مطالعات مدیریت خدمات عمومی

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

درباره نشریه

اهداف و چشم انداز

اصول اخلاقی انتشار مقاله

بانک ها و نمایه نامه ها

پیوندهای مفید

پرسش‌های متداول

فرایند پذیرش مقالات

اطلاعات آماری نشریه

اخبار و اعلانات

تفاهم نامه

گواهی رتبه

فایل ها

داوران1403

مطالعه زیرساخت‌های لازم برای ارتقا سطح آمادگی به‌کارگیری هوش مصنوعی در سازمان‌های دولتی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیارگروه مدیریت دولتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.

2 دانشجوی دکتری مدیریت منابع انسانی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی تهران، تهران، ایران.

چکیده

با وجود نقش تحول‌آفرین هوش مصنوعی در نوسازی نظام‌های حکمرانی، بسیاری از سازمان‌های دولتی در پیاده‌سازی موفق این فناوری با چالش‌هایی روبرو هستند که ناشی از فقدان بستر مناسب است. هدف اصلی پژوهش حاضر، شناسایی و طبقه‌بندی زیرساخت‌های حیاتی برای ارتقای سطح آمادگی و استقرار موفق هوش مصنوعی در بخش دولتی است. پژوهش حاضر با رویکرد کیفی با بهره‌گیری از مدل فرآیندی مک‌ناب و روش تحلیل مضمون انجام شده است. بدین منظور، مقالات علمی منتشرشده در بازه زمانی ۲۰۱۹ تا ۲۰۲۵ در پایگاه‌های اطلاعاتی معتبر (از جمله Google Scholar و Web of Science) غربالگری شدند و در نهایت ۳0 مقاله منتخب مورد واکاوی قرار گرفتند. تحلیل داده‌ها نشان داد که زیست بوم آمادگی هوش مصنوعی در بخش دولتی، ماهیتی چندبعدی دارد و مستلزم توسعه متوازن در هفت حوزه فناوری اطلاعات، داده‌ای، سازمانی و مدیریتی، حقوقی و سیاست‌گذاری، فرهنگی و اجتماعی، اقتصادی و سرمایه‌گذاری و منابع انسانی است.
این زیرساخت‌ها در عین حال که به‌طور مستقل عمل می‌کنند، هم‌زمان در تعامل و هم‌افزایی با یکدیگر هستند و مجموع زیست بوم مورد نیاز برای پذیرش، بومی‌سازی و استفاده مؤثر از هوش مصنوعی در نهادهای عمومی را شکل می‌دهند. یافته‌ها نشان می‌دهد که ایجاد ساختارهای بین‌رشته‌ای، استانداردسازی داده‌ها، آموزش نیروی انسانی، تدوین مقررات منعطف، و تأمین مالی پایدار از جمله الزامات کلیدی در مسیر گذار به دولت هوشمند محسوب می‌شوند.

کلیدواژه‌ها

عنوان مقاله [English]

Infrastructural Requirements for Artificial Intelligence Adoption in Public Organizations

نویسندگان [English]

  • Hadi Khanmohammadi 1
  • Niloufar Mozafari 2

1 Faculty of Public Administration, Faculty of Management and Accounting, Allameh Tabatabaei University, Tehran, Iran.

2 Faculty of Management and Accounting, Allameh Tabatabai University, Tehran, Iran

چکیده [English]

Despite the transformative role of AI in modernizing governance systems, many government organizations face challenges in successfully implementing this technology due to the lack of an appropriate platform. The main objective of this study is to identify and classify critical infrastructures for improving the level of readiness and successful deployment of AI in the public sector. The present study adopts a qualitative approach, utilizing McNabb’s process model and the thematic analysis method. For this purpose, scientific articles published in the period 2019 to 2025 in reputable databases (including Google Scholar and Web of Science) were screened, and finally 30 selected articles were analyzed. Data analysis showed that the ecosystem of AI readiness in the public sector is multidimensional in nature and requires balanced development in seven areas: information technology, data, organizational and management, legal and policymaking, cultural and social, economic and investment, and human resources.
While these infrastructures operate independently, they also interact and synergize with each other, forming the overall ecosystem required for the adoption, localization, and effective use of AI in public institutions. The findings show that creating interdisciplinary structures, data standardization, human resource training, flexible regulation, and sustainable financing are among the key requirements on the path to smart government.

