نگاهی به هوش مصنوعی سازمانی و ظرفیت آن برای ارتقای بهرهوری و حکمرانی شهری
عصرآزادی آنلاین/دکتر حمید عباسی شکوهی، جامعه شناس اقتصادی و توسعه ،رئیس مرکز پژوهشهای شهرداری تبریز
بحث درباره ورود هوش مصنوعی به سازمانها اغلب از ابزارهایی مانند ChatGPT، Gemini، Grok و ….. و کاربردهایی نظیر نوشتن نامه، خلاصهکردن گزارش، ترجمه، جستوجوی اطلاعات یا تولید محتوا آغاز میشود. این کاربردها مفیدند و میتوانند بخشی از زمان کارکنان را آزاد کنند، اما اگر تصور ما از «هوشمندسازی سازمان» در همین سطح متوقف شود، بخش اصلی تحولی را که هوش مصنوعی میتواند در سازمانهای آینده ایجاد کند، نادیده گرفتهایم.
نسل پیشرفته هوش مصنوعی سازمانی به دنبال ساختن یک «چتبات بزرگتر» نیست. ایده اصلی، قرار دادن هوش مصنوعی در درون فرایند واقعی تصمیمگیری و عملیات سازمان است؛ بهگونهای که دادههای سازمان، سامانههای موجود، مدلهای مختلف هوش مصنوعی، کارشناسان و مدیران و فرایندهای اجرایی در یک چرخه به یکدیگر متصل شوند. Palantir صراحتاً AIP را پلتفرمی برای اتصال AI به دادهها و عملیات سازمان و وارد کردن AI به تصمیمگیری عملیاتی معرفی میکند. (Palantir Technologies, 2026)
در چنین الگویی، هوش مصنوعی فقط پاسخ نمیدهد؛ تحلیل میکند، پیشنهاد میدهد، اقدام را آماده میکند، بازخورد انسان را دریافت میکند، از نتیجه عملیات میآموزد و به تدریج کیفیت تصمیمهای بعدی را افزایش میدهد.
به همین دلیل شاید بتوان تفاوت هوش مصنوعی متعارف و هوش مصنوعی سازمانی پیشرفته را در یک جمله خلاصه کرد:
هوش مصنوعی متعارف به کارکنان کمک میکند کارشان را سریعتر انجام دهند؛ هوش مصنوعی سازمانی پیشرفته تلاش میکند خودِ سازمان را به یک سیستم یادگیرنده تبدیل کند.
این یادداشت تلاش میکند نشان دهد که چگونه عبور از استفاده فردی و ابزاری از هوش مصنوعی به سوی هوش مصنوعی سازمانی میتواند مفهوم بهرهوری را تغییر دهد و زمینه شکلگیری سازمانهای یادگیرنده و حکمرانی شهری کارآمدتر را فراهم سازد.
حلقهای که با یک پاسخ تمام نمیشود
یکی از ایدههای مهم در معماریهای جدید هوش مصنوعی، ایجاد پیوند مستمر میان انسان، هوش مصنوعی، اقدام و بازخورد است.
فرض کنیم یک کارشناس سازمان مسئلهای را برای سیستم مطرح میکند. هوش مصنوعی با استفاده از اطلاعات در دسترس تحلیلی ارائه میدهد و اقدامی را پیشنهاد میکند. کارشناس پیشنهاد را میپذیرد، رد میکند یا تغییر میدهد. نتیجه اقدام نیز بعداً مشخص میشود.
در استفاده معمول از هوش مصنوعی، اینجا پرونده تمام میشود. اما در یک سازمان هوشمند، اتفاق مهم دیگری رخ میدهد: تصمیم کارشناس و نتیجه واقعی عملیات به سیستم بازمیگردد. در نتیجه چرخهای دائمی شکل میگیرد:
ارزش چنین چرخهای بسیار بیشتر از تولید یک پاسخ خوب است؛ زیرا هر فعالیت سازمان میتواند به تجربهای برای بهتر شدن فعالیت بعدی تبدیل شود.
هوش مصنوعی جای کارشناس نمینشیند؛ تجربه او را تکثیر میکند
بخش بزرگی از دانش واقعی سازمانها در آییننامهها و پایگاههای اطلاعاتی نوشته نشده است؛ بلکه در ذهن کارکنان باتجربه قرار دارد. یک کارشناس باسابقه گاهی با مشاهده چند نشانه متوجه مسئلهای میشود که نیروی تازهکار برای تشخیص آن باید چندین پرونده را بررسی کند. مدیر باتجربه میداند یک گزارش ظاهراً عادی چه زمانی نیازمند توجه فوری است. کارشناس مالی از میان دهها عدد متوجه یک وضعیت غیرعادی میشود. این همان چیزی است که میتوان آن را دانش ضمنی سازمان دانست.
