از «هوش مصنوعی مولد» تا «هوش مصنوعی عامل»: آیا شهر آماده است تصمیم ها را به AI واگذار کند؟
از «هوش مصنوعی مولد» تا «هوش مصنوعی عامل»: آیا شهر آماده است تصمیم ها را به AI واگذار کند؟
تا همین چند ماه پیش، بخش مهمی از بحث درباره هوش مصنوعی در شهرها حول یک پرسش نسبتا ساده می چرخید: آیا هوش مصنوعی می تواند بهتر تحلیل کند، پیش بینی کند و برای مسائل شهری راه حل پیشنهاد دهد؟ اما با ظهور نسل جدیدی از سامانه های هوش مصنوعی عامل (Agentic AI)، پرسش در حال تغییر است؛ زیرا این سامانه ها صرفا پاسخ تولید نمی کنند، بلکه می توانند وضعیت را ادراک کنند، استدلال کنند، برنامه ریزی کنند، ابزارهای مختلف را به کار بگیرند و بخشی از اقدامات را به صورت خودکار اجرا کنند. پژوهش های منتشرشده در سال ۲۰۲۶ نشان می دهند که این تحول می تواند رابطه میان هوش مصنوعی و مدیریت محیط ساخته شده را از «پشتیبانی از تصمیم» به سمت «اجرای خودکار تصمیم» سوق دهد.
مسئله دیگر «هوشمندی» نیست؛ «خودمختاری» است
نسل نخست کاربردهای AI در مدیریت شهری عمدتا نقش تقویت کننده تصمیم گیری داشتند. سیستم های پیش بینی ترافیک، تحلیل تصاویر ماهواره ای، پایش محیط زیست، شناسایی تخلفات ساختمانی، پیش بینی تقاضای انرژی و تحلیل داده های شهری، اطلاعات را در اختیار مدیر و برنامه ریز قرار می دادند تا انسان تصمیم نهایی را اتخاذ کند.
مطالعه ای در سال ۲۰۲۶ درباره کاربرد AI در برنامه ریزی و حکمرانی شهری نیز نشان می دهد که بخش عمده کاربردهای فعلی همچنان در همین سطح قرار دارند؛ یعنی AI ظرفیت های تحلیلی و اداری را تقویت می کند، اما در اغلب موارد جایگزین تصمیم گیری انسانی نمی شود.
اما Agentic AI یک گام فراتر می رود.
در اینجا دیگر با یک مدل مواجه نیستیم که فقط بگوید «چه اتفاقی افتاده است؟» یا «چه گزینه هایی وجود دارد؟»؛ بلکه می توان سامانه ای را تصور کرد که بگوید:
«این وضعیت را شناسایی کردم؛ چند راه حل را بررسی کردم؛ گزینه مناسب تر را انتخاب کردم؛ اقدام لازم را انجام دادم و نتیجه را دوباره پایش می کنم.»
این تغییر، از منظر مدیریت شهری بسیار مهم است؛ زیرا شهر یک محیط ایستا نیست که بتوان در آن یک بار تصمیم گرفت و نتیجه را مشاهده کرد. شهر یک سیستم اجتماعی–فضایی پویا است که هر تصمیم می تواند بر گروه های مختلف، زیرساخت ها، محیط زیست، اقتصاد و حقوق شهروندان اثر بگذارد.
از «AI برای تصمیم» به «AI برای عمل»
برای درک تفاوت می توان سه مرحله را در نظر گرفت:
AI تحلیلی:
داده → تحلیل → اطلاعات
AI مولد:
داده → تحلیل → تولید گزینه ها
AI عامل:
داده → ادراک → استدلال → برنامه ریزی → اقدام → پایش → اصلاح
در مدل سوم، AI دیگر صرفا یک ابزار مشاوره ای نیست؛ بلکه به یک عامل فعال در سیستم شهری تبدیل می شود.
پژوهش منتشرشده در Computers, Environment and Urban Systems در سال ۲۰۲۶ حتی از ترکیب Agentic AI با دوقلوهای دیجیتال شهری برای حرکت به سمت «عملیات خودکار شهر» سخن می گوید. این رویکرد می تواند به سامانه هایی منجر شود که از طریق دوقلوی دیجیتال، چند مرحله استدلال را انجام داده و با هماهنگی چند عامل هوش مصنوعی، ابزارهای مختلف شهری را به کار گیرند.
