به‌کارگیری هوش مصنوعی و مدیریت استراتژیک برای موفقیت در پروژه‌ها

• مقدمه

کاربرد روش‌ها و تکنیک‌های هوش مصنوعی در حوزه‌های مختلف – که این مقاله همراه با سایر مطالعات، تداوم کاربرد آن را توصیه می‌کند – مبتنی بر کارآیی اثبات‌شده، عملکرد، ارائه راه‌حل برای مشکلات گوناگون و سهم عمده آن در جنبه‌های مختلف زندگی است [۱،۲،۳،۴]. این مقاله استدلال می‌کند که هوش مصنوعی را می‌توان برای مدیریت استراتژیک مؤثر پروژه‌های ملی و بین‌المللی در ایالات متحده و فراتر از آن به‌کار گرفت که در نهایت به نتایج مثبت چشمگیری منجر می‌شود. مطالعاتی مانند آریتا و همکاران [۱]، قابلیت‌های کاربردی و نتیجه‌محور هوش مصنوعی را تأیید می‌کنند. ظرفیت‌های تأییدشده و تأثیرات گسترده آن، دلیل جایگزینی و کاربرد گسترده تکنیک‌های هوش مصنوعی است که همراه با حمایت فزاینده برای به‌کارگیری آن در حوزه‌های مختلف زندگی می‌باشد. بیدهندی و عزیزی [۵] ثابت می‌کنند که فناوری‌ها و تکنیک‌های هوش مصنوعی، ابزاری برای مدیریت مؤثر پروژه‌ها هستند. اثبات آن‌ها موضع این مقاله را توجیه می‌کند که مدیریت استراتژیک می‌تواند در مسائل مرتبط با هوش مصنوعی و پروژه‌های ملی/بین‌المللی در ایالات متحده و فراتر از آن نقشی حیاتی ایفا کند.

بدیهی است که کشورها، شرکت‌ها، گروه‌ها و افراد به روش‌های مختلف از هوش مصنوعی بهره‌مند شده‌اند. بنابراین، دولت‌ها و سازمان‌های سراسر جهان به‌طور مستمر تلاش‌های مشترکی برای توسعه، پیشرفت و حداکثر استفاده از تکنیک‌های هوش مصنوعی انجام می‌دهند تا عملیات، کارایی را تسریع کرده و در تمام تلاش‌ها به دستاوردهای نوآورانه دست یابند [۶،۷]. در مورد مدیریت، اثبات شده است که تکنیک‌های هوش مصنوعی بر عملکرد و بهره‌وری کارکنان و سازمان تأثیر گذاشته و کارایی را در میان کارکنان سازمان‌ها ایجاد می‌کنند [۸]. این موارد در محدوده مدیریت صحیح قرار می‌گیرد. قرار گرفتن در حوزه مدیریت بدان معناست که مدیریت استراتژیک – به‌عنوان مکانیسمی برای مدیریت مؤثر – را می‌توان به‌صورت سودمند با هوش مصنوعی (فناوری‌ها و تکنیک‌ها) ترکیب کرد تا پروژه‌های ملی و بین‌المللی در ایالات متحده و فراتر از آن مدیریت شوند.

تکنیک‌های هوش مصنوعی همچنین برای حذف نقش‌های تکراری و زائد و مدیریت مؤثر وظایف خسته‌کننده شناخته شده‌اند. با توجه به طیف چالش‌هایی که پروژه‌ها در سطوح ملی و بین‌المللی با آن مواجه هستند، مطالعات نشان داده‌اند که مدیریت استراتژیک می‌تواند برای غلبه بر آن‌ها استفاده شود [۹،۱۰،۱۱،۱۲]. این مطالعه حاضر با ارائه تبیین انتقادی از چگونگی به‌کارگیری هوش مصنوعی و مدیریت استراتژیک برای دستیابی به موفقیت در پروژه‌های ملی و بین‌المللی در ایالات متحده و فراتر از آن، سهم منحصر به‌فردی در مطالعات موجود دارد. این مطالعه در پی آن است تا نشان دهد که به‌واسطه کارکردهایی که مزایای آن‌ها را تشکیل می‌دهند، هوش مصنوعی و مدیریت استراتژیک مکانیسم‌های قابل اعتمادی برای موفقیت در انواع پروژه‌ها در تلاش‌های مختلف انسانی هستند.

• حوزه‌های اصلی هوش مصنوعی

حوزه‌ها یا زیرشاخه‌های مختلفی از هوش مصنوعی وجود دارد. از جمله آن‌ها عبارتند از:

○ یادگیری ماشین (ML)

○ یادگیری عمیق (DL)

○ پردازش زبان طبیعی (NLP)

○ اینترنت اشیا

○ رباتیک

○ اتوماسیون فرآیند رباتیک

○ یادگیری تقویتی

○ بینایی کامپیوتر

○ تحلیل تصویر دیجیتال

○ سیستم‌های اتوماسیون ساختمان

○ سیستم‌های انرژی تجدیدپذیر

○ سیستم‌های مدیریت هوشمند آب

○ آشکارساز لبه کَنی (Canny Edge Detector)

فهرست بالا جامع نیست. این فهرست تنها برخی از فناوری‌ها یا زیرشاخه‌های اصلی یا رایج هوش مصنوعی را در بر می‌گیرد. به همین ترتیب، فقط چند مورد از آن‌ها به‌طور خلاصه در ادامه توضیح داده خواهند شد. بر این اساس، یادگیری ماشین (ML) شامل مدل‌های آماری و الگوریتم‌هایی است که امکان یادگیری از داده‌های رایانه‌ای و اثربخشی بیشتر در انجام فعالیت‌های خاص را فراهم می‌کند. پردازش زبان طبیعی (NLP) به تعامل بین زبان انسان و رایانه‌ها مربوط می‌شود تا به ربات‌ها اجازه دهد زبانی مشابه زبان انسان را تشخیص دهند، تولید کنند و تفسیر کنند. رباتیک به هوش مصنوعی مرتبط با ساخت، مدیریت و استفاده از ربات‌ها برای اهداف متنوع در زمینه‌های مختلف زندگی اشاره دارد. نمونه‌هایی از این زمینه‌ها شامل مهندسی، علوم داده و کتابداری، فناوری اطلاعات، رسانه و ارتباطات، مراقبت‌های بهداشتی و پزشکی، کسب‌وکار و تجارت الکترونیک، ساخت‌وساز، مدیریت پروژه و عملیات امنیتی و اطلاعاتی می‌شود.

