نگاشت نقشه مصنوعات و تولیدکنندگان زیست‌بوم هوش مصنوعی ایران بر مبنای گستره تحول‌آفرینی
محورهای موضوعی : فناوری اطلاعات و ارتباطاتحامد اجاقی 1 , ایمان ظهوریان نادعلی 2 , فاطمه سلیمانی روزبهانی 3
1 - مرکز تحقیقات هوش مصنوعی پارت
2 - مرکز تحقیقات هوش مصنوعی پارت
3 - مرکز تحقیقات هوش مصنوعی پارت
کلید واژه: هوش مصنوعی, نوآوری مخرب, تحول‌آفرینی, زیست‌بوم, مصنوعات, تولیدکنندگان,
چکیده مقاله :
هوش مصنوعی به‌عنوان یک حوزه فناورانه نوظهور مورد توجه روزافزون شرکت‌ها و حکمرانان قرار گرفته است. توسعه هوش مصنوعی هم در سطح کسب‌وکار و هم در سطح سیاست‌های کلان کشور در گرو شناخت وضعیت موجود قرار دارد. پژوهش حاضر به‌دنبال شناسایی مصنوعات ارائه شده در این حوزه و افراز آنها به سطوح تحول‌آفرینی از قبیل فردی، سازمانی، صنعتی و... است. این تحقیق از طریق قابلیت‌هایی که هوش مصنوعی می‌تواند ایجاد کند به شناسایی محصول/سرویس‌های عرضه‌شده در کشور و تولیدکنندگان آنها می‌پردازد. سپس برمبنای روش‌شناسی طبقه‌بندی و اتکا به مشخصه کلیدی دسته‌ها، گستره‌های تحول‌آفرینی مصنوعات زیست‌بوم هوش مصنوعی ایران را استخراج می‌نماید.562 محصول/سرویس دارای قابلیت هوش مصنوعی شناسایی گردید که توسط 112 شرکت عرضه شده‌اند. بینایی ماشین و پردازش زبان طبیعی به‌ترتیب با اختصاص 44 و 27 درصد از تولیدات به خود در صدر فناوری‌های مورد استفاده بوده‌اند. مصنوعات و تولیدکنندگان در هفت گستره تحول‌آفرینی شامل فردی، سازمانی، صنعت، تراشه الکترونیکی/سخت‌افزار، جامعه، پلتفرم، کد/الگوریتم/کتابخانه و زیرساخت دسته‌بندی شده‌اند. تولیدات هوش مصنوعی ایران به‌صورت متوازن رشد ننموده است. سه سطح پلتفرم، کد/الگوریتم/کتابخانه و زیرساخت به‌عنوان هسته اصلی مولد سایر محصول/سرویس‌های هوش مصنوعی کمترین میزان تولیدات را داشته‌اند. پیشنهاد شده یک بازارگاه تخصصی برای عرضه مشترک رابط‌های برنامه‌نویسی هوش مصنوعی به‌منظور تحریک شکل‌گیری زیست‌بوم در دستورکار قرار گیرد.
As an emerging technological field, artificial intelligence has received increasing attention from companies and governments. The development of artificial intelligence both at business and country levels depends on knowing the current situation. This paper identifies the artifacts and producers presented in this field and maps them to transformational levels. Products/services and producers are achieved through capabilities provided by artificial intelligence. Then, based on the classification methodology and meta-characteristics, the transformational levels of the artifacts of Iran's artificial intelligence ecosystem have been extracted. 562 products/services were identified, which were offered by 112 companies. Machine vision and natural language processing have been at the top of the technologies used, with 44 and 27 percent of the products allocated to them, respectively. Artifacts and producers were classified into seven transformative levels: individual, organization, industry, electronic chip/hardware, society, platform, code/algorithm/library, and infrastructure. Iran's artificial intelligence productions have not grown in a balanced way. The three levels of platform, code/algorithm/library, and infrastructure as the main generator of other artificial intelligence products/services have had the lowest amount of production. It is suggested that a specialized marketplace for the supply of artificial intelligence application programming interfaces should be put on the agenda to stimulate the formation of the ecosystem.
1. Makridakis, S., The forthcoming Artificial Intelligence (AI) revolution: Its impact on society and firms. Futures, 2017. 90: p. 46-60.
2. Dwivedi, Y.K., et al., Artificial Intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. International Journal of Information Management, 2021. 57: p. 101994.
3. Dan, Y. and H.C. Chieh. A reflective review of disruptive innovation theory. in PICMET'08-2008 Portland International Conference on Management of Engineering & Technology. 2008. IEEE.
4. Schumpeter, J.A., Capitalism, socialism, and democracy. 1942.
5. Freeman, C., Economics of industrial innovation. 1982: MIT Press, Cambridge, MA.
6. Bodrožić, Z. and P. S. Adler, Alternative futures for the digital transformation: A macro-level Schumpeterian perspective. Organization Science, 2022. 33(1): p. 105-125.
7. Bower, J.L. and C.M. Christensen, Disruptive technologies: catching the wave. 1995.
8. Christensen, C.M., R. Bohmer, and J. Kenagy, Will disruptive innovations cure health care? Harvard business review, 2000. 78(5): p. 102-112.
9. Guo, J., et al., Measurement framework for assessing disruptive innovations. Technological Forecasting and Social Change, 2019. 139: p. 250-265.
10. Corsi, S. and A. Di Minin, Disruptive innovation… in reverse: Adding a geographical dimension to disruptive innovation theory. Creativity and Innovation Management, 2014. 23(1): p. 76-90.
11. Christensen, C.M., et al., Disruptive innovation: An intellectual history and directions for future research. Journal of management studies, 2018. 55(7): p. 1043-1078.
12. King, A.A. and B. Baatartogtokh, How useful is the theory of disruptive innovation? MIT Sloan management review, 2015. 57(1): p. 77.
13. Utterback, J.M. and H.J. Acee, Disruptive technologies: An expanded view. International journal of innovation management, 2005. 9(01): p. 1-17.
14. Torugsa, N. and W. O’Donohue, Progress in innovation and knowledge management research: From incremental to transformative innovation. Journal of Business Research, 2016. 69(5): p. 1610-1614.
15. فیض, د., et al., نقش بازی‌وارسازی به عنوان استراتژی خلق رشد در مدل پذیرش نوآوری تحول آفرین در نرم افزارهای کاربردی پرداخت موبایلی (موردمطالعه: دانشجویان دانشگاه گیلان). فصلنامه مدیریت توسعه فناوری, 2019. 7(3): p. 63-90.
16. Sen, A., Totally radical: From transformative research to transformative innovation. Science and Public Policy, 2014. 41(3): p. 344-358.
17. Loorbach, D., et al., Transformative innovation and translocal diffusion. Environmental Innovation and Societal Transitions, 2020. 35: p. 251-260.
18. Ho, J.C., Disruptive innovation from the perspective of innovation diffusion theory. Technology Analysis & Strategic Management, 2022. 34(4): p. 363-376.
19. hakimjavadi, a., Journal of Information and Communication Technology, 1395. 24(7): p. 37-52.
20. Granstrand, O. and M. Holgersson, Innovation ecosystems: A conceptual review and a new definition. Technovation, 2020. 90-91: p. 102098.
21. Yin, R.K., Case study research and applications. 2018: Sage.
22. Nickerson, R.C., U. Varshney, and J. Muntermann, A method for taxonomy development and its application in information systems. European Journal of Information Systems, 2013. 22(3): p. 336-359.
23. DIN, D., German Standardization Roadmap on Artificial Intelligence, DIN/DKE, Editor. 2020: Berlin/Frankfurt
24. Gartner. Hype Cycle for Artificial Intelligence, 2020. 2020 27 July 2020; Available from: https://www.gartner.com/smarterwithgartner/2-megatrends-dominate-the-gartner-hype-cycle-for-artificial-intelligence-2020.
25. Ernst, E. and S. Mishra, AI Efficiency Index: Identifying Regulatory and Policy Constraints for Resilient National AI Ecosystems. Available at SSRN 3800783, 2021.
26. Kumar, A., et al., Sketching an ai marketplace: Tech, economic, and regulatory aspects. IEEE Access, 2021. 9: p. 13761-13774.
27. Zhou, Z., et al., Edge Intelligence: Paving the Last Mile of Artificial Intelligence With Edge Computing. Proceedings of the IEEE, 2019. 107(8): p. 1738-1762.
دو فصلنامه علمي فناوري اطلاعات و ارتباطات ایران | سال پانزدهم، شماره 57 و58 ، پاییز و زمستان 1402 صفحات:138 الی 152 |
|
Artifacts and Producers Mapping of Iran's Artificial Intelligence Ecosystem based on Transformational Levels
Hamed Ojaghi*, Iman Zohoorian Nadali **, Fatemeh Soleymani Roozbahani***
* Ph.D. in Technology Management, Part Co. AI Research Center, Tehran, Iran
** Ph.D. in Management, Part Co. AI Research Center, Tehran, Iran
*** Ph.D. in Information Technology Management, Part Co. AI Research Center, Tehran, Iran
Abstract
As an emerging technological field, artificial intelligence has received increasing attention from companies and governments. The development of artificial intelligence both at business and country levels depends on knowing the current situation. This paper identifies the artifacts and producers presented in this field and maps them to transformational levels. Products/services and producers are achieved through capabilities provided by artificial intelligence. Then, based on the classification methodology and meta-characteristics, the transformational levels of the artifacts of Iran's artificial intelligence ecosystem have been extracted. 562 products/services were identified, which were offered by 112 companies. Machine vision and natural language processing have been at the top of the technologies used, with 44 and 27 percent of the products allocated to them, respectively. Artifacts and producers were classified into seven transformative levels: individual, organization, industry, electronic chip/hardware, society, platform, code/algorithm/library, and infrastructure. Iran's artificial intelligence productions have not grown in a balanced way. The three levels of platform, code/algorithm/library, and infrastructure as the main generator of other artificial intelligence products/services have had the lowest amount of production. It is suggested that a specialized marketplace for the supply of artificial intelligence application programming interfaces should be put on the agenda to stimulate the formation of the ecosystem.
