ویرگول
ورودثبت نام
سید رضا علوی کیا
سید رضا علوی کیا
سید رضا علوی کیا
سید رضا علوی کیا
خواندن ۲۴ دقیقه·۲۴ روز پیش

مدیریت و راه‌اندازی بیزینس‌های مشترک هوش مصنوعی

سید رضا علوی کیا

۱- کارشناس ارشد مدیریت بازرگانی گرایش مدیریت استراتژیک؛ کار آفرین مدیر ارشد توسعه و پیشرانی کسب‌وکار و فناوری‌های مالی.

چکیده

ظهور هوش مصنوعی به عنوان یک فناوری عمومی و تحول‌آفرین، الگوهای سنتی مدیریت کسب‌وکار و راه‌اندازی شرکت‌های مشترک را به طور بنیادین دگرگون ساخته است. این مقاله با هدف ارائه چارچوبی جامع برای مدیریت و راه‌اندازی بیزینس‌های مشترک هوش مصنوعی، پانزده مرحله کلیدی را از مرحله کشف فرصت و انتخاب صنعت تا خروج و خلق ثروت مورد تحلیل و بررسی قرار می‌دهد. پژوهش حاضر با رویکردی کیفی و با استفاده از روش تحلیل محتوای استقرایی، به بررسی ادبیات نظری و مطالعات موردی در حوزه کسب‌وکارهای هوش مصنوعی پرداخته است. یافته‌های پژوهش نشان می‌دهد که موفقیت در راه‌اندازی کسب‌وکارهای مشترک هوش مصنوعی مستلزم الگویی نظام‌مند شامل شناسایی مسئله واقعی، درک عمیق مشتری، تسلط بر فناوری، مدیریت داده‌ها، طراحی محصول، تشکیل تیم متخصص، تأمین سرمایه، طراحی مدل درآمدی مبتنی بر ارزش، استراتژی فروش، تعریف شاخص‌های کلیدی عملکرد، مدیریت ریسک، مقیاس‌سازی، ارزش‌گذاری، ادغام و تملک و نهایتاً استراتژی خروج است. نتایج حاکی از آن است که برخلاف الگوهای سنتی کسب‌وکار، مدل‌های درآمدی مبتنی بر مصرف و نتیجه‌محور در حوزه هوش مصنوعی غالب شده و مزیت رقابتی پایدار از ترکیب داده‌های اختصاصی، یکپارچگی عمیق در گردش کار مشتری و تخصص دامنه‌ای شکل می‌گیرد. این پژوهش چارچوبی عملی برای مدیران، کارآفرینان و سرمایه‌گذاران حوزه هوش مصنوعی ارائه می‌دهد.

واژگان کلیدی: هوش مصنوعی، کسب‌وکار مشترک، مدل درآمدی، مقیاس‌سازی، ارزش‌گذاری

مقدمه

هوش مصنوعی در دهه اخیر به یکی از محرک‌های اصلی تحول در اقتصاد جهانی تبدیل شده است و کسب‌وکارهای مبتنی بر این فناوری به سرعت در حال تغییر چهره صنایع مختلف هستند؛ از مراقبت‌های بهداشتی و مالی گرفته تا خرده‌فروشی و تولید، هوش مصنوعی توانسته است بهره‌وری را افزایش دهد، فرآیندهای تصمیم‌گیری را هوشمندتر سازد و تجربه مشتریان را متحول کند و همین ظرفیت تحول‌آفرین است که راه‌اندازی بیزینس‌های مشترک هوش مصنوعی را به یکی از جذاب‌ترین و در عین حال پیچیده‌ترین حوزه‌های کارآفرینی معاصر تبدیل کرده است (صادقی و همکاران، ۱۴۰۲). کسب‌وکار مشترک هوش مصنوعی به معنای همکاری راهبردی بین دو یا چند نهاد مستقل است که با تجمیع منابع، دانش و توانمندی‌های خود، محصول یا خدمتی مبتنی بر هوش مصنوعی را توسعه داده و به بازار عرضه می‌کنند و این نوع همکاری می‌تواند در قالب سرمایه‌گذاری مشترک، مشارکت راهبردی یا اکوسیستم‌های نوآوری شکل گیرد. برخلاف استارتاپ‌های هوش مصنوعی که به صورت مستقل فعالیت می‌کنند، بیزینس‌های مشترک از همان ابتدا با پیچیدگی‌های مدیریتی بیشتری مواجه هستند؛ چرا که علاوه بر چالش‌های فنی توسعه فناوری، باید هم‌راستایی راهبردی شرکا، تقسیم منافع، مدیریت مالکیت فکری و هماهنگی فرهنگی را نیز مدیریت کنند (خوشکام و همکاران، ۲۰۲۵). در ایران نیز اکوسیستم استارتاپی حوزه هوش مصنوعی در سال‌های اخیر رشد قابل توجهی داشته است و بیش از ۸۵ استارتاپ فعال در این زمینه شناسایی شده‌اند که با حمایت‌های دولتی و سرمایه‌گذاری‌های خصوصی در حال توسعه محصولات و خدمات خود هستند (سلام‌زاده و همکاران، ۲۰۲۵). با این حال، نرخ سرمایه‌گذاری خطرپذیر در حوزه هوش مصنوعی ایران کمتر از پنجاه میلیون دلار برآورد می‌شود که در مقایسه با کشورهای منطقه، فاصله قابل توجهی را نشان می‌دهد و همین محدودیت منابع است که اهمیت راه‌اندازی کسب‌وکارهای مشترک را به عنوان راهبردی برای تجمیع منابع و کاهش ریسک دوچندان می‌کند (روزیت، ۱۴۰۳). ادبیات نظری موجود نشان می‌دهد که مدیریت کسب‌وکارهای دیجیتال و به طور خاص هوش مصنوعی، نیازمند پارادایم مدیریتی جدیدی است که بر پایه استفاده از فناوری‌های هوش مصنوعی، داده‌های کلان و اینترنت اشیا برای پشتیبانی از تصمیم‌گیری، بهینه‌سازی فرآیندهای کسب‌وکار و تضمین توسعه پایدار سازمان‌ها بنا شده است (نظریه‌های مدیریت مدرن، ۲۰۲۵). از سوی دیگر، پژوهش‌ها نشان می‌دهند که عواملی نظیر تعامل‌پذیری فناوری، مزیت نسبی، هوشمندی ادراک‌شده، شفافیت و دقت به طور معناداری پذیرش هوش مصنوعی را در میان کارآفرینان پیش می‌برند (سلام‌زاده و همکاران، ۲۰۲۵). در همین راستا، مطالعه‌ای در بخش گردشگری و مهمان‌نوازی ایران نشان داد که آموزش و بازآموزی نیروی انسانی، بازمهندسی فرآیندهای کسب‌وکار و یکپارچه‌سازی سیستم‌ها به طور معناداری موفقیت پس از پیاده‌سازی هوش مصنوعی را افزایش می‌دهند و سبک رهبری تحول‌آفرین نقش تعدیل‌گر مثبتی در این رابطه ایفا می‌کند (خوشکام و همکاران، ۲۰۲۵). با این حال، خلأ پژوهشی قابل توجهی در زمینه ارائه چارچوبی یکپارچه برای مدیریت و راه‌اندازی بیزینس‌های مشترک هوش مصنوعی به ویژه در بستر ایران وجود دارد و پژوهش حاضر با هدف پر کردن این خلأ، چارچوبی پانزده مرحله‌ای را برای این منظور ارائه می‌دهد؛ چارچوبی که از مرحله کشف فرصت و انتخاب صنعت آغاز شده و تا مرحله خروج و خلق ثروت ادامه می‌یابد و در هر مرحله، الگویی ثابت شامل مسئله، مشتری، فناوری، داده، محصول، تیم، سرمایه، مدل درآمدی، فروش، شاخص‌های کلیدی عملکرد، ریسک، مقیاس و ارزش شرکت را دنبال می‌کند.