علیرغم عدم تمرکز بر بسیاری از آن‌ها، «پیام کلیدی» که توسط این مطالعه حاضر تأکید می‌شود این است که تمام فناوری‌ها و تکنیک‌های هوش مصنوعی قادر به نوآوری، انجام وظایف چندوجهی، حل مشکلات مختلف و ایجاد تأثیر عمده بر حوزه‌های مختلف زندگی هستند. مطالعاتی مانند [۱۳،۱۴،۵،۱۵] فناوری‌های هوش مصنوعی مانند ML و DL را مقرون‌به‌صرفه تأیید می‌کنند. مقرون‌به‌صرفه بودن بدان معناست که هوش مصنوعی پتانسیل مدیریت استراتژیک هزینه‌ها در معاملات مختلف را دارد. همچنین، تحلیل تصویر دیجیتال و آشکارساز لبه کَنی به دلیل مقرون‌به‌صرفه بودن و نظارت بر ایمنی شناخته شده‌اند (۱۶،۱۷،۱۸.)

• چشم‌اندازهای هوش مصنوعی

برای این مطالعه، چشم‌اندازهای هوش مصنوعی مبتنی بر کارکردهای آن است. این بدان دلیل است که هوش مصنوعی در حین انجام کارکردهای مختلف، مزایای خود را به نمایش می‌گذارد. برخی از کارکردهای اصلی که چشم‌اندازهای هوش مصنوعی را تشکیل می‌دهند، در جدول زیر به همراه برخی استنادات فهرست شده‌اند:

جدول ۱: کارکردهای مدیریتی هوش مصنوعی

منبع: گردآوری نویسندگان، ۲۰۲۴

جدول ۲: کارکردهای ایمنی هوش مصنوعی

منبع: گردآوری نویسندگان، ۲۰۲۴

جدول ۱ فوق نشان می‌دهد که ادبیات موجود، جایگاه هوش مصنوعی را در مدیریت تأیید می‌کند، زیرا این فناوری کارکردهای مدیریتی ضروری را ایفا می‌کند. جدول ۱ به این معنا نیست که نکات ذکر شده تمامی کارکردهای مدیریتی هوش مصنوعی هستند. آن‌ها نشانگر سایر کارکردها بوده و برای آن‌ها کافی هستند. لازم به ذکر است که کارکردهایی که مزایای هوش مصنوعی را تشکیل می‌دهند، در حوزه‌های غیر از مدیریت نیز قابل اعمال هستند. با توجه به موارد فوق، کاملاً روشن است که هوش مصنوعی می‌تواند کاتالیزور موفقیت پروژه‌های ملی و بین‌المللی از هر نوع در ایالات متحده و فراتر از آن باشد.

جدول ۳: سایر کارکردهای سودمند هوش مصنوعی

منبع: محاسبات نویسندگان، ۲۰۲۴

از جدول ۲ فهمیده می‌شود که هوش مصنوعی کارکردهای حیاتی در تضمین ایمنی در حوزه‌های مختلف تلاش‌های انسانی ایفا می‌کند. یعنی فناوری‌ها و تکنیک‌های هوش مصنوعی را می‌توان به روش‌های مختلف، از جمله برای دنبال کردن و دستیابی به ایمنی در داخل و خارج از محیط کار استفاده کرد. این بدان معناست که هوش مصنوعی سودمند است زیرا ظرفیت تسهیل ایمنی جان‌ها و اموال را دارد. به‌تبع آن، فناوری‌ها و تکنیک‌های هوش مصنوعی ابزاری برای عملیات امنیتی مؤثر و اقدامات ایمنی برای دستیابی به ایمنی در برابر ریسک‌های مختلف، از جمله تهدیدات علیه منافع استراتژیک ملی، صلح ملی، ایمنی جان‌ها و اموال و غیره هستند. همچنین از مطالب فوق نتیجه می‌گیریم که با هوش مصنوعی می‌توان ریسک‌های مختلف برای پروژه‌های ملی/بین‌المللی از هر نوع را پیش‌بینی، تشخیص و به‌صورت پیش‌گیرانه حل کرد. با انجام این کار، اجرای موفقیت‌آمیز پروژه‌ها تضمین می‌شود.

جدول ۳ فوق شامل برخی کارکردهای طبقه‌بندی نشده یا «متفرقه» هوش مصنوعی است که ماهیت متنوع و کثرت‌گرای هوش مصنوعی را برجسته می‌کند. به‌واسطه کارکردهای فوق، کاملاً روشن است که هوش مصنوعی کارکردهای مختلفی در حوزه‌های گوناگون زندگی ایفا می‌کند. بنابراین، می‌توان از آن برای اهداف مختلف استفاده کرد. کاربرد هوشمندانه آن در هر حوزه منجر به دستیابی موفقیت‌آمیز به اهداف مورد نظر می‌شود. به‌همین دلیل، جایگاه هوش مصنوعی در پروژه‌های ملی و بین‌المللی را نمی‌توان دست‌کم گرفت. این مطالعه در اینجا استدلال می‌کند که ظرفیت‌های هوش مصنوعی در پروژه‌ها می‌تواند هنگامی که هوش مصنوعی و مدیریت استراتژیک برای دنبال کردن دستیابی موفقیت‌آمیز به پروژه‌های ملی/بین‌المللی ترکیب شوند، گسترده‌تر و تضمین‌شده‌تر باشد.