در ظاهر، این تحول بسیار جذاب است؛ اما دقیقا همین جا باید سوال حکمرانی مطرح شود:
اگر AI بتواند اقدام کند، چه کسی مسئول اقدام اوست؟
شهر با یک «عامل هوشمند» مانند یک اپلیکیشن معمولی نیست
فرض کنیم یک عامل هوش مصنوعی شهری وظیفه مدیریت ترافیک یک منطقه را بر عهده دارد.
سامانه می تواند به صورت لحظه ای داده های ترافیکی، حمل ونقل عمومی، تصادفات، وضعیت آب وهوا و رویدادهای شهری را دریافت کند و سپس برای کاهش ازدحام، چراغ های راهنمایی را تغییر دهد، مسیرهای پیشنهادی را اصلاح کند و حتی برخی منابع حمل ونقل را جابه جا کند.
اما اگر این سیستم برای کاهش ۱۵ درصدی زمان سفر، دسترسی یک محله کم برخوردار به مسیرهای اصلی را کاهش دهد چه؟
اگر الگوریتم به دلیل داده های ناقص، یک منطقه را دائما در اولویت پایین قرار دهد چه؟
اگر هدف اولیه سیستم تغییر کند یا به اصطلاح دچار Goal Drift شود چه؟
و اگر تصمیمی گرفته شود که هیچ مقام یا کارشناس مشخصی نتواند توضیح دهد چرا سیستم آن را انتخاب کرده است، مسئولیت بر عهده چه کسی خواهد بود؟
پژوهش جدید درباره Agentic AI در محیط ساخته شده دقیقا بر همین مسئله تاکید می کند و خطرهایی مانند انحراف هدف، توهم، رفتارهای نوظهور، شکاف مسئولیت پذیری، محدودیت توضیح پذیری، نقض حریم خصوصی و جابه جایی عاملیت انسانی را از ریسک های مهم این نسل از AI معرفی می کند.
«خودمختاری بیشتر» الزاما به معنای «شهر بهتر» نیست
یکی از خطاهای رایج در نگاه فناورانه این است که فرض کنیم:
Autonomy ↑ = Efficiency ↑ = Better City
در حالی که در مدیریت شهری چنین رابطه ای لزوما برقرار نیست.
یک سیستم ممکن است بسیار کارآمد باشد اما عادلانه نباشد.
ممکن است سریع باشد اما قابل توضیح نباشد.
ممکن است دقیق باشد اما داده های آن سوگیرانه باشند.
و ممکن است بتواند بهترین گزینه را از نظر ریاضی پیدا کند، اما آن گزینه از نظر اجتماعی یا سیاسی قابل قبول نباشد.
بنابراین، مسئله اصلی در عصر Agentic AI دیگر صرفا هوش مصنوعی مسئولانه (Responsible AI) نیست؛ بلکه باید به سمت مفهوم دقیق تری حرکت کنیم:
«خودمختاری مسئولانه شهری»
Responsible Urban Autonomy
یعنی هرچه اختیار عملیاتی AI بیشتر می شود، سطح نظارت، توضیح پذیری، قابلیت اعتراض و پاسخگویی نیز باید متناسب با آن افزایش پیدا کند.
از Human-in-the-Loop به Human-in-the-Governance
در بسیاری از چارچوب های اولیه AI، مفهوم Human-in-the-Loop مطرح بود؛ یعنی انسان در یک نقطه از فرآیند حضور دارد و می تواند تصمیم سیستم را تایید یا رد کند.
اما برای شهرهای آینده، این مدل احتمالا کافی نیست.
اگر AI در طول یک شبانه روز هزاران تصمیم کوچک و متوسط اتخاذ کند، حضور انسان برای تایید تک تک آنها عملا امکان پذیر نیست.
بنابراین باید یک سطح بالاتر ایجاد شود:
Human-in-the-Governance
در این مدل، انسان الزاما همه اقدامات AI را به صورت لحظه ای تایید نمی کند؛ بلکه قواعد، حدود اختیار، اهداف، خطوط قرمز، سازوکارهای اعتراض، معیارهای عدالت و مسئولیت پذیری را از ابتدا تعیین می کند.
در واقع:
انسان نباید فقط در حلقه تصمیم AI باشد؛ باید در ساختار حکمرانی AI حضور داشته باشد.
