Abstract:
هوش مصنوعی یکی از فناوریهای نو ظهور عصر حاضر است که در آن تلاش میشود هوش انسانی در سامانهها و ماشینهای مورد استفاده شبیه سازی شود. دستیابی به هوش مصنوعی نیازمند طیف گسترده ای از فعالیت های تحقیق و توسعه بوده که مدیریت این فرآیند مستلزم دسترسی به دانش نوین برای تدوین و پیاده سازی راهبرد، اختصاص منابع، سازماندهی، و بکارگیری ابزارهای مناسب می باشد. هدف این مقاله شناسایی و اولویت بندی مولفه های مدیریت تحقیق و توسعه داده محور در شرکت های فعال در فناوری هوش مصنوعی است. این پژوهش با رویکرد آمیخته (کیفی- کمی) انجام گرفت. در بخش کیفی، پس از مرور منسجم مبانی نظری با 12 نفر از خبرگان که به روش نمونهگیری هدفمند و گلوله برفی انتخاب شدند مصاحبه شد و نظرات آن ها جمع آوری و در قالب نظریه داده بنیاد، مورد تحلیل قرار گرفت. نتیجه آن 123 کد باز، 24 زیرمولفه و 8 مولفه (مقوله) محوری بود. در بخش کمی، نظرات 85 نفر از متخصصین تحقیق و توسعه و فعالان حوزه هوش مصنوعی که به روش نمونه گیری قضاوتی انتخاب شده بودند از طریق پرسشنامه جمع آوری و پس از تحلیل آن به روش مدل معادلات ساختاری، روابط و اعتبار مولفه ها مورد تائید قرار گرفت. همچنین با نظر خبرگان مولفه های به دست آمده در قالب روش سوارا وزن دهی و اولویت بندی شدند که به ترتیب عبارتند از: مدیریت نظام مند، تامین منابع، توانمندی بکارگیری تحلیلهای کلان داده، سیاستهای حمایتی، بسترها و زیرساخت ها، توسعه علم داده، عوامل سازمانی و منافع تجاری.
Artificial Intelligence is an emerging technology that simulate human intelligence in machines and systems for their application business. Development of artificial intelligence requires extensive R&D activities. Management of R&D in field of AI needs to deploy novel knowledge to formulate and implementation of strategy, assign resources, organize and use of special tools. This paper aims, to identify and prioritize the components of data driven management of R&D in artificial intelligence technology. A hybrid technique was employed to perform the research. In Qualitative part, the literature of topic is reviewed, and 12 experts are interreviewed. Their opinions are analyzed based on grounded theory and 8 axial components were identified. In Quantitative part, by a questionnaire, the opinions of 85 experts of R&D and artificial intelligence were gathered through a questionaire and analyized based on structural equations model. The relvance and validity of the components were confirmed. The found components were weighted and proiritized through SWARA method as: systematic management, resources supplying, capability of big data analytics, supportive policies, infrastructures, data science development, organizational factors and business advantages.
Machine summary:
جدول ١: ويژگي رويکردهاي مديريتي در نسل هاي تحقيق و توسعه - نوبليوس (٢٠٠٣) نسل هاي تحقيق و توسعه واکنش شرکت ها رويکردهاي مديريتي 1 اول - تقاضاي سياه چاله آزمايشگاه هاي تحقيقاتي - ترغيب پيشرفت هاي علمي دهه ١٩٥٠ تا اواسط دهه شرکتي - انتخاب مکان بعد از شايستگي ها 1960 دوم - نبرد بر سر سهم بازار - تعيين مشتريان داخلي ميانه دهه ١٩٦٠ تا اوايل دهه توسعه واحد کسب و کاري - جمع آوري ايده از بازار 1970 سوم -تلاش ها براي منطقي - ساختار دهي پروژه هاي R&D سازي، ميانه دهه ١٩٧٠ تا پروژه هاي تحقيق و توسعه - ارزيابي بلند مدت راهبردهاي فناوري اواسط دهه ١٩٨٠ - ادغام R&D و بازاريابي - موازي نمودن فعاليت ها چهارم - چالش مبتني بر زمان ، - درگير نمودن تامين کنندگان و اوايل دهه ١٩٨٠ تا اواسط دهه پروژه هاي متقابل عملکردي مشتريان پيشرو 1990 - ادغام R&D و ساخت - درگير نمودن شبکه شرکت پنجم - يکپارچگي سيستم ها اتحاد هاي فرامرزي - تمرکز بر يکپارچگي سامانه ها اواسط دهه ١٩٩٠ تا کنون - اتصال / انفصال R و D 1 Black hole demand (به تصویر صفحه مراجعه شود) شکل ١: زمينه هاي اقدام کليدي در مديريت تحقيق و توسعه - ورستهن و گستالتن (٢٠١٨) برکاوت و همکاران پنج مشخصه بارز براي فرآيندهاي تحقيق و توسعه شامل : ١) نوآوري باز، ٢) تعامل اوليه بين علم و کسب و کار، ٣) تکامل دانش فني و بازارهاي در حال ظهور، ٤) شبکه سازي با تامين کنندگان تخصصي و کاربران اوليه و ٥) کار آفريني را مورد بررسي قرار دادند ( Berkhout et ٢٠٠٦,.