بررسی موانع پیاده‌سازی مدل‌های پیش‌بینی ورشکستگی مبتنی بر هوش مصنوعی

چکیده

این پژوهش با هدف شناسایی موانع پیاده‌سازی مدل‌های پیش‌بینی ورشکستگی مبتنی بر هوش مصنوعی در سازمان‌های ایرانی انجام شد. این پژوهش از نوع کیفی بوده و با استفاده از روش تحلیل محتوای استقرایی انجام شده است. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته با ۳۰ نفر از مدیران مالی، متخصصان هوش مصنوعی و تحلیل‌گران اقتصادی در سازمان‌های مستقر در تهران جمع‌آوری شد. مشارکت‌کنندگان به‌صورت هدفمند انتخاب شدند و داده‌ها تا رسیدن به اشباع نظری گردآوری شدند. تحلیل داده‌ها با استفاده از نرم‌افزار NVivo انجام شد و فرآیند کدگذاری شامل سه مرحله کدگذاری باز، محوری و انتخابی بود. نتایج نشان داد که موانع پیاده‌سازی مدل‌های پیش‌بینی ورشکستگی مبتنی بر هوش مصنوعی در چهار دسته اصلی طبقه‌بندی می‌شوند: موانع تکنولوژیک، موانع سازمانی و مدیریتی، چالش‌های مالی و اقتصادی، و عوامل انسانی و فرهنگی. مشکلات زیرساختی، پیچیدگی تحلیل داده‌ها، مقاومت مدیران در برابر تغییر، هزینه‌های بالای پیاده‌سازی، و عدم اعتماد کارکنان به تصمیمات سیستم‌های هوشمند از مهم‌ترین چالش‌های شناسایی‌شده بودند. یافته‌های این پژوهش نشان داد که برای پذیرش و پیاده‌سازی موفق مدل‌های هوش مصنوعی در پیش‌بینی ورشکستگی، شرکت‌ها باید علاوه بر توسعه زیرساخت‌های فناوری، آموزش‌های لازم را برای مدیران و کارکنان فراهم کنند. همچنین، سیاست‌گذاری‌های حمایتی و ایجاد انگیزه‌های مالی از سوی دولت و نهادهای نظارتی می‌تواند به کاهش موانع موجود کمک کند.