یک چارچوب پیشنهادی جدید برای مدیریت زیرساخت های شهری نیز بر تقسیم روشن مسئولیت تاکید می کند: AI می تواند داده ها را ترکیب و گزینه ها را تولید کند، اما قضاوت زمینه ای، نظارت اخلاقی و اختیار نهایی باید در اختیار متخصصان انسانی باقی بماند.
دوقلوی دیجیتال + Agentic AI؛ آغاز «شهر عامل محور»؟
ترکیب Urban Digital Twin و Agentic AI شاید یکی از مهم ترین تحولات آینده برنامه ریزی و مدیریت شهری باشد.
دوقلوی دیجیتال می تواند وضعیت شهر را در یک محیط مجازی بازنمایی کند؛ داده های مکانی، حمل ونقل، انرژی، محیط زیست، زیرساخت و حتی برخی متغیرهای اجتماعی را در اختیار سیستم قرار دهد.
Agentic AI سپس می تواند روی این محیط:
ادراک کند → تحلیل کند → سناریو بسازد → اقدام کند → نتیجه را مشاهده کند → خود را اصلاح کند.
این مدل، شهر را از یک Smart City به سمت چیزی فراتر می برد:
Smart City → AI-Enabled City → Agentic City
اما «Agentic City» نباید به معنای شهری باشد که ماشین ها در آن به جای انسان ها حکومت می کنند.
بلکه باید به معنای شهری باشد که بخشی از عملیات پیچیده آن با کمک عامل های هوشمند انجام می شود، اما قواعد این خودمختاری توسط جامعه، نهادهای عمومی و متخصصان تعیین و کنترل می شود.
مدل پیشنهادی: «هرچه اختیار بیشتر، حکمرانی بیشتر»
برای مدیریت این گذار می توان یک اصل ساده اما بنیادی پیشنهاد کرد:
Autonomy–Governance Principle
هرچه سطح خودمختاری AI در یک فرایند شهری افزایش پیدا می کند، باید همزمان چهار ظرفیت نیز افزایش یابد:
۱. Explainability | توضیح پذیری
مشخص باشد چرا سیستم چنین تصمیمی گرفته است.
۲. Contestability | قابلیت اعتراض
شهروند یا نهاد مسئول بتواند تصمیم AI را به چالش بکشد.
۳. Accountability | پاسخگویی
مسئولیت تصمیم نهایی به یک ساختار انسانی و نهادی قابل شناسایی متصل باشد.
۴. Risk-Adaptive Oversight | نظارت متناسب با ریسک
همه تصمیم ها به یک میزان خودمختاری نیاز ندارند.
برای مثال، AI می تواند در تنظیم یک فرایند کم خطر عملیاتی اختیار بیشتری داشته باشد؛ اما در تصمیمی درباره تخصیص مسکن، خدمات اجتماعی، محدودیت دسترسی یا زیرساخت حیاتی، سطح بسیار بالاتری از نظارت انسانی و نهادی ضروری است.
این رویکرد با پیشنهادهای جدید درباره Risk-Adaptive Governance و «Governance by Design» برای Agentic AI هم راستا است.
مسئله اعتماد عمومی
حتی اگر یک عامل هوش مصنوعی از نظر فنی بسیار توانمند باشد، بدون اعتماد عمومی نمی تواند به سادگی وارد حکمرانی شهری شود.
مطالعه ای جدید با بررسی ۱۱۸۳ پاسخ دهنده در استرالیا، هنگ کنگ و عربستان سعودی نشان داده است که حمایت عمومی از خدمات AI در دولت محلی به نوع کاربرد، زمینه حکمرانی و میزان حساسیت داده ها وابسته است؛ به ویژه هنگامی که AI با هدف گذاری فردی و پیامدهای شخصی درگیر می شود، مسئله اعتماد، عدالت و پاسخگویی اهمیت بیشتری پیدا می کند.
بنابراین، شهروند آینده نباید فقط بپرسد:
«آیا این AI دقیق است؟»
بلکه باید بتواند بپرسد:
«چه کسی به این AI اختیار داده است؟»
«بر چه مبنایی تصمیم می گیرد؟»
«اگر اشتباه کرد چه کسی پاسخگوست؟»
«آیا می توانم به تصمیم آن اعتراض کنم؟»
اینها پرسش های فنی نیستند؛ پرسش های حکمرانی شهری اند.