• چالش‌های اتخاذ هوش مصنوعی برای وظایف مختلف

اگرچه پتانسیل‌های هوش مصنوعی برای بسیاری شناخته شده است – که اکثر آن‌ها مایل به اتخاذ فناوری‌ها و تکنیک‌های آن برای حل مشکلات و جایگزینی بهتر روش‌های متداول انجام وظایف هستند – اما اتخاذ آن با برخی چالش‌ها محدود شده است. برخی از این چالش‌ها متعارف یا غیرفناورانه هستند، در حالی که برخی دیگر نامتعارف (فناورانه) هستند. به عنوان مثال، رگونا و همکاران [۲۲] موافقند که انجام ساخت‌وساز از طریق ابزارهای رایانه‌ای با محدودیت‌های متعارف و فناورانه مواجه است. جدول ۴ چالش‌های اصلی این دو دسته را نشان می‌دهد:

جدول ۴: چالش‌های نامتعارف/متعارف در اتخاذ هوش مصنوعی

منبع: محاسبات نویسندگان، ۲۰۲۴

این مقاله خاطرنشان می‌کند که در میان عوامل یا چالش‌های متعارف، عوامل اجتماعی-سیاسی، اقتصادی و محیط‌زیستی شدیدترین چالش‌ها یا محدودیت‌ها برای اتخاذ هوش مصنوعی در حوزه‌های مختلف هستند. در واقع، در بسیاری از موارد، نگرش افراد نسبت به نوآوری‌هایی مانند هوش مصنوعی تحت تأثیر یا تعیین‌شده توسط عوامل اجتماعی-اقتصادی است. این عوامل شامل ادراک، جهت‌گیری، افکار یا دیدگاه‌های گمراه‌کننده یا غیرمفید رایج، دروغ‌ها یا تصورات نادرست درباره نوآوری‌ها، و وضعیت‌های اقتصادی مانند (فقر مطلق)، بیکاری، کم‌کاری و بار تکفل می‌شود که فقط به چند مورد اشاره می‌شود. عوامل فرهنگی شامل شیوه‌های نامطلوب، باورها، جهان‌بینی‌ها، اسطوره‌ها، داستان‌ها، ملاحظات اخلاقی مبتنی بر فرهنگ، دیدگاه‌های اخلاقی و مسائل مربوط به تعارض ارزش‌ها و فرسایش قوانین و استانداردهای تثبیت‌شده درباره هوش مصنوعی و کاربرد آن برای اهداف مختلف در محیط‌های گوناگون می‌شود.

علاوه بر این، اتخاذ هوش مصنوعی همچنین توسط قوانین، سیاست‌های نامطلوب، و اقدامات و بی‌عملی‌های دولت و رهبران بخش‌های عمومی و خصوصی محدود می‌شود. برای مطالعه حاضر، این عوامل شدیدترین چالش‌های متعارف هستند. آن‌ها به طور قابل توجهی به سایر عوامل متعارف و عوامل غیرمتعارف کمک می‌کنند. به عنوان مثال، در جایی که عوامل اجتماعی-سیاسی، اقتصادی و محیط‌زیستی مطلوب وجود دارد، امکان اتخاذ آسان و داوطلبانه هوش مصنوعی، فناوری‌های هوشمند و سایر فناوری‌های نوآورانه وجود دارد. در جایی که اکثر آن‌ها به صورت رایگان یا مقرون‌به‌صرفه ارائه می‌شوند، بسیاری از مردم بدون در نظر گرفتن هزینه به عنوان چالشی جدی از آن‌ها استفاده می‌کنند. نگهداری این نوآوری‌ها به گونه‌ای که توده‌ها را به اتخاذ و استفاده پایدار از آن‌ها تشویق کند، در جایی که عوامل اجتماعی-سیاسی، اقتصادی و محیط‌زیستی مطلوب وجود دارد، بهتر قابل انجام است. این بیشتر شبیه کسانی است که در محیط کار مطلوب کار می‌کنند و عملکرد بهتری دارند و نرخ نتایج بالاتری نسبت به همتایان خود در محیط کار مخالف به دست می‌آورند.

بنابراین، نیاز به سیاست‌ها و اقدامات رهبری مطلوب برای تسهیل اتخاذ هوش مصنوعی برای وظایف مختلف منافع، نگرانی‌ها و رفاه عمومی ملی و بین‌المللی را نمی‌توان نادیده گرفت. نیاز مبرم به انجام این کار، به سوی نرخ‌های موفقیت افزایش یافته در پروژه‌های ملی و بین‌المللی در ایالات متحده و فراتر از آن، این پژوهش را شکل داد. در این راستا، این مطالعه استدلال می‌کند که چالش‌های ایجادشده توسط ذی‌نفعان برای پروژه‌ها را می‌توان به‌طور مؤثر با استفاده از هوش مصنوعی در کنار مدیریت استراتژیک مدیریت کرد. چنین چالش‌هایی شامل فساد، تعارض شخصیتی، تفاوت‌های فرهنگی، انتظارات بالا، نظارت ضعیف، بلاتکلیفی، فقدان یا حمایت ناکافی رهبران، سیاست‌های نامطلوب، قوانین نامساعد، بی‌ثباتی سیاسی، تعارض و شرایط زندگی ناامیدکننده است [۹،۳۳،۳۴]. ارتباط ضعیف یا نامناسب با ذی‌نفعان نیز چالش‌های جدی برای پروژه ایجاد می‌کند [۳۵،۳۶،۳۷]. سلام و همکاران [۹] معتقدند که ذی‌نفعان چالش‌های متعددی برای مدیریت پروژه‌ها و منابع ایجاد می‌کنند.