Keywords: Artificial intelligence, disruptive innovation, transformation, ecosystem, artifacts, Producers
نگاشت نقشه مصنوعات و تولیدکنندگان زیست‌بوم هوش مصنوعی ایران بر مبنای گستره تحول‌آفرینی
حامد اجاقی*×، ایمان ظهوریان نادعلی **، فاطمه سلیمانی روزبهانی***
*دکترای مدیریت تکنولوژی، دانشگاه تهران، مرکزتحقیقات هوش مصنوعی، شرکت پارت، تهران
** دکترای مدیریت، دانشگاه ناپل ایتالیا، مرکزتحقیقات هوش مصنوعی، شرکت پارت، تهران
*** دکترای مدیریت فناوری اطلاعات، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، مرکزتحقیقات هوش مصنوعی، شرکت پارت، تهران
تاریخ دریافت: 30/05/1401 تاریخ پذیرش: 20/09/1401
نوع مقاله: پژوهشی
چکیده
هوش مصنوعی به‌عنوان یک حوزه فناورانه نوظهور مورد توجه روزافزون شرکت‌ها و حکمرانان قرار گرفته است. توسعه هوش مصنوعی هم در سطح کسب‌وکار و هم در سطح سیاست‌های کلان کشور در گرو شناخت وضعیت موجود قرار دارد. پژوهش حاضر به‌دنبال شناسایی مصنوعات ارائه شده در این حوزه و افراز آنها به سطوح تحول‌آفرینی از قبیل فردی، سازمانی، صنعتی و... است. این تحقیق از طریق قابلیت‌هایی که هوش مصنوعی می‌تواند ایجاد کند به شناسایی محصولات و خدمات عرضه‌شده در کشور و تولیدکنندگان آنها می‌پردازد. سپس برمبنای روش‌شناسی طبقه‌بندی و اتکا به مشخصه کلیدی دسته‌ها، گستره‌های تحول‌آفرینی مصنوعات زیست‌بوم هوش مصنوعی ایران را استخراج می‌نماید.562 محصول/خدمت دارای قابلیت هوش مصنوعی شناسایی گردید که توسط 112 شرکت عرضه شده‌اند. بینایی ماشین و پردازش زبان طبیعی به‌ترتیب با اختصاص 44 و 27 درصد از تولیدات به خود در صدر فناوری‌های مورد استفاده بوده‌اند. مصنوعات و تولیدکنندگان در هفت گستره تحول‌آفرینی شامل فردی، سازمانی، صنعت، تراشه الکترونیکی/سخت‌افزار، جامعه، پلتفرم، کد/الگوریتم/کتابخانه و زیرساخت دسته‌بندی شده‌اند. تولیدات هوش مصنوعی ایران به‌صورت متوازن رشد ننموده است. سه سطح پلتفرم، کد/الگوریتم/کتابخانه و زیرساخت به‌عنوان هسته اصلی مولد سایر محصولات و خدمات هوش مصنوعی کمترین میزان تولیدات را داشته‌اند. پیشنهاد شده یک بازارگاه تخصصی برای عرضه مشترک رابط‌های برنامه‌نویسی هوش مصنوعی به‌منظور تحریک شکل‌گیری زیست‌بوم در دستورکار قرار گیرد.
کلیدواژه‌ها: هوش مصنوعی، نوآوری برهم‌زننده، تحول‌آفرینی، زیست‌بوم، مصنوعات، تولیدکنندگان
× نویسنده مسئول: حامد اجاقی hamed_ojaghi@ut.ac.ir
1. مقدمه1
پیشرفت هوش مصنوعی در سال‌های اخیر خبر از تحولی نوین از جنس انقلاب‌های صنعتی و اطلاعاتی می‌دهد که تغییرات گسترده‌ای در تمام جنبه‌های جامعه و زندگی ایجاد کردند [1]. تصور بر این است که به‌کارگیری هوش مصنوعی در هر زمینه‌ای موجب تغییر و تحولات جدی در آن حوزه می‌گردد. اگر چنین باشد ورود این فناوری به صنایع، اقتصاد و به‌طورکلی نظام حکمرانی کشور موجب ایجاد جهش در توسعه‌یافتگی خواهد شد. این چشم‌انداز حکمرانان جوامع مختلف را برانگیخته تا به اتخاذ سیاست‌های محرک در این زمینه روی آورند و میزان بهره‌برداری و اثرگذاری این فناوری را گسترده‌تر سازند. بااین‌حال ازجمله عارضه‌هایی که از سال‌ها پیش یعنی ابتدای معرفی هوش مصنوعی گریبان گیر آن بوده، انتظارات غیرواقعی از این فناوری است [2]. ظرفیت تحول‌آفرینی2 هوش مصنوعی اگرچه به‌صورت بالقوه زیاد است اما تا هنگامی‌که بر مبنای ایجاد یک کاربرد، در ترکیب با سایر فناوری‌ها در قالب یک محصول یا یک خدمت فعلیت نیابد مشخص نیست تا چه حد تأثیرگذاری دارد. این یعنی دامنه تحول‌آفرینی هوش مصنوعی مقید به پیکره ایست که در آن قرار می‌گیرد ظرفیت تحول‌آفرینی3 هوش مصنوعی اگرچه به‌صورت بالقوه زیاد است اما تا هنگامی‌که بر مبنای ایجاد یک کاربرد، در ترکیب با سایر فناوری‌ها در قالب یک محصول یا یک خدمت فعلیت نیابد مشخص نیست تا چه حد تأثیرگذاری دارد. این یعنی دامنه تحول‌آفرینی هوش مصنوعی مقید به پیکره ایست که در آن قرار می‌گیرد. اساساً هوش مصنوعی نه یک فناوری مشخص بلکه یک حوزه فناورانه است که بسته به اهداف کاربردی مختلف در محصولات و خدمات عینیت می‌یابد.
ازاین‌روی تحول‌آفرینی هوش مصنوعی در صنایع و اقتصاد به‌واسطه محصولات و خدمات مبتنی بر این فناوری صورت می‌گیرد. هنگامی‌که یک محصول توانمند شده با هوش مصنوعی جایگزین یک راه‌حل قدیمی می‌شود محدوده‌ای از سیستم‌های اقتصادی اجتماعی را تحت تأثیر قرار می‌دهد امروزه انواع مختلفی از این نوع محصولات در سطح دنیا عرضه می‌شوند. ازاین‌روی تحول‌آفرینی هوش مصنوعی در صنایع و اقتصاد به‌واسطه محصولات و خدمات مبتنی بر این فناوری صورت می‌گیرد. هنگامی‌که یک محصول توانمند شده با هوش مصنوعی جایگزین یک راه‌حل قدیمی می‌شود محدوده‌ای از سیستم‌های اقتصادی اجتماعی را تحت تأثیر قرار می‌دهد. امروزه انواع مختلفی از این نوع محصولات در سطح دنیا عرضه می‌شوند. بااین‌حال میزان اثرگذاری و قابلیت تحول‌آفرینی همه این محصولات یکسان نیست. به‌علاوه ممکن است به هر دلیل همه سطوح به صورت متوازن توسعه نیافته باشند و به‌طور طبیعی زمینه‌هایی که کمتر مورد توجه قرار گرفته و کمتر رشد یافته‌اند بااهمیت‌تر بوده و توجه بیشتر شرکت‌ها، مدیران، سیاست‌گذاران و هدایت‌کنندگان اکوسیستم را می‌طلبد. با آگاهی و شناخت سطوح تحول‌آفرینی محصولات و خدمات ارائه شده تصمیم‌گیری‌ها و اقدامات صورت گرفته برای توسعه هوش مصنوعی در کشور اثربخش‌تر خواهد بود. شواهد نشان می‌دهد تعداد شرکت‌های فعال در زمینه هوش مصنوعی و تنوع محصولی آنها در کشور ما کم نیست. بااین‌حال اطلاعی از انواع این محصولات در دسترس وجود ندارد.
پژوهش حاضر تلاش می‌کند با مفهوم‌سازی دامنه تحول محصولات توانمند شده با هوش مصنوعی، اکوسیستم در حال شکل‌گیری این فناوری در ایران را از منظر مصنوعات و تولیدکنندگان مطالعه نماید. این مفهوم‌سازی در بین محققان مسبوق به سابقه نبوده و یک تلاش تحقیقاتی بدیع است. از سوی دیگر دستیابی به چنین شناختی درباره مصنوعات و تولیدکنندگان یک زیست‌بوم برای اتخاذ اقدامات دارای بیشترین اثربخشی اهمیت حیاتی دارد. عواقب نادیده گرفتن محصولات و خدمات تحول‌آفرین می‌تواند فاجعه‌بار باشد. سطوح مختلف تحول‌آفرینی واکنش‌های متفاوتی را طلب می‌کنند. نگاشت آرایش محصولات مبتنی بر هوش مصنوعی در کشور مشخص می‌سازد کدام حوزه‌ها دارای توانمندی بیشتر و مازاد ظرفیت است و کدام سطوح نحیف‌تر بوده و نیازمند توجه بیشتر می‌باشد.
