هوش مصنوعی؛ موتور محرک بودجه ریزی بر مبنای عملکرد با رویکرد گزارشگری بهنگام در بخش عمومی
هوش مصنوعی؛ موتور محرک بودجه ریزی بر مبنای عملکرد با رویکرد گزارشگری بهنگام در بخش عمومی
چکیده
تحول دیجیتال در دهه های اخیر، ماهیت مدیریت مالی و حکمرانی عمومی را به طور بنیادین دگرگون کرده است. در این میان، هوش مصنوعی به عنوان یکی از مهم ترین فناوری های تحول آفرین قرن بیست ویکم، ظرفیت آن را دارد که ساختارهای سنتی بودجه ریزی و گزارشگری مالی را بازآفرینی کند. اگرچه بسیاری از دولت ها طی چند دهه گذشته تلاش کرده اند بودجه ریزی بر مبنای عملکرد را جایگزین بودجه ریزی سنتی کنند، اما ضعف نظام های اطلاعاتی، تاخیر در دسترسی به اطلاعات عملکردی، محدودیت در تحلیل داده ها و نبود گزارشگری بهنگام از مهم ترین موانع موفقیت این رویکرد بوده اند. مقاله حاضر با رویکردی تحلیلی به بررسی نقش هوش مصنوعی در استقرار بودجه ریزی بر مبنای عملکرد با رویکرد گزارشگری بهنگام در بخش عمومی می پردازد. استدلال اصلی مقاله آن است که هوش مصنوعی از طریق پردازش مستمر داده ها، تحلیل پیش بینانه، یادگیری ماشین و تصمیم سازی هوشمند، می تواند حلقه مفقوده میان اندازه گیری عملکرد و تخصیص منابع را تکمیل کند. در این چارچوب، گزارشگری بهنگام به عنوان واسطه ای میان هوش مصنوعی و بودجه ریزی مبتنی بر عملکرد عمل می کند. مقاله نتیجه می گیرد که آینده مدیریت مالی عمومی به سمت شکل گیری «بودجه ریزی هوشمند مبتنی بر عملکرد» در حرکت است؛ نظامی که در آن تصمیمات مالی بر پایه داده های بلادرنگ، تحلیل های پیش بینانه و ارزیابی مستمر عملکرد اتخاذ می شوند.
واژگان کلیدی: هوش مصنوعی، بودجه ریزی بر مبنای عملکرد، گزارشگری بهنگام، مدیریت مالی عمومی، حکمرانی هوشمند، تحلیل داده، دولت دیجیتال.
مقدمه
دولت ها به عنوان بزرگ ترین مصرف کنندگان منابع عمومی، همواره در معرض مطالبات فزاینده شهروندان برای افزایش کارایی، شفافیت و پاسخگویی قرار دارند. در گذشته، تمرکز اصلی نظام های بودجه ریزی بر کنترل هزینه ها و رعایت مقررات مالی بود. اما با پیچیده تر شدن وظایف دولت ها و محدودیت منابع، ضرورت حرکت به سمت نظام هایی که بتوانند ارتباط میان هزینه ها و نتایج را نشان دهند، بیش از پیش احساس شد.
در پاسخ به این نیاز، بودجه ریزی بر مبنای عملکرد به عنوان یکی از مهم ترین اصلاحات مالی بخش عمومی مطرح شد. فلسفه اصلی این رویکرد آن است که منابع عمومی باید بر اساس نتایج و عملکرد واقعی تخصیص یابند، نه صرفا بر مبنای سوابق تاریخی یا چانه زنی های سازمانی.
با وجود مزایای فراوان، اجرای بودجه ریزی مبتنی بر عملکرد در بسیاری از کشورها، از جمله کشورهای در حال توسعه، با موفقیت محدودی همراه بوده است. دلیل اصلی این امر آن است که سنجش مستمر عملکرد نیازمند اطلاعات دقیق، بهنگام و قابل اتکا است؛ در حالی که اغلب نظام های گزارشگری مالی دولتی همچنان مبتنی بر گزارش های دوره ای و گذشته نگر هستند.