نیاز به کاهش چالش‌ها را نمی‌توان نادیده گرفت. برای این مطالعه، هوش مصنوعی و مدیریت استراتژیک اقدامات عملی‌ای برای کاهش چالش‌های مختلف در موفقیت پروژه‌های ملی و بین‌المللی در ایالات متحده و فراتر از آن و همچنین برای پرداختن به چالش‌ها در حوزه‌های دیگر هستند. تازگی مطالعه حاضر بر اساس دیدگاه و استدلال‌های پیشین آن استوار است. در آنچه که اعتبار را به مطالعه حاضر می‌بخشد، استد [۱۲] بیان می‌کند که ذی‌نفعان در صنعت ساخت‌وساز چالش‌هایی مانند محدودیت‌های بودجه‌ای و تأخیرها را برای پروژه‌ها ایجاد می‌کنند. این مطالعه هوش مصنوعی و مدیریت استراتژیک را به‌عنوان مکانیسم‌های عملی برای پرداختن به چالش‌های مذکور در صنعت ساخت‌وساز، جایی که پروژه‌های ملی و بین‌المللی مختلف در حال انجام هستند، در نظر می‌گیرد.

در همین صنعت، ماشواما و همکاران [۱۰]، آیگبایبوآ و توالا [۳۸] و امیوز و اسمال‌وود [۳۹] اشاره می‌کنند که کمبود منابع، عملکرد ضعیف، برنامه‌های ساخت‌ناکافی، رهبری ضعیف، مدیریت ناکارآمد منابع، تأخیرها و توقف پروژه‌ها همگی ریشه در چالش‌های ذی‌نفعان برای پروژه‌ها دارند. به‌تبع آن، ذی‌نفعان بسته به نوع نقشی که ایفا می‌کنند و نحوه انجام آن، پروژه‌ها را می‌سازند یا ویران می‌کنند [۳۶،۴۰،۴۱،۴۲،۴۳]. با توجه به مطالب پیشین، این مطالعه استقرار و کاربرد هوشمندانه هوش مصنوعی و مدیریت استراتژیک را برای پروژه‌های ملی و بین‌المللی از هر نوع برای دستیابی به موفقیت‌ها در مقیاس قابل توجه پیشنهاد می‌کند. مهم‌تر از همه، مسائل اخلاقی دیگر چالش‌های پیچیده چندوجهی برای اتخاذ هوش مصنوعی هستند. این مطالعه استدلال می‌کند که مدیریت استراتژیک را می‌توان برای غلبه بر این چالش‌ها، در میان دیگر موارد، استفاده کرد.

برخی افراد، سازمان‌ها، گروه‌ها، کشورها و حتی اشخاص به دلیل نگرانی‌های اخلاقی مرتبط، در مورد استفاده از هوش مصنوعی تردید دارند. این نگرانی‌ها شامل نقض اخلاق، اخلاقیات و قوانین یا مقررات، نقض حریم خصوصی، مسئله توجیه اخلاقی استفاده از هوش مصنوعی، تهدیدات سایبری و ذهنی‌بودن و سوگیری مرتبط با استفاده از الگوریتم‌های هوش مصنوعی است [۴۴]. علاوه بر موارد پیش‌گفته، وامبا-تاگولمجه و همکاران [۴۵] خاطرنشان می‌کنند که استفاده از هوش مصنوعی برای فرآیندهای تصمیم‌گیری، تحلیل داده‌ها و تعاملات مصرف‌کننده، پرسش‌هایی درباره شفافیت، مسئولیت‌پذیری و عدالت ایجاد می‌کند. این مطالعه استدلال می‌کند که صرف‌نظر از چالش‌های شناسایی‌شده فوق، در میان دیگر موارد، هوش مصنوعی را می‌توان به‌طور استراتژیک برای مدیریت پروژه‌های مختلف در سطوح ملی و بین‌المللی، چه در قالب گروه یا تیم، یک فرد، یک ملت یا یک سازمان استفاده کرد. چنین کاربردی مستلزم ترکیب هوش مصنوعی و مدیریت استراتژیک برای نتایج بهتر است، جایی که این دو به‌طور عملکردی برای دستیابی به اهداف مورد نظر همبسته می‌شوند. ایجاد تعادل بین فناوری‌ها و نوآوری‌های فناورانه و اخلاقیات، هنجارها، ارزش‌ها، قوانین و عوامل اجتماعی-سیاسی، اقتصادی و محیط‌زیستی ضروری است. انجام این کار مسائل اخلاقی را به‌طور قابل توجهی حل می‌کند.

• مدیریت استراتژیک و هوش مصنوعی در مدیریت پروژه‌ها

مدیریت به‌عنوان فرآیندی مؤثر تعریف می‌شود که حل‌کننده مسئله بوده و دستیابی به اهداف سازمانی را ممکن می‌سازد، در حالی که استراتژی تکنیکی برای حل مشکلات و تحقق اهداف سازمانی است [۴۶]. به گفته اسماعیلی [۴۶]، مدیریت به‌طور عمیق مربوط به کنترل و ترکیب منابع مختلف برای رفاه سازمان است. این نکته، توصیه مطالعه حاضر برای ترکیب هوش مصنوعی و مدیریت استراتژیک برای دستیابی به موفقیت‌های قابل توجه در پروژه‌های ملی و بین‌المللی در ایالات متحده و فراتر از آن را توجیه می‌کند. اومالاجا [۴۷] مدیریت استراتژیک (SM) را به‌عنوان «فرآیند و رویه تعیین اهداف سازمان، توسعه سیاست‌ها، برنامه‌ها، پارادایم‌ها و طرح‌ها برای دستیابی به این اهداف، و تخصیص منابع به‌منظور اجرای سیاست‌ها، برنامه‌ها، پارادایم‌ها و طرح‌ها» تعریف می‌کند (ص. ۶۱).