برای دستیابی به این هدف سؤال اصلی پژوهش حاضر بدین صورت تدوین می‌شود که نقشه محصول و خدمات هوش مصنوعی عرضه شده در کشور به لحاظ سطوح تحول‌آفرینی به چه صورت است؟. ارزش ایجاد شده در پژوهش حاضر شامل سه جنبه است. اول اینکه طیف کاملی از محصولات و خدمات مبتنی بر هوش مصنوعی که در ایران ایجاد شده است را شناسایی می‌کند؛ کاری که پیش‌ازاین انجام نشده است. دوم بر مبنای تجزیه تحلیل مشخصه کلیدی محصولات یک طبقه‌بندی از آنها ایجاد می‌شود. سوم آنکه بر مبنای نقشه استخراج شده دلالت‌های کسب‌وکاری و سیاستی در زمینه زیست‌بوم هوش مصنوعی کشور ارائه می‌شود.
2. مبانی نظری
تعیین اینکه یک فناوری، محصول یا خدمت در چه سطحی باعث تغییر در زیست‌بوم می‌شود هم برای شرکت‌ها و هم برای سیاست‌گذاران فناوری می‌تواند بسیار مهم باشد. محققان از این منظر نوآوری‌ها را هرچند با اصطلاحات مختلف در دو دسته تقسیم می‌کنند [3]: (1) فناوری‌های انقلابی، ناپیوسته، مرزشکن4، رادیکال، نوظهور یا مرحله‌ای؛ (2) فن‌آوری‌های تکاملی، پیوسته، افزایشی. اولین مطالعات برجسته در این زمینه به نظریات شومپیتر5 [4] باز می‌گردد. او مفهوم تخریب خلاقانه را به معنای منسوخ شدن فناوری‌ها توسط نوآوری‌های برهم‌زننده مطرح کرد. یک ابتکار موفقیت‌آمیز در محصولات، فرایندها، مواد خام یا راه‌حل‌های سازمان‌دهی تجارت انبوهی از مقلدان را جذب می‌کند. به‌علاوه ممکن است اثرات ضربه‌ای به همراه داشته باشد یعنی باعث ایجاد نوآوری‌های مکمل دیگر بشود. چنین رفتاری توضیح می‌دهد که چرا نوآوری‌ها سلسه‌وار در خوشه‌ها به وجود می‌آیند. بزرگ‌ترینِ این خوشه‌ها انقلاب‌های فناورانه را تشکیل می‌سازند که نه‌تنها بر صنایع منفرد بلکه بر کل ساختار صنعت و بافت جامعه تأثیر می‌گذارد.
نگاه شومپیتر به تحول نوآورانه در معنای انقلاب فناورانه مورد توجه محققان بعدی قرار گرفت (به‌طور مثال فریمن6 در توسعه نظام نوآوری [5]) و هنوز هم ادامه دارد(به‌طور مثال بودروژیچ و اس‌آدلر7 در مطالعه تحول دیجیتال [6]). در تفکر شومپیتری به‌جای اینکه همه تغییرات فناورانه در یک «انقلاب صنعتی» بزرگ دیده شود امواج مختلف مشاهده و ردیابی می‌گردند. دامنه تحولات یک تغییر فناورانه ابتدا در یک یا چند کشور پیشرو گسترده می‌شود و به‌تدریج کل جهان را دربر می‌گیرد(به‌طور مثال برق و بخار در انگلستان و فولاد در آمریکا و آلمان).
اواخر قرن بیستم تغییر و تحولات فناورانه در پی یک مطالعه که باور و کریستینسن8 [7] انجام دادند، دوباره(در سطحی پایین‌تر از انقلاب فناورانه) در کانون توجه محققان قرار گرفت. آنها با بررسی صنعت درایو دیسک سخت9 مشاهده کردند که وقتی فناوری‌های جدید عملکرد بالاتری را ارائه می‌دهند راه‌حل های فعلی صنعت شکست می‌خورند. این شکست به ظهور«فناوری‌های برهم‌زننده»10 نسبت داده شد و بعداً به «نوآوری‌های برهم‌زننده » [8] تغییر نام یافت. همچنان که اشاره شد مهم‌ترین وجه تمایز رویکرد نوآوری برهم‌زننده با انقلاب‌های فناوری تفاوت در گستره تغییرات بود. درواقع اگرچه مفهوم تخریب خلاقانه شومپیتر تغییرات فناوارنه در سطح صنایع و شرکت‌ها را نیز دربر می‌گرفت اما در آن مقطع عمدتاً تحلیل انقلاب‌های فناورانه در سطح جهانی برجسته شد. مطالعات کریستینسن و همکارانش بار دیگر اهمیت تغییر و تحولات فناورانه در سطح کسب‌وکارها را مطرح نمود.
علاوه بر تفاوت در گستره اثرپذیری، موضوع مطالعه تغییرات نیز به‌تدریج از فناوری‌های کلی به محصولات، خدمات و حتی نوآوری‌های اجتماعی [9] نیز سرایت کرد. کورسی و دی‌مینین11 بعد جغرافیایی را به نظریه نوآوری برهم‌زننده افزوده‌اند [10]. آنها استدلال کرده‌اند که اثر تغییر و تحولات محصولات و خدمات جدید در اقتصادهای نوظهور نسبت به کشورهای توسعه‌یافته متفاوت است [11] .
ویژگی برهم‌زننده بودن نوآوری‌ها نیز در بین محققان تا حدودی دستخوش تلطیف شد. مفهوم تخریب به‌طورکلی زمانی قابل اطلاق است که نوآوری بر شالوده‌ها و شایستگی‌های فعلی بنا نهاده نمی‌شود و مسیر تکامل فناوری را دچار ناپیوستگی می‌سازد. بااین‌حال این مفهوم نسبی بوده و کریستینسن در مطالعات بعدی خود اذعان می‌کند که ازجمله اصلاحات صورت گرفته در نظریه نوآوری برهم‌زننده ادراک نسبی بودن اختلال است [11]. اساساً نوآوری به گونه‌ایست که ماهیت نسبی و پیوسته ( در مقابل گسسته) دارد. به همین دلیل در طول سال‌های گذشته مشاهده می‌کنیم که پژوهشگران از مفهوم نوآوری برهم‌زننده در ترادف با هر تغییر و تهدید جدید فناورانه [11] استفاده کرده‌اند. کینگ و بااتارتوخ12 ضمن برشمردن 77 محصول و خدمت به‌عنوان نمونه‌هایی از نوآوری برهم‌زننده تصریح کرده‌اند که کمتر نظریه مدیریتی تا این حد مورد استفاده پژوهشگران قرار گرفته است [12]. این مسئله تحت تأثیر نسبی بودن مفهوم تخریب قرار دارد و هر چه از سطح انقلاب فناورانه به سطوح جزئی‌تر فاصله بگیریم میزان برهم‌زننده بودن به‌راحتی قابل تشخیص نیست.
پذیرش نسبیت مفهوم نوآوری برهم‌زننده، گستره‌ای که تحت تأثیر قرار می‌گیرد را مهم‌تر می‌سازد. آترباک و آسی13 اهمیت فناوری‌های برهم‌زننده را نه در این واقعیت که آنها جایگزین محصولات موجود می‌شوند، بلکه در توانایی آنها برای گسترش بازارهای جدید تشخیص داده‌اند [13]. توروگسا و اودونوهو14 با بررسی نشریات با استناد بالا بحث نموده‌اند که تحقیقات مربوط به نوآوری-مدیریت دانش به سمت نوآوری تحول‌آفرین سوق پیدا کرده‌اند [14]. فیض و همکاران نیز در پژوهش خود تحول‌آفرینی نوآوری را به‌جای تخریب‌کنندگی بررسی کرده‌اند [15].
سن15 در یک مطالعه به بحث پیرامون تحول‌آفرینی تحقیقات و نوآوری‌ها و مفهوم رادیکال پرداخته است [16]. بررسی مطالعه او نشان می‌دهد که او تخریب را به تغییر در فناوری باز می‌گرداند و تحول را به تغییر در اقتصاد، جامعه یا بستری که نوآوری در آن محقق می‌شود. به عبارت دیگر اگر از منظر شالوده‌های فناورانه بنگریم موضوع اختلال قابل‌تعریف و پیگیری است و اگر از منظر گستره‌ای که تحت تأثیر قرار می‌گیرد به مطالعه بپردازیم تحول‌آفرینی رساتر خواهد بود.
برخی از پژوهشگران گستره تحول‌آفرینی را از منظر انتشار بررسی کرده‌اند. لورباخ و همکاران16 با تعریف تحول‌آفرینی به‌عنوان محصولات، فعالیت‌ها و ایده‌هایی که رژیم‌های فعلی را به چالش می‌کشند توسعه و انتشار نوآوری‌های تحول‌آفرین را بررسی کرده‌اند [17]. بر اساس این تحقیق درحالی‌که برخی اصول نوآوری‌های تحول‌آفرین جهانی هستند پذیرش و ترجمان اصول اصلی تحت تأثیر زمینه خاص و محلی اتفاق می‌افتد. هو17 نیز از منظر انتشار فناوری به مطالعه دسته‌های پذیرنده نوآوری پرداخته است. او استدلال کرده که گروه‌های پذیرنده دارای ویژگی‌ها و اندازه‌های مختلفی هستند و نقش مهمی در فرآیند انتشار دارند [18].