هوش مصنوعی سازمانی پیشرفته این امکان را فراهم میکند که بخشی از این تجربه، از طریق تعامل مداوم انسان و ماشین، به حافظه قابل استفاده سازمان تبدیل شود. بنابراین هدف لزوماً جایگزینی کارشناس نیست؛ بلکه تکثیر ظرفیت کارشناسی سازمان است. اگر کارشناس اشتباه AI را اصلاح کند، این اصلاح نباید فقط همان پرونده را نجات دهد؛ باید تا حد امکان باعث بهتر شدن تصمیمهای بعدی سیستم شود.
از «حضور انسان در حلقه تصمیمگیری » تا خودکارسازی کنترلشده این طرز تفکر همچنین رابطه انسان و ماشین را از حالت صفر و یک خارج میکند. لازم نیست میان «همه کارها توسط انسان» و «همه کارها توسط هوش مصنوعی» یکی را انتخاب کنیم. در ابتدا AI میتواند صرفاً پیشنهاددهنده باشد و انسان تصمیم نهایی را بگیرد. با افزایش اطمینان و تجربه، AI میتواند اقدام را آماده کند و انسان آن را تأیید کند. در فعالیتهای پرتکرار، استاندارد و کمریسک نیز ممکن است اجازه داده شود سیستم در چارچوب قواعد مشخص اقدام کند و انسان بر عملکرد آن نظارت داشته باشد. در AIP اپراتور انسانی پیشنهاد AI را بررسی و تأیید میکند و امکان مشاهده قواعد و تاریخچه اجرای خودکارسازی نیز وجود دارد. (Palantir Technologies, 2026)
بنابراین مسیر بلوغ میتواند چنین باشد شرط این مرحله آخر، شفافیت است. باید معلوم باشد سیستم چه تصمیمی گرفته، بر اساس چه دادهای، با چه سطح اطمینانی و با چه نتیجهای. اینجاست که مفاهیمی مانند ردیابی تصمیم، نظارت انسانی، ثبت اقدامات و حکمرانی هوش مصنوعی اهمیت پیدا میکنند. چارچوب AI RMF دقیقاً بر AI قابل اعتماد و مسئولانه، شفافیت، پاسخگویی، قابلیت توضیح، امنیت و مدیریت ریسک تأکید دارد. (NIST, 2023)
در واقع، هرچه هوش مصنوعی از نقش «پیشنهاددهنده» به سمت مشارکت در تصمیمگیری و اقدام حرکت میکند، اهمیت حکمرانی و نظارت بر آن نیز افزایش مییابد. بشیر و راوی (۱۴۰۴) در مرور نظاممند مطالعات حکمرانی هوش مصنوعی نشان میدهند که شفافیت، توضیحپذیری، کاهش سوگیری و نظارت معنادار انسانی از مؤلفههای اصلی حکمرانی مسئولانه هوش مصنوعی هستند. از این منظر، توسعه کاربردهای سازمانی هوش مصنوعی باید همزمان با ایجاد سازوکارهای مشخص برای مدیریت ریسک، نظارت انسانی، پاسخگویی و کنترل عملکرد سیستم صورت گیرد (بشیر و راوی، ۱۴۰۴).
این مسیر تحول تنها یک الگوی نظری نیست. گزارش Work Trend Index 2025 مایکروسافت نیز از حرکت سازمانها به سوی تیمهای ترکیبی «انسان – عامل هوشمند» سخن میگوید؛ ساختاری که در آن هوش مصنوعی از یک دستیار فردی فراتر رفته و به بخشی از ظرفیت اجرایی تیم تبدیل میشود، در حالی که انسان همچنان نقش هدایت، قضاوت و نظارت را برعهده دارد. این تحول میتواند به تدریج شیوه تقسیم کار و حتی ساختار تیمهای سازمانی را تغییر دهد (Microsoft, 2025).
در حوزه مدیریت شهری نیز ظرفیت هوش مصنوعی صرفاً به خودکارسازی امور محدود نمیشود. مرور مطالعات انجامشده نشان میدهد که هوش مصنوعی میتواند از طریق افزایش دقت تحلیل دادهها، تسریع پردازش اطلاعات، افزایش قدرت پیشبینی، یکپارچهسازی دادههای پراکنده و شبیهسازی سناریوهای آینده، کیفیت تصمیمگیری مدیران شهری را ارتقا دهد. همچنین استفاده از این فناوری میتواند به افزایش شفافیت تصمیمات و بهبود مدیریت خدمات عمومی کمک کند (فریدونیمنش و رنجبر، ۱۴۰۴).