تعریف فوق از SM بینش‌های ارزشمندی درباره اینکه چرا مکانیسمی عملی برای حل مشکلات پروژه‌ها جهت دستیابی به موفقیت است، ارائه می‌دهد. همچنین برجسته می‌کند که چرا SM باید با هوش مصنوعی برای نتایج بهتر در مدیریت و اجرای پروژه‌ها در ایالات متحده و فراتر از آن ترکیب شود. بنابراین، ارائه تعاریف متعدد از SM ضرورتی ندارد، چرا که تعریف اومالاجا [۴۷] در اینجا برای بسیاری دیگر در ادبیات کافی است. پنج نوع اصلی فرآیند مدیریت استراتژیک وجود دارد. این موارد عبارتند از:

○ ارزیابی جهت‌گیری استراتژیک فعلی سازمان‌ها یا کشورها

○ کشف و ارزیابی نقاط قوت و ضعف داخلی و خارجی سازمان‌ها و کشورها

○ تدوین برنامه‌های عملیاتی

○ اجرای برنامه‌های عملیاتی

○ بررسی میزان تحقق طرح‌ها و موفقیت‌ها، به‌منظور تعیین مطلوب‌بودن یا نبودن موفقیت‌های ثبت‌شده [۴۱،۴۸].

مدیریت استراتژیک، تحقق کارآیی عملیاتی، عملکرد و بهره‌وری قابل توجه، سودآوری و سهم بازار را تضمین و تسهیل می‌کند [۴۸]. این ابزاری ارزشمند برای رهبری مؤثر، مدیریت جنبه‌های مختلف، برنامه‌ریزی، نظارت، توسعه و اعتبارسنجی فعالیت‌های سازمان‌ها و کشورها است [۴۹]. این برای سازمان‌ها و کشورها دارای مزایای مالی و غیرمالی بزرگی است. به گفته اسماعیلی [۴۶]، مدیریت استراتژیک راه را برای حداکثرسازی سود هموار می‌کند. مزایای یادشده SM، از جمله دلایلی است که ضرورت وجود آن را برای موفقیت در مدیریت پروژه‌های ملی و بین‌المللی در ایالات متحده و سایر کشورهای جهان توجیه می‌کند. تبیین انتقادی این واقعیت، تازگی این کار پژوهشی را برجسته می‌کند.

علاوه بر این، دفت [۵۰] خاطرنشان می‌کند که مدیریت استراتژیک، برنامه‌ریزی عقلانی نظام‌مند و تصمیم‌گیری را تضمین می‌کند. این موارد برای مدیریت و اجرای موفقیت‌آمیز پروژه‌ها و کاربرد هوشمندانه هوش مصنوعی در حوزه‌های مختلف، از جمله مدیریت پروژه، ضروری هستند. همان‌طور که ادبیات مختلف (مثال‌ها: [۴۹،۴۸،۵۱،۵۲،۴۶،۵۳،۵۴]) تأیید می‌کنند، سایر مزایای مدیریت استراتژیک عبارتند از:

o هماهنگی مؤثر تمام دسته‌های منابع

o ارائه راه‌حل برای مشکلات

o تسهیل دستیابی به اهداف سازمانی و ملی

o مقابله با محدودیت‌های محیطی برای کسب‌وکارها، برنامه‌ها و پروژه‌ها

o کاهش عوامل اجتماعی-اقتصادی و سیاسی مؤثر بر پروژه‌ها

o تبدیل سازمان‌ها به موجودیت‌های پیش‌کننده‌تر

o افزایش ارتباطات، خلاقیت، قاطعیت و نظم‌پذیری

o ایجاد آگاهی درباره رقابت و اقدامات لازم علیه آن

o خدمت به‌عنوان مکانیسمی برای شناسایی و پیگیری اهداف سازمانی

o امکان تفکر استراتژیک و کاربرد مهارت‌های تفکر انتقادی

o ارائه مجراهایی برای به‌کارگیری مهارت‌های دیجیتال، انتقادی، رسانه‌ای و سایر دسته‌ها

o ایجاد انگیزه و تعهد بیشتر کارکنان و مدیران به وظایف.

کشورهای مختلف، به‌ویژه ایالات متحده و چندین کشور پیشرفته دیگر، سالانه هزینه‌های هنگفتی را برای پروژه‌ها صرف می‌کنند. این هزینه را می‌توان با کاربرد تکنیک‌های مقرون‌به‌صرفه هوش مصنوعی و مدیریت استراتژیک مؤثر کاهش داد. همچنین، می‌توان از تکنیک‌های هوش مصنوعی برای مدیریت مؤثر پروژه‌های مختلفی که سالانه هزینه‌های هنگفتی برای آن‌ها صرف می‌شود، استفاده کرد. خاطرنشان می‌شود که سه‌چهارم مسئولیت‌های مدیریت پروژه تا سال ۲۰۳۰ توسط ML، NLP و داده‌های بزرگ انجام خواهد شد، زیرا بسیاری از کارآفرینان الگوریتم‌هایی را برای مدیریت بهتر پروژه‌های مختلف ایجاد کرده‌اند (و هنوز هم در حال ایجاد هستند) [۵۵،۵۶]. این پیش‌بینی علمی پس از نتایج به‌دست‌آمده درباره کارایی فناوری‌ها، تکنیک‌ها و روش‌های هوش مصنوعی در حوزه‌های مختلف زندگی، از جمله در مدیریت، صورت گرفته است.