آندره و همکاران18 در یک پژوهش مشابه کلاس‌های مختلفی برای فناوری‌های دیجیتال ارائه کرده‌اند. آنها با مبنا قرار دادن یک تعریف از فناوری‌های دیجیتال و بهره‌گیری از یک درخت تصمیم (پروتکل) فناوری‌های مرتبط را شناسایی کرده‌اند. کلاس‌های به‌دست‌آمده شامل: اتصال (فناوری 5G یا بلوتوث)، ذخیره‌سازی (فناوری‌های ابری)، تجزیه‌وتحلیل (هوش مصنوعی)، ساخت (فناوری‌هایی که یک خروجی قابل اندازه‌گیری فیزیکی بر اساس داده‌های دیجیتال ایجاد می‌کنند)، تجسم (به‌طور مثال محصولات مبتنی بر واقعیت افزوده)، تعامل (کلاس فناوری تعاملی شامل تمام فناوری‌های دیجیتالی است که هم برای ایجاد و هم برای استفاده از داده‌های دیجیتال مناسب هستند. به‌عنوان مثال، یک تبلت می‌تواند هم توسط انسان برای واردکردن اطلاعات برای ایجاد داده‌های دیجیتال و هم برای نمایش اطلاعات روی دستگاه استفاده شود)، رابط H2M (رابط‌های کاربری بین انسان و ماشین) و حسگر(انواع حسگرها که کمیت‌های فیزیکی را به داده بر می‌گردانند. [19]
یک مطالعه با تمرکز بر حوزه انرژی انواع محصولات و پلتفرم‌های بازخورد را بر اساس ویژگی‌های سخت‌افزار، ارتباطات، کنترل، نمایش و جمع‌آوری داده‌ها در نه دسته (1) پلتفرم اطلاعات، (2) پلتفرم مدیریت، (3) مانیتور دستگاه، (4) نمایشگر بار، (5) نمایشگر شبکه، (6) نمایشگر حسگر، (7) حسگر شبکه، (8) شبکه مدیریت بسته و (9) شبکه مدیریت باز افراز نموده است [20]
یکی دیگر از معدود مطالعات مشابه به طبقه‌بندی فناوری‌های حوزه فناوری اطلاعات بر اساس دسته‌بندی SMAC19 پرداخته است [21]. رسانه‌های اجتماعی (S) نحوه ارتباط و تعامل شرکت‌ها در داخل و خارج از مرزهای شرکت را تغییر می‌دهد. فناوری‌های تلفن همراه (M) محدودیت زمانی و محلی دسترسی به اطلاعات را کاهش می‌دهد و تعامل بازیگران مختلف، مستقل از مکان و زمان می‌شود. فناوری‌های تجزیه‌وتحلیل (A) منعکس کننده مواردی (مثلاً هوش مصنوعی) است که برای تولید اطلاعات جدید بر اساس داده‌های موجود استفاده می‌شود. فناوری‌های رایانش ابری (C) ذخیره‌سازی و دسترسی انعطاف‌پذیر به برنامه‌ها و داده‌ها را تضمین می‌کند.
اشیا هوشمند را طبقه‌بندی نموده‌اند. در این تحقیق اشیاء هوشمند برحسب درجه فعال بودن در 5 سطح در نظر گرفته شده‌اند. سطح یک حسگرهای غیرفعال با حداقل عملکرد (حافظه خواندن/نوشتن، کد هویت منحصربه‌فرد) هستند. سطح دو اشیای غیرفعال با قابلیت‌های اضافی، مانند ویژگی‌های امنیتی پیشرفته را شامل می‌شود. سطح سه حسگرهای نیمه غیرفعال و دارای یک باتری برای تغذیه بخش منطقی مدار است و محدوده خواندن بهبود یافته را در مقایسه با سطوح یک و دو را فراهم می‌کند. سطح چهار علاوه بر باتری دارای عملکردهای اضافی مانند تشخیص دست‌کاری است. آنها همچنین ممکن است بتوانند مستقیماً با سایر اشیای سطح چهار ارتباط برقرار کنند. سطح پنج توانمندی کافی برای فعال کردن سایر اشیاء را دارند و عموماً به شبکه‌های پشتیبان متصل هستند [22].
جمع‌بندی مبانی نظری و پیشینه پژوهش نشان می‌دهد همواره تغییرات ایجاد شده توسط فناوری‌ها و نوآوری‌ها مورد توجه پژوهشگران بوده است. هنگامی که از منظر شالوده‌های فناورانه و خط سیر رشد به تغییرات نگریسته شده موضوع مورد توجه، سطح اختلال یا تخریب نوآوری می‌باشد. هنگامی‌که بافت مقصد نوآوری که تحت تأثیر قرار می‌گیرد موضوع مورد مطالعه قرار دارد در قالب مفهوم تحول‌آفرینی چارچوب‌بندی می‌شود. درحالی‌که تحقیقات قبلی از جنبه‌های مختلف تخریب نوآورانه را مطالعه کرده‌اند توجه بسیار کمتر اما رو به رشدی [14] به تحول‌آفرینی شده است. پژوهش حاضر تلاش می‌کند با تمرکز بر تحول‌آفرینی در زمینه محصولات و خدمات هوش مصنوعی به کاهش شکاف تحقیقات این حوزه کمک نماید.
در پژوهش حاضر حوزه فناورانه هوش مصنوعی از منظر رویکرد زیست‌بوم مورد توجه قرار گرفته است. این رویکرد در سال 1993 توسط مور از حوزه زیست‌شناسی وام گرفته شد و واردحوزه کسب‌وکار گردید [23]. درواقع زیست‌بوم را می‌توان یک لنز مفهومی در نظر گرفت که به تعاملات حیات گونه اشاره دارد. اطلاق زیست‌بوم در زمینه نوآوری ناشی از خصوصیت هم‌تکاملی نوآوری در بین موجودیت‌های مختلف است. گرنستراند و هولگرسون20 اجزای اصلی زیست‌بوم نوآوری را بازیگران، فعالیت‌ها و مصنوعات دانسته‌اند که بر بستر محیط نهادی تکامل می‌یابند [24]. بر این مبنا پژوهش حاضر قلمرو مطالعاتی خود را بر مصنوعات و بخشی از بازیگران یعنی تولیدکنندگان زیست‌بوم هوش مصنوعی محدود می‌نماید و تلاش می‌کند یک طبقه‌بندی از گستره تحول‌آفرینی مصنوعات عرضه‌شده و تولیدکنندگان در زیست‌بوم هوش مصنوعی ایران استخراج کند.
3. روش‌شناسی پژوهش
پژوهش حاضر برای نگاشت نقشه گستره‌های تحول‌آفرینی مصنوعات و تولیدکنندگان زیست‌بوم هوش مصنوعی ایران به لحاظ فلسفی بر عمل‌گرایی تکیه دارد چراکه از مبانی متعدد بهره می‌گیرد. در مرحله استخراج داده‌ها یعنی شناسایی محصول و خدمات هوش مصنوعی تلاش شده همچون مکاتب اثبات‌گرا از معیارهای عینی استفاده گردد. درعین‌حال در مرحله تجزیه تحلیل داده‌ها به‌منظور شناخت و تفکیک دسته‌ها، به کمک خبرگان این حوزه انتزاع مفهومی صورت گرفته است. داده‌های استفاده‌شده از نوع کیفی هستند و لذا برای کاهش قضاوت‌های ذهنی و افزایش اعتبار تلاش شده فرایند پژوهش و ملاک‌های تشخیص محصولات و خدمات مبتنی بر هوش مصنوعی و نحوه تفکیک دسته‌ها به‌وضوح تشریح گردد تا امکان بازتولید وجود داشته باشد. رویکرد توسعه نظریه از طریق تکرار موارد هر دسته و اشباع نظری به‌نحوی‌که دسته جدیدی قابل انفکاک نباشد استنتاج گردیده است. به‌این‌ترتیب روش این پژوهش از نوع کیفی و اکتشافی محسوب می‌شود. همچنین تحقیق حاضر بر مبنای خردمایه‌های ادبیات موجود بنا نهاده شده و به دنبال زمینه‌سازی برای استفاده‌هایی عملی در حوزه سیاست‌گذاری هوش مصنوعی و مدیریت فناوری برای سازمان‌ها است؛ ازاین‌رو از منظر نوع نتیجه، پژوهشی توسعه‌ای و کاربردی قلمداد می‌گردد. بر مبنای الگوی پیاز پژوهش یک لایه دیگر از تبیین روش‌شناسی تحقیق حاضر تعیین راهبرد است. نویسندگان در پژوهش حاضر از راهبرد مطالعه موردی برای بررسی محصولات و خدمات هوش مصنوعی عرضه شده در کشور و نقشه‌برداریِ سطوح تحول‌آفرینی مصنوعات و تولیدکنندگان زیست‌بوم هوش مصنوعی ایران بهره گرفته‌اند.
افق زمانی پژوهش شامل تمامی محصولات و خدمات عرضه شده در کشور تا سال 1401 می‌باشد. ابزار گردآوری داده‌ها جستجوهای اینترنتی و مراجعه به درگاه‌های شرکت‌ها و بررسی بروشورها، کالانماها21 و مشخصات مربوط به هر محصول یا خدمت بوده است. به‌منظور هدایت جریان جمع‌آوری اطلاعات یک پروتکل برای مطالعه موردی توسعه داده شد. در پروتکل مذکور معیار شناسایی موردها بر اساس جمع‌بندی تعاریف هوش مصنوعی و قابلیت‌هایی که این فناوری می‌تواند در یک محصول یا خدمت ایجاد نماید صورت گرفت. به‌این‌ترتیب معیار تشخیص و ورود یک مصنوع به مطالعه، داشتن یک یا چند مورد از قابلیت‌هایی که فناوری‌های هوش مصنوعی می‌توانند ایجاد کنند بوده است. هم‌زمان با شناخت و ثبت اطلاعات مربوط به محصولات، داده‌های دیگری ازجمله تولیدکنندگان، سال تأسیس و اندازه شرکت به لحاظ نیروی انسانی نیز جمع‌آوری شد. برای سازمان یافتن اطلاعات به‌دست‌آمده از موردها، گروه تحقیق از یک پایگاه داده [25] برای محصولات و خدمات هوش مصنوعی شناسایی شده استفاده کردند. پایگاه داده در نرم‌افزار اکسس22 از مجموعه نرم‌افزارهای شرکت مایکروسافت ساخته شد؛ این پایگاه به‌منظور انجام مطالعات بیشتر در دسترس است.