بیان مسئله

راه‌اندازی و مدیریت کسب‌وکارهای مشترک هوش مصنوعی با مجموعه‌ای از چالش‌های منحصربه‌فرد مواجه است که آن را از الگوهای سنتی کارآفرینی متمایز می‌سازد. نخستین چالش، پیچیدگی هم‌راستایی راهبردی میان شرکای کسب‌وکار است؛ زیرا هر یک از شرکا ممکن است اهداف، افق‌های زمانی و انتظارات متفاوتی از همکاری داشته باشند و نبود سازوکارهای شفاف برای مدیریت این تفاوت‌ها می‌تواند به شکست کسب‌وکار مشترک منجر شود. دومین چالش، مدیریت داده‌ها و مالکیت فکری است؛ در بیزینس‌های مشترک هوش مصنوعی، داده‌ها به عنوان دارایی راهبردی محسوب می‌شوند و تعیین اینکه کدام شریک مالک داده‌های تولیدشده است و چگونه می‌توان از آن‌ها در راستای منافع مشترک بهره برد، نیازمند توافق‌نامه‌های دقیق و چارچوب‌های حقوقی شفاف است. سومین چالش، سرعت تحول فناوری است؛ به گونه‌ای که مدل‌های هوش مصنوعی به سرعت در حال تکامل هستند و کسب‌وکارهای مشترک باید بتوانند خود را با این تغییرات پرشتاب هماهنگ کنند. چهارمین چالش، جذب و نگهداشت استعدادهای متخصص در حوزه هوش مصنوعی است؛ چرا که رقابت جهانی برای جذب این نیروها بسیار شدید است و کسب‌وکارهای مشترک، به ویژه در بازارهای نوظهور، با محدودیت‌های قابل توجهی در این زمینه مواجه هستند. پنجمین چالش، طراحی مدل درآمدی مناسب است؛ زیرا مدل‌های سنتی مبتنی بر اشتراک و مجوزدهی در حوزه هوش مصنوعی کارایی لازم را ندارند و مدل‌های جدیدی مانند قیمت‌گذاری مبتنی بر مصرف، قیمت‌گذاری بر اساس نتیجه و ترکیب این دو، در حال شکل‌گیری هستند. ششمین چالش، مدیریت ریسک‌های اخلاقی و قانونی است؛ از جمله حفظ حریم خصوصی، شفافیت الگوریتمی، سوگیری مدل‌ها و رعایت مقررات در حال تحول. هفتمین چالش، مقیاس‌سازی است؛ به این معنا که بسیاری از کسب‌وکارهای مشترک هوش مصنوعی در مراحل اولیه موفق عمل می‌کنند اما در مرحله رشد و مقیاس‌پذیری با موانع جدی مواجه می‌شوند. هشتمین چالش، ارزش‌گذاری شرکت است؛ زیرا روش‌های سنتی ارزش‌گذاری برای شرکت‌های هوش مصنوعی که ممکن است در مراحل اولیه سودآور نباشند، کارایی لازم را ندارند. نهمین چالش، استراتژی خروج است؛ زیرا در حوزه هوش مصنوعی، ادغام و تملک به عنوان مسیر اصلی خروج شناخته می‌شود و کسب‌وکارهای مشترک باید از همان ابتدا استراتژی خروج خود را طراحی کنند. دهمین چالش، نبود چارچوب‌های مدیریتی بومی‌سازی‌شده است؛ به ویژه در کشورهایی مانند ایران که اکوسیستم استارتاپی هوش مصنوعی در مراحل ابتدایی قرار دارد و الگوهای مدیریتی وارداتی لزوماً با شرایط فرهنگی، اقتصادی و قانونی این کشورها سازگار نیستند. یازدهمین چالش، نبود شاخص‌های استاندارد برای ارزیابی عملکرد کسب‌وکارهای مشترک هوش مصنوعی است؛ زیرا معیارهای سنتی مانند درآمد سالانه تکرارشونده و هزینه جذب مشتری در این حوزه کارایی کامل ندارند و معیارهای جدیدی مانند کارایی محاسباتی، نرخ نگهداشت کاربر و ارزش چرخه عمر مشتری اهمیت بیشتری یافته‌اند. دوازدهمین چالش، مدیریت زنجیره تأمین محاسباتی است؛ زیرا دسترسی به زیرساخت‌های پردازشی قدرتمند و مقرون‌به‌صرفه یکی از پیش‌نیازهای اساسی راه‌اندازی کسب‌وکار هوش مصنوعی است. سیزدهمین چالش، رقابت با بازیگران بزرگ فناوری است که با منابع عظیم مالی و انسانی خود می‌توانند بازار را تسخیر کنند. چهاردهمین چالش، توسعه بین‌المللی است؛ زیرا کسب‌وکارهای مشترک هوش مصنوعی برای رشد پایدار نیازمند ورود به بازارهای جهانی هستند اما این ورود با موانع نظارتی، فرهنگی و زبانی متعددی همراه است. پانزدهمین چالش، حفظ نوآوری مستمر است؛ به این معنا که کسب‌وکارهای مشترک هوش مصنوعی باید بتوانند در عین تمرکز بر بهره‌برداری از فناوری فعلی، به کاوش در فناوری‌های نسل بعدی نیز بپردازند و تعادل میان این دو را حفظ کنند.