این مقاله استقرار هوش مصنوعی برای مدیریت سازمانی را کاربرد و همچنین تمایل مدیریت استراتژیک می‌داند. استدلال می‌کند که به‌دلیل اینکه تکنیک‌های هوش مصنوعی با موفقیت برای دستیابی به نتایج مثبت مختلف در حوزه‌های مختلف مدیریت به‌کار گرفته شده‌اند، استفاده از آن‌ها توسط بسیاری از اشخاص، گروه‌ها و کشورها توصیه می‌شود. با توجه به چنین واقعیاتی، کاملاً منطقی است که SM را به‌عنوان مکانیسمی عملی برای کاربرد هوش مصنوعی در حوزه‌های مختلف، از جمله در مدیریت پروژه‌های ملی و بین‌المللی توسط سازمان‌های دولتی و بخش خصوصی، برای دستیابی به موفقیت در پروژه‌ها در نظر بگیریم. به‌تبع آن، SM نقش هوش مصنوعی در مدیریت مؤثر پروژه را تسهیل و تکمیل می‌کند. هوش مصنوعی چشم‌اندازهای زیادی برای سازمان‌ها، گروه‌ها، کشورها و افرادی که آن‌ها را متناسب به‌کار می‌گیرند، دارد. نمودار زیر را که از بات [۵۷] اقتباس شده است، در نظر بگیرید:

از شکل ۱ فوق فهمیده می‌شود که هوش مصنوعی نقش حیاتی در حوزه‌های مختلف مرتبط با مدیریت پروژه و استقرار مدیریت استراتژیک ایفا می‌کند. این حوزه‌ها شامل بودجه‌بندی، مدیریت تغییر، مدیریت تعارض، مستندسازی، مدیریت اداری و اطلاعاتی، زمان‌بندی، مدیریت دانش، توسعه رهبری و عملکرد کارآمد، برنامه‌ریزی پروژه، مدیریت افراد و سایر منابع، مدیریت کیفیت و تضمین آن، مدیریت ریسک، مدیریت وظایف و مدیریت تیم می‌شود. نمودار دارای متغیر «سایر» است که نشان می‌دهد حوزه‌ها متعدد هستند. با توجه به این امر، نمی‌توان همه آن‌ها را در نمودار گنجاند. دلالت آن این است که این مطالعه یا هر مطالعه دیگری نمی‌تواند ادعای جامع‌بودن تمام آنچه هوش مصنوعی می‌تواند انجام دهد را داشته باشد. این مورد در مورد SM در زمینه‌ها یا حوزه‌های مختلف نیز صادق است. همان‌طور که در نمودار فوق نشان داده شده است، هوش مصنوعی جایگاه بی‌چون‌وچرایی در مدیریت اطلاعات، برنامه‌ریزی پروژه، بودجه‌بندی، مدیریت تغییر، مدیریت دانش، مدیریت منابع، مستندسازی، مدیریت کیفیت و مدیریت ریسک دارد. نمودار نشان می‌دهد که هوش مصنوعی نقش حیاتی در حوزه‌های مختلف تلاش‌های انسانی ایفا می‌کند و نتایج قابل توجهی تولید می‌کند. در جایی که چنین نتایجی قبلاً به‌دست آمده‌اند، اتخاذ و کاربرد هوش مصنوعی در آن‌ها باعث افزایش چشمگیری شده است.

از آنجایی که تأیید شده است هوش مصنوعی به‌طور مناسب در حوزه‌های مدیریتی فوق‌الذکر و سایر حوزه‌ها قرار می‌گیرد، استقرار SM در استفاده از هوش مصنوعی برای اهداف مدیریتی (مدیریتی) منطقی‌تر و نتیجه‌محورتر است. با توجه به مطالب فوق، خان و همکاران [۵۸] سازمان‌های تجاری را به استفاده مناسب از هوش مصنوعی برای تجارت و بازرگانی ترغیب می‌کنند. برای این مطالعه، تصمیم‌گیری و مدیریت مؤثر جنبه‌های مختلف کسب‌وکار با استفاده از فناوری‌ها و تکنیک‌های هوش مصنوعی برای بهبود، مستلزم مدیریت استراتژیک است. به همین دلیل، این مقاله استفاده از تکنیک‌های هوش مصنوعی و مدیریت استراتژیک (SM) را برای مدیریت پروژه در هر دو بخش عمومی و خصوصی توصیه می‌کند، با این امید که تمام مزایای هوش مصنوعی و SM را بتوان برای نتایج بهتر در مدیریت پروژه در ایالات متحده و سایر کشورهای جهان مهار کرد. بنابراین، تازگی این مطالعه بر اساس مطالب پیشین استوار است.