برای تجزیه تحلیل داده‌ها و دستیابی به نقشه تحول‌آفرینی مصنوعات زیست‌بوم هوش مصنوعی کشور از روش طبقه‌بندی نیکرسون و همکاران23 [26] بهره گرفته شد. روش مذکور این امکان را فراهم می‌کند که مفاهیم نظری در بین نمونه‌ها به‌صورت نظام‌مند طبقه‌بندی شوند. اساس این روش بر استخراج و تعریف فرامشخصه24 است. فرامشخصه باید جامع‌ترین مشخصه‌ای باشد که به‌عنوان مبنایی برای انتخاب ویژگی‌ها در طبقه‌بندی عمل می‌کند. مجموعه سؤالات راهنما می‌توانند محققان را به مشخصه‌های اصلی هر گروه از موردها راهنمایی کنند(مرحله اول). گام دوم شامل تفکیک طبقه‌ها از یکدیگر است. برای این منظور باید طبقه‌ها حتی‌المقدور جامع‌ومانع باشند. در مرحله سوم دسته‌ها با افزایش موردها استحکام می‌یابند. هر مشخصه باید حداقل یک‌بار در شی‌ء مورد نظر رخ داده باشد. مرحله چهارم ناظر به این است که مشخصه اصلی تا پایان موردها به‌صورت یکسان حفظ شود. یک خطای رایج در طبقه‌بندی‌ها لغزش معیار تعریف دسته، در حین بررسی موردهاست. بنابراین مشخصه اصلی نباید تا آخرین تکرار توسعه طبقه‌بندی دستخوش لغزش شده باشد.
سؤالات راهنما توسط پانل خبرگان متشکل از اعضای دانشگاهی (5 نفر) و همچنین اعضای صنعتی(3 نفر) توسعه داده شد. جزئیات سؤالات در بخش یافته‌ها ذکر خواهد شد. به‌این‌ترتیب هر یک از محصولات و خدمات از منظر سؤالات راهنما مورد دقت و بررسی قرار گفتند. در دور اول یکی از محققان به همراه دو نفر از کارشناسان پژوهشی یکی از شرکت‌های هوش مصنوعی محصولات و خدمات به‌دست‌آمده را مورد بررسی قرار دادند. با پاسخگویی به سؤالات راهنما در مورد هر محصول یا خدمت یک دسته برای آن در نظر گرفته می‌شد. با افزایش بررسی‌ها به‌تدریج گروه‌هایی در بین محصولات و خدمات آشکار گردید و موارد جدید در خوشه‌های معنا‌مشترک گروه‌بندی شدند. تفکیک دسته‌ها تا جایی که همه موارد طبقه‌بندی شدند و درعین‌حال دسته جدیدی نیز قابل افراز نبود ادامه یافت. سپس دو نفر از نویسندگان دسته‌بندی‌های به‌دست‌آمده را بازبینی نمودند. موارد دارای ابهام در بین همه اعضای پانل خبرگان مورد بحث گذاشته شد. درنهایت نقشه توزیع محصولات و خدمات تولید شده در کشور برحسب سطوح تحول‌آفرینی از دسته‌بندی‌های به‌دست‌آمده استخراج شد.
4. یافته‌های پژوهش
همان‌طور که در بخش قبل اشاره شد انواع محصولات و خدمات مبتنی بر فناوری‌های هوش مصنوعی بر اساس پروتکل راهنما مورد جستجو قرار گرفتند. ازآنجاکه فناوری‌ها عمدتاً در سازوکارهای درونی هر محصول/خدمت فرا نهاده شده‌اند اگر شناسایی موردها صرفاً بر مبنای عبارت «هوش مصنوعی» می‌بود احتمال خطا وجود داشت. در عوض جستجوها بر اساس آثاری که فناوری‌های هوش مصنوعی ممکن است در یک محصول/خدمت ایجاد کنند صورت گرفت. فناوری‌های هوش مصنوعی قابلیت‌های منحصربه‌فردی را در محصول/خدمت‌ها ایجاد می‌نمایند که از طریق آنها می‌توان موارد مرتبط را با کمترین میزان خطا به لحاظ اضافه یا کم بودن شناسایی نمود.
در این پژوهش از قابلیت‌های ذکر شده در نقشه راه استانداردسازی هوش مصنوعی آلمان25 که مجموعه جامعی از همه موارد محتمل را برشمرده، استفاده شده است [24 قابلیت برای فناوری‌های هوش مصنوعی در چهار حوزه اصلی شامل قابلیت ادراک26 (ادراک تصویر، تفسیر صدا، لامسه ماشینی، سیگنال‌های اجتماعی و تشخیص بو و طعم)، قابلیت فهم27 (همجوشی ادراکات، حافظه و مدل، توضیح‌دهندگی و خودتنظیمی)، قابلیت اقدام و رفتار(ادراک ربات، برنامه‌ریزی حرکت، حسگرها و دست‌کاری کننده‌ها، سینماتیک و دینامیک، تعامل انسان و ربات و عامل نرم‌افزاری) و قابلیت ارتباطات (تولید متن، ترجمه ماشینی، تحلیل متن، استخراج اطلاعات و دانش، بازیابی اطلاعات، تجزیه‌وتحلیل اسناد، سیستم‌های مربوط به گفتگو و گفتار، سیستم‌های شناختی و پارادایم‌ها و روش‌های تعامل) در نظر گرفته شده است. طبیعتاً تمامی این قابلیت‌ها به‌صورت یکجا در یک سیستم مبتنی بر هوش مصنوعی قابل‌جمع نیست بلکه اغلب محصولات و خدمات فعلی تنها از یک یا چند مورد از آنها برخوردارند. هر یک از زیرقابلیت‌ها در پروتکل راهنما برای جمع‌آوری‌کنندگان داده‌ها به همراه مثال تشریح شده است.
با مبنا قرار دادن این قابلیت‌ها، درمجموع 562 محصول/خدمت در کشور شناسایی شد که توسط 112 شرکت عرضه شده بودند. شکل1 لیست شرکت‌های تولیدکننده محصول/خدمت‌های هوشمند را به تفکیک تعداد موارد عرضه شده توسط هر کدام نشان می‌دهد.
[2] transformation
[3] transformation
[4] breakthrough
[5] Schumpeter
[6] Freeman
[7] Bodrožić & S. Adler
[8] Bower and Christensen
[9] Hard Disk Drive Industry
[10] Disruptive
[11] Corsi & Di Minin
[12] King & Baatartogtokh
[13] Utterback & Acee
[14] Torugsa & O’Donohue
[15] Sen
[16] Loorbach et al.
[17] Ho
[18] Andre et al.
[19] Social media, Mobile technologies, Analytics technologies, Cloud computing
[20] Granstrand & Holgersson
[21] Catalogs
[22] Microsoft Access
[23] Nickerson et al.
[24] meta-characteristic
[25] GERMAN STANDARDIZATION ROADMAP ON ARTIFICIAL INTELLIGENCE
[26] PERCEPTION
[27] UNDERSTANDING
شکل1.شرکت‌های عرضه کنند محصولات و خدمات هوش مصنوعی به همراه تعداد موارد
بررسی تفصیلی داده‌ها نشان می‌دهد 42 درصد موارد به‌دست‌آمده به‌صورت محصول و 58 درصد در قالب خدمت توسط فروشندگان عرضه شده‌اند. از منظر فناوری‌های اصلی 44 درصد محصول/خدمت‌ها مبتنی بر بینایی ماشین1، 27 درصد مبتنی بر پردازش زبان طبیعی2، 17 درصد داده‌کاوی3، 9 درصد پردازش گفتار4 و 3 درصد سایر فناوری‌های مرتبط شامل رباتیک5، اینترنت اشیاء، بلاک‌چین6 و فناوری‌های شناختی7 بودند(شکل2).
شکل2. توزیع محصولات و خدمات مبتنی بر هوش مصنوعی پیرامون فناوری‌های اصلی
همان‌طور که در بخش روش‌شناسی بیان شد برای تعیین گستره‌های تحول‌آفرینی محصولات و خدمات هوش مصنوعی از روش طبقه‌بندی و استخراج فرامشخصه استفاده شد. بر مبنای این روش ابتدا سؤالات راهنمایی از جمله موارد زیر تدوین شد: محصول/خدمت بر چه بستری نصب می‌گردد؟ محصول/خدمت در بین چه دسته‌ای از افراد، گروه‌ها یا سازمان‌ها مورد استفاده قرار می‌گیرد؟ محصول/خدمت باید به‌صورت گروهی مورد استفاده قرار گیرد یا امکان استفاده فردی نیز وجود دارد؟ جایگزین شدن محصول/خدمت هوشمند نسبت به‌روش‌های قدیمی چه سطحی از تغییرات را به وجود می‌آورد؟ منفعت حاصل از به‌کارگیری محصول/خدمت مستقیماً عاید کدام افراد، گروه‌ها یا سازمان‌ها می‌شود؟. هر یک از سؤالات اصلی فوق مشتمل بر دو یا سه سؤال فرعی بودند که موضوع کلی مورد توجه سؤال را به موارد جزئی‌تر می‌شکنند.
