چالش ها و پیامدهای استفاده ناکارآمد از هوش مصنوعی در سازمان های ایرانی: مروری نظام مند بر موانع، پیامدها و راهکارها

چکیده

هوش مصنوعی (Artificial Intelligence) به عنوان یکی از فناوری های تحول آفرین قرن بیست ویکم، پتانسیل چشمگیری برای ارتقای بهره وری، بهبود تصمیم گیری و ایجاد مزیت رقابتی در سازمان ها دارد. با این حال، استفاده ناکارآمد و ناآگاهانه از این فناوری در سازمان های ایرانی، نه تنها به تحقق اهداف مورد انتظار منجر نشده، بلکه در بسیاری موارد به هدررفت منابع، کاهش بهره وری و حتی خسارت به اعتبار سازمانی انجامیده است. پژوهش حاضر با رویکرد مروری نظام مند، به شناسایی و دسته بندی موانع استفاده موثر از هوش مصنوعی در سازمان های ایرانی پرداخته است. یافته ها نشان می دهد که این موانع در پنج سطح کلان قابل طبقه بندی هستند: (۱) موانع ساختاری و زیرساختی، (۲) موانع قانونی و سیاست گذاری، (۳) موانع مرتبط با داده، (۴) موانع نیروی انسانی و مهارتی، و (۵) موانع فرهنگی و مدیریتی. پیامدهای استفاده ناکارآمد از هوش مصنوعی شامل شکست پروژه ها، هدررفت منابع مالی، کاهش اعتماد سازمانی، و تشدید شکاف بین تولید علم و خلق ارزش اقتصادی است. در پایان، راهکارهایی نظیر تدوین استراتژی ملی منسجم، سرمایه گذاری هدفمند در زیرساخت ها، توانمندسازی نیروی انسانی، و ایجاد چارچوب های حقوقی و اخلاقی ارائه شده است.

واژگان کلیدی: هوش مصنوعی، سازمان های ایرانی، استفاده ناکارآمد، موانع پیاده سازی، حکمرانی فناوری، اقتصاد دیجیتال

１. مقدمه

هوش مصنوعی به عنوان شاخه ای از علوم رایانه، به ساخت ماشین های هوشمند با توانایی انجام وظایفی می پردازد که معمولا به هوش انسان نیاز دارد-. این فناوری در سال های اخیر نقشی کلیدی در تحول کسب وکارها، صنایع و خدمات عمومی ایفا کرده است و به عنوان یکی از ارکان اصلی توسعه اقتصادی و اجتماعی جهان مطرح می شود-. بر اساس گزارش سازمان بین المللی مراکز داده (IDCA)، هوش مصنوعی دیگر تنها یک فناوری نوظهور نیست، بلکه به عامل تعیین کننده در بازنویسی اقتصاد و کسب وکارها تبدیل شده است-3.

ایران نیز با تدوین «برنامه ملی توسعه هوش مصنوعی» و تصویب «سند ستاد توسعه فناوری و کاربرد هوش مصنوعی» تلاش کرده است سهمی از این رقابت جهانی به دست آورد--20. با این حال، شکاف عمیقی بین تولید علم هوش مصنوعی در ایران و بهره برداری اقتصادی از آن وجود دارد. بر اساس گزارش Nature Index، رتبه ایران در تولید علم هوش مصنوعی از ۳۳ به ۳۰ ارتقا یافته و کشور را در میان ۵۰ رهبر برتر جهانی قرار داده است-19. با این وجود، بر اساس شاخص آمادگی دولت ها برای پیاده سازی هوش مصنوعی در خدمات عمومی(Oxford Insights)، ایران رتبه ۹۱ را در میان ۱۸۸ کشور دارد-19.

این شکاف نشان دهنده آن است که علی رغم توانمندی های علمی قابل توجه، سازمان های ایرانی در بهره برداری موثر از هوش مصنوعی با چالش های جدی مواجه هستند. پژوهش حاضر با هدف شناسایی نظام مند موانع استفاده ناکارآمد از هوش مصنوعی در سازمان های ایرانی و بررسی پیامدهای آن انجام شده است.