• حوزه‌های پشتیبانی هوش مصنوعی در مدیریت پروژه

از شکل ۱ فوق فهمیده می‌شود که هوش مصنوعی نقش حیاتی در حوزه‌های مختلف مرتبط با مدیریت پروژه و استقرار مدیریت استراتژیک ایفا می‌کند. این حوزه‌ها شامل موارد زیر می‌شود:

• بودجه‌بندی (Budgetting)
• مدیریت تغییر (Change Management)
• مدیریت تعارض (Conflict Management)
• مستندسازی (Documentation)
• مدیریت اطلاعات (Information Management)
• مدیریت دانش (Knowledge Management)
• توسعه رهبری (Leadership Development)
• مدیریت افراد (People Management)
• برنامه‌ریزی پروژه (Project Planning)
• مدیریت کیفیت (Quality Management)
• مدیریت منابع (Resource Management)
• مدیریت ریسک (Risk Management)
• مدیریت وظایف (Task Management)
• مدیریت تیم (Team Management)
• حوزه‌های دیگر (Others)

نمودار دارای متغیر «سایر» است که نشان می‌دهد حوزه‌ها متعدد هستند. با توجه به این امر، نمی‌توان همه آن‌ها را در نمودار گنجاند. دلالت آن این است که این مطالعه یا هر مطالعه دیگری نمی‌تواند ادعای جامع‌بودن تمام آنچه هوش مصنوعی می‌تواند انجام دهد را داشته باشد. این مورد در مورد SM در زمینه‌ها یا حوزه‌های مختلف نیز صادق است. همان‌طور که در نمودار فوق نشان داده شده است، هوش مصنوعی جایگاه بی‌چون‌وچرایی در این حوزه‌ها دارد:

• مدیریت اطلاعات
• برنامه‌ریزی پروژه
• بودجه‌بندی
• مدیریت تغییر
• مدیریت دانش
• مدیریت منابع
• مستندسازی
• مدیریت کیفیت
• مدیریت ریسک

نمودار نشان می‌دهد که هوش مصنوعی:

۱. نقش حیاتی در حوزه‌های مختلف تلاش‌های انسانی ایفا می‌کند

۲. نتایج قابل توجهی تولید می‌کند

۳. در حوزه‌هایی که قبلاً به‌کار رفته، باعث افزایش چشمگیر عملکرد شده است.

• نتیجه‌گیری

از تبیین انتقادی و مرور انجام‌شده تاکنون، کاملاً مشهود است که هوش مصنوعی و مدیریت استراتژیک قادر به رسیدگی به مسائل در مدیریت پروژه‌های ملی و بین‌المللی در ایالات متحده و سایر کشورهای جهان هستند. آن‌ها به‌عنوان مکانیسم‌های عملی برای مدیریت مؤثر پروژه اثبات شده‌اند. فراتر از پروژه‌ها، این مطالعه به‌وضوح نشان می‌دهد که هوش مصنوعی و مدیریت استراتژیک دامنه‌ای از کارکردها را در تلاش‌های گوناگون ایفا می‌کنند. مزایای عمده آن‌ها مبتنی بر کارکردهای چندوجهی حیاتی است که در حوزه‌های مختلف از جمله مهندسی، علوم داده و اطلاعات، ارتباطات و مدیریت انجام می‌دهند. بر اساس شواهد علمی، این مطالعه نتیجه می‌گیرد که هوش مصنوعی و مدیریت استراتژیک پتانسیل برآورده‌سازی تمامی الزامات برای موفقیت چشمگیر پروژه‌های ملی و بین‌المللی در ایالات متحده و فراتر از آن را دارند. هنگامی که به‌صورت هوشمندانه به‌کار گرفته شوند، پتانسیل آن‌ها برای موفقیت‌ها قطعاً مهار شده و بر این اساس محقق خواهد شد. این مطالعه اتخاذ و کاربرد هوشمندانه این دو را در مدیریت پروژه برای دستیابی به هرگونه نتایج و موفقیت‌های مطلوب در پروژه‌های ملی/بین‌المللی در ایالات متحده و سایر کشورهای مشابه توصیه می‌کند. همچنین از ذی‌نفعان می‌خواهد تا به مقابله با چالش‌های شناسایی‌شده برای مدیریت استراتژیک پروژه‌ها و اتخاذ هوش مصنوعی در مدیریت (پروژه) و سایر حوزه‌ها کمک کنند تا موفقیت‌های حاوی منافع و مزایای ملی و بین‌المللی حاصل شود.

مراجع:

