از «شهر هوشمند» تا «شهر آماده برای هوش مصنوعی»: چرا پیش از AI باید ظرفیت شهر را بسنجیم؟

از «شهر هوشمند» تا «شهر آماده برای هوش مصنوعی»: چرا پیش از AI باید ظرفیت شهر را بسنجیم؟

مقدمه

در دو دهه گذشته، مفهوم «شهر هوشمند» عمدتا با میزان دسترسی شهر به فناوری، حسگرها، اینترنت اشیا، پلتفرم های داده، زیرساخت های دیجیتال و سامانه های هوشمند سنجیده شده است. اما ورود هوش مصنوعی به مرحله ای جدید، این تعریف را با یک پرسش بنیادی مواجه کرده است:

آیا هر شهری که به فناوری AI دسترسی دارد، واقعا برای استفاده از آن آماده است؟

پاسخ لزوما مثبت نیست.

در سال های اخیر، هوش مصنوعی به سرعت وارد حوزه هایی مانند خدمات عمومی، حمل ونقل، مدیریت زیرساخت، برنامه ریزی شهری، پایش محیط زیست و تعامل شهروندان با دولت شده است. بااین حال، همان طور که گزارش جدید Oxford Insights در اکتبر ۲۰۲۶ نشان می دهد، هنوز یک چارچوب مشترک و شهری برای مقایسه میزان آمادگی شهرها جهت استفاده ایمن، موثر و پاسخگو از هوش مصنوعی وجود ندارد. این مطالعه، آمادگی AI را در شش شهر ابوظبی، سئول، لندن، مونترال، هلسینکی و تالین بررسی کرده و مبنایی برای شکل گیری یک City AI Readiness Index پیشنهاد داده است.

این تحول می تواند نقطه عطفی در ادبیات «شهر هوشمند» باشد؛ زیرا مسئله دیگر صرفا داشتن فناوری نیست، بلکه داشتن ظرفیت نهادی برای استفاده مسئولانه از فناوری است.

شهر هوشمند لزوما شهر AI-Ready نیست

یک شهر ممکن است دارای مرکز داده پیشرفته، شبکه فیبر نوری، حسگرهای شهری، پلتفرم های دیجیتال و حتی چندین سامانه مبتنی بر AI باشد؛ اما همچنان برای استفاده گسترده از هوش مصنوعی آماده نباشد.

چرا؟

زیرا AI به چیزی فراتر از زیرساخت فنی نیاز دارد.

برای مثال، اگر یک شهرداری بخواهد از AI برای پیش بینی تقاضای حمل ونقل استفاده کند، تنها داشتن الگوریتم کافی نیست. شهر باید:

• داده باکیفیت و قابل اعتماد داشته باشد؛
• متخصصانی برای تفسیر خروجی مدل در اختیار داشته باشد؛
• ساختار نهادی مناسب برای تصمیم گیری داشته باشد؛
• مسئولیت تصمیم های مبتنی بر AI را مشخص کرده باشد؛
• امکان ممیزی و ارزیابی الگوریتم را فراهم کند؛
• و سازوکاری برای اعتراض یا بازبینی تصمیمات داشته باشد.

بنابراین می توان گفت:

AI readiness ≠ technology availability

بلکه:

AI readiness = Technology + Data + Talent + Institutions + Governance + Resilience

این تغییر نگاه، یکی از مهم ترین تحولات مفهومی در آینده حکمرانی شهری است.

چرا مقیاس شهر اهمیت ویژه ای دارد؟

بخش قابل توجهی از شاخص های آمادگی AI تاکنون در سطح ملی طراحی شده اند. برای نمونه، Oxford Insights از سال ۲۰۱۷ آمادگی دولت ها برای استفاده از AI را در سطح کشورها ارزیابی کرده است و نسخه ۲۰۲۵ این شاخص ۱۹۵ دولت را پوشش می دهد.

اما شهر با کشور تفاوت اساسی دارد.