２. مبانی نظری و پیشینه پژوهش

۲-۱. هوش مصنوعی در سازمان ها هوش مصنوعی نقش قابل توجهی در بخش های مختلف کسب وکار، کشاورزی، صنعت و مالی از طریق به کارگیری ابزارها و روش های پیشرفته ایفا می کند-34. در حوزه مالی، این فناوری با بهبود فرآیندهای معاملاتی و مدیریت ریسک، ساختار بسیاری از صنایع را دگرگون ساخته است-34. با این حال، پیاده سازی موفق هوش مصنوعی نیازمند همکاری متخصصان داده، تحلیلگران کسب وکار، مدیران پروژه و کاربران نهایی است-.

۲-۲. چالش های پیاده سازی هوش مصنوعی در کشورهای در حال توسعه کشورهای با درآمد پایین و متوسط مانند ایران با موانع قابل توجهی در زمینه یکپارچه سازی هوش مصنوعی مواجه هستند-1. تحقیقات نشان می دهد که این موانع شامل محدودیت های سازمانی و ساختاری، چالش های قانونی و سیاست گذاری، مسائل مرتبط با داده، کمبود نیروی متخصص و چالش های یکپارچه سازی هوش مصنوعی در فرآیندهای تصمیم گیری است-1.

۲-۳. وضعیت هوش مصنوعی در ایران پذیرش و توسعه گسترده تر هوش مصنوعی در ایران با موانع قابل توجهی روبرو است-. مطالعات نشان می دهد که علی رغم پتانسیل بالای ایران برای توسعه هوش مصنوعی، این کشور فاقد استراتژی ملی منسجم و زیرساخت پایدار است-3. در حالی که کشورهایی مانند ترکیه، مالزی و امارات با برنامه ریزی هدفمند جایگاه خود را تقویت کرده اند، محدودیت های ایران در مراکز داده و تامین برق، تهدیدی جدی برای عقب ماندن در اقتصاد دیجیتال محسوب می شود-3.

３. روش شناسی 

پژوهش حاضر با رویکرد مروری نظام مند (Systematic Review) و با هدف شناسایی و دسته بندی موانع استفاده ناکارآمد از هوش مصنوعی در سازمان های ایرانی انجام شده است. منابع مورد بررسی شامل مقالات علمی منتشرشده در پایگاه های معتبر داخلی (Civilica، SID، Noormags، Magiran) و بین المللی (IEEE، Springer، Taylor & Francis، PubMed)، گزارش های رسمی و اسناد سیاست گذاری، و همچنین گزارش های رسانه های معتبر در بازه زمانی ۲۰۲۰ تا ۲۰۲۵ است.

معیارهای ورود به مطالعه شامل (۱) ارتباط مستقیم با موضوع هوش مصنوعی در سازمان های ایرانی، (۲) ارائه یافته های مبتنی بر پژوهش یا مستندات معتبر، و (۳) انتشار در بازه زمانی مورد نظر بود. در مجموع ۴۷ منبع معتبر شناسایی و پس از غربالگری، ۲۸ منبع برای تحلیل نهایی انتخاب شدند. تحلیل داده ها با استفاده از روش تحلیل مضمون (Thematic Analysis) انجام شده است.

４. یافته های پژوهش

۴-۱. موانع استفاده موثر از هوش مصنوعی در سازمان های ایرانی تحلیل نظام مند منابع نشان می دهد که موانع استفاده موثر از هوش مصنوعی در سازمان های ایرانی در پنج سطح کلان قابل دسته بندی است:

۴-۱-۱. موانع ساختاری و زیرساختی

 زیرساخت های فناوری اطلاعات در بسیاری از سازمان های ایرانی هنوز در مراحل اولیه دیجیتال سازی قرار دارد. تحقیقات نشان می دهد که «محدودیت های سازمانی و ساختاری، از جمله زیرساخت های ضعیف و حکمرانی پراکنده» از مهم ترین موانع پیاده سازی هوش مصنوعی در ایران هستند-1-.

مطالعه ای که در حوزه خدمات پیش بیمارستانی ایران انجام شده، «زیرساخت های فناوری ناکافی، کیفیت و کامل بودن ضعیف داده ها، و مقاومت سازمانی» را به عنوان چالش های کلیدی شناسایی کرده است-. همچنین، محدودیت های ایران در مراکز داده و تامین برق، یکی از موانع اساسی برای جهش سریع در حوزه هوش مصنوعی محسوب می شود-.

۴-۱-۲. موانع قانونی و سیاست گذاری

 فقدان چارچوب حقوقی شفاف و سیاست گذاری منسجم، یکی از موانع جدی توسعه هوش مصنوعی در ایران است. بر اساس گزارش IDCA، ایران «فاقد استراتژی ملی منسجم و زیرساخت پایدار برای مراکز داده است»-3-.

