طراحی مدل حکمرانی تحقیق و توسعه در هوش مصنوعی با رویکرد همگرایی سیاست‌گذاری، سرمایه‌گذاری و نوآوری: مطالعه‌ای کیفی مبتنی بر تحلیل مضمون

نجمه عنبری; رضا رادفر; محمدکاظم  صیادی

نویسندگان

نجمه عنبری گروه مدیریت تکنولوژی، واحد علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران نویسنده https://orcid.org/0009-0000-7919-0166
رضا رادفر گروه مدیریت تکنولوژی، واحد علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران نویسنده https://orcid.org/0000-0002-3951-9905
محمدکاظم صیادی پژوهشگاه ارتباطات و فناوری اطلاعات، تهران، ایران نویسنده https://orcid.org/0000-0002-1401-7319

کلمات کلیدی:

حکمرانی هوش مصنوعی, تحقیق و توسعه, سیاست‌گذاری, سرمایه‌گذاری, نوآوری, تحلیل مضمون, همگرایی

چکیده

هدف پژوهش، طراحی و تبیین مدلی برای حکمرانی تحقیق و توسعه در حوزه هوش مصنوعی با تأکید بر چگونگی همگرایی سیاست‌گذاری، سرمایه‌گذاری و نوآوری در پژوهشگاه ارتباطات و فناوری اطلاعات بود. پژوهش از نظر هدف کاربردی و از نظر رویکرد، کیفی و اکتشافی بود و با روش تحلیل مضمون انجام شد. جامعه پژوهش شامل مدیران، کارشناسان ارشد و پژوهشگران فعال در پژوهشگاه ارتباطات و فناوری اطلاعات بود که از میان آنان 14 نفر با نمونه‌گیری هدفمند و گلوله‌برفی انتخاب شدند. داده‌ها از طریق مصاحبه‌های عمیق نیمه‌ساختاریافته تا دستیابی به اشباع نظری گردآوری شد. تحلیل داده‌ها بر اساس فرایند شش‌مرحله‌ای براون و کلارک و با استفاده از نرم‌افزار MAXQDA انجام گرفت. برای افزایش اعتبار و اعتمادپذیری یافته‌ها از بازبینی مشارکت‌کنندگان، بازبینی کدگذاری، مقایسه دیدگاه‌های خبرگان و مراجعه مکرر به داده‌های اولیه استفاده شد و پایایی کدگذاری نیز با ضریب توافق کاپا ارزیابی شد. تحلیل 14 مصاحبه به ثبت 4708 مورد کدگذاری اولیه منجر شد که پس از مقایسه مستمر، پالایش و سازمان‌دهی مفهومی در 130 مضمون پایه، 45 مضمون سازمان‌دهنده و 11 مضمون فراگیر طبقه‌بندی شدند. مدل نهایی سه هسته اصلی شامل حکمرانی سیاست‌گذاری تحقیق و توسعه هوش مصنوعی، حکمرانی سرمایه‌گذاری تحقیق و توسعه و حکمرانی نوآوری هوش مصنوعی را دربر گرفت. «قابلیت همگرایی سیاست‌گذاری، سرمایه‌گذاری و نوآوری» به‌عنوان سازوکار مرکزی مدل و در چهار مؤلفه هم‌راستایی اهداف و اولویت‌ها، تصمیم‌گیری و تخصیص مشترک، یکپارچگی اطلاعات و فرایندها و بازخورد و انطباق‌پذیری شناسایی شد. افزون بر این، ساختار نهادی و ظرفیت سازمانی، حکمرانی داده و زیرساخت فنی، هوش مصنوعی مسئولانه، مشارکت ذی‌نفعان و حکمرانی ریسک و چرخه عمر از عناصر پشتیبان مدل بودند. ضریب کاپای 0.882 نیز توافق بالای کدگذاری را تأیید کرد. حکمرانی اثربخش تحقیق و توسعه هوش مصنوعی مستلزم پیوند نظام‌مند میان اولویت‌های سیاستی، تخصیص منابع، ظرفیت‌های نوآورانه و سازوکارهای نهادی، داده‌ای و فنی است؛ ازاین‌رو، استقرار سازوکارهای تصمیم‌گیری مشترک، هم‌راستاسازی بودجه با اولویت‌های پژوهشی و ایجاد نظام‌های یکپارچه پایش، بازخورد و انطباق می‌تواند هماهنگی، پاسخ‌گویی، مدیریت ریسک و تولید ارزش عمومی را در فعالیت‌های تحقیق و توسعه هوش مصنوعی تقویت کند.

دانلودها

دسترسی به دانلود اطلاعات مقدور نیست.

مراجع

1. Berente N, Gu B, Recker J, Santhanam R. Managing artificial intelligence. MIS Quarterly. 2021;45(3):1433-50. doi: 10.25300/MISQ/2021/16274.

2. Dwivedi YK, Hughes L, Ismagilova E, Aarts G, Coombs C, Crick T, et al. Artificial Intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. International Journal of Information Management. 2021;57:101994.