1. Arrieta AB, Díaz-Rodríguez N, Del Ser J, Bennett A, Tabik S, Barbado A, Herrera F. Explainable artificial intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI. Information Fusion. 2020;58:82-115.
2. Jain S, Jain R. Role of artificial intelligence in higher education—an empirical investigation. International Journal of Research and Analytical Reviews. 2019;6(2):144-150.
3. Tuomi I. The impact of artificial intelligence on learning, teaching, and education. Policies for the future (EUR 29442 EN), Cabrera, M., Vuorikari, R. & Punie, Y. (eds.). Publications Office of the European Union; 2018. DOI: 10.2760/12297
4. Agih. Examining the impact of artificial intelligence and social and computer anxiety in e-learning settings: Students’ perceptions. Computers in Human Behavior. 2020;107:106304.
5. Bidhendi NZ, Azizi S. AI-based project management: A comprehensive review. Automation in Construction. 2021;132:103948.
6. Zhang Y, Wang L. National strategies for artificial intelligence: A comparative analysis. Technology in Society. 2022;68:101887.
7. OECD. AI in Business and Finance: Opportunities and Risks. OECD Digital Economy Papers; 2023.
8. Yigitcanlar T, et al. Artificial intelligence technologies and applications in smart project management. Journal of Urban Technology. 2020;27(1):45-64.
9. Salam MA, et al. Stakeholder challenges in sustainable construction projects. Journal of Cleaner Production. 2020;281:125390.
10. Mashwama N, Aigbavboa C, Thwala WD. Critical success factors for construction projects: A stakeholder perspective. Journal of Engineering, Design and Technology. 2021;19(2):485-502.
11. PMI. Pulse of the Profession® 2023: AI-Driven Project Management. Project Management Institute; 2023.
12. Stead JG. Stakeholder management in construction: Contemporary challenges. Construction Innovation. 2022;22(3):401-417.
13. George RJ, et al. Cost-effectiveness of AI in infrastructure projects. Journal of Infrastructure Systems. 2022;28(3):04022015.
14. Available: https://doi.org/10.1007/s40030-022-00690-w
15. Wusu GE, et al. A machine learning approach for predicting critical factors determining adoption of offsite construction in Nigeria. Smart and Sustainable Built Environment. 2022;ahead-of-print.
16. Xu Y, et al. Machine learning in construction: From shallow to deep learning. Developments in the Built Environment. 2021;6:100045.
17. Alsakka F, et al. Computer vision applications in offsite construction. Automation in Construction. 2023;154:104980.
18. Baduge SK, et al. Artificial intelligence and smart vision for building and construction 4.0. Automation in Construction. 2022;141:104440.
19. Obiuto NC, et al. Integrating artificial intelligence in construction management. Int. J. Adv. Multidisc. Res. Stud. 2024;4(2):639-647.
20. Singh S. Benefits of an AI enabled safety management system in construction. ResearchGate; 2024.
21. Kamble K, Gaikwad M. Detection of construction safety and accident management using AI. International Research Journal of Modernization in Engineering Technology and Science. 2024;06(01).
22. Regona M, et al. Mapping two decades of AI in construction research. Buildings. 2023;13:2346.
23. Srivastava A. The application & impact of artificial intelligence on E-commerce. Contemporary Issues in Commerce and Management. 2021.
24. Jarrahi MH. Artificial intelligence and the future of work. Business Horizons. 2018;61(4):577-586.
25. Julrich SS. Real-time safety technologies in the construction industry. Master’s Thesis, Lulea University of Technology; 2023.
26. Adefemi A, et al. Artificial intelligence in environmental health and public safety. World Journal of Advance Research and Review. 2023;20(3):1420-1434.
27. Bulama L, Shirivastata M. The role of ICT in protection of lives and property. Vidyabharti International Interdisciplinary Research Journal. 2022;14(1):1–9.
28. Thakkar A, Lohiya R. A survey on intrusion detection system. Artificial Intelligence Review. 2021;55(1):453–563.
29. Baker H, et al. Automatically learning construction injury precursors from text. Automation in Construction. 2020;118:103145.
30. Regona M, et al. Opportunities and adoption challenges of AI in construction. Journal of Open Innovation. 2022;8(1):45.
31. Wang P. On defining artificial intelligence. Journal of Artificial General Intelligence. 2019;10(2):1-37.
32. Chen M, Decary M. Artificial intelligence in healthcare. Healthcare Management Forum. 2020;33(1):10-18.
33. Zeshung N. Human resource management role in business transformation. African Journal of Management and Business Research. 2024a;14(2):148-155.
34. Li C, et al. Cross-site scripting guardian. Applied Sciences. 2020;10(14):4740.
35. Nwangene NL. Communication barriers in multilingual environments. Journal of Advances in Medicine and Medical Research. 2024;36(6):297-305.
36. Zeshung N. Appraising Walmart’s going into India. Multidisciplinary Journal of Management and Social Science. 2024b;1(1):1-7.
37. Nhereuwem ON, et al. Implications of faulty sentences in communication. African Journal of Humanities and Contemporary Education Research. 2023;11(1):198-211.
38. Aigbayboa CO, Thwala WD. Challenges facing black owned construction companies. Journal of Economics and Behavioral Studies. 2014;6:771-778.
39. Emuze FA, Smallwood JJ. Bridging public works project performance gaps. Proceedings of Institution of Civil Engineers Management, Procurement and Law. 2012;111-118.
40. Ogirri OK. Management of projects in Nigerian financial institutions. Multidisciplinary Journal of Management and Social Sciences. 2024a;1(1).
41. Eke C, et al. Causes of failure in construction industry. South Africa. 2015;055-1062.
42. Ogunde A, Fagbenle O. Assessment of planning techniques on construction projects. AEI. 2013;397-408.
43. Okusi O. Cyber security techniques for detecting XSS attacks. World Journal of Innovation and Modern Technology. 2024;8(2):71-89.
44. Wamba-Taguimoje SL, et al. Influence of AI on firm performance. Business Process Management Journal. 2020;26(7):1893-1924.
45. Wamba-Taguimdje S-L, et al. Influence of artificial intelligence (AI) on firm performance. Business Process Management Journal. 2020;26(7):1893-1924.
46. Esmaeili N. Strategic management in modern organizations. International Journal of Organizational Leadership. 2015;4:118-126.
47. Omalaja MA. Strategic management theory. Economic Analysis. 2011;44(1-2):59-77.
48. Ogirri OK, Adoromike EF. Public policy and project management professionals. Conference Proceedings, Ebonyi State University; 2024.
49. Ogirri OK. The role of project management professionals. Proceedings of ICAN. 2024b;110-126.
50. Daft RL. Organization theory and design. Cengage Learning; 2010.
51. Kopmann J, et al. Project portfolio management in strategy. International Journal of Project Management. 2017;35(4):557-570.
52. Athapaththu HKSH. Overview of strategic management. International Journal of Scientific and Research Publications. 2016;6(2):124-127.
53. Fred RD. Strategic management: concepts and case. 13th ed. Pearson; 2011.
54. Safi A. Management and planning in education. 3rd ed. In-Service Education Office; 1995.
55. Abioye SO, et al. AI in construction industry: Review. Journal of Building Engineering. 2021;44:103299.
56. Darko A, et al. AI in AEC industry: Scientometric analysis. Automation in Construction. 2020;112:103081.
57. Butt A. Project management through AI. Chalmers University of Technology; 2018.
58. Khan SAR, et al. [Retracted] Industry 4.0 and circular economy. Business Strategy and the Environment. 2021;30(8):4001-4014.

ترجمه: امین زیوری