هر یک از محصولات و خدمات از منظر سؤالات راهنما مورد توجه قرار گرفته و موارد مشابه در کنار یکدیگر قرار گرفتند. در بررسی هر محصول/خدمت بر اساس سؤالات راهنما به‌تدریج موارد مشابه نمایان شدند. تعیین دسته برخی از محصولات و خدمات نسبتاً ساده و سریع صورت می‌گرفت. به‌طور مثال دستیار پزشک برای قابل استفاده بودن باید به‌صورت گسترده در سطح کل نظام سلامت مورد استفاده قرار گیرد تا داده‌ها از جامعیت قابل‌قبول برخوردار باشند و در این صورت کل نظام درمان را تحت تأثیر قرار خواهد داد. همچنین یک چت‌بات پاسخگو راه‌حلی در سطح سازمان است که ممکن است یک شرکت از آن برای راهنمایی مشتریان بهره گیرد. در مقابل بعضی محصولات و خدمات نیازمند بررسی بیشتر بودند و گاه لازم بود با پانل خبرگان فنی مشورت صورت گیرد. به‌طور مثال محصولی به نام تریاژ هوشمند ازآنجاکه در یک بیمارستان قابل نصب و استفاده است به نظر می‌رسد یک راه‌حل در سطح سازمان باشد. اما ازآنجاکه نظام اداره بیمارستان‌ها به‌صورت هماهنگ و یکسان است در صورت مفید بودن و پذیرش چنین محصولی همه بیمارستان‌ها از آن استفاده خواهند کرد و درنتیجه کل مجموعه صنعت را تحت تأثیر قرار خواهد داد. به‌عنوان یک مثال دیگر محصولات هوشمندی که امکان احراز هویت غیرحضوری را فراهم می‌سازند راه‌حلی در سطح سازمان هستند. یعنی یک سازمان به‌تنهایی می‌تواند از آن استفاده کند و بهره خود را ببرد درحالی‌که دیگر سازمان‌ها از چنین محصولی استفاده نکنند. اما یک عامل بیرونی یعنی بیماری همه‌گیر کرونا باعث افزایش استفاده از قابلیت‌های مجازی شد و استفاده از این نوع محصولات را نیز رایج ساخت و درنتیجه گستره تحول‌آفرینی چنین محصولی را باید در سطح صنعت در نظر رفت.
در برخی موارد لازم بود محصول/خدمت‌ها با یکدیگر مقایسه گردند. در موارد بسیاری چندین محصول/خدمت تا حد زیادی با یکدیگر مشابه بودند و به عبارتی در یک خانواده محصول قرار می‌گرفتند و تنها در موارد جزئی مثل شرکت سازنده با یکدیگر تفاوت داشتند؛ لذا تعیین دامنه تحول‌آفرینی ساده‌تر بود چراکه با تشخیص برای یک مورد از این خانواده، سایر موارد مشابه نیز تعیین تکلیف می‌شدند. با افزایش تعداد موردهای بررسی شده سطح کارایی در تشخیص پاسخ‌ها افزایش یافت و در بسیاری از موارد محصول/خدمت‌ها به‌سرعت تعیین دسته می‌شدند. با افزایش تعداد محصول/خدمت‌های دسته‌ها و افزایش تکرار به‌تدریج الگوها پدیدار شدند تا جایی که دیگر هیچ سطح جدیدی از تحول‌آفرینی علاوه بر موارد شناسایی شده قابل تعریف و تفکیک نبود. جدول 1 نتایج به‌دست‌آمده را به همراه بخشی از محصول/خدمت‌های مربوط به آن دسته نمایش می‌دهد.
[1] Machine vision
[2] Natural Language Processing
[3] Data mining
[4] Speech processing
[5] Robotic
[6] Blockchain
[7] Cognitive technologies
جدول1. سطوح تحول‌آفرینی محصولات و خدمات هوش مصنوعی
ردیف | نام طبقه | مشخصه کلیدی | تعداد | نمونه‌هایی از محصول/خدمت‌ها ()* |
|---|---|---|---|---|
1 | محصول/خدمت هوشمند راه‌حلی در سطح جامعه | اثرگذاری مستقیم بر کل آحاد جامعه | 20 ، 6/3% | هوشمندسازی داده‌های انرژی، سامانه پلاک خوان (2)، سامانه مدیریت و پایش داده‌های اسکیزوفرنی، سامانه مدیریت و پایش داده‌های واسکولیت، سامانه ثبت تخلف چراغ‌قرمز(2)، سامانه مدیریت و پایش داده‌های سمپاد استروک، سامانه سرعت سنجی ثابت (4)، نرم‌افزار هوشمند تشخیص ماسک پیشواز، سامانه ثبت تخلف مکانیزه، تشخیص تخلفات جاده‌ای |
محصول/خدمت هوشمند راه‌حلی در سطح صنعت | محصول یا خدمت طیفی از سازمان‌ها در یک صنعت را تحت تأثیر قرار می‌دهد. | 55 ، 10% | فراشناسا راهکار جامع احراز الکترونیکی هویت، سامانه احراز هویت، پلاک‌خوان خودرو، اتاق خبر سامانه رصد اطلاعات و اخبار، تریاژ هوشمند، سهند سامانه هوشمند ناوبری از راه دور، نرم‌افزار مدیریت پارکینگ هوشمند رصد، تشخیص کپچا، خدمت چت بات(3)، پردازش چک بانکی، حذف نویز، ابزار ساخت بولتن از رسانه‌های آنلاین و آفلاین بولتن‌ساز، سامانه پلاک خوان و مدیریت تردد پارکینگ(2)، سیستم جامع اتوماسیون حراست، جستجوگر هوشمند خبر فارسی، تشخیص هویت(5)، ربات پاسخگوی هوشمند هوشتل، جستجوگر تخصصی خبر تی نیوز، ارزیابی سلامت ویدئو، احراز هویت غیرحضوری هوشمند گاتا در خدمات بانکی، ... | |
3 | محصول/خدمت هوشمند راه‌حلی در سطح سازمان | کاربری محصول یا خدمت در یک سازمان است. | 202 ، 36% | دستیار هوشمند سازمانا، ردیاب نصب اپلیکیشن ادتریس، کنترل کیفیت با کمک لیزر پروفایل، سامانه مانیتورینگ رفتار مشتریان (DaycherCBM)، نرم‌افزار آرشیو اسناد سگال سان، تبدیل تصویر کارت ملی به اطلاعات(2)، تصمیم‌ساز بهینه سیستم‌های حمل‌ونقل و زنجیره تأمین (VRP)، سامانه تلفنی هوشمند نیوشا، مدیریت ارتباط با مشتریان JTI، پردازش کارت بانکی، تشخیص و حذف پس زمینه امضا، پیش‌بینی ریزش مشتری سادا، پلتفرم اتوماسیون بازاریابی سگمنتینو، سیستم پیشنهاددهنده (2)، پلتفرم مانیتورینگ شبکه‌های اجتماعی، دستگاه سورتر محصولات کشاورزی، سامانه امتیازدهی مشتریان، مقایسه چهره گاتا، سخنگوی هوشمند کسب‌وکارها(2) ، ... |
4 | محصول/خدمت هوشمند راه‌حلی در سطح فردی | کاربرد ایجاد شده در حد استفاده فردی و امور شخصی از قبیل مدیریت زمان، سرگرمی، یادگیری و فعالیت‌های شخصی است. | 235 ، 42% | کارتونی کردن چهره، دستیار شخصی دایان، نرم‌افزار تایپ صوتی نویسا، تایپ صوتی تایپو، درس‌یار، نرم‌افزار تایپ گفتاری نویسیار، دستیار صوتی دابی، مترجم هوشمند فرازین، iMeter، آیه یاب، سامانه ترجمه ترگمان، سامانه موسیقی طنینو، اجرای برنامه‌ها با فرمان گفتاری کارا، مترجم همراه صوتی پارسیا، متن‌خوان فارسی آریانا، تصحیح کننده خطاهای املائی یا خطا در تایپ کلمات، آواشو، به کتاب، مراکز خرید اینجاست، ربات آموزشی روبین، نرم‌افزار تبديل متن به گفتار گويا، سامانه فروشـگاهـی نابینایان، خدمت تبدیل متن به گفتار، ... |
5 | یک قطعه یا تراشه الکترونیکی یا یک سخت‌افزار | فناوری‌های هوش مصنوعی در یک موجودیت سخت‌افزاری جاسازی‌شده است. | 21 ، 8/3% | سخت‌افزار دسترسی امن از راه دور کاریز، ربات مور، دوربین‌های ویژه، سامانه جامع کنترل تردد مراجعین و مهمان، سیستم نظارت هوشمند آیویژن، هولوگرام، دستگاه بازرسی قرص، دستگاه کنترل ویال و آمپول اشنا، دستگاه کنترل کیفی اورینگ و واشر، سیستم بازرسی قالب تزریق پلاستیک، دستگاه کنترل کیفی چوب نبات، دستگاه سورتینگ میوه و صیفی‌جات، برد کنترل راهبند، دوربین پلاک خوان(2)، سخت‌افزار انتقال یک‌طرفه داده کی‌وان، توکن احراز هویت، دستگاه پایـش ترافیک شـبکه SGT-Aggregator، پهپادهای کشاورزی نسیم و یاس، دستگاه کنترل کیفی فنر سوپاپ، کنترل پنل IoT بینا ماشین آسیا |
6 | کد، الگوریتم یا کتابخانه | بخشی از فناوری هوش مصنوعی که به‌خودی‌خود کاربرد بیرونی ندارد بلکه باید در یک سیستم دیگر یکپارچه شود. | 6 ، 1/1% | کتابخانه نرم‌افزاری تشخیص چهره روبینا، کتابخانه تشخیص لبخند، برچسب‌گذار، کتابخانه تشخیص پلاک ساتپا، کتابخانه آزمون آنلاین، نرم‌افزار خواندن کد کانتینر |
7 | محصول/خدمت از جنس پلتفرم | سکوهایی برای توسعه سایر تولیدات هوش مصنوعی | 13 ، 2% | سامانه آرشیو دیجیتال اسناد، پلتفرم ابری فراکلود، سهاب خدمات هوشمند ابری، شهاب شبکه هوشمند ابری، زلکا۳۶۰، پلتفرم تحلیل داده ستاره، اعراب‌گذاری، سیستم‌های توصیه گر، تشخیص جنسیت با صوت، درخت پارس کم‌عمق، درخت پارس وابستگی، تشخیص موجودیت‌های نامدار، شبکه اجتماعی پونيلا |
8 | محصول/خدمت از جنس زیرساخت | مجموعه از ظرفیت‌های زیربنایی رایانشی | 3 5/0% | تشخیص نقطه شکست، پلتفرم کلان داده BigMehr، زیرساخت مدیریت کلان‌داده نئور |
* اعداد داخل پرانتز تعداد موارد تکراری مشابه با هم هستند. | ||||
شکل 3 تعداد موارد هر یک از دسته‌ها را به‌صورت نمودار ستونی نمایش می‌دهد. همان‌طور که مشاهده می‌شود بیشترین تعداد تولیدات هوش مصنوعی کشور در سطح فردی اثرگذاری دارند. پس از آن تحول‌آفرینی در سطح سازمان در رتبه دوم قرار دارد. کمترین دسته مربوط به سطح زیرساخت است. تنها سه محصول/خدمت هوشمند در کشور عرضه شده که در لایه زیرساخت جای می‌گیرند.