3. Mäntymäki M, Minkkinen M, Birkstedt T, Viljanen M. Defining organizational AI governance. AI and Ethics. 2022;2(4):603-9.

4. Batool A, Zowghi D, Bano M. AI governance: a systematic literature review. AI and Ethics. 2025;5(3):3265-79. doi: 10.1007/s43681-024-00653-w.

5. Schot J, Steinmueller WE. Three frames for innovation policy: R&D, systems of innovation and transformative change. Research Policy. 2018;47(9):1554-67.

6. Mazzucato M. Mission-oriented innovation policies: challenges and opportunities. Industrial and Corporate Change. 2018;27(5):803-15.

7. Alinaghian A, Safdari Ranjbar M, Mohammadi M. Policy Objectives and Instruments for Artificial Intelligence Development: An Inquiry into Policy Programs of Selected Countries. Rahyaft. 2021;31(3):95-122. doi: 10.22034/rahyaft.2022.10940.1280.

8. Safdari Ranjbar M, Alinaghian A, Ghaderi F. Examining Policies for the Development of the Artificial Intelligence Innovation Ecosystem in Iran. Quarterly Journal of Innovation Economy Ecosystem Studies. 2023;3(3):99-120. doi: 10.22111/innoeco.2022.43535.1036.

9. Gursoy F, Kakadiaris IA. Artificial intelligence research strategy of the United States: critical assessment and policy recommendations. Frontiers in Big Data. 2023;6:1206139.

10. Soleimanzadeh S, Eslami M, Mousavi Shafaei M, Golmohammadi V. Artificial Intelligence Governance in the Digital Age: An Analysis of U.S. Strategies and Approaches. Foreign Relations Quarterly. 2024;16(2):193-224.

11. van Noordt C, Medaglia R, Tangi L. Policy initiatives for Artificial Intelligence-enabled government: An analysis of national strategies in Europe. Public Policy and Administration. 2025;40(2):215-53. doi: 10.1177/09520767231198411.

12. Oecd. Revised Recommendation of the Council on Artificial Intelligence. C/MIN(2024)16/FINAL. 2024.

13. De Almeida PGR, dos Santos Junior CD. Artificial intelligence governance: Understanding how public organizations implement it. Government Information Quarterly. 2025;42(1):102003. doi: 10.1016/j.giq.2024.102003.

14. Alrasbi O, Ariaratnam ST. The Organizational Transformation of Artificial Intelligence in Smart Cities: An Urban Artificial Intelligence Governance Maturity Model. Urban Science. 2026;10(1):63. doi: 10.3390/urbansci10010063.

15. Abraham R, Schneider J, Vom Brocke J. Data governance: A conceptual framework, structured review, and research agenda. International Journal of Information Management. 2019;49:424-38. doi: 10.1016/j.ijinfomgt.2019.07.008.

16. Jobin A, Ienca M, Vayena E. The global landscape of AI ethics guidelines. Nature Machine Intelligence. 2019;1(9):389-99.

17. Stilgoe J, Owen R, Macnaghten P. Developing a framework for responsible innovation. The Ethics of Nanotechnology, Geoengineering, and Clean Energy: Routledge; 2020. p. 347-59.

18. Papagiannidis E, Mikalef P, Conboy K. Responsible artificial intelligence governance: A review and research framework. The Journal of Strategic Information Systems. 2025;34(2):101885. doi: 10.1016/j.jsis.2024.101885.

19. Tabassi E. Artificial Intelligence Risk Management Framework (AI RMF 1.0). NIST AI 100-1. National Institute of Standards and Technology, 2023.

20. Wirtz BW, Weyerer JC, Kehl I. Governance of artificial intelligence: A risk and guideline-based integrative framework. Government Information Quarterly. 2022;39(4):101685.

21. Birkstedt T, Minkkinen M, Tandon A, Mäntymäki M. AI governance: themes, knowledge gaps and future agendas. Internet Research. 2023;33(7):133-67. doi: 10.1108/INTR-01-2022-0042.

22. Bashir H, Ravi MJ. A Systematic Review of Strategic Artificial Intelligence Governance Frameworks and Mechanisms in Studies from 2017-2025. Virtual Space and Social Media Studies. 2025;2(3):9-54. doi: 10.22083/cssms.2025.538964.1067.

23. Aghayari P, Karimmian Z. Governance and Artificial Intelligence: A Scientometric Narrative of Two Intertwined Stories. Science and Technology Policy. 2024;17(4):1-17. doi: 10.22034/jstp.2025.11814.1837.

24. Kuehnert B, Kim R, Forlizzi J, Heidari H. The "Who", "What", and "How" of Responsible AI Governance: A Systematic Review and Meta-Analysis of (Actor, Stage)-Specific Tools. Proceedings of the 2025 ACM Conference on Fairness, Accountability, and Transparency2025. p. 2991-3005.