شهر همان جایی است که شهروند مستقیما با حکومت مواجه می شود:

حمل ونقل، پسماند، آب، انرژی، مسکن، مجوزها، خدمات اجتماعی، ایمنی، پارک ها و فضاهای عمومی.

بنابراین اگر AI قرار است زندگی روزمره مردم را تغییر دهد، بخش مهمی از آمادگی آن باید در سطح شهری سنجیده شود، نه صرفا در سطح ملی.

این همان شکافی است که مطالعه جدید Oxford Insights تلاش می کند به آن پاسخ دهد. پژوهشگران علاوه بر مطالعه عمیق ابوظبی، آن را با سئول، لندن، مونترال، هلسینکی و تالین مقایسه کرده اند.

شش ستون شهر آماده برای AI

بر اساس این رویکرد جدید، آمادگی شهری برای هوش مصنوعی را نمی توان با یک شاخص منفرد توضیح داد. باید مجموعه ای از ظرفیت های مکمل را در نظر گرفت.

می توان این مفهوم را در قالب یک Urban AI Readiness Framework بازتعریف کرد:

۱. زیرساخت محاسباتی و انرژی

AI به توان پردازشی، مراکز داده، اتصال شبکه ای و انرژی نیاز دارد.

بنابراین سوال آینده شهرها فقط این نیست که:

«آیا شهر دیجیتال است؟»

بلکه:

«آیا شهر ظرفیت محاسباتی و انرژی لازم برای AI را دارد؟»

۲. داده و زیرساخت دیجیتال

هوش مصنوعی بدون داده باکیفیت نمی تواند عملکرد قابل اعتمادی داشته باشد.

اما مسئله صرفا حجم داده نیست.

داده شهری باید:

قابل دسترسی، به روز، استاندارد، قابل اشتراک، قابل تفسیر و تا حد امکان نماینده گروه های مختلف اجتماعی باشد.

در غیر این صورت، AI می تواند به جای اصلاح نابرابری های شهری، آنها را بازتولید کند.

۳. سرمایه انسانی

شهر AI-ready الزاما شهری با تعداد زیادی برنامه نویس نیست.

به ترکیبی از تخصص ها نیاز دارد:

Urban Planner + Data Scientist + GIS Specialist + AI Engineer + Policy Expert + Legal Specialist

در واقع، یکی از چالش های مهم آینده، شکل گیری نسل جدیدی از متخصصان بین رشته ای شهر و AI خواهد بود.

۴. حکمرانی و تنظیم گری

این شاید مهم ترین ستون آمادگی شهری باشد.

شهر باید پیش از گسترش AI مشخص کند:

چه کسی مسئول الگوریتم است؟

چه کسی تصمیم نهایی را می گیرد؟

چه کسی می تواند تصمیم AI را به چالش بکشد؟

چه داده هایی مجاز به استفاده هستند؟

چه کاربردهایی پرخطر محسوب می شوند؟

و در صورت خطا، مسئولیت با چه نهادی است؟

مطالعات اخیر در حوزه حکمرانی شهری نیز نشان می دهند که AI می تواند همزمان ظرفیت تصمیم گیری را افزایش دهد و شکل های جدیدی از ابهام، سوگیری و جابه جایی مسئولیت ایجاد کند.

۵. ظرفیت نهادی و مدل اجرایی

حتی بهترین AI در سازمانی که ساختار تصمیم گیری ناکارآمد دارد، الزاما نتیجه خوبی ایجاد نمی کند.

ممکن است یک شهر الگوریتم بسیار پیشرفته ای برای مدیریت ترافیک داشته باشد، اما اگر داده میان سازمان ها به اشتراک گذاشته نشود یا هیچ نهادی اختیار اجرای خروجی الگوریتم را نداشته باشد، AI عملا به یک ابزار نمایشی تبدیل خواهد شد.

بنابراین:

AI maturity without institutional maturity is technological capacity without governance capacity.

۶. تاب آوری

یک شهر AI-ready باید تنها در شرایط عادی عملکرد خوبی نداشته باشد.