شکل 3. سطوح تحول‌آفرینی محصولات و خدمات هوش مصنوعی
شکل4 سطوح تحول‌آفرینی را برحسب شرکت‌های عرضه‌کننده محصول/خدمت‌ها نشان می‌دهد. در این نقشه نماد شرکت‌های فعال در سطوح به‌دست‌آمده درج شده است.
شکل4. تولیدکنندگان مصنوعات هوش مصنوعی ایران به تفکیک سطوح تحول‌آفرینی
5. بحث و جمع‌بندی
هوش مصنوعی یک حوزه فناورانه با قابلیت اثر اهرمی در سایر عرصه‌های اقتصادی، علمی و فناوری هست. بهره‌برداری از این اثرات و توسعه آنها نیازمند شناخت و هدایت نظام‌مند هوش مصنوعی کشور است. رویکرد زیست‌بومی با ملاحظه ابعاد و لایه‌های مختلف، شناختی ساختار یافته از وضعیت موجود هوش مصنوعی ارائه می‌دهد. یک بعد مهم از زیست‌بوم هوش مصنوعی کشور مصنوعات ارائه شده و تولیدکنندگان در این حوزه است. پژوهش حاضر بر مبنای قابلیت‌هایی که فناوری‌های هوش مصنوعی می‌توانند ایجاد کنند مصنوعات عرضه شده در ایران را شناسایی و احصا نمود. تفکیک مصنوعات برحسب فناوری‌های اصلی مرتبط با هوش مصنوعی نشان داد بیشتر محصولات و خدمات بر مبنای بینایی ماشین توسعه‌یافته‌اند. پس از آن پردازش زبان طبیعی در رتبه دوم قرار دارد. در مقابل فناوری‌های شناختی در کمترین میزان در توسعه محصولات به‌کار رفته است. گارتنر نیز در گزارش خود حوزه شناختی را در انتهای دره سَرخوردگی توصیف نموده و لذا سطح انتظارات از این فناوری در کمترین میزان ممکن است [28].
محصول/خدمت‌های هوشمند عرضه شده در کشور عملاً نقطه اصلی فعلیت یافتن همه بخش‌های زیست‌بوم هستند. مصنوعات با اتکا به فناوری‌های هوش مصنوعی تغییر و تحولات مورد انتظار از هوش مصنوعی را ایجاد می‌نمایند. طبیعتاً تحولات ایجاد شده توسط مصنوعات به یک اندازه نیست. در پژوهش حاضر 562 محصول/خدمت شناسایی شده برحسب سطوح تحول‌آفرینی از یکدیگر تفکیک شدند. گستره‌های تحول مصنوعات هوش مصنوعی عرضه شده در کشور از طریق رویکرد اکتشافی در سطوح فردی، سازمانی، صنعت، جامعه، زیرساخت، پلتفرم، کد/الگوریتم/کتابخانه و تراشه الکترونیک/سخت‌افزار شناسایی شد. بیشترین تعداد محصول/خدمت‌های عرضه شده مربوط به سطوح فردی و سازمانی هستند. در مقابل کمترین تعداد به زیرساخت تعلق دارد. اگرچه کم بودن محصولات و خدمات هوشمند تغییردهنده در سطح زیرساخت، طبیعی به نظر می‌رسد بااین‌حال از مرحله‌ای به بعد مسیر توسعه زیست‌بوم همراه با تغییر و تحولات در سطح زیرساخت همراه خواهد بود. ارنست و میشرا1 نیز در مطالعه خود پیشرفت کشورهای در حال توسعه در زمینه هوش مصنوعی را منوط به ارتقای زیرساخت‌های رایانشی دانسته‌اند [29]. در مورد ایران خبرگان صنعتی زیرساخت‌های رایانشی را چیزی در حدود 30 هزار ترافلاپس2 تخمین می‌زنند در حالی که ظرفیت مورد نیاز در پنج سال آینده بالغ‌بر 500 هزار خواهد بود.
همچنین سهم سطوح پلتفرم و کد/الگوریتم/کتابخانه از دستاوردهای هوش مصنوعی در حدود 3 درصد به‌دست‌آمده است. این دولایه نیز ارتباط تنگاتنگی با شکل‌گیری زیست‌بوم هوش مصنوعی کشور دارند. درواقع تولیداتی که در این سطوح جای می‌گیرند خود موتور محرک چندین محصول و خدمت کاربردی دیگر در سایر سطوح تحول‌آفرینی خواهند بود. به‌طور مثال ایجاد کتابخانه‌های استاندارد موردنیاز خدمات هوشمند(مثلاً مجموعه اسامی ایرانی به زبان‌های فارسی و انگلیسی برای پویشگرهای هوشمند) می‌تواند منجر به تحقق‌پذیری ایجاد انواعی از محصولات موردنیاز اشخاص، سازمان‌ها و صنایع گردد. بنابراین این دو سطح در کنار هم قلب شتاب‌دهنده به توسعه زیست‌بوم هوش مصنوعی هستند.
سطح تراشه الکترونیکی/سخت‌افزار هوشمند نیز کمتر از 4 درصد از مصنوعات عرضه شده در کشور را به خود اختصاص داده است. این سطح از دو جهت دارای اهمیت می‌باشد. اول آنکه تولیدات این سطح ارتباط تنگاتنگی با حوزه فناورانه اینترنت اشیاء دارد. درواقع انقلاب صنعتی چهارم از به هم رسیدن اینترنت اشیاء و فناوری‌های هوش مصنوعی قابلیت تحقق یافته و توسعه هر کدام موجبات پیشرفت دیگری را فراهم می‌کند. جنبه دوم از آنجا ناشی می‌شود که روند جهانی مسیر رشد حوزه فناورانه هوش مصنوعی به‌نوعی متمایل به سوق دادن هوشمندی به سمت لبه3 است [30]. افزایش تولیدات هوشمند در سطح تراشه‌ها و سخت‌افزارها نشانه‌ای بر همگامی توسعه زیست‌بوم هوش مصنوعی ایران با روند جهانی قلمداد می‌شود. ضمن آنکه تراشه‌های هوشمند باعث افزایش تنوع در محصولات و نفوذ بیشتر به صنایع مختلف ازجمله کشاورزی می‌گردد. بررسی مصنوعات عرضه شده در کشور نشان می‌دهد زیست‌بوم هوش مصنوعی ایران تاکنون عمدتاً به جنبه‌های نرم‌افزاری متمایل بوده و تکرار محصولات و خدمات مشابه از سازندگان مختلف نشان می‌دهد به‌نوعی در این حوزه با مازاد ظرفیت مواجه هستیم. در عوض سطح تولیدات سخت‌افزاری نحیف‌تر بوده و احتمالاً در مسیر رشد زیست‌بوم در سال‌های آتی با تقاضای بیشتر وربرو خواهد بود. از این جهت پیشنهاد می‌شود شرکت‌هایی که دارای ظرفیت‌های فناورانه در زمینه تولیدات سخت‌افزاری هستند یا با تغییرات جزئی می‌توانند توانمندی‌های مرتبط را کسب نمایند برای فرصت‌های نوآورانه این عرصه برنامه‌ریزی کنند.
پژوهش حاضر در شناسایی محصولات و خدمات عرضه شده در کشور دچار این محدودیت بود که بر جستجوهای اینترنتی برای شناسایی محصولات، خدمات و شرکت‌های این حوزه تکیه نمود. این احتمال وجود دارد که شرکت‌ها و محصولاتی وجود داشته باشند که دستاوردهای خود را رسانه‌ای نکرده باشند. شاید پژوهش‌های مشابه با استفاده از روش‌های دیگر بتوانند تعداد محصول/خدمت‌های بیشتری را شناسایی نمایند. همچنین همان‌طور که اشاره شد مصنوعات یک جزء از اجزای هر زیست‌بوم است. تحقیقات آتی می‌توانند با بررسی سایر ابعاد ازجمله بازیگران، تعاملات آنها و محیط نهادی خاص هوش مصنوعی حلقه‌های دیگر درباره زیست‌بوم هوش مصنوعی را تکمیل کنند. همچنین در زمینه مصنوعات هوش مصنوعی بررسی تأثیر راهبردهای پیشنهاد شده بر تغییر اندازه سطوح تحول‌آفرینی می‌تواند در دستورکار محققان باشد.
