شناسایی عوامل موثر در بکارگیری هوش مصنوعی در راستای بهبود فرآیند های مدیریت دانش

پیاده سازی هوش مصنو عی در مدیریت دانش یکی از رویکردهای نوین است که میتواند به طورچشمگیری بهره وری، کارایی و توان رقابتی سازمان های کوچک و متوسط (SMEs) را بهبود بخشد. اینفناوری با فراهم سازی امکان دسترسی به اطلاعات دقیق، تصمیم گیری سریع تر و بهینه سازی فرآیندهایکاری، به سازمان ها کمک می کند تا در بازارهای رقابت ی امروزی بهتر عمل کنند. با این حال، سازمان هایکوچک و متوسط در ایران، به ویژه در تهران، در فرآیند بهره برداری از هوش مصنو عی با چالش ها و موانعمتعددی مواجه اند که این امر پیاده سازی موفقیت آمیز آن را به یک مساله پیچیده تبدیل کرده است. اینپژوهش با هدف شناسایی و تحلیل این موانع و چالش ها انجام شده است و تلاش دارد با تمرکز برمحدودیت های مالی، فنی، فرهنگی و مدیریتی موجود در این سازمانها، راهکارهای عملی و قابل اجرابرای غلبه بر آ نها ارائه دهد. روش شناسی این پژوهش بر پایه استفاده از نظرات خبرگان و متخصصانحوزه هوش مصنوعی و مدیریت دانش استوار است. برای تحلیل عمیق تر روابط میان عوامل مختلف وارزیابی تاثیرات متقابل این عوامل، از تکنیک دیمتل فازی (Fuzzy DEMATEL) استفاده شده است. اینروش به دلیل توانایی در تحلیل روابط پیچیده و اولویت بندی عوامل در محیط های غیرقطعی، به عنوانابزاری مناسب برای بررسی چالش های پیاده سازی هوش مصنو عی در مدیریت دانش انتخاب شده است.در این فرآیند، ابتدا مجموعه ای از عوامل کلیدی موثر شناسا یی شدند و سپس روابط بین این عوامل بااستفاده از روش دیمتل فازی تحلیل گردید. نتا یج پژوهش نشان میدهد که موانع کلیدی پیش رویسازمانهای کوچک و متوسط برای پیاده سازی موفقیت آمیز هوش مصنوعی در مدیریت دانش شاملمحدودیت های مالی، نبود زیرساخت های فنی مناسب، کمبود تخصص های مرتبط، و فرهنگ سازمانیناکافی برای پذیرش فناوری های نوین هستند. همچنین، عواملی مانند مقاومت در برابر تغییرات فناورانه ونبود استراتژی های مدیریتی مناسب نیز از دیگر موانع مهم به شمار می روند . بر اساس تحلیل روابط بیناین عوامل، این پژوهش نشان میدهد که برطرف کردن برخی موانع کلیدی، مانند بهبود زیرساختهایفنی و توسعه مهارتهای فنی کارکنان، می تواند تاثیر بسزایی بر حل سایر چالش ها داشته باشد.