کلیدواژه‌ها [English]

  • Big data
  • Public budgeting
  • Challenges and opportunities
  • Thematic analysis
  • Data-driven budgeting
  • Data-driven governance
مراجع
  1. اکبری، ایمان (1403). حکمرانی هوش مصنوعی (3): ظرفیت‌های هوش مصنوعی در ارتقای نظام اداری کشور، ماهنامه گزارش‌های کارشناسی مرکز پژوهش‌های مجلس شورای اسلامی، 32(10)،. doi: 10.22034/report.mrc.2025.1403.32.10.20342
  2. جعفری، زهرا، خردمندنیا، سهیلا، ملائی، محمد، رجبی، ابوالقاسم،توانا، پریسا (1403). توسعه و تنظیم گری هوش مصنوعی (2): شاخص آمادگی هوش مصنوعی دولت، ماهنامه گزارش‌های کارشناسی مرکز پژوهش‌های مجلس شورای اسلامی، 32(8)،. doi: 10.22034/report.mrc.2024.1403.32.8.20142
  3. روشن، سید علیقلی، یعقوبی، نور محمد، مؤمنی، امیررضا (1400). کاربست هوش مصنوعی در بخش دولتی (مطالعه‌ای فرا ترکیب)، فصلنامه انجمن علوم مدیریت ایران، 16(61)، 117-145.
  4. عالمی پسند، سمیه، فراهانی، الهام (1404). ظرفیت‌سازی اجرای هوش مصنوعی در سازمان‌های دولتی، شهرداری تهران.
  5. فرتاش، کیارش، خیری، الهه، برامکی، طوبی (1403). ارائه چارچوبی برای توسعه زیرساخت‌های هوش مصنوعی در ایران با تمرکز بر اپراتورهای ارائه‌دهنده خدمت و تجمیع‌گر خدمات هوش مصنوعی، سیاست علم و فناوری، 17(3)، 9-25 doi: 10.22034/jstp.2025.11771.1815
  6. مک‌ناب، دیوید ای. (۱۳۹۷). روش‌های تحقیق کمی و کیفی در مدیریت دولتی و سازمان‌های غیرانتفاعی (جلد دوم). ترجمه رضا واعظی و محمدصادق آزمندیان. تهران: انتشارات صفار. (چاپ سوم).
  7. Adiguzel, Z., Sonmez Cakir, F., & Özbay, F. (2024). Examination of the effects of artificial intelligence readiness on lean sustainability and value creation in the mediation variable effect of organizational flexibility in technology-focused companies. Kybernetes. https://doi.org/10.1108/K-01-2024-0046
  8. Al-Alaq, A. (2025). The Oxford Insights Government AI Readiness Index (GARI): An Analysis of its Data and Overcoming Obstacles, with a Case Study of Iraq. https://doi.org/10.48550/arXiv.2503.20833
  9. Andrews, L. (2019). Algorithms, regulation, and governance readiness. In Algorithmic Regulation (pp. 245–270). Oxford University Press. https://doi.org/10.1093/oso/9780198838494.003.0009
  10. Androniceanu, A. (2024). Generative artificial intelligence, present and perspectives in public administration. Administration & Public Management Review, (43). https://doi.org/10.24818/amp/2024.43-06
  11. Chopra, D., & Sharma, A. (2025). Artificial Intelligence in E-governance-Enhancing efficiency and transparency.  https://dx.doi.org/10.2139/ssrn.5101270
  12. Dei, H. (2025). Artificial intelligence in public administration: benefits and risks. Management (Montevideo), 3, 137-137. https://doi.org/10.62486/agma2025137
  13. Eggers, W. D., Schatsky, D., & Viechnicki, P. (2017). AI-augmented government: Using cognitive technologies to redesign public sector work. Deloitte Insights.
  14. Glaser, B. G. (1992). Basics of grounded theory analysis: Emergence vs. forcing. Sociology Press.
  15. Grigalashvili, G. (2025). Artificial intelligence in public administration: An ethical dilemma. International Journal of Innovative Technologies in Social Science, 2(46). https://doi.org/10.31435/ijitss.2(46).2025.3436
  16. Kurhayadi, K. (2025). Evaluating the readiness of public institutions for AI-Driven decision making: A framework for adaptive governance. Edelweiss Applied Science and Technology, 9(4), 1569-1580. https://doi.org/10.55214/25768484.v9i4.6335
  17. Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic inquiry. Newbury Park, CA: Sage Publications.
  18. Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic inquiry. Sage.
  19. Madanchian, M., & Taherdoost, H. (2025). Barriers and Enablers of AI Adoption in Human Resource Management: A Critical Analysis of Organizational and Technological Factors. Information, 16(1), 51. https://doi.org/10.3390/info16010051
  20. McNabb, D. E. (2017). Research methods in public administration and nonprofit management. Routledge.
  21. Miles, M. B., & Huberman, A. M. (1994). Qualitative data analysis: An expanded sourcebook (2nd ed). Sage.