باید در برابر:

• حملات سایبری؛
• اختلال زیرساخت؛
• خطای الگوریتمی؛
• قطع داده؛
• وابستگی به فروشندگان فناوری؛
• و شکست مدل های AI

نیز مقاوم باشد.

این موضوع اهمیت زیادی دارد، زیرا دیجیتالی شدن شدید شهر می تواند یک تناقض جدید ایجاد کند:

هرچه شهر به AI وابسته تر شود، اختلال در AI می تواند اثرات شهری بزرگ تری ایجاد کند.

چهار نوع شهر AI-Ready

یکی از نکات جذاب مطالعه جدید Oxford Insights، شناسایی چهار الگوی متفاوت برای آمادگی AI شهری است:

Platform City

شهری که مزیت اصلی آن زیرساخت، محاسبات، انرژی و بسترهای فناورانه است.

Cognitive City

شهری که بر دانشگاه ها، پژوهش، دانش و ظرفیت تولید نوآوری AI تکیه دارد.

Delivery City

شهری که تمرکز اصلی آن بر استفاده از AI برای ارائه بهتر خدمات عمومی است.

Strategic City

شهری که AI را به مرکز برنامه ریزی اقتصادی، حکمرانی و تحول نهادی خود تبدیل کرده است. در مطالعه موردی، ابوظبی و سئول در این گروه قرار گرفته اند.

این طبقه بندی یک نکته بسیار مهم را نشان می دهد:

برای AI-ready شدن، یک مسیر واحد وجود ندارد.

هر شهر بر اساس ساختار اقتصادی، ظرفیت نهادی، زیرساخت، سرمایه انسانی و اولویت های سیاسی خود مسیر متفاوتی طی می کند.

مسئله اصلی: «هوشمندتر شدن» یا «آماده تر شدن»؟

در ادبیات شهر هوشمند، معمولا پرسیده می شد:

چقدر فناوری داریم؟

اما در عصر AI باید پرسش را تغییر دهیم:

چقدر ظرفیت استفاده مسئولانه از فناوری داریم؟

این تغییر کوچک در سوال، پیامدهای بزرگی دارد.

ممکن است شهری فناوری بیشتری داشته باشد اما آمادگی AI کمتری داشته باشد؛ زیرا فاقد حکمرانی داده، نیروی انسانی یا ظرفیت نهادی مناسب است.

از سوی دیگر، شهری با فناوری کمتر ممکن است بتواند با ایجاد چارچوب های حکمرانی مناسب، AI را به صورت تدریجی و مسئولانه توسعه دهد.

بنابراین آینده رقابت شهری احتمالا فقط بر سر AI adoption نخواهد بود.

رقابت بر سر AI readiness خواهد بود.

از Smart City به AI-Ready City

می توان تحول مفهومی شهرها را چنین ترسیم کرد:

Traditional City
↓
Digital City
↓
Smart City
↓
AI-Enabled City
↓
AI-Ready City
↓

AI-Governed City

در این مسیر، «AI-ready» بودن یک مرحله میانی بسیار مهم است.

زیرا قبل از اینکه شهر بخواهد AI را در مقیاس وسیع به کار گیرد، باید ابتدا ظرفیت لازم برای جذب، ارزیابی، مدیریت، نظارت و حکمرانی آن را ایجاد کند.

یک شاخص جدید برای برنامه ریزی شهری؟

از این منظر، می توان یک گام فراتر رفت و مفهوم Urban AI Readiness Index (U-AIRI) را برای شهرها پیشنهاد کرد.

یک شاخص جامع می تواند حداقل پنج سطح را اندازه گیری کند:

Infrastructure Readiness
آمادگی زیرساختی

Data Readiness
آمادگی داده ای

Human-Capital Readiness
آمادگی سرمایه انسانی

Institutional Readiness
آمادگی نهادی

Governance Readiness
آمادگی حکمرانی

و در کنار آنها یک لایه بسیار مهم:

Resilience Readiness

این شاخص می تواند به جای رتبه بندی ساده شهرها، نقشه شکاف آمادگی AI آنها را نشان دهد.