اهمیت و ضرورت پژوهش

اهمیت و ضرورت پژوهش حاضر از چند منظر قابل تبیین است. نخست، هوش مصنوعی به عنوان یک فناوری عمومی و تحول‌آفرین، تمامی صنایع را تحت تأثیر قرار داده است و مدیریت صحیح کسب‌وکارهای مشترک در این حوزه می‌تواند به تسریع روند تحول دیجیتال در اقتصاد کمک کند. دوم، با توجه به اینکه بیش از نود درصد استارتاپ‌های فناوری پیش از موعد متوقف می‌شوند، شناسایی چالش‌ها و ارائه چارچوب مدیریتی مناسب برای کسب‌وکارهای مشترک هوش مصنوعی می‌تواند نرخ شکست را کاهش دهد. سوم، محدودیت منابع مالی در اکوسیستم‌های نوظهور از جمله ایران، ایجاب می‌کند که راه‌اندازی کسب‌وکارهای هوش مصنوعی از طریق مدل‌های مشترک انجام شود تا هزینه‌ها و ریسک‌ها میان شرکا تقسیم شود. چهارم، سرعت بالای تحول فناوری هوش مصنوعی به معنای آن است که پنجره‌های فرصت به سرعت باز و بسته می‌شوند و بدون یک چارچوب مدیریتی کارآمد، کسب‌وکارهای مشترک قادر نخواهند بود در زمان مناسب به بازار وارد شوند. پنجم، مدل‌های درآمدی سنتی در حوزه هوش مصنوعی کارایی خود را از دست داده‌اند و ارائه الگوهای جدید برای قیمت‌گذاری و درآمدزایی، یکی از ضرورت‌های اساسی برای بقای این کسب‌وکارهاست. ششم، مقررات و الزامات قانونی مرتبط با هوش مصنوعی به سرعت در حال تحول هستند و کسب‌وکارهای مشترک باید بتوانند خود را با این تغییرات هماهنگ کنند. هفتم، جذب سرمایه برای کسب‌وکارهای هوش مصنوعی نیازمند رویکردهای متفاوتی از جمله تأکید بر دارایی‌های نامشهود مانند داده‌های اختصاصی، الگوریتم‌های نوآورانه و تخصص دامنه‌ای است. هشتم، خلأ نظری قابل توجهی در ادبیات فارسی در زمینه مدیریت کسب‌وکارهای مشترک هوش مصنوعی وجود دارد و پژوهش حاضر می‌تواند به عنوان یک منبع مرجع برای پژوهشگران، کارآفرینان و سیاست‌گذاران عمل کند. نهم، تجربه‌های بین‌المللی نشان می‌دهد که کسب‌وکارهای مشترک هوش مصنوعی در قالب اتحادهای راهبردی میان شرکت‌های فناوری و شرکت‌های سنتی در حال شکل‌گیری هستند و درک این الگوها می‌تواند به سیاست‌گذاران در طراحی اکوسیستم نوآوری کمک کند. دهم، آموزش و توسعه مهارت‌های مدیریتی مرتبط با هوش مصنوعی یکی از ضرورت‌های اساسی اکوسیستم کارآفرینی است و این پژوهش می‌تواند به عنوان مبنایی برای تدوین برنامه‌های آموزشی مورد استفاده قرار گیرد. یازدهم، با توجه به اینکه ایران در منطقه خاورمیانه از ظرفیت‌های قابل توجهی در حوزه نیروی انسانی متخصص و دانشگاهی برخوردار است، مدیریت صحیح کسب‌وکارهای مشترک هوش مصنوعی می‌تواند به تبدیل این ظرفیت به مزیت رقابتی در سطح منطقه و جهان کمک کند. دوازدهم، ایجاد تعادل میان کاوش و بهره‌برداری در کسب‌وکارهای هوش مصنوعی یکی از پیچیده‌ترین چالش‌های مدیریتی است و ارائه راهکارهای عملی برای این تعادل، می‌تواند به پایداری بلندمدت این کسب‌وکارها کمک کند. سیزدهم، مدیریت مالکیت فکری و داده‌ها در کسب‌وکارهای مشترک هوش مصنوعی نیازمند رویکردهای نوآورانه است و این پژوهش به شناسایی بهترین رویه‌ها در این زمینه کمک می‌کند. چهاردهم، ارزش‌گذاری شرکت‌های هوش مصنوعی یکی از مباحث چالش‌برانگیز در حوزه مالی است و ارائه چارچوبی برای این منظور می‌تواند به سرمایه‌گذاران در اتخاذ تصمیمات آگاهانه کمک کند. پانزدهم، استراتژی خروج از کسب‌وکارهای مشترک هوش مصنوعی به دلیل ماهیت خاص این حوزه، نیازمند رویکردهای متفاوتی از جمله فروش به شرکت‌های بزرگ فناوری و ادغام با بازیگران صنعتی است و درک این مسیرها می‌تواند به کارآفرینان در برنامه‌ریزی بلندمدت کمک کند.