یک مثال از مدیریت شهری؛ سامانه ۱۳۷
برای ملموس شدن موضوع میتوان سامانه ۱۳۷ شهرداری تبریز را مثال زد. روزانه شهروندان مسائل مختلف شهر را گزارش میکنند و این گزارشها دستهبندی و برای رسیدگی به واحدهای مربوطه ارجاع میشوند. در سطح ابتدایی استفاده از AI، میتوان از هوش مصنوعی برای خواندن پیام، تشخیص موضوع، تعیین محدوده جغرافیایی و پیشنهاد واحد مسئول استفاده کرد. این همان افزایش بهرهوری کارکنان است. اما هوش مصنوعی سازمانی پیشرفته یک مرحله جلوتر میرود.
فرض کنیم سیستم یک گزارش را «خرابی آسفالت» تشخیص داده و به واحد مربوط ارجاع میدهد. کارشناس با توجه به محتوای گزارش و سوابق محل تشخیص میدهد که منشأ اصلی مسئله احتمالاً نشتی تأسیسات است و ارجاع را تغییر میدهد. در یک سیستم معمولی، پرونده اصلاح میشود و تمام.
در یک سیستم یادگیرنده، اصلاح کارشناس خودش تبدیل به داده میشود. اگر موارد مشابه تکرار شوند، سیستم به تدریج روابط میان نوع گزارش، موقعیت مکانی، سوابق قبلی، تشخیص کارشناسان و نتیجه عملیات را بهتر میشناسد.
مرحله پیشرفتهتر حتی از این هم مهمتر است. ممکن است صدها گزارش که ظاهراً مستقلاند، در کنار هم الگویی را نشان دهند: افزایش آبگرفتگی در یک محدوده، تکرار خرابی آسفالت در یک محور یا تمرکز شکایات مربوط به پسماند در ساعات و مکانهای مشخص. در اینجا AI دیگر فقط به یک شکایت پاسخ نمیدهد؛ بلکه به مدیر شهری میگوید: «در این بخش از شهر یک الگوی غیرعادی در حال شکلگیری است». این تفاوت میان «اتوماسیون» و «هوشمندی سازمانی» است.
ارتباط این تحول با حکمرانی خوب اهمیت این رویکرد برای بخش عمومی حتی بیش از بنگاههای خصوصی است؛ زیرا مسئله فقط بهرهوری اقتصادی نیست. هوش مصنوعی سازمانی میتواند با چند مؤلفه اصلی حکمرانی خوب ارتباط پیدا کند. وقتی مسیر یک تصمیم قابل ردیابی باشد، شفافیت افزایش مییابد. وقتی زمان و کیفیت پاسخ به شهروندان قابل سنجش باشد، پاسخگویی تقویت میشود. وقتی دادههای واقعی به جای برداشتهای فردی مبنای تصمیم قرار گیرند، تصمیمگیری مبتنی بر شواهد توسعه پیدا میکند. وقتی فعالیتهای تکراری خودکار شوند، کارایی افزایش مییابد. و هنگامی که پیامها و بازخوردهای شهروندان به ورودی فرایند تصمیمگیری تبدیل شوند، زمینه برای مشارکت مؤثرتر شهروندان فراهم میشود.
گزارش حکمرانی با هوش مصنوعی تصریح میکند که استفاده از AI در بخش عمومی میتواند بهرهوری، پاسخگویی خدمات عمومی و پاسخگویی دولت را بهبود دهد، مشروط به ایجاد محیط مناسب برای AI قابل اعتماد. (OECD, 2024) اما شاید مهمترین پیامد آن شکلگیری چیزی باشد که میتوان آن را حکمرانی یادگیرنده نامید. سازمان عمومی یادگیرنده فقط مسئله امروز را حل نمیکند؛ از حل مسئله امروز برای بهتر اداره کردن فردا استفاده میکند. مسئله اصلی «خرید AI» نیست
از همین منظر، سازمانها باید در مواجهه با موج جدید هوش مصنوعی مراقب یک خطای راهبردی باشند: اینکه تحول دیجیتال جدید را به خرید چند نرمافزار یا ارائه دسترسی کارکنان به مدلهای زبانی تقلیل دهند. داشتن ChatGPT، یک چتبات داخلی یا یک مدل زبانی اختصاصی به خودی خود سازمان را هوشمند نمیکند. تحول زمانی اتفاق میافتد که هوش مصنوعی به داده، فرایند، تصمیم و اقدام واقعی سازمان متصل شود. در چنین معماریای ممکن است حتی چند مدل هوش مصنوعی همزمان مورد استفاده قرار گیرند؛ یک مدل برای تحلیل متن، دیگری برای تحلیل داده، مدلی تخصصی برای یک حوزه خاص و سامانهای دیگر برای ارزیابی و ترکیب نتایج. این مدلها نیز باید بتوانند در چارچوب قواعد، امنیت و ساختار سازمان با سامانههای موجود تعامل داشته باشند. بنابراین موضوع از «استفاده از یک LLM» بسیار فراتر میرود و به سمت ایجاد یک پلتفرم هوش مصنوعی سازمانی حرکت میکند.