از شهر هوشمند به شهر خودمختار مسئول
به نظر می رسد تحول واقعی در سال های آینده نه صرفا در افزایش قدرت مدل های هوش مصنوعی، بلکه در طراحی رابطه میان AI، انسان، نهاد و شهر رخ خواهد داد.
شهر آینده ممکن است از عامل های هوشمندی استفاده کند که بتوانند ترافیک را تنظیم کنند، انرژی را مدیریت کنند، زیرساخت ها را پایش کنند، سناریوهای توسعه را شبیه سازی کنند و حتی بخشی از عملیات شهری را اجرا کنند.
اما خودمختاری نباید مقصد نهایی باشد.
مقصد باید خودمختاری مسئولانه باشد.
شهری که AI در آن بتواند عمل کند، اما نتواند بدون قواعد عمل کند؛
بتواند پیشنهاد دهد، اما نتواند بدون پاسخگویی تصمیم بگیرد؛
بتواند سریع تر واکنش نشان دهد، اما نتواند عدالت و حقوق شهروندی را نادیده بگیرد.
در چنین شرایطی، نقش برنامه ریز شهری نیز از «طراحی فضا» فراتر می رود و به طراحی قواعد تعامل میان انسان، داده، الگوریتم و نهاد تبدیل می شود.
شاید بنابراین، مرحله بعدی تحول شهر هوشمند را نه بتوان صرفا Smart City 2.0 نامید و نه حتی AI City.
مفهوم دقیق تر می تواند این باشد:
Governed Agentic City — شهر عامل محور حکمرانی شده
شهری که در آن هوش مصنوعی فقط هوشمند نیست؛ مسئولانه، قابل توضیح، قابل اعتراض و قابل حکمرانی است.
جمع بندی
گذار از Generative AI به Agentic AI یک تغییر صرفا تکنولوژیک نیست؛ این گذار، مرز میان «پیشنهاد دادن» و «اقدام کردن» را در مدیریت شهری جابه جا می کند. اگر نسل قبلی AI بیشتر به برنامه ریزان برای دیدن آینده کمک می کرد، نسل عامل می تواند بخشی از اقدامات مرتبط با آن آینده را نیز اجرا کند.
بنابراین، سوال اصلی آینده دیگر این نیست که «آیا AI می تواند شهر را مدیریت کند؟»؛ بلکه این است که «چه میزان از مدیریت شهر را باید به AI سپرد، تحت چه شرایطی، با چه محدودیت هایی و با مسئولیت چه کسی؟»
آینده شهر هوشمند احتمالا متعلق به شهری نیست که بیشترین میزان خودمختاری را به ماشین ها واگذار کرده است؛ بلکه متعلق به شهری است که بهترین توازن میان هوش ماشین، قضاوت انسانی، اختیار نهادی و حقوق شهروندی را ایجاد می کند.
منابع
- 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
- Xu, H., Zlatanova, S., Li, X., Wachowicz, M., & Batty, M. (2026). Towards fully automated city operations: Integrating agentic AI with urban digital twins. Computers, Environment and Urban Systems, 128, 102449. https://doi.org/10.1016/j.compenvurbsys.2026.102449
- Othengrafen, F., Sievers, L., & Frankl, M. (2026). Augmentation or automation? The expanding role of artificial intelligence in urban planning and governance. International Journal of Urban Sustainable Development, 18, 221–238. https://doi.org/10.1080/19463138.2026.2686016
- Poudel, A., Barrios, C., De La Torre, P., Mehta, V., et al. (2026). Hybrid human-AI governance framework for accountable decision-making in urban infrastructure management. Discover Cities, 3, 136. https://doi.org/10.1007/s44327-026-00323-y
- Shariatpour, F., & Behzadfar, M. (2026). Governing agentic cities: Platform cognition, power, and post-smart urbanism. Telematics and Informatics, 107, 102399. https://doi.org/10.1016/j.tele.2026.102399
- Senadheera, S., Yigitcanlar, T., Li, R. Y. M., Mehmood, R., & Paz, A. (2026). Public support for AI-enabled local government services: Governance context, AI modality, and algorithmic targeting. Sustainable Cities and Society, 150, 107886. https://doi.org/10.1016/j.scs.2026.107886
- Abdullah Kaiser, Z. R. M. (2026). Adaptive, ethical and responsible AI governance for smart cities and nations. Discover Cities, 3, 172. https://doi.org/10.1007/s44327-026-00349-2