سوالات پژوهش

۱. مدل مفهومی مناسب برای مدیریت و راه‌اندازی کسب‌وکارهای مشترک هوش مصنوعی در ایران چگونه است؟

۲. مراحل کلیدی راه‌اندازی کسب‌وکار مشترک هوش مصنوعی از کشف فرصت تا خروج کدام‌اند و در هر مرحله چه الزامات مدیریتی وجود دارد؟

۳. مدل‌های درآمدی مناسب برای کسب‌وکارهای مشترک هوش مصنوعی با توجه به شرایط بازار ایران کدام‌اند؟

۴. شاخص‌های کلیدی عملکرد برای ارزیابی موفقیت کسب‌وکارهای مشترک هوش مصنوعی در مراحل مختلف رشد چیست؟

۵. استراتژی‌های مؤثر برای مقیاس‌سازی، ارزش‌گذاری و خروج از کسب‌وکارهای مشترک هوش مصنوعی در بستر ایران کدام‌اند؟

اهداف پژوهش

هدف کلی: ارائه چارچوبی جامع برای مدیریت و راه‌اندازی کسب‌وکارهای مشترک هوش مصنوعی با تمرکز بر مراحل پانزده‌گانه از کشف فرصت تا خروج و خلق ثروت.

اهداف جزئی:

۱. شناسایی و تحلیل مراحل کلیدی راه‌اندازی کسب‌وکار مشترک هوش مصنوعی و الزامات مدیریتی هر مرحله.

۲. تبیین مدل‌های درآمدی مناسب برای کسب‌وکارهای مشترک هوش مصنوعی در بستر ایران.

۳. تعیین شاخص‌های کلیدی عملکرد برای ارزیابی موفقیت کسب‌وکارهای مشترک هوش مصنوعی.

۴. تحلیل استراتژی‌های مقیاس‌سازی و ارزش‌گذاری در کسب‌وکارهای مشترک هوش مصنوعی.

۵. ارائه راهکارهای عملی برای استراتژی خروج و ادغام و تملک در کسب‌وکارهای مشترک هوش مصنوعی.

مبانی نظری پژوهش

مبانی نظری پژوهش حاضر بر سه رویکرد نظری اصلی استوار است که هر یک از منظر متفاوتی به مدیریت کسب‌وکارهای مشترک هوش مصنوعی می‌پردازند. نخستین رویکرد، نظریه نمایندگی است که به تحلیل روابط میان شرکا در کسب‌وکارهای مشترک می‌پردازد؛ در این چارچوب، هر شریک به عنوان یک نماینده عمل می‌کند که ممکن است منافع متفاوتی از سایر شرکا داشته باشد و مدیریت مؤثر این روابط مستلزم طراحی سازوکارهای نظارتی و انگیزشی مناسب است. رویکرد دوم، نظریه وابستگی به منابع است که بیان می‌کند سازمان‌ها برای دسترسی به منابع حیاتی خود به دیگران وابسته هستند و کسب‌وکارهای مشترک هوش مصنوعی دقیقاً به این دلیل شکل می‌گیرند که هیچ سازمان واحدی به تنهایی از تمامی منابع لازم برای توسعه موفق محصولات هوش مصنوعی برخوردار نیست؛ این منابع شامل داده‌های اختصاصی، زیرساخت‌های محاسباتی، استعدادهای متخصص و دسترسی به بازار است. رویکرد سوم، نظریه قابلیت‌های پویا است که بر توانایی سازمان‌ها در یکپارچه‌سازی، ساخت و بازآرایی شایستگی‌های داخلی و خارجی برای پاسخگویی به محیط‌های متغیر تأکید می‌کند و در حوزه هوش مصنوعی که سرعت تحول فناوری بسیار بالاست، این قابلیت‌ها اهمیت دوچندانی می‌یابند. در کنار این رویکردهای کلاسیک، پارادایم مدیریت دیجیتال به عنوان یک چارچوب نظری نوین مطرح است که بر پایه استفاده از فناوری‌های هوش مصنوعی، داده‌های کلان و اینترنت اشیا برای پشتیبانی از تصمیم‌گیری، بهینه‌سازی فرآیندهای کسب‌وکار و تضمین توسعه پایدار سازمان‌ها بنا شده است و نشان می‌دهد که مدیریت کسب‌وکارهای دیجیتال نیازمند تلفیق رویکردهای مدیریتی سنتی با ابزارهای فناورانه جدید است (نظریه‌های مدیریت مدرن، ۲۰۲۵). همچنین، نظریه اثر کارآفرینانه بیان می‌کند که کارآفرینان در محیط‌های نامطمئن، به جای پیش‌بینی آینده، بر ایجاد اثر بر محیط از طریق ابزارهای در دسترس خود تمرکز می‌کنند و این رویکرد در حوزه هوش مصنوعی که آینده بازار و فناوری به شدت نامطمئن است، کاربرد فراوانی دارد. از سوی دیگر، رویکرد ارزش‌گذاری مبتنی بر داده به عنوان یکی از نظریه‌های نوین در مدیریت کسب‌وکارهای هوش مصنوعی مطرح است و بیان می‌کند که ارزش این کسب‌وکارها نه تنها بر اساس درآمد فعلی بلکه بر مبنای دارایی‌های داده‌ای و قابلیت‌های یادگیری ماشین آن‌ها تعیین می‌شود و این امر روش‌های سنتی ارزش‌گذاری را به چالش می‌کشد. در نهایت، نظریه اکوسیستم‌های نوآوری که بر تعامل میان بازیگران مختلف از جمله شرکت‌های بزرگ، استارتاپ‌ها، دانشگاه‌ها و نهادهای مالی در فرآیند نوآوری تأکید می‌کند، چارچوب مناسبی برای درک نقش کسب‌وکارهای مشترک هوش مصنوعی در شبکه‌های نوآوری فراهم می‌آورد.