برای مثال:

یک شهر ممکن است در زیرساخت امتیاز بالا اما در حکمرانی امتیاز پایین داشته باشد.

شهر دیگر ممکن است سرمایه انسانی بسیار قوی اما زیرساخت محاسباتی محدود داشته باشد.

بنابراین سیاست مناسب برای هر دو شهر باید متفاوت باشد.

پیامد مهم برای برنامه ریزان شهری

این تحول می تواند نقش برنامه ریز شهری را نیز تغییر دهد.

برنامه ریز آینده فقط نباید بداند:

AI چه کاری می تواند انجام دهد؟

بلکه باید بتواند تشخیص دهد:

آیا شهر برای انجام آن کار آماده است؟

این یعنی برنامه ریزی شهری وارد مرحله ای جدید می شود که در آن AI Readiness Assessment می تواند به یکی از اجزای مطالعات پایه شهر تبدیل شود.

در کنار مطالعات جمعیتی، اقتصادی، اجتماعی، کالبدی و زیست محیطی، ممکن است در آینده بخشی جدید به نام:

Urban AI Capacity Assessment

به اسناد و برنامه های توسعه شهری اضافه شود.

جمع بندی

شهر آینده الزاما شهری نیست که بیشترین هوش مصنوعی را در اختیار دارد.

شاید شهر آینده، شهری باشد که بهترین ظرفیت را برای استفاده مسئولانه از هوش مصنوعی ایجاد کرده است.

تحولات اخیر نشان می دهند که مسئله AI در شهرها از مرحله «آیا باید از AI استفاده کنیم؟» عبور کرده و به مرحله پیچیده تری رسیده است:

آیا زیرساخت، داده، نیروی انسانی، نهادها و نظام حکمرانی ما برای استفاده از AI آماده اند؟

این پرسش به ویژه در شرایطی اهمیت پیدا می کند که AI به سرعت از ابزارهای آزمایشی به خدمات عمومی و عملیات روزمره شهری وارد می شود. گزارش جدید Oxford Insights دقیقا همین شکاف را در سطح شهرها برجسته کرده و پیشنهاد یک چارچوب مقایسه ای برای City AI Readiness را مطرح کرده است.

بنابراین شاید لازم باشد تعریف خود از «شهر هوشمند» را یک بار دیگر بازنویسی کنیم:

شهر هوشمند شهری نیست که فقط فناوری بیشتری دارد؛ شهری است که ظرفیت نهادی، انسانی و حکمرانی لازم برای استفاده مسئولانه از فناوری را نیز دارد.

و شاید آینده متعلق به شهری نباشد که زودتر AI را وارد کند؛ بلکه متعلق به شهری باشد که پیش از وارد کردن AI، خود را برای آن آماده کرده باشد.

منابع

Oxford Insights. (2026). City AI Readiness: A deep dive into Abu Dhabi and the global landscape. Oxford Insights.

Oxford Insights. (2025). Government AI Readiness Index 2025. Oxford Insights.

Goldsmith, S., & Yang, J. (2026). AI and the transformation of accountability and discretion in urban governance. Urban Governance. https://doi.org/10.1016/j.ugj.2026.02.005

Nguyen Van Tam. (2026). Autonomy is not enough: Why agentic AI in the built environment demands governance. Energy and Buildings, 368, 117865. https://doi.org/10.1016/j.enbuild.2026.117865

Aghaabbasi, M. (2026). Urban mobility digital twins in transport policy: Governance challenges and policy trade-offs. Transport Policy, 104204. https://doi.org/10.1016/j.tranpol.2026.104204

Ye, X., Spencer, J. N. H., Li, W., Kang, Y., Zandiatashbar, A., Kim, J., et al. (2026). From vision to practice: Five years of responsible Urban AI and community insight. Frontiers of Urban and Rural Planning, 4, 20.