مطالعه ای که به بررسی چالش های به کارگیری هوش مصنوعی در سازمان های دولتی ایران پرداخته، «چالش های قانونی، امنیتی و مقاومت سازمانی» را به عنوان مضامین فراگیر شناسایی کرده است-. همچنین، «شکاف های نظارتی و نگرانی های اخلاقی» از دیگر چالش های کلیدی در این حوزه محسوب می شود-1.

در سطح کلان تر، «نبود هماهنگی و اجماع میان نهادهای تصمیم گیر در حوزه هوش مصنوعی» می تواند مسیر توسعه این فناوری را به سرنوشت نامعلومی دچار کند-. فعالان این حوزه نسبت به «نبود استانداردهای ملی، پراکندگی در سیاست گذاری ها، سخت گیری های غیرکارشناسی در مسیر دانش بنیان شدن و کمبود زیرساخت هایی همچون GPU» هشدار داده اند-.

۴-۱-۳. موانع مرتبط با داده داده ها

 به عنوان ماده خام اصلی سیستم های هوش مصنوعی، نقش تعیین کننده ای در موفقیت یا شکست پروژه ها دارند. با این حال، سازمان های ایرانی با چالش های جدی در این زمینه مواجه هستند. مطالعات نشان می دهد که «کیفیت پایین داده ها، فقدان استانداردسازی و ریسک های امنیتی» از موانع اصلی پیاده سازی هوش مصنوعی در ایران هستند-1-.

در رویداد Iran AI 2025، فعالان این حوزه اذعان داشتند که «ما داده های زیادی داریم اما کیفیتشان چندان مناسب نیست»-. همچنین، «کیفیت ناکافی داده ها» به عنوان یکی از عوامل علی موثر بر کاربرد هوش مصنوعی در تصمیم گیری راهبردی سازمان های دولتی ایران شناسایی شده است-.

حکمرانی داده ها در ایران با چالش های مختلفی روبرو است که می توان آنها را در سه دسته اصلی طبقه بندی کرد: «چالش های قانونی و ساختاری، چالش های فنی و زیرساختی»-.

۴-۱-۴. موانع نیروی انسانی و مهارتی

 کمبود نیروی متخصص و آموزش ناکافی، یکی از موانع اصلی بهره برداری موثر از هوش مصنوعی در سازمان های ایرانی است. پژوهش ها نشان می دهد که «کمبود متخصصان ماهر و فرصت های آموزشی محدود» از موانع کلیدی محسوب می شود-1-.

همچنین، «فقدان مهارت های فنی، مقاومت کارکنان، و نگرانی های اخلاقی» به عنوان عوامل علی موثر بر کاربرد هوش مصنوعی در تصمیم گیری راهبردی سازمان های دولتی شناسایی شده است-. در حوزه آموزش عالی نیز «کمبود تجهیزات پیشرفته، فیلترینگ و سرعت پایین اینترنت، موانع فرهنگی همچون مقاومت در برابر تغییرات، نبود قوانین مشخص و ضعف نظارت» از چالش های اصلی محسوب می شود-.

مهاجرت نخبگان نیز تهدیدی جدی برای اکوسیستم هوش مصنوعی ایران محسوب می شود. به گفته کارشناسان، «آینده هوش مصنوعی در ایران نه با فیلترینگ، بلکه به دلیل خلا قانونی، نبود سرمایه گذاری راهبردی، فقدان پروژه های بزرگ ملی و نداشتن شرکت های بزرگ تک در خطر است؛ وضعیتی که به مهاجرت نخبگان، تضعیف امنیت پایدار و عقب ماندگی منطقه ای منجر می شود»-.

۴-۱-۵. موانع فرهنگی و مدیریتی

 شاید مهم ترین مانع پیش روی پروژه های هوش مصنوعی در ایران، نه کمبود ابزار یا داده، بلکه «ناتوانی مدیران ارشد در درک و به کارگیری این فناوری» باشد-2-. به گفته فعالان این حوزه، «پذیرش و بهره برداری درست از هوش مصنوعی از بالاترین سطح سازمان آغاز می شود و مدیرانی که روندهای تازه را دنبال نکنند با ریسک جدی در آینده کسب وکار خود روبرو خواهند شد»-2.

