزش و اطلاع رسانی به مشترکین می تواند به کمک هوش مصنوعی ارتقا یافته و کاراتر شود.

3. روش پژوهش

مقاله حاضر در دو فاز کیفی و کمی تشریح شده است. در فاز کیفی، ابتدا با استفاده از روش روش دلفی و بررسی مطالعات قبلی در حوزه پاسخگویی در حکمرانی شبکه‌ای، شاخصهای مرتبط با پاسخگویی در حکمرانی شبکه‌ای شناسایی و پرسشنامه حاصل از بررسی متون طراحی گردید. روش دلفی از مهمترین و پرکاربردترین تکنیک‌هایی است که در زمینه جمع‌آوری نظرات و اطلاعات مورد استفاده قرار می‌گیرد و برای تصمیم‌گیری‌های مهم در کسب‌وکار بسیار موثر است. در این روش از نظرات متخصصان حوزه مورد نظر به شکلی خاص استفاده می‌‌شود. براساس چارچوب نظری ارائه شده، مراحل انجام روش دلفی به صورت زیر است:

·       انتخاب نمونه‌ای از خبرگان   

·       تنظیم پرسشنامه دلفی و ارسال آن برای خبرگان

·       جمع آوری دیدگاه خبرگان و محاسبه میانگین نظرات آنها

·       تعیین شدت آستانه و حذف و اضافه شاخص‌ها

·       تنظیم پرسشنامه دور دوم و افزودن میانگین نتایج راند اول

·       گردآوری پرسشنامه‌ها، تحلیل و ادامه راندها

·       انتخاب سازوکاری پایان راندهای دلفی (حبیبی¹⁶ و همکاران، 2014).

خبرگان انتخاب شده، لازم بود تا حداقل داراي یکی از سه ویژگی زیر باشند: 1- پژوهشگر در حوزه حکمرانی باشند 2- داراي تجربه بالای 15 سال در صنعت توزیع گاز ایران باشند 3- تجربه کاري در سازمان ها و صنایع درگیر داشته باشند. همچنین روایی محتوایی پرسشنامه، از طریق تعدادي از خبرگان بدست آمد. آلفاي کرونباخ پرسشنامه دور اول مقدار و دور دوم مقدار 912/0 است که نشان از پایایی پرسشنامه می دهد.

4.‌ برآورد مدل و تجزیه و تحلیل یافته‌ها

عناصر یا مؤلفه‌های موثر که بر اساس دامنه و ماهیت تحت تاثیر هوش مصنوعی می تواند ارتقا پیدا کند با نظر 15 نفر از خبرگان صنعت توزیع گاز مورد بررسی قرار گرفت. فراوانی پاسخهای ارائه شده در دو دور نظرسنجی در جدول 1 نشان داده شده است. پرسشنامه ها در دو راند به خبرگان ارائه شد و چون متغیر جدیدی اضافه نشد و ضریب هماهنگی کندال مطابق جدول 2 در نرم افزار  SPSSبه دست آمد. با توجه به مقدار ضریب کندال محاسبه شده اتفاق نظر خبرگان تایید گردید. در جدول3 وزن نهایی مولفه ها نشان داده شده است.

جدول 1-نتایج شمارش پاسخهای مرحله اول و دوم نظرسنجی

	خیلی زیاد		زیاد		متوسط		کم		خیلی کم
عوامل مورد تاثیر هوش مصنوعی	دور اول	دور دوم	دور اول	دور دوم	دور اول	دور دوم	دور اول	دور دوم	دور اول	دور دوم
برنامه ریزی عملیاتی نگهداری و تعمیرات	11	10	2	3	2	1	0	1	0	0
پاسخگویی به مشترکین	12	10	2	4	1	1	0	0	0	0
ارتباط با مشتریان	3	6	7	4	3	4	2	1	0	0
تخصیص بودجه	6	5	4	4	5	4	0	2	0	0
تصمیم گیری مدیران	6	8	6	7	3	0	0	0	0	0
طراحی پروژه های گازرسانی	7	7	5	4	2	3	1	1	0	0
آموزش به مشترکین	5	5	7	6	3	4	0	0	0	0
مدیریت منابع انسانی	4	6	6	6	2	2	2	1	1	0
مدیریت مالی	7	8	5	6	3	1	0	0	0	0
گزارشات تحلیلی و آماری	5	9	7	4	3	2	0	0	0	0