در چنین شرایطی، ظهور فناوری های نوین به ویژه هوش مصنوعی فرصت بی نظیری برای رفع این محدودیت ها ایجاد کرده است. هوش مصنوعی قادر است حجم عظیمی از داده های مالی و عملکردی را در زمان واقعی پردازش کند، الگوهای پنهان را شناسایی نماید و پیش بینی های دقیقی درباره روندهای آینده ارائه دهد.
بنابراین، هوش مصنوعی می تواند به عنوان موتور محرک تحقق واقعی بودجه ریزی بر مبنای عملکرد عمل کند؛ به ویژه هنگامی که با رویکرد گزارشگری بهنگام ترکیب شود.
تکامل بودجه ریزی در بخش عمومی
بودجه ریزی دولتی طی بیش از یک قرن گذشته تحولات قابل توجهی را تجربه کرده است. در مرحله نخست، بودجه ریزی سنتی عمدتا بر کنترل هزینه ها تمرکز داشت. در این رویکرد، مهم ترین پرسش این بود که منابع مالی چگونه و در چه سرفصل هایی هزینه می شوند.
در مرحله بعد، بودجه ریزی برنامه ای مطرح شد که تلاش می کرد منابع را به برنامه ها و فعالیت های مشخص مرتبط سازد. پس از آن، بودجه ریزی عملیاتی و سپس بودجه ریزی بر مبنای عملکرد توسعه یافتند.
در بودجه ریزی بر مبنای عملکرد، تمرکز از ورودی ها به خروجی ها و پیامدها منتقل شد. به عبارت دیگر، سوال اصلی دیگر این نبود که «چقدر هزینه شده است؟» بلکه این بود که «این هزینه چه نتایجی ایجاد کرده است؟»
با این حال، تحقق این هدف مستلزم دسترسی مستمر به اطلاعات عملکردی است؛ موضوعی که بدون فناوری های نوین اطلاعاتی و تحلیلی دشوار به نظر می رسد.
گزارشگری بهنگام؛ حلقه مفقوده بودجه ریزی مبتنی بر عملکرد
یکی از چالش های اساسی بودجه ریزی مبتنی بر عملکرد، فاصله زمانی میان وقوع رویدادها و دسترسی مدیران به اطلاعات مربوط به آن ها است.
در بسیاری از دستگاه های دولتی، گزارش های عملکردی با تاخیرهای چندماهه تهیه می شوند. در نتیجه، هنگامی که اطلاعات به دست مدیران می رسد، فرصت اصلاح انحرافات یا بهبود عملکرد از دست رفته است.
گزارشگری بهنگام راهکاری برای رفع این مشکل محسوب می شود. در این رویکرد، اطلاعات مالی و عملکردی تقریبا همزمان با وقوع رویدادها تولید و منتشر می شوند.
ویژگی های اصلی گزارشگری بهنگام عبارت اند از:
- کاهش تاخیر اطلاعاتی
- افزایش قابلیت تصمیم گیری
- ارتقای شفافیت
- بهبود پاسخگویی
- افزایش قابلیت پیش بینی
گزارشگری بهنگام در واقع زیرساخت اطلاعاتی لازم برای بودجه ریزی مبتنی بر عملکرد را فراهم می کند.
هوش مصنوعی و مدیریت مالی عمومی
هوش مصنوعی به مجموعه ای از فناوری ها اطلاق می شود که قادرند وظایفی مشابه تفکر انسانی را انجام دهند. یادگیری ماشین، یادگیری عمیق، پردازش زبان طبیعی و تحلیل پیش بینانه از مهم ترین شاخه های این فناوری محسوب می شوند.
در حوزه مدیریت مالی عمومی، هوش مصنوعی کاربردهای متعددی دارد:
پیش بینی درآمدها
یکی از مهم ترین وظایف دولت ها پیش بینی دقیق درآمدهاست. خطا در پیش بینی درآمدها می تواند به کسری بودجه، تورم و بی ثباتی اقتصادی منجر شود.