«تغییر در ساختار سازمانی» نیز یکی از چالش های اساسی در پیاده سازی هوش مصنوعی به شمار می رود-. رئیس انجمن ملی هوش مصنوعی، «شناخت ناکافی از بازارهای هدف» را یکی از دلایل اصلی شکست استارت آپ ها دانسته و تاکید کرده است که «نگرش های سنتی و نبود هماهنگی با مدل های نوین فناوری» از عوامل اصلی نرخ شکست بالا در اکوسیستم استارت آپی ایران است-.

۴-۲. پیامدهای استفاده ناکارآمد از هوش مصنوعی استفاده ناکارآمد از هوش مصنوعی در سازمان های ایرانی پیامدهای متعددی به همراه داشته است که در ادامه به مهم ترین آنها اشاره می شود:

۴-۲-۱. شکست پروژه ها و هدررفت منابع

 تحقیقات نشان می دهد که احتمال شکست پروژه های هوش مصنوعی به طور قابل توجهی بالاست. «بررسی تجربه سازمان ها در پروژه های تحول دیجیتال و استقرار هوش مصنوعی نشان می دهد که بخش قابل توجهی از شکست این پروژه ها، نه به دلیل ضعف فناوری، بلکه به دلیل تصمیمات اشتباه مدیران است»-. این شکست ها منجر به هدررفت منابع مالی و زمانی قابل توجهی می شود.

۴-۲-۲. کاهش بهره وری و بازگشت سرمایه منفی

 در بسیاری از موارد، سرمایه گذاری های انجام شده در حوزه هوش مصنوعی نه تنها به بهبود عملکرد منجر نشده، بلکه به دلیل عدم تناسب با نیازهای واقعی سازمان و نبود زیرساخت های لازم، بازگشت سرمایه منفی به همراه داشته است. «ردیابی تاثیر واقعی هوش مصنوعی بر بهره وری و سود» به دلیل نبود معیارهای سنجش مناسب، دشوار شده است-.

۴-۲-۳. خسارت به اعتبار و برند سازمان

 استفاده نادرست از هوش مصنوعی در فرآیندهای تصمیم گیری و ارائه خدمات می تواند به تضعیف اعتماد ذی نفعان و خسارت به اعتبار سازمان منجر شود. «نگرانی های مربوط به حریم خصوصی، امنیت داده ها، و فقدان همدلی انسانی در تعاملات هوش مصنوعی» از موانع مهم پذیرش گسترده این فناوری محسوب می شود-.

۴-۲-۴. تشدید شکاف بین تولید علم و خلق ارزش اقتصادی

 با وجود رتبه نسبتا خوب ایران در تولید علم هوش مصنوعی (رتبه ۳۰ جهانی)، بهره برداری اقتصادی از این دستاوردها بسیار محدود است. این شکاف نشان دهنده ناکارآمدی نظام انتقال فناوری از دانشگاه به صنعت و ضعف در تجاری سازی دستاوردهای پژوهشی است.

۴-۲-۵. تضعیف اکوسیستم نوآوری

 محدودیت های اینترنتی و مشکلات زیرساختی، فرصت های استارت آپی در حوزه هوش مصنوعی را به شدت محدود کرده است. بر اساس گزارشی از روزنامه شرق، «اینترنت که قرار بود سکوی پرتاب برای نسل جدیدی از کارآفرینان باشد، اکنون به بزرگ ترین مانع برای ایجاد، رشد و توسعه کسب وکار جدید تبدیل شده است»-62. «بسیاری از جوانان ایرانی که پیش تر می توانستند با کم تر از یک لپ تاپ و نرم افزارهای رایگان هوش مصنوعی، کسب وکار بسازند، اکنون به دلیل فیلترینگ، اتصالات ناپایدار و افزایش هزینه های زیرساختی، حتی برای دسترسی به خدمات اولیه آنلاین نیز با مشکل مواجه هستند»-62.

５. بحث

۵-۱. تحلیل سیستماتیک

 موانع یافته های این پژوهش نشان می دهد که موانع استفاده موثر از هوش مصنوعی در سازمان های ایرانی، ماهیتی چندوجهی و به هم پیوسته دارند. این موانع را می توان در چارچوب مدل «لایه های پیاده سازی فناوری» تحلیل کرد:

لایه اول - زیرساخت: نبود زیرساخت های پردازشی مناسب (به ویژه GPU)، محدودیت دسترسی به سرویس های ابری بین المللی، و مشکلات تامین برق برای مراکز داده، پایه ای ترین موانع هستند.