دیدگاه مدیریتی
اطلاعات به‌دست‌آمده از مصنوعات و عرضه‌کنندگان هوش مصنوعی در کشور نشان‌دهنده طیفی از بازیگران کوچک، متوسط و بزرگ در حوزه و تنوع محصولات آن‌هاست. بااین‌حال هنوز ساختار مشخصی حاکم بر زیست‌بوم هوش مصنوعی ایران قابل‌مشاهده نیست. این خلأ از طریق اقدامات و مداخلات دولتی به‌تدریج بهبود می‌یابد. مطالعاتی که در کشورهای پیشرو در زمینه هوش مصنوعی انجام شده مؤید این معناست. چین که در رقابت تنگاتنگ در سال‌های اخیر در زمره کشورهای برتر در زمینه هوش مصنوعی قرار گرفته در سال 2018 در اقدام قابل توجهی رسماً اعلام کرد پنج شرکت بایدو4، علی‌بابا5، تنسنت6، آی‌فلایتک7 و سنس‌تایم8 قهرمانان هوش مصنوعی این کشور هستند [31]. چین با ایجاد نوعی تقسیم کار هوش مصنوعی در بین این شرکت‌ها زیست‌بوم هوش مصنوعی خود را ساختارمند و هدایت‌پذیر نموده و سایر شرکت‌های نوپا را در مدار این پنج شرکت نظم بخشیده است. لوندوال و ریکاپ [32] نیز با بهره‌گیری از چارچوب نظام نوآوری نتیجه‌گیری کرده‌اند که هوش مصنوعی در این کشور بر مبنای نظام نوآوری شرکتی شکل گرفته است. چند شرکت اصلی (شرکت‌های مذکور) در کانون و تعداد زیادی از شرکت‌ها و مؤسسات تابعه در دامنه آنها فعالیت می‌کنند.
نتایج به‌دست‌آمده از پژوهش حاضر همچنین نشان می‌دهد برخی زیر حوزه‌های هوش مصنوعی ایران به لحاظ تعداد عرضه‌کنندگان و تنوع محصولات کم تراکم و تنک هستند. در اروپا به‌منظور گسترش همکاری‌های فناورانه در توسعه محصولات مبتنی بر هوش مصنوعی، ایجاد آزمایشگاه‌های هوش مصنوعی مورد توصیه قرار گرفته است [33]. راهکار دیگر توسعه و حمایت از شکل‌گیری بازارگاه9 عرضه مشترک رابط‌های برنامه‌نویسی کاربردی10 به‌صورت تخصصی در زمینه هوش مصنوعی می‌باشد. کومار و همکاران11 با مطالعه فناوری‌های مشابه در کشورهای مختلف شکل‌گیری بازارگاه هوش مصنوعی را راه‌حلی کارآمد برای توسعه و انتشار محصولات هوش مصنوعی دانسته‌اند [34].
درنهایت اینکه زیرساخت‌های داده‌ای و پلتفرم‌های توسعه هوش مصنوعی ازجمله کم‌تنوع‌ترین زیرمجموعه‌های هوش مصنوعی کشور هستند. مطالعات متعددی تأکید کرده‌اند که منابع داده‌ای عظیم در چین و وجود پلتفرم‌های دیجیتال آن مزیت اصلی این کشور در مقابل سایر جوامع در توسعه هوش مصنوعی بوده است [35]. بر همین منوال توسعه پروتکل‌های خلق و انتشار داده در بخش‌های مختلف ایران می‌تواند با غنی‌سازی استخر داده‌ای توسعه محصولات هوش مصنوعی را سرعت ببخشد.
سپاسگزاری
پژوهش حاضر توسط تیم دیده‌بان هوش مصنوعی واقع در مرکز تحقیقات هوش مصنوعی شرکت دانش بنیان پارت انجام گرفته است. این تحقیق تحت مالکیت شرکت مذکور قرار دارد و نویسندگان بر خود لازم می‌دانند مراتب قدردانی و سپاسگزاری را از مدیریت ارشد و سایر همکاران اعلام نمایند.
[1] Ernst & Mishra
[2] Teraflops
[3] Edge
[4] Baidu
[5] Alibaba
[6] Tencent
[7] iFlytek
[8] SenseTime
[9] Mmarketplace
[10] Application Programming Interface
[11] Kumar et al.
مراجع
[1]Makridakis, S., The forthcoming Artificial Intelligence (AI) revolution: Its impact on society and firms. Futures, 2017. 90: p. 46-60.
[2]Dwivedi, Y.K., et al., Artificial Intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. International Journal of Information Management, 2021. 57: p. 101994.
[3]Dan, Y. and H.C. Chieh. A reflective review of disruptive innovation theory. in PICMET'08-2008 Portland International Conference on Management of Engineering & Technology. 2008. IEEE.
[4]Schumpeter, J.A., Capitalism, socialism, and democracy. 1942.
[5]Freeman, C., Economics of industrial innovation. 1982: MIT Press, Cambridge, MA.
[6]Bodrožić, Z. and P. S. Adler, Alternative futures for the digital transformation: A macro-level Schumpeterian perspective. Organization Science, 2022. 33(1): p. 105-125.
[7]Bower, J.L. and C.M. Christensen, Disruptive technologies: catching the wave. 1995.
[8]Christensen, C.M., R. Bohmer, and J. Kenagy, Will disruptive innovations cure health care? Harvard business review, 2000. 78(5): p. 102-112.
[9]Guo, J., et al., Measurement framework for assessing disruptive innovations. Technological Forecasting and Social Change, 2019. 139: p. 250-265.
[10]Corsi, S. and A. Di Minin, Disruptive innovation in reverse: Adding a geographical dimension to disruptive innovation theory. Creativity and Innovation Management, 2014. 23(1): p. 76-90.
[11]Christensen, C.M., et al., Disruptive innovation: An intellectual history and directions for future research. Journal of management studies, 2018. 55(7): p. 1043-1078.
[12]King, A.A. and B. Baatartogtokh, How useful is the theory of disruptive innovation? MIT Sloan management review, 2015. 57(1): p. 77.
[13]Utterback, J.M. and H.J. Acee, Disruptive technologies: An expanded view. International journal of innovation management, 2005. 9(01): p. 1-17.
[14]Torugsa, N. and W. O’Donohue, Progress in innovation and knowledge management research: From incremental to transformative innovation. Journal of Business Research, 2016. 69(5): p. 1610-1614.
]15[داود فیض، عظیم زارعی، مرتضی ملکی مین باش رزگاه، عاطفه شعبانی نعیم صوفیانی. نقش بازی‌وارسازی به عنوان استراتژی خلق رشد در مدل پذیرش نوآوری تحول آفرین در نرم افزارهای کاربردی پرداخت موبایلی (موردمطالعه: دانشجویان دانشگاه گیلان). فصلنامه مدیریت توسعه فناوری, 2019. 7(3): p. 63-90.
[16]Sen, A., Totally radical: From transformative research to transformative innovation. Science and Public Policy, 2014. 41(3): p. 344-358.
[17]Loorbach, D., et al., Transformative innovation and translocal diffusion. Environmental Innovation and Societal Transitions, 2020. 35: p. 251-260.
[18]Ho, J.C., Disruptive innovation from the perspective of innovation diffusion theory. Technology Analysis & Strategic Management, 2022. 34(4): p. 363-376.
[19]Andre, L., et al. Framework for the identification and demand-orientated classification of digital technologies. in 2018 IEEE International Conference on Technology Management, Operations and Decisions (ICTMOD). 2018. IEEE.
[20]Karlin, B., R. Ford, and C. Squiers, Energy feedback technology: a review and taxonomy of products and platforms. Energy Efficiency, 2014. 7(3): p. 377-399.
[21]Châlons, C. and N. Dufft, Die Rolle der IT als Enabler für Digitalisierung, in Was treibt die Digitalisierung? 2016, Springer. p. 27-37.
[22]López, T.S., et al., Taxonomy, technology and applications of smart objects. Information Systems Frontiers, 2011. 13(2): p. 281-300.
[23]hakimjavadi, a., Journal of Information and Communication Technology, 1395. 24(7): p. 37-52.
[24]Granstrand, O. and M. Holgersson, Innovation ecosystems: A conceptual review and a new definition. Technovation, 2020. 90-91: p. 102098.
[25]Yin, R.K., Case study research and applications. 2018: Sage.
[26]Nickerson, R.C., U. Varshney, and J. Muntermann, A method for taxonomy development and its application in information systems. European Journal of Information Systems, 2013. 22(3): p. 336-359.
[27]DIN, D., German Standardization Roadmap on Artificial Intelligence, DIN/DKE, Editor. 2020: Berlin/Frankfurt
[28]Gartner. Hype Cycle for Artificial Intelligence, 2020. 2020 27 July 2020; Available from: https://www.gartner.com/smarterwithgartner/2-megatrends-dominate-the-gartner-hype-cycle-for-artificial-intelligence-2020.
[29]Ernst, E. and S. Mishra, AI Efficiency Index: Identifying Regulatory and Policy Constraints for Resilient National AI Ecosystems. Available at SSRN 3800783, 2021.
[30]Zhou, Z., et al., Edge Intelligence: Paving the Last Mile of Artificial Intelligence With Edge Computing. Proceedings of the IEEE, 2019. 107(8): p. 1738-1762.
[31]Allen, G.C., Understanding China's AI strategy: Clues to Chinese strategic thinking on artificial intelligence and national security. 2019.
[32]Lundvall, B.-Å. and C. Rikap, China's catching-up in artificial intelligence seen as a co-evolution of corporate and national innovation systems. Research Policy, 2022. 51(1): p. 104395.
[33]Stix, C., A survey of the European Union's artificial intelligence ecosystem. arXiv preprint arXiv:2101.02039, 2020.
[34]Kumar, A., et al., Sketching an ai marketplace: Tech, economic, and regulatory aspects. IEEE Access, 2021. 9: p. 13761-13774.
[35]Wu, F., et al., Towards a new generation of artificial intelligence in China. Nature Machine Intelligence, 2020. 2(6): p. 312-316.