جدول2- آزمون هماهنگی کندال در دو راند
Item	Round2	Round1
N	10	10
Kendall's Wa	.949	.904
Chi-Square	39.658	35.151
df	4	4
Asymp. Sig.	.000	.000

جدول3- میانگین دیدگاه های خبرگان حاصل از نظرسنجی مرحله دوم

شاخص	وزن نهایی	درصد تغییر نظرات	واریانس نظرات
برنامه ریزی عملیاتی نگهداری و تعمیرات	10.47%	-2.90%	0.83
پاسخگویی به مشترکین	10.78%	-2.82%	0.35
ارتباط با مشتریان	9.38%	7.14%	1
تخصیص بودجه	8.91%	-6.56%	0.35
تصمیم گیری مدیران	10.63%	7.94%	0.26
طراحی پروژه های گازرسانی	9.69%	-1.59%	0.88
آموزش به مشترکین	9.53%	-1.61%	0.63
مدیریت منابع انسانی	9.69%	12.73%	0.83
مدیریت مالی	10.47%	4.69%	0.4
گزارشات تحلیلی و آماری	10.47%	8.06%	0.55

 

5. نتیجه­گیری و پیشنهادها

استفاده از هوش مصنوعی در جنبه های مختلف خدمات رسانی می تواند به بهبود کارایی در سازمانهای عمومی شود. در این مقاله مولفه های مهمی که در حکمرانی شبکه ای تحت تاثیر هوش مصنوعی قرار می گیرند بررسی و به روش دلفی در دو نوبت از خبرگان نظرسنجی گردید. نتایج نشان می دهد در شرکتهای توزیع گاز ایران که وظیفه خدمات رسانی به مشترکین گاز را دارا هستند بیشترین تاثیر بکارگیری هوش مصنوعی در پاسخگویی به مشترکین است. نرم افزارهای هوش مصنوعی می توانند با اتصال به درگاههای مختلف ارتباطی به مشترکین و پردازش داده های ورودی این درگاهها، پاسخ مناسب برای درخواستها را تولید کرده و با سرعت بسیار بالاتر نسبت به اپراتور انسانی درخواست ها را تاحصول نتیجه هدایت نماید. تلاش‌های یکپارچه‌سازی خدمات باعث ایجاد اتحاد و ایجاد ارزش مشترک بین بخش‌های دولتی، خصوصی و داوطلبانه شده می شود. در چنین اتحادهایی، ایجاد ارزش مشترک انگیزه ایجاد پاسخگویی افقی¹⁷ را فراهم می کند که در خدمت منافع ذینفعان شرکای اتحاد باشد. ایجاد پاسخگویی افقی، شرکای شبکه را وادار می‌کند تا به این فکر کنند که چگونه اشکال مختلف پاسخگویی که در شرکت‌ها، دولت‌ها و سازمان‌های داوطلبانه دیده می‌شود، می‌توانند به طور همزمان ترکیب و پشتیبانی شوند. قراردادهای رسمی و اهداف مشترک، وظایف، مشوق ها و سیستم های گزارش دهی نشان می دهد که چگونه مسئولیت های مختلف در حکمرانی شبکه ترکیب می شوند. 