لایه دوم - داده: کیفیت پایین داده ها، فقدان استانداردسازی، و نبود حکمرانی داده مناسب، مانع اصلی آموزش مدل های موثر هوش مصنوعی است.

لایه سوم - نیروی انسانی: کمبود نیروی متخصص، نبود آموزش های کاربردی، و مهاجرت نخبگان، ظرفیت اجرایی سازمان ها را محدود می کند.

لایه چهارم - مدیریت: ناآشنایی مدیران ارشد با قابلیت ها و محدودیت های هوش مصنوعی، عدم تعریف پروژه های متناسب با نیاز واقعی، و نبود استراتژی روشن، از مهم ترین عوامل شکست پروژه ها هستند.

لایه پنجم - سیاست گذاری: فقدان چارچوب حقوقی شفاف، نبود استانداردهای ملی، و پراکندگی در سیاست گذاری ها، محیط نامطمئنی برای سرمایه گذاری و نوآوری ایجاد کرده است.

۵-۲. مقایسه با کشورهای مشابه

 مقایسه وضعیت ایران با کشورهای مشابه نشان دهنده عقب ماندگی قابل توجه است. «ترکیه با سیاست های ملی منسجم، سرمایه گذاری در مراکز داده و توسعه صادرات خدمات فناوری، گام های موثری در این مسیر برداشته است»-3. در مقابل، ایران در میان کشورهای با اندازه متوسط از نظر اقتصاد دیجیتال قرار دارد و «هنوز فاصله قابل توجهی با کشورهای دارای اقتصاد دیجیتال بسیار توسعه یافته دارد»-3.

۵-۳. نقش تحریم ها و محدودیت های بین المللی

 تحریم های اقتصادی و محدودیت های دسترسی به فناوری های پیشرفته، یکی از عوامل تشدیدکننده موانع مذکور است-. «محدودیت دسترسی به سرویس های بین المللی، اقتصاد واسطه ای ایجاد کرده که هزینه استفاده از فناوری را افزایش، کیفیت خدمات را کاهش و ریسک های امنیتی جدیدی به همراه آورده است»-. با این حال، نباید تمام مشکلات را به تحریم ها نسبت داد؛ بسیاری از موانع شناسایی شده در این پژوهش (مانند ناآشنایی مدیران، ضعف حکمرانی داده، و نبود استراتژی ملی) ریشه های داخلی دارند و با اصلاحات ساختاری قابل رفع هستند.

۵-۴. اقدامات اخیر و چشم انداز آینده 

در سال های اخیر، گام های مثبتی در سطح کلان برداشته شده است. مجلس شورای اسلامی تاسیس «سازمان ملی هوش مصنوعی» را به عنوان نهادی مستقل زیر نظر رئیس جمهور تصویب کرده است که هدف آن «سامان دهی و توسعه اکوسیستم هوش مصنوعی کشور» است-44-. همچنین، وزارت علوم، تحقیقات و فناوری «برنامه عملیاتی هوش مصنوعی» را نهایی کرده است که محورهای اصلی آن شامل «تحول در آموزش و تربیت نیروی انسانی، توانمندسازی تحقیقات و نوآوری، ترویج و تجاری سازی هوش مصنوعی، و توسعه دیپلماسی علمی و همکاری های بین المللی» است-19.

«سند ستاد توسعه فناوری و کاربرد هوش مصنوعی» نیز توسط هیئت وزیران تصویب و ابلاغ شده است که در آن به «ارتقای توان و مهارت سرمایه انسانی، ایجاد رشته های تخصصی در زمینه هوش مصنوعی، و حمایت از راه اندازی و تجهیز آزمایشگاه ملی مرجع در حوزه هوش مصنوعی» تاکید شده است-20.

با این حال، فاصله بین تصویب اسناد و پیاده سازی عملی همچنان زیاد است. «بدون اجماع ملی، تعیین متولی مشخص و تدوین سند واحد، توسعه هوش مصنوعی در کشور به نتیجه ای نخواهد رسید»-.