پیشینه پژوهش

مرور ادبیات پژوهش نشان می‌دهد که مطالعات متعددی در زمینه مدیریت کسب‌وکارهای هوش مصنوعی انجام شده است اما تمرکز بر کسب‌وکارهای مشترک به معنای همکاری راهبردی میان دو یا چند نهاد مستقل، کمتر مورد توجه قرار گرفته است. خوشکام و همکاران (۲۰۲۵) در مطالعه‌ای بر روی بخش گردشگری و مهمان‌نوازی ایران نشان دادند که آموزش و بازآموزی، بازمهندسی فرآیندهای کسب‌وکار و یکپارچه‌سازی سیستم‌ها به طور معناداری موفقیت پس از پیاده‌سازی هوش مصنوعی را افزایش می‌دهند و سبک رهبری تحول‌آفرین نقش تعدیل‌گر مثبتی در این رابطه ایفا می‌کند؛ این یافته‌ها حاکی از آن است که عوامل سازمانی و مدیریتی به اندازه عوامل فنی در موفقیت کسب‌وکارهای هوش مصنوعی اهمیت دارند. سلام‌زاده و همکاران (۲۰۲۵) در بررسی تأثیر پذیرش هوش مصنوعی بر عملکرد سازمانی در اکوسیستم استارتاپی ایران دریافتند که عواملی نظیر تعامل‌پذیری، مزیت نسبی، هوشمندی ادراک‌شده، شفافیت و دقت به طور معناداری پذیرش هوش مصنوعی را در میان کارآفرینان پیش می‌برند؛ در حالی که ملاحظات اخلاقی مانند انصاف، پاسخگویی و خودمختاری تأثیر مستقیمی بر تصمیم‌های پذیرش ندارند. شرمه و همکاران (۲۰۲۶) در مطالعه‌ای جامع بر روی چالش‌های پایداری استارتاپ‌های هوش مصنوعی و یادگیری ماشین، پانزده چالش کلیدی را شناسایی کردند که از میان آن‌ها سه چالش در مرحله شروع حیاتی‌تر هستند، هفت چالش نیازمند پایش دوره‌ای هستند، سه چالش وابسته به سایر چالش‌ها هستند و دو چالش ماهیت غیرقابل پیش‌بینی دارند؛ این یافته‌ها نشان می‌دهد که چالش‌های استارتاپ‌های هوش مصنوعی پیچیده و چندلایه هستند و مدیریت آن‌ها نیازمند رویکردی نظام‌مند است. گوپتا و همکاران (۲۰۲۵) در مطالعه‌ای بر روی استارتاپ‌های هوش مصنوعی اولیه در مجمع جهانی اقتصاد تأکید کردند که این کسب‌وکارها باید ابتدا بر حل مشکلات واقعی مشتریان تمرکز کنند تا بر جذابیت فناوری؛ همچنین آن‌ها باید از همان ابتدا مزیت‌های دفاعی پایدار مانند داده‌های اختصاصی، دانش دامنه‌ای عمیق، یکپارچگی در گردش کار مشتری و آمادگی انطباق با مقررات را ایجاد کنند. در زمینه مدل‌های کسب‌وکار، وینتشرز (۲۰۲۵) نشان داد که مدل‌های درآمدی در حوزه هوش مصنوعی در حال تحول از مدل‌های اشتراکی سنتی به سمت مدل‌های مبتنی بر مصرف و نتیجه‌محور هستند و شرکت‌هایی مانند اوپن‌ای‌آی با ترکیب اشتراک و مصرف مبتنی بر رابط برنامه‌نویسی، الگوهای جدیدی را شکل داده‌اند. در زمینه کسب‌وکارهای مشترک، مطالعه سگتک و کینتیک سیز (۲۰۲۵) نشان می‌دهد که این همکاری از یک توافق مجوزدهی ساده به یک اتحاد جامع توسعه کسب‌وکار مشترک و هم‌آفرینی هوش مصنوعی تبدیل شده است که در آن ساختار مالی مبتنی بر سهام و مدل تقسیم درآمد هفتاد به سی برای تضمین منافع مشترک طراحی شده است؛ این نمونه نشان می‌دهد که کسب‌وکارهای مشترک هوش مصنوعی می‌توانند از طریق هم‌راستایی انگیزه‌ها به نتایج چشمگیری دست یابند. در زمینه ارزش‌گذاری، مطالعات نشان می‌دهد که روش‌های سنتی تنزیل جریان نقدی برای شرکت‌های هوش مصنوعی که ممکن است در مراحل اولیه سودآور نباشند، کارایی لازم را ندارند و رویکردهای جدیدی مبتنی بر یادگیری ماشین و داده‌های کلان در حال شکل‌گیری هستند که می‌توانند دقت و سرعت پیش‌بینی ارزش شرکت را بهبود بخشند (ارزش‌گذاری مبتنی بر فناوری‌های دیجیتال، ۲۰۲۶). همچنین، در زمینه استراتژی خروج، شواهد نشان می‌دهد که ادغام و تملک به مسیر اصلی خروج برای استارتاپ‌های هوش مصنوعی تبدیل شده است؛ به گونه‌ای که میانگین عمر استارتاپ‌های هوش مصنوعی هجده ماه است در حالی که خروج‌های موفق معمولاً هفت سال طول می‌کشند و همین شکاف زمانی، اهمیت طراحی استراتژی خروج از مراحل اولیه را دوچندان می‌کند.

روش پژوهش

پژوهش حاضر از نظر هدف، کاربردی و از نظر ماهیت داده‌ها، کیفی است. روش پژوهش مورد استفاده، تحلیل محتوای استقرایی است که در آن ابتدا ادبیات نظری و پژوهشی موجود در زمینه مدیریت کسب‌وکارهای هوش مصنوعی، مدل‌های کسب‌وکار دیجیتال، استراتژی‌های راه‌اندازی استارتاپ و مطالعات موردی مرتبط با کسب‌وکارهای مشترک هوش مصنوعی مورد بررسی قرار گرفته است. جامعه پژوهش شامل مقالات علمی منتشرشده در پایگاه‌های معتبر داخلی و بین‌المللی، گزارش‌های صنعتی و مطالعات موردی شرکت‌های فعال در حوزه هوش مصنوعی است که با استفاده از روش نمونه‌گیری هدفمند، منابع مرتبط‌تر انتخاب و تحلیل شده‌اند. ابزار گردآوری داده‌ها شامل فرم‌های تحلیل محتوا است که بر اساس مراحل پانزده‌گانه راه‌اندازی کسب‌وکار مشترک هوش مصنوعی طراحی شده‌اند. برای تحلیل داده‌ها، از روش کدگذاری سه‌مرحله‌ای شامل کدگذاری باز، کدگذاری محوری و کدگذاری انتخابی استفاده شده است. در مرحله کدگذاری باز، مفاهیم و مقوله‌های اولیه از متون استخراج شده‌اند؛ در مرحله کدگذاری محوری، ارتباط میان مقوله‌ها و زیرمقوله‌ها تعیین شده است؛ و در مرحله کدگذاری انتخابی، چارچوب نهایی پژوهش شکل گرفته است. برای اطمینان از اعتبار پژوهش، از روش‌های چندگانه شامل بررسی همکارانه، بازبینی توسط متخصصان و استفاده از منابع متنوع استفاده شده است. پایایی پژوهش نیز از طریق محاسبه ضریب توافق میان کدگذاران تأیید شده است. محدودیت اصلی پژوهش، کمبود منابع فارسی در زمینه کسب‌وکارهای مشترک هوش مصنوعی است که با استفاده از منابع بین‌المللی و تطبیق آن‌ها با شرایط بومی ایران جبران شده است. روش پژوهش حاضر با رویکرد کیفی و اکتشافی، امکان درک عمیق‌تر پدیده مورد مطالعه را فراهم می‌آورد و چارچوبی عملی برای مدیران و کارآفرینان حوزه هوش مصنوعی ارائه می‌دهد.

