اثر ادغام GenAI بر کیفیت پیش بینی مدیریتی در شرایط عدم قطعیت بالا

سال انتشار: 1404
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 34

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MANACC15_141

تاریخ نمایه سازی: 26 بهمن 1404

چکیده مقاله:

در محیط های مدیریتی با عدم قطعیت بالا پیش بینی دقیق هم دشوار و هم حیاتی است. شوک های ساختاری، تغییرات غیرخطی و ناپایداری الگوهای تاریخی موجب ضعف نسبی مدل های سنتی و حتی بسیاری از رویکردهای متعارف یادگیری ماشین می شوند. هوش مصنوعی مولد (Generative AI) یا GenAI با فرارفتن از پیش بینی عددی، ظرفیت پردازش داده های ناهمگون، تولید سناریوهای محتمل و ارائه توضیح های تفسیری را فراهم می کند. با وجود رشد ادبیات، تعامل میان قابلیت های فنی GenAI، عوامل انسانی و بسترهای سازمانی در بهبود کیفیت پیش بینی مدیریتی به ویژه تحت عدم قطعیت بالا به صورت نظام مند کمتر تبیین شده است. این مطالعه با مرور نظام مند ادبیات ۲۰۲۲ تا ۲۰۲۵ و تحلیل انتقادی منابع ژورنال های معتبر چارچوبی مفهومی یکپارچه ارائه می کند که نشان می دهد کیفیت پیش بینی مدیریتی مفهومی چندبعدی شامل دقت، انعطاف پذیری، سرعت پاسخ، قابلیت تفسیر و اعتماد است؛ و این ابعاد تحت تاثیر همزمان قابلیت های فنی GenAI، حضور موثر انسان در حلقه تصمیم گیری و بلوغ سازمانی قرار می گیرند. چارچوب پیشنهادی ضمن روشن سازی روابط، علی توصیه های کاربردی برای طراحی و استقرار سیستم های پیش بینی مبتنی بر GenAI در شرایط پرعدم قطعیت ارائه می دهد.

نویسندگان

حسین عظیمی

دانشیار گروه مدیریت و حسابداری دانشکده علوم انسانی دانشگاه زنجان، زنجان، ایران.

نرگس یاری

دانشجوی کارشناسی ارشد مدیریت دولتی گرایش مدیریت تحول، دانشکده علوم انسانی دانشگاه زنجان، زنجان، ایران.

نرگس اصلانی

کارشناسی ارشد رشته مدیریت بازرگانی گرایش بازاریابی دانشگاه زنجان، زنجان، ایران.

فاطمه زمانی

دانشجوی دکتری رشته مدیریت دولتی گرایش مدیریت منابع انسانی دانشکده مدیریت و اقتصاد دانشگاه تربیت مدرس