６. نتیجه گیری و پیشنهادها

۶-۱. نتیجه گیری

 پژوهش حاضر نشان می دهد که استفاده ناکارآمد از هوش مصنوعی در سازمان های ایرانی، نتیجه تعامل پیچیده ای از موانع ساختاری، قانونی، داده محور، انسانی و مدیریتی است. علی رغم توانمندی های علمی قابل توجه کشور در تولید دانش هوش مصنوعی، شکاف عمیقی بین این توانمندی و بهره برداری عملی از آن در سازمان ها وجود دارد. این شکاف نه تنها به هدررفت منابع مالی و انسانی منجر شده، بلکه موقعیت رقابتی ایران در اقتصاد دیجیتال جهانی را با تهدید جدی مواجه ساخته است.

مهم ترین یافته این پژوهش، تاکید بر نقش تعیین کننده «عامل انسانی» و به ویژه «مدیریت ارشد» در موفقیت یا شکست پروژه های هوش مصنوعی است. ناآشنایی مدیران با قابلیت ها و محدودیت های این فناوری، مهم تر از کمبود ابزار یا داده، به عنوان بزرگ ترین مانع شناسایی شده است.

۶-۲. پیشنهادهای راهبردی بر اساس یافته های این پژوهش، راهکارهای زیر برای بهبود استفاده از هوش مصنوعی در سازمان های ایرانی پیشنهاد می شود:

۱. تدوین و اجرای استراتژی ملی منسجم: با وجود تصویب اسناد بالادستی، نیاز به نقشه راه عملیاتی با زمان بندی مشخص، تخصیص بودجه کافی و نهاد متولی واحد احساس می شود. «حکمرانی داده ها در ایران با چالش های مختلفی روبرو است» که نیازمند بازنگری اساسی در قوانین و مقررات است-.

۲. سرمایه گذاری هدفمند در زیرساخت ها: توسعه مراکز داده، تامین تجهیزات پردازشی پیشرفته (GPU)، و بهبود کیفیت و پایداری اینترنت، از پیش نیازهای اساسی است. دولت باید «حمایت از راه اندازی و تجهیز آزمایشگاه ملی مرجع در حوزه هوش مصنوعی» را در اولویت قرار دهد-20.

۳. توانمندسازی نیروی انسانی: ایجاد رشته های تخصصی در مقاطع تحصیلات تکمیلی، برگزاری دوره های آموزش مهارتی، و جلوگیری از مهاجرت نخبگان از طریق ایجاد فرصت های شغلی جذاب و محیط های پژوهشی پویا. وزارت علوم باید بر «تحول در آموزش و تربیت نیروی انسانی» به عنوان یکی از محورهای اصلی برنامه عملیاتی خود تمرکز کند-19.

۴. ارتقای سواد دیجیتال مدیران: برگزاری دوره های آموزشی اجباری برای مدیران ارشد سازمان ها در زمینه مفاهیم پایه هوش مصنوعی، قابلیت ها، محدودیت ها و کاربردهای عملی آن در حوزه فعالیت سازمان.

۵. ایجاد چارچوب حقوقی و اخلاقی: تدوین قوانین شفاف در زمینه حریم خصوصی، امنیت داده ها، مسئولیت پذیری الگوریتم ها، و استانداردهای ملی هوش مصنوعی. «حفظ حریم خصوصی، امنیت داده ها، حکمرانی داده و انطباق با مقررات» از جمله مسائلی است که باید در این چارچوب مورد توجه قرار گیرد-.

۶. توسعه همکاری های بین المللی: با وجود محدودیت های ناشی از تحریم ها، می توان از ظرفیت های همکاری با کشورهای همسایه، اعضای سازمان همکاری اسلامی، و کشورهای عضو بریکس برای تبادل دانش و تجربه استفاده کرد-19.

۷. ایجاد نظام پایش و ارزیابی: طراحی شاخص های سنجش آمادگی سازمانی برای پذیرش هوش مصنوعی و پایش مستمر پیشرفت پروژه ها، به منظور شناسایی زودهنگام مشکلات و اصلاح مسیر.

۶-۳. محدودیت های پژوهش و جهت گیری های آینده 

این پژوهش با محدودیت هایی مواجه بوده است که از جمله آنها می توان به دسترسی محدود به برخی منابع داخلی، نبود داده های کمی دقیق درباره نرخ شکست پروژه های هوش مصنوعی در ایران، و تنوع بالای صنایع و سازمان ها اشاره کرد که امکان تعمیم پذیری کامل یافته ها را محدود می سازد.

