اقتصاد رفتارشناسی داده محور: مدل سازی تئوریک تاثیر سوگیری های الگوریتمی بر تصمیم گیری های استراتژیک مدیران در اکوسیستم های نوآوری باز

با گسترش کاربرد هوش مصنوعی در مدیریت استراتژیک، این پرسش بنیادین مطرح می شود که آیا الگوریتم ها ابزارهای خنثی هستند یا بازتولیدکننده سوگیری های انسانی؟ این پژوهش با رویکردی بین رشته ای که ترکیبی از اقتصاد رفتاری، علوم داده و مدیریت نوآوری است، یک مدل تئوریک برای تحلیل تاثیر سوگیری های الگوریتمی بر فرآیند تصمیم گیری در محیط های نوآوری باز ارائه می دهد. هدف اصلی پژوهش، بررسی چگونگی بازتولید تاریخچه اجتماعی-اقتصادی نهفته در داده ها توسط مدل های یادگیری ماشین و تاثیر آن بر پیشنهادات استراتژیک است. روش پژوهش مبتنی بر مدل سازی ریاضی و استفاده از تئوری بازی ها (Game Theory) و مدل های انتخاب مشروط است. یافته ها نشان می دهد که مدل های یادگیری ماشین بدون مکانیسم های تصحیحی، سوگیری های موجود در داده های تاریخی را در خروجی های استراتژیک بازتولید می کنند. در این مطالعه، چارچوبی تحت عنوان هوش مصنوعی متعادل (Balanced AI) پیشنهاد شده است که با اعمال وزن دهی مجدد به نمونه های نادیده گرفته شده، تعادلی میان عدالت الگوریتمی و بهره وری اقتصادی ایجاد می کند. نتایج تحلیل تئوریک حاکی از آن است که ادغام متغیرهای عدالت در تابع مطلوبیت مدیران، نه تنها منجر به تصمیم گیری های اخلاقی تر می شود، بلکه با افزایش اعتماد ذینفعان، پایداری اکوسیستم نوآوری را نیز تقویت می کند. این یافته ها پیامدهای مهمی برای سیاست گذاری های کلان داده و حکمرانی الگوریتمی در سازمان ها دارد.

کلیدواژه ها:

اقتصاد رفتارشناسی ، سوگیری الگوریتمی ، نوآوری باز ، تئوری بازی ها ، عدالت هوش مصنوعی ، تصمیم گیری استراتژیک