یافته‌های پژوهش

یافته‌های پژوهش حاضر بر اساس مراحل پانزده‌گانه راه‌اندازی کسب‌وکار مشترک هوش مصنوعی به شرح زیر ارائه می‌شود. در مرحله نخست، کشف فرصت و انتخاب صنعت، یافته‌ها نشان می‌دهد که موفق‌ترین کسب‌وکارهای مشترک هوش مصنوعی آن‌هایی هستند که در صنایعی فعالیت می‌کنند که از یک سو حجم بالایی از داده ساختاریافته و بدون ساختار را تولید می‌کنند و از سوی دیگر فرآیندهای تصمیم‌گیری پیچیده‌ای دارند که می‌توانند از هوش مصنوعی بهره‌مند شوند. صنایعی مانند مراقبت‌های بهداشتی، خدمات مالی، خرده‌فروشی، تولید و لجستیک از این ویژگی برخوردارند و به همین دلیل بیشترین حجم سرمایه‌گذاری در کسب‌وکارهای مشترک هوش مصنوعی را به خود اختصاص داده‌اند. در مرحله دوم، اعتبارسنجی بازار، یافته‌ها حاکی از آن است که کسب‌وکارهای مشترک هوش مصنوعی باید پیش از سرمایه‌گذاری سنگین در توسعه فناوری، از طریق مصاحبه با مشتریان بالقوه، تحلیل رقبا و مطالعه بازار، تقاضای واقعی برای محصول خود را اعتبارسنجی کنند. تجربه نشان می‌دهد که بسیاری از شکست‌های این حوزه ناشی از عدم تطابق محصول با نیازهای واقعی بازار بوده است. در مرحله سوم، انتخاب مدل هوش مصنوعی، یافته‌ها نشان می‌دهد که کسب‌وکارهای مشترک باید میان ساخت مدل اختصاصی، استفاده از مدل‌های متن‌باز و یا خریداری مدل‌های آماده از ارائه‌دهندگان خارجی یکی را انتخاب کنند یا ترکیبی از این رویکردها را به کار گیرند. بررسی‌ها نشان می‌دهد که ساخت مدل اختصاصی مزیت رقابتی پایدارتری ایجاد می‌کند اما هزینه‌بر و زمان‌بر است؛ در حالی که استفاده از مدل‌های آماده سرعت ورود به بازار را افزایش می‌دهد اما مزیت رقابتی کمتری ایجاد می‌کند. در مرحله چهارم، طراحی محصول، یافته‌ها حاکی از آن است که محصولات مبتنی بر هوش مصنوعی باید به گونه‌ای طراحی شوند که کاربر نهایی بدون نیاز به تخصص فنی بتواند از آن‌ها استفاده کند. تجربه نشان می‌دهد که رابط کاربری ساده، شفافیت در عملکرد و قابلیت توضیح‌پذیری نتایج از جمله ویژگی‌هایی هستند که پذیرش محصول را به طور معناداری افزایش می‌دهند. در مرحله پنجم، طراحی مدل درآمدی، یافته‌ها نشان می‌دهد که مدل‌های درآمدی سنتی مبتنی بر اشتراک در حوزه هوش مصنوعی کارایی کامل ندارند و مدل‌های جدیدی در حال ظهور هستند که شامل قیمت‌گذاری مبتنی بر مصرف، قیمت‌گذاری نتیجه‌محور، قیمت‌گذاری ترکیبی و مدل‌های درآمدی مبتنی بر داده هستند. در مرحله ششم، تشکیل تیم، یافته‌ها حاکی از آن است که کسب‌وکارهای مشترک هوش مصنوعی نیازمند ترکیبی از تخصص‌های فنی، دامنه‌ای و تجاری هستند و کمبود هر یک از این تخصص‌ها می‌تواند به شکست کسب‌وکار منجر شود. همچنین، تجربه نشان می‌دهد که تیم‌های کوچک اما متخصص می‌توانند بهره‌وری بالاتری نسبت به تیم‌های بزرگ داشته باشند. در مرحله هفتم، تأمین سرمایه، یافته‌ها نشان می‌دهد که کسب‌وکارهای مشترک هوش مصنوعی منابع مالی خود را از ترکیب سرمایه‌گذاری خطرپذیر، سرمایه‌گذاری شرکتی، حمایت‌های دولتی و درآمدهای اولیه تأمین می‌کنند. در بستر ایران، محدودیت سرمایه‌گذاری خطرپذیر کمتر از پنجاه میلیون دلار، اهمیت استفاده از مدل‌های تأمین مالی جمعی و همکاری با شرکت‌های بزرگ صنعتی را دوچندان می‌کند. در مرحله هشتم، حداقل محصول پذیرفتنی و پایلوت، یافته‌ها حاکی از آن است که کسب‌وکارهای مشترک هوش مصنوعی باید در کوتاه‌ترین زمان ممکن نسخه اولیه محصول خود را توسعه داده و با مشتریان واقعی آزمایش کنند و بازخورد آن‌ها را در توسعه محصول لحاظ کنند. در مرحله نهم، فروش و ورود به بازار، یافته‌ها نشان می‌دهد که استراتژی فروش در کسب‌وکارهای مشترک هوش مصنوعی باید بر آموزش مشتریان، اثبات ارزش و ایجاد اعتماد متمرکز باشد. فروش مشاوره‌ای و استفاده از مطالعات موردی موفق از جمله رویکردهای مؤثر در این زمینه هستند. در مرحله دهم، اقتصاد واحد و سودآوری، یافته‌ها حاکی از آن است که معیارهای سنتی مانند هزینه جذب مشتری و ارزش چرخه عمر مشتری در حوزه هوش مصنوعی باید با در نظر گرفتن هزینه‌های محاسباتی و هزینه‌های نگهداشت مدل بازتعریف شوند. در مرحله یازدهم، مقیاس‌سازی، یافته‌ها نشان می‌دهد که کسب‌وکارهای مشترک هوش مصنوعی برای مقیاس‌سازی موفق باید بر تمرکز بر یک بخش خاص بازار، توسعه قابلیت‌های تکرارپذیر و ایجاد زیرساخت‌های مقیاس‌پذیر تمرکز کنند. در مرحله دوازدهم، توسعه بین‌المللی، یافته‌ها حاکی از آن است که ورود به بازارهای بین‌المللی مستلزم درک تفاوت‌های فرهنگی، قانونی و زبانی است و کسب‌وکارهای مشترک باید استراتژی بومی‌سازی مناسبی برای هر بازار طراحی کنند. در مرحله سیزدهم، ارزش‌گذاری شرکت، یافته‌ها نشان می‌دهد که روش‌های سنتی ارزش‌گذاری برای کسب‌وکارهای هوش مصنوعی کارایی کامل ندارند و رویکردهای جدیدی مبتنی بر دارایی‌های داده‌ای، قابلیت‌های فناورانه و پتانسیل رشد در حال شکل‌گیری هستند. در مرحله چهاردهم، ادغام و تملک، یافته‌ها حاکی از آن است که کسب‌وکارهای مشترک هوش مصنوعی باید از مراحل اولیه استراتژی خروج خود را طراحی کنند و ادغام با شرکت‌های بزرگ فناوری یا صنعتی یکی از مسیرهای اصلی خروج محسوب می‌شود. در مرحله پانزدهم، خروج و خلق ثروت، یافته‌ها نشان می‌دهد که خروج موفق از کسب‌وکار مشترک هوش مصنوعی مستلزم آماده‌سازی زودهنگام، مستندسازی دارایی‌های فکری و ایجاد روابط قوی با خریداران بالقوه است.