کمک به تصمیم گیری مدیران در صنعت توزیع گاز ایران بیشترین اهمیت در بکارگیری هوش مصنوعی را کسب نموده است. مدیران دولتی که در سازمانهای خدماتی خدمت می کنند اغلب با موقعیت های دشوار جهت تصمیم گیری روبرو می شوند. این امر به دلیل انتظارات عمومی جامعه و فشارهای سیاسی و بروکراسی معمولا پیچیده دولتی است. در حکمرانی شبکه ای که محصول توسعه فناوری های شبکه ای و ارتباطی عصر حاضر است هوش مصنوعی به عنوان عامل موثر در تصمیم گیری مدیران در این شبکه ها فعالیت نموده و مدیران را برای اتخاذ تصمیمات همه جانبه کمک می کند.

برنامه ریزی نگهداری و تعمیرات ، مدیریت مالی و گزارشات تحلیلی و آماری که همگی در فرآیندهای داخلی سازمانهای توزیع گاز هستند در رتبه بعدی اهمیت قرار دارند. مجموعه ای از دارایی های فیزیکی شامل خطوط لوله، شبکه های توزیع و تغذیه و ایستگاههای تقلیل فشار که خود شامل تجهیزاتی مثل شیر و رگلاتور و سیستمهای اندازه گیری و قرائت از راه دور هستند در پهنه وسیع جغرافیایی در سطح کشور عمل تامین گاز را برای مشترکین مهیا می کنند. این امر برنامه ریزی نگهداری و تعمیرات پیچیده ای حاصل از میلیونها رکورد را الزامی می کند. در این جا 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. با یادگیری حاصل از این موضوع دانش نگهداری و تعمیرات به سامانه های هوش مصنوعی منتقل شده و بهینه می شود. 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. به صورت کلی هوش مصنوعی به خوبی می تواند در تحلیل آماری استفاده شود(یو و کومبیر، 2018). این موضوع در شرکتهای توزیع گاز نیز صادق است و 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.

تعارض منافع

تعارض منافع وجود ندارد.

سپاسگزاری

نویسندگان لازم می دانند از حمایت شرکت گاز خوزستان و شرکت ملی گاز ایران جهت حمایت و همکاری در تدوین این مقاله تشکر نمایند.

کد ارکید

ORCID

Hadi Mehrabi Sharafabadi       https://orcid.org/0000-0002-9616-8371

Sedigheh Tootian Esfahani       https://orcid.org/0000-0001-6120-6035

Karamollah Daneshfard               https://orcid.org/0000-0003-0344-9279

Mohamad Ali Movafaghpour   https://orcid.org/0000-0002-3478-9391

 

 

منابع 

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.

---

[1]  این مقاله مستخرج از رساله دکتری هادی مهرابی شرف آبادی به راهنمایی دکتر صدیقه طوطیان و مشاوره دکتر دانش فرد و دکتر موفق پور در دانشکده مدیریت و اقتصاد دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران است.

[2] * دانشجوی دکتری مدیریت دولتی، گروه مدیریت دولتی، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی، تهران، ایران، پست الکترونیکی: [e-mail]    

[3] ** دانشیار، گروه مدیریت دولتی، دانشگاه آزاد اسلامی واحد غرب تهران، تهران، ایران، (نویسنده مسئول)، پست الکترونیکی:  [e-mail]

[4] + استاد گروه مدیریت دولتی، دانشکده مدیریت و اقتصاد، دانشگاه آزاد اسلامی واحد علوم و تحقیقات ، تهران، ایران، پست الکترونیکی: [e-mail] 

[5] ´ استادیار گروه مهندسی صنایع، دانشگاه صنعتی جندی شاپور دزفول، دزفول، ایران ، پست الکترونیکی: [e-mail]

[6]  Reis

[7]  Pomares, J., & Abdala

[8]  Provan, K. G., & Kenis, P.

[9]  Alhosani & Alhashmi

[10]  Taeihagh

[11]  Knieps

[12]  Veale & Brass

[13]  Meso

[14]  IoT

[15]  Big Data

[16]  Habibi

[17]  horizontal accountability