الگوریتم های یادگیری ماشین می توانند با تحلیل همزمان متغیرهای متعدد اقتصادی، پیش بینی های دقیق تری نسبت به روش های سنتی ارائه دهند.
مدیریت هزینه ها
هوش مصنوعی قادر است الگوهای هزینه ای دستگاه های اجرایی را تحلیل کرده و موارد غیرعادی یا ناکارآمد را شناسایی کند.
ارزیابی عملکرد
سیستم های هوشمند می توانند هزاران شاخص عملکردی را به صورت همزمان پایش کرده و عملکرد واقعی سازمان ها را اندازه گیری کنند.
مدیریت ریسک
تحلیل داده های بزرگ به دولت ها کمک می کند تا ریسک های مالی را پیش از وقوع شناسایی کرده و اقدامات پیشگیرانه انجام دهند.
هوش مصنوعی به عنوان موتور محرک گزارشگری بهنگام
اگر گزارشگری بهنگام را قلب نظام بودجه ریزی مبتنی بر عملکرد بدانیم، هوش مصنوعی مغز آن خواهد بود.
هوش مصنوعی می تواند:
- داده ها را جمع آوری کند.
- داده ها را پاک سازی کند.
- داده ها را تحلیل کند.
- شاخص های عملکردی را محاسبه کند.
- انحرافات را شناسایی کند.
- هشدارهای مدیریتی صادر کند.
- پیشنهادهای اصلاحی ارائه دهد.
بدون هوش مصنوعی، پردازش مستمر حجم عظیم داده های مالی و عملیاتی تقریبا غیرممکن است.
یادگیری ماشین و تخصیص منابع
یکی از مهم ترین کاربردهای هوش مصنوعی در بودجه ریزی، استفاده از یادگیری ماشین برای تخصیص منابع است.
در روش های سنتی، تخصیص منابع معمولا بر اساس بودجه سال گذشته انجام می شود. اما این روش لزوما منعکس کننده عملکرد واقعی دستگاه ها نیست.
الگوریتم های یادگیری ماشین می توانند رابطه میان منابع مصرف شده و نتایج حاصل شده را تحلیل کنند و الگوهای بهینه تخصیص منابع را شناسایی نمایند.
در نتیجه:
- دستگاه های کارآمدتر منابع بیشتری دریافت می کنند.
- دستگاه های ناکارآمد برای اصلاح عملکرد تحت فشار قرار می گیرند.
- بهره وری کل بخش عمومی افزایش می یابد.
تحلیل پیش بینانه و بودجه ریزی آینده نگر
یکی از مهم ترین قابلیت های هوش مصنوعی، تحلیل پیش بینانه است.
در بودجه ریزی سنتی، تصمیمات عمدتا بر اساس داده های گذشته اتخاذ می شوند. اما هوش مصنوعی امکان پیش بینی آینده را فراهم می کند.
برای مثال:
- پیش بینی درآمدهای مالیاتی
- پیش بینی هزینه های سلامت
- پیش بینی نیازهای آموزشی
- پیش بینی مصرف انرژی
- پیش بینی پروژه های عمرانی
این قابلیت می تواند دقت بودجه ریزی را به میزان قابل توجهی افزایش دهد.
مبارزه با فساد و تقلب مالی
فساد مالی یکی از مهم ترین چالش های بخش عمومی در بسیاری از کشورهاست.
هوش مصنوعی می تواند با تحلیل میلیون ها تراکنش مالی، الگوهای غیرعادی را شناسایی کند.
کاربردهای اصلی عبارت اند از:
- شناسایی پرداخت های غیرمتعارف
- کشف قراردادهای مشکوک
- شناسایی تبانی در مناقصات
- کشف هزینه های غیرضروری
در نتیجه، سلامت مالی دولت افزایش می یابد.
حکمرانی هوشمند و دولت داده محور
ترکیب هوش مصنوعی، کلان داده و گزارشگری بهنگام زمینه شکل گیری دولت داده محور را فراهم می کند.