پژوهش های آینده می توانند بر حوزه های زیر متمرکز شوند: (۱) بررسی کمی نرخ شکست و عوامل موثر بر آن در صنایع مختلف ایران، (۲) مطالعه تطبیقی عمیق تر با کشورهای منطقه، (۳) طراحی و آزمون مدل های اجرایی متناسب با بافت سازمانی ایران، و (۴) بررسی تاثیر بلندمدت استفاده ناکارآمد از هوش مصنوعی بر رقابت پذیری صنایع ایرانی.

۷. منابع

۱. Behzadifar, M., Azari, S., Sajedimehr, N., et al. (2025). Challenges of using artificial intelligence in Iran's health system: a qualitative study. University of Genoa IRIS.-1

۲. IDCA (2025). Global Artificial Intelligence Report 2025. International Data Center Authority.-3

۳. صفری، ع. (۲۰۲۲). شناسایی و اولویت بندی چالش های توسعه هوش مصنوعی در ایران. فصلنامه هوش مصنوعی و مدیریت، ۱(۱)، ۱-۲۲.-

۴. Ministry of Science, Research and Technology (2025). Science ministry finalizes AI action plan. Tehran Times.-19

۵. هیئت وزیران جمهوری اسلامی ایران (۱۴۰۴). سند ستاد توسعه فناوری و کاربرد هوش مصنوعی. پایداری ملی.-20

۶. واکاوی چالش های به کارگیری هوش مصنوعی در سازمان های دولتی ایران با روش تحلیل مضمون (۱۴۰۴). کنفرانس بین المللی مدیریت، اقتصاد و علوم کامپیوتر.-10

۷. Shargh Newspaper (2026). Iran's internet curbs choke AI startup opportunities. Iran International.-62

۸. Oxford Insights (2025). Government AI Readiness Index 2025. Oxford Insights.-19

۹. Rahmani, Z. (2025). Capacities and challenges of AI in tourism: proposals and solutions. MRC Report.-

۱۰. Analyzing the Challenges and Opportunities of Generative Artificial Intelligence in Iran's Banking Industry (2025). IEEE Xplore.-34

۱۱. Political economy, institutional work, and AI development trajectory in a developing country: the case of Iran (2026). Taylor & Francis Online.-

۱۲. Struggling to integrate artificial intelligence in prehospital emergency care in a developing country (2026). International Journal of Emergency Medicine, Springer.-

۱۳. Expert perspectives on AI-based counseling for anxiety and depression in Iran (2026). Discover Artificial Intelligence, Springer.-

۱۴. National Assembly of Iran (2025). Iran to launch national artificial intelligence organization. Mehr News.-44

۱۵. Hamedi Nasab, M. (2025). موانع و چالش های پیاده سازی هوش مصنوعی در نظام آموزش عالی. EPS Journals, University of Mazandaran.-

۱۶. جعفری فر، م. (۲۰۲۴). تولیدات علمی هوش مصنوعی در ایران: با تاکید بر رشته های موضوعی. فصلنامه علوم پژوهشی.-

۱۷. Proposing an Artificial Intelligence Governance Model for State Administration in the Islamic Republic of Iran (2025). Magiran.-

۱۸. Examining the challenges and opportunities of artificial intelligence in governance and policymaking in the Islamic Republic of Iran (2025). Journal of Management and Governance.-

۱۹. Iran National Artificial Intelligence Document (2024). Digital Watch Observatory.-

۲۰. ISO accepts Iran's proposal on developing standards for AI, LLMs (2026). Tehran Times.-

۲۱. A Comparative Study of Artificial Intelligence Governance Patterns in Selected Countries (2026). ETG Journal.-

۲۲. Providing A Framework for AI Infrastructure in Iran (2024). JSTP.-

۲۳. Futures Studies on Artificial Intelligence Development in Iran: A Scenario Planning Approach (2025). IMS Journal.-

۲۴. Artificial Intelligence (AI) and the future of Iran's Primary Health Care (PHC) system (2025). BMC Primary Care, Springer.-

۲۵. Integration of Artificial Intelligence and Blockchain in Iran's Power Sector (2026). PCDP Journal.-

۲۶. The Role of Artificial Intelligence in Empowering Teachers: Opportunities and Challenges (2025). Civilica.-

۲۷. ایران در مسیر توسعه هوش مصنوعی عقب افتاده است (۱۴۰۴). پیوست.-3

۲۸. بزرگترین مانع AI در ایران، ناآشنایی مدیران ارشد با فناوری (۱۴۰۴). پیوست.-2