بحث و نتیجه‌گیری

پژوهش حاضر با هدف ارائه چارچوبی جامع برای مدیریت و راه‌اندازی کسب‌وکارهای مشترک هوش مصنوعی انجام شد و یافته‌های آن نشان می‌دهد که موفقیت در این حوزه مستلزم رویکردی نظام‌مند و چندبعدی است که از مرحله کشف فرصت آغاز شده و تا مرحله خروج و خلق ثروت ادامه می‌یابد. نتایج این پژوهش با یافته‌های خوشکام و همکاران (۲۰۲۵) همسو است که نشان دادند عوامل سازمانی و مدیریتی به اندازه عوامل فنی در موفقیت پیاده‌سازی هوش مصنوعی اهمیت دارند؛ در واقع، چارچوب ارائه‌شده در این پژوهش نشان می‌دهد که در هر یک از مراحل پانزده‌گانه، ترکیبی از عوامل فنی، سازمانی و راهبردی باید به طور هم‌زمان مورد توجه قرار گیرند. همچنین، یافته‌های پژوهش با نتایج سلام‌زاده و همکاران (۲۰۲۵) که بر اهمیت تعامل‌پذیری، مزیت نسبی و شفافیت در پذیرش هوش مصنوعی تأکید کردند، همخوانی دارد؛ چرا که در چارچوب پیشنهادی، طراحی محصول و مدل درآمدی به گونه‌ای در نظر گرفته شده است که این عوامل را تقویت کند. در زمینه مدل‌های درآمدی، یافته‌های پژوهش با نتایج وینتشرز (۲۰۲۵) مطابقت دارد که نشان داد مدل‌های درآمدی در حوزه هوش مصنوعی از اشتراک سنتی به سمت مدل‌های مبتنی بر مصرف و نتیجه‌محور در حال تحول هستند؛ چارچوب حاضر نیز بر ضرورت طراحی مدل درآمدی متناسب با ارزش ارائه‌شده به مشتری تأکید می‌کند. در زمینه کسب‌وکارهای مشترک، یافته‌های پژوهش با مطالعه سگتک و کینتیک سیز (۲۰۲۵) همسو است که نشان داد هم‌راستایی انگیزه‌ها از طریق ساختار سهام و تقسیم درآمد می‌تواند به موفقیت کسب‌وکار مشترک منجر شود؛ چارچوب حاضر نیز بر اهمیت طراحی ساختار مالی مناسب برای هم‌راستایی منافع شرکا تأکید می‌کند. از سوی دیگر، یافته‌های پژوهش با نتایج شرمه و همکاران (۲۰۲۶) که چالش‌های متعدد استارتاپ‌های هوش مصنوعی را شناسایی کردند، همخوانی دارد؛ چارچوب پانزده‌گانه ارائه‌شده در این پژوهش در واقع پاسخی نظام‌مند به این چالش‌ها است. با این حال، پژوهش حاضر با ارائه یک چارچوب یکپارچه و مرحله‌بندی‌شده، گامی فراتر از مطالعات پیشین برداشته و نشان می‌دهد که مدیریت کسب‌وکارهای مشترک هوش مصنوعی نیازمند نگاهی جامع به تمامی مراحل از ایده تا خروج است. در بستر ایران، یافته‌ها نشان می‌دهد که محدودیت سرمایه‌گذاری خطرپذیر، نبود زیرساخت‌های محاسباتی قدرتمند و کمبود نیروی انسانی متخصص از جمله موانع اصلی راه‌اندازی کسب‌وکارهای مشترک هوش مصنوعی هستند و غلبه بر این موانع مستلزم همکاری نزدیک میان بخش خصوصی، دانشگاه‌ها و نهادهای دولتی است. همچنین، نتایج نشان می‌دهد که کسب‌وکارهای مشترک هوش مصنوعی در ایران می‌توانند از طریق تمرکز بر بازارهای داخلی با نیازهای خاص، توسعه محصولات بومی‌سازی‌شده و ایجاد اکوسیستم‌های نوآوری محلی، مسیر رشد خود را هموار کنند. بر اساس یافته‌های پژوهش، پیشنهادهای عملی زیر برای مدیران و کارآفرینان حوزه هوش مصنوعی ارائه می‌شود: نخست، پیش از هر اقدام، اعتبارسنجی دقیق بازار و شناسایی نیازهای واقعی مشتریان انجام شود؛ دوم، مدل درآمدی متناسب با ارزش ارائه‌شده و شرایط بازار طراحی شود؛ سوم، تیمی متشکل از متخصصان فنی، دامنه‌ای و تجاری تشکیل شود؛ چهارم، از مراحل اولیه استراتژی خروج و ارزش‌گذاری طراحی شود؛ پنجم، بر ایجاد مزیت‌های دفاعی پایدار مانند داده‌های اختصاصی و یکپارچگی در گردش کار مشتری تمرکز شود. در نهایت، پیشنهاد می‌شود که پژوهش‌های آینده به بررسی عمیق‌تر هر یک از مراحل پانزده‌گانه در بسترهای صنعتی مختلف بپردازند و همچنین مدل‌های بومی تأمین مالی و ارزش‌گذاری برای کسب‌وکارهای مشترک هوش مصنوعی در ایران توسعه دهند.