در چنین دولتی:
- تصمیمات مبتنی بر داده هستند.
- سیاست گذاری مبتنی بر شواهد است.
- تخصیص منابع مبتنی بر عملکرد است.
- پاسخگویی افزایش می یابد.
- شفافیت تقویت می شود.
این رویکرد را می توان «حکمرانی هوشمند» نامید.
مدل مفهومی پیشنهادی
مدل مفهومی این مقاله بر این فرض استوار است که:
هوش مصنوعی → گزارشگری بهنگام → سنجش مستمر عملکرد → بودجه ریزی بر مبنای عملکرد → حکمرانی هوشمند
در این مدل:
- هوش مصنوعی متغیر محرک است.
- گزارشگری بهنگام متغیر میانجی است.
- بودجه ریزی مبتنی بر عملکرد متغیر وابسته است.
- حکمرانی هوشمند پیامد نهایی محسوب می شود.
این مدل به طور ویژه با نظریه «بودجه ریزی بر مبنای عملکرد با رویکرد گزارشگری بهنگام» همخوانی دارد و می تواند توسعه ای نوین برای آن محسوب شود.
چالش های استقرار در ایران
ایران طی دو دهه گذشته تلاش های متعددی برای استقرار بودجه ریزی مبتنی بر عملکرد انجام داده است. با این حال، چالش هایی همچنان پابرجاست:
- ضعف زیرساخت های اطلاعاتی
- پراکندگی سامانه های مالی
- نبود داده های استاندارد
- کمبود نیروی متخصص
- مقاومت سازمانی
- محدودیت های قانونی
هوش مصنوعی می تواند بسیاری از این چالش ها را کاهش دهد، اما تحقق این هدف مستلزم سرمایه گذاری در زیرساخت های داده ای و توسعه سرمایه انسانی است.
پیشنهادهای سیاستی
برای استقرار موفق بودجه ریزی هوشمند مبتنی بر عملکرد در ایران، اقدامات زیر پیشنهاد می شود:
- ایجاد پایگاه ملی داده های مالی دولت.
- توسعه سامانه های گزارشگری بهنگام.
- استقرار داشبوردهای هوشمند مدیریتی.
- استفاده از هوش مصنوعی در ارزیابی عملکرد.
- توسعه نظام داده محور تخصیص اعتبارات.
- تدوین استانداردهای حکمرانی داده.
- آموزش مدیران و کارشناسان دولت در حوزه هوش مصنوعی.
- تدوین چارچوب های اخلاقی و حقوقی استفاده از هوش مصنوعی.
نتیجه گیری
هوش مصنوعی صرفا یک فناوری جدید نیست؛ بلکه پارادایمی جدید در مدیریت مالی عمومی محسوب می شود. این فناوری قادر است شکاف تاریخی میان اطلاعات، عملکرد و تصمیم گیری را از بین ببرد. در چارچوب بودجه ریزی بر مبنای عملکرد، بزرگ ترین مانع همواره نبود اطلاعات بهنگام و قابل اتکا بوده است. گزارشگری بهنگام این خلا را برطرف می کند و هوش مصنوعی موتور محرک آن به شمار می رود.
بر اساس تحلیل های ارائه شده، می توان استدلال کرد که آینده مدیریت مالی عمومی در گرو تلفیق سه عنصر کلیدی است: هوش مصنوعی، گزارشگری بهنگام و بودجه ریزی مبتنی بر عملکرد. این سه عنصر در کنار یکدیگر می توانند زمینه شکل گیری نظامی را فراهم کنند که در آن منابع عمومی به صورت هوشمند، شفاف و پاسخگو مدیریت شوند.
از این منظر، نسل آینده اصلاحات مالی دولت ها را می توان «بودجه ریزی هوشمند مبتنی بر عملکرد با رویکرد گزارشگری بهنگام» نامید؛ رویکردی که قادر است کارایی دولت، کیفیت خدمات عمومی و اعتماد شهروندان را به طور همزمان ارتقا دهد.