  22. Neumann, O., Guirguis, K., & Steiner, R. (2024). Exploring artificial intelligence adoption in public organizations: a comparative case study. Public Management Review, 26(1), 114-141. http://dx.doi.org/10.1080/14719037.2024.2356444
  23. Poduval, M., Ghose, A., Manchanda, S., Bagaria, V., & Sinha, A. (2020). Artificial intelligence and machine learning: a new disruptive force in orthopaedics. Indian journal of orthopaedics, 54(2), 109-122. https://doi.org/10.1007/s43465-019-00023-3
  24. Pаламарчук, I. (2024). Artificial intelligence governance regulation in public administration. Наукові інновації та передові технології, 3(31), 73–81. https://doi.org/10.52058/2786-5274-2024-3(31)-73-81
  25. Sandeep, M.M., Lavanya, V. and Balakrishnan, J. (2025), "Leveraging AI in recruitment: enhancing intellectual capital through resource-based view and dynamic capability framework", Journal of Intellectual Capital, 26)2), 404-425. https://doi.org/10.1108/JIC-05-2024-0155
  26. Shah, S. I. H., Peristeras, V., & Magnisalis, I. (2021). Government big data ecosystem: definitions, types of data, actors, and roles and the impact in public administrations. ACM Journal of Data and Information Quality, 13(2), 1-25. https://doi.org/10.1108/JIC-05-2024-0155
  27. Strauss, A., & Corbin, J. (1998). Basics of qualitative research: Techniques and procedures for developing grounded theory (2nd ed). Sage.
  28. Stupin, R. S. (2024). AI Readiness Level in Public Administration: Case of the Russian Federation. RUDN Journal of Public Administration, 11(1), 157-172. https://doi.org/10.22363/2312-8313-2024-11-1-157-172
  29. Sun, T. Q., & Medaglia, R. (2019). Mapping the challenges of Artificial Intelligence in the public sector: Evidence from public healthcare. Government Information Quarterly, 36(2), 368–383. https://doi.org/10.1016/j.giq.2018.09.008
  30. Ulaşan, F. (2023). The Dark Side of Artificial Intelligence on the Basis of Public Administration. Toplum Ekonomi ve Yönetim Dergisi, 4(Özel), 301-323. https://doi.org/10.58702/teyd.1345570
  31. Ulnicane, I., Knight, W., Leach, T., Stahl, B. C., & Wanjiku, W. G. (2022). Governance of Artificial Intelligence: Emerging international trends and policy frames. In The global politics of Artificial Intelligence. Taylor & Francis. https://doi.org/10.1201/9780429446726-2?urlappend=%3Futm_source%3Dresearchgate.net%26utm_medium%3Darticle
  32. Van Noordt, C., & Medaglia, R. (2025). Policy initiatives for Artificial Intelligence-enabled government: An analysis of national strategies in Europe. Public Policy and Administration. https://doi.org/10.1177/09520767231198411
  33. Vatamanu, A. F., & Tofan, M. (2025). Integrating artificial intelligence into public administration: Challenges and vulnerabilities. Administrative Sciences, 15(4), 149. https://doi.org/10.3390/admsci15040149
  34. Walter, Y. (2024). Managing the race to the moon: Global policy and governance in Artificial Intelligence regulation—A contemporary overview and an analysis of socioeconomic consequences. Discov Artif Intell, 4(14). https://doi.org/10.1007/s44163-024-00109-4
  35. Weiner, B. J. (2009). A theory of organizational readiness for change. Implementation Science, 4(1), 67. https://doi.org/10.4337/9781788975995.00015
  36. Wirtz, B. W., & Müller, W. M. (2019). An integrated artificial intelligence framework for public management. Public Management Review, 21(7), 1076–1100. https://doi.org/10.1080/14719037.2018.1549268
  37. Wirtz, B. W., Langer, P. F., & Fenner, C. (2021). Artificial intelligence in the public sector-a research agenda. International Journal of Public Administration, 44(13), 1103-1128. https://doi.org/10.1080/01900692.2021.1947319
  38. Wirtz, B. W., Weyerer, J. C., & Geyer, C. (2019). Artificial intelligence and the public sector—applications and challenges. International Journal of Public Administration, 42(7), 596-615. https://doi.org/10.1080/01900692.2018.1498103
مطالعات مدیریت خدمات عمومی
دوره 3، شماره 10
دی 1404
صفحه 1-44
فایل ها
سابقه مقاله
  • تاریخ دریافت: 19 آذر 1404
  • تاریخ بازنگری: 16 بهمن 1404
  • تاریخ پذیرش: 21 بهمن 1404
هم رسانی
ارجاع به این مقاله
آمار