منابع

صادقی، محمد؛ رضایی، فاطمه؛ کریمی، علی. (۱۴۰۲). «مدیریت کسب‌وکارهای دیجیتال مبتنی بر هوش مصنوعی». مجله مدیریت فناوری اطلاعات، دوره ۱۵، شماره ۳، صص ۴۵-۶۸.

خوشکام، مانا؛ طباطبایی، فرهاد؛ فروغی، بهزاد؛ غباخلو، مرتضی. (۲۰۲۵). «گشودن راز موفقیت هوش مصنوعی در گردشگری و مهمان‌نوازی: قدرت سبک‌های رهبری». مجله بررسی گردشگری، دوره ۸۰، شماره ۲.

سلام‌زاده، آیدین؛ اشکانی، مهدی؛ اصغری‌فر، محمدحسین. (۲۰۲۵). «تأثیر پذیرش هوش مصنوعی بر عملکرد سازمانی: عوامل اخلاقی و فناورانه در اکوسیستم استارتاپی ایران». مجله استراتژی و رهبری، صص ۱-۳۰.

روزیت، مهدی. (۱۴۰۳). «بررسی وضعیت سرمایه‌گذاری خطرپذیر در حوزه هوش مصنوعی ایران». مجله اقتصاد نوآوری، دوره ۱۲، شماره ۴، صص ۲۲-۴۱.

شرمه، آنیل؛ تریپاتی، سانجی؛ تیلور، دیوید؛ تیاگی، پریانکا؛ روهیلا، آکاش؛ آناند، ویکاس؛ ناندوانی، پریا. (۲۰۲۶). «چالش‌های پایداری در استارتاپ‌های هوش مصنوعی و یادگیری ماشین: شناسایی، روابط و اولویت‌بندی». مجله تحقیقات کسب‌وکار راهبردی.

گوپتا، آنیل؛ هایان، وانگ. (۲۰۲۵). «راهنمای ساخت یک استارتاپ موفق مبتنی بر هوش مصنوعی». مجمع جهانی اقتصاد، گزارش ویژه.

وینتشرز، وین. (۲۰۲۵). «از محصول به پلتفرم: چگونه مدل‌های کسب‌وکار انباشته موفقیت هوش مصنوعی را تعریف می‌کنند». مجله استراتژی دیجیتال، دوره ۸، شماره ۳.

سگتک گلوبال و کینتیک سیز. (۲۰۲۵). «توافق‌نامه مشارکت راهبردی برای هم‌آفرینی هوش مصنوعی در مالزی، اندونزی، سنگاپور و فیلیپین». گزارش مالی، صص ۱-۱۵.

نظریه‌های مدیریت مدرن در شکل‌گیری مفاهیم کسب‌وکار دیجیتال. (۲۰۲۵). مجله مدیریت و نوآوری دیجیتال، دوره ۱۸، شماره ۲.

ارزش‌گذاری کسب‌وکار مبتنی بر فناوری‌های دیجیتال و هوش مصنوعی. (۲۰۲۶). مجله مالی و فناوری، دوره ۲۲، شماره ۱.

کریمی، حسین؛ موسوی، زهرا. (۱۴۰۱). «مدل‌های درآمدی کسب‌وکارهای هوش مصنوعی در ایران». مجله کارآفرینی و توسعه، دوره ۱۴، شماره ۲، صص ۷۸-۹۶.

احمدی، سعید؛ نوری، مریم. (۱۴۰۰). «چالش‌های مدیریتی استارتاپ‌های هوش مصنوعی». مجله مدیریت نوآوری، دوره ۱۰، شماره ۳، صص ۳۴-۵۲.

رستمی، علی؛ شریفی، نگار. (۱۴۰۲). «استراتژی‌های تأمین سرمایه برای کسب‌وکارهای نوپا در حوزه هوش مصنوعی». مجله مالی و سرمایه‌گذاری، دوره ۹، شماره ۱، صص ۱۱۲-۱۳۰.

تهرانی، رضا؛ جعفری، سارا. (۱۴۰۳). «اکوسیستم نوآوری هوش مصنوعی در ایران: فرصت‌ها و چالش‌ها». مجله سیاست علم و فناوری، دوره ۱۶، شماره ۴، صص ۵۵-۷۳.

محمدی، امیر؛ حسینی، لیلا. (۱۴۰۱). «ارزش‌گذاری شرکت‌های فناوری محور: رویکردهای نوین». مجله حسابداری و مالی، دوره ۱۳، شماره ۲، صص ۸۸-۱۰۶.

نوشته سید رضا علوی کیا

۰
۰
سید رضا علوی کیا
سید رضا علوی کیا
شاید از این پست‌ها خوشتان بیاید