بهرهوری در عصر هوش مصنوعی معنای تازهای پیدا میکند تا امروز وقتی درباره بهرهوری سازمانی صحبت میکردیم، معمولاً منظورمان انجام همان کار با زمان، نیروی انسانی یا هزینه کمتر بود. هوش مصنوعی بُعد دیگری به این مفهوم اضافه میکند: آیا انجام یک کار در امروز باعث میشود سازمان همان کار را فردا بهتر انجام دهد؟
اگر پاسخ مثبت باشد، هر تصمیم، هر اصلاح کارشناسی، هر بازخورد شهروند و هر نتیجه عملیات به بخشی از سرمایه دانشی سازمان تبدیل میشود. در چنین سازمانی هوش مصنوعی صرفاً «دستیار کارکنان» نیست؛ به تدریج بخشی از حافظه، ظرفیت تحلیل و نظام یادگیری سازمان خواهد شد. شاید همین موضوع یکی از مهمترین فرصتهای هوش مصنوعی برای آینده مدیریت شهری باشد. شهر هوشمند فقط شهری نیست که حسگر، اپلیکیشن و سامانههای متعدد داشته باشد؛ شهری هوشمند است که مدیریت آن بتواند از دادهها، شهروندان، کارشناسان و نتایج تصمیمهای گذشته بهطور مستمر یاد بگیرد.
در نهایت، پرسش راهبردی مدیران سازمانها در عصر جدید نباید صرفاً این باشد که «هوش مصنوعی کدام کار کارکنان ما را میتواند انجام دهد؟»
پرسش مهمتر این است:«چگونه میتوان سازمانی ساخت که انسان و هوش مصنوعی در کنار یکدیگر کار کنند، از یکدیگر بیاموزند و هر تصمیم امروز، کیفیت تصمیم فردا را افزایش دهد؟»
پاسخ به این پرسش است که مرز میان استفاده از هوش مصنوعی و تحول سازمان با هوش مصنوعی را مشخص خواهد کرد.
جمعبندی هوش مصنوعی در سازمانها زمانی به افزایش واقعی بهرهوری منجر میشود که استفاده از آن از سطح ابزارهای فردی و تولید محتوا فراتر رود و به دادهها، فرایندها، تصمیمها و اقدامات واقعی سازمان متصل شود. در چنین الگویی، انسان و هوش مصنوعی در برابر یکدیگر قرار نمیگیرند؛ بلکه مکمل یکدیگرند: هوش مصنوعی سرعت پردازش، تحلیل و کشف الگوها را افزایش میدهد و انسان قضاوت، تجربه، مسئولیت و نظارت را بر عهده دارد.
برای مدیریت شهری نیز فرصت اصلی در همین تغییر نگاه نهفته است. هدف نباید صرفاً افزودن چند ابزار هوش مصنوعی به ساختار موجود باشد، بلکه باید بهتدریج سازمانی یادگیرنده شکل گیرد که از دادههای خود، تجربه کارشناسان، بازخورد شهروندان و نتایج تصمیمهای گذشته برای بهبود تصمیمهای آینده استفاده کند. در این صورت، هوش مصنوعی میتواند علاوه بر افزایش بهرهوری، به تقویت شفافیت، پاسخگویی، تصمیمگیری مبتنی بر شواهد و در نهایت حکمرانی خوب شهری کمک کند.
فهرست منابع:
بشیر، حسن و راوی، محمدجواد. (۱۴۰۴). «مرور نظاممند چارچوبها و سازوکارهای حکمرانی راهبردی هوش مصنوعی در مطالعات سالهای ۲۰۱۷–۲۰۲۵». مطالعات فضای مجازی و رسانههای اجتماعی، ۲(۳)، ۹–۵۴
فریدونیمنش، الهام سادات و رنجبر، حسام. (۱۴۰۴). «نقش هوش مصنوعی در بهبود کیفیت تصمیمگیری مدیران شهری: یک مرور نظاممند». مجله حکمرانی و شهر هوشمند، ۱(۱)، ۱–۱۱.
Microsoft. (2025). 2025 Annual Work Trend Index: The Frontier Firm Is Born. Microsoft.
NIST. (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0). National Institute of Standards and Technology.
OECD. (2024). Governing with Artificial Intelligence: Are Governments Ready? OECD Artificial Intelligence Papers, No. 20. OECD Publishing, Paris.
OECD. (2025). Governing with Artificial Intelligence: The State of Play and Way Forward in Core Government Functions. OECD Publishing, Paris.
Palantir Technologies. (2026). Artificial Intelligence Platform (AIP): Integrate AI into Operational Decision Making. Palantir Technologies.
