مدل فرایندی سیاستگذاری توسعه هوش مصنوعی در صنعت فینتک ایران (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
فینتک (فناوری مالی) به عنوان یکی از صنایع پیشرو در تحول دیجیتال، با بهره گیری از هوش مصنوعی توانسته است مزایای رقابتی قابل توجهی از جمله هوشمندی بیشتر، داده های بزرگ تر و در نتیجه عملکرد بهتری ایجاد کند. با این حال، گسترش کاربرد هوش مصنوعی در این صنعت، چالش های مالی، قانونی، اخلاقی و اجتماعی متعددی را برای کسب وکارها، مصرف کنندگان و نهادهای حاکمیتی و نظارتی به همراه داشته که ضرورت سیاستگذاری نظام مند در این حوزه را آشکار می سازد. هدف این تحقیق، ارائه یک مدل سیاستگذاری فرایندی برای توسعه هوش مصنوعی در صنعت فینتک است. در این تحقیق با با مبنا قرار دادن فرامدل توسعه هوش مصنوعی در صنعت فینتک ایران با استفاده از روش مطالعه موردی، اقدام شده است. به این منظور 24 مورد شامل 6 مورد مستند مرتبط با موضوع تحقیق و 18 مورد مصاحبه شناسایی و تحت مطالعه موردی قرارگرفت. با هدف ایجاد فرایند سازمان یافته و امکان ارزیابی صحیح و عادلانه تر مصاحبه ها، پروتکل مصاحبه بر اساس پروتکل مصاحبه اسپیکارد تنظیم گردید و سپس انجام مصاحبه ها با نخبگان سیاستگذاری توسعه هوش مصنوعی و فعالان صنعت فینتک، بصورت عمیق و نیمه ساختاریافته و تا حصول کفایت نظری ادامه یافت. روش نمونه گیری در این تحقیق روش گلوله برفی و تجزیه و تحلیل داده ها با استفاده از تحلیل مضمون صورت پذیرفته است. تحلیل تفسیری متن در این تحقیق بر اساس روش هشت مرحله ای رابین و گیلهام و تحلیل مضامین با روش جایگاه مضمون در شبکه مضامین اتراید_استرلینگ انجام شده است.در نهایت مدل سیاستگذاری توسعه هوش مصنوعی در صنعت فینتک با پنج گام اصلی شامل بررسی و شناسایی، ارائه و تحلیل ، اتخاذ سیاست، اجرای سیاست، ارزیابی و بازنگری و 22 مرحله ارائه گردید. همچنین ملاحظات راهبردی و عملیاتی مربوط به هر گام که از تحلیل مضامین احصاء شده به دست آمده بود، جهت بهبود در کیفیت اجرای مدل توضیح داده شد.A Process-Oriented Policy Model for AI Development in Iran's FinTech Industry
Financial technology (FinTech) has emerged as a pioneering industry in digital transformation by leveraging artificial intelligence to create substantial competitive advantages, including enhanced intelligence capabilities, big data utilization, and improved operational performance. However, the expanding application of AI in this sector has simultaneously introduced numerous financial, legal, ethical, and social challenges for businesses, consumers, and regulatory institutions, highlighting the critical need for systematic policymaking in this domain. This research aims to develop a process-oriented policy model for AI implementation within the FinTech industry. The study adopts a meta-model framework for AI development in FinTech and employs a case study methodology focusing on Iran's FinTech sector. The research methodology involved examining 24 distinct cases, comprising 6 relevant documentary sources and 18 in-depth interviews. To ensure methodological rigor, the interview process followed the SPICKARD protocol and consisted of semi-structured, intensive discussions with both AI policy experts and FinTech industry practitioners, continuing until theoretical saturation was achieved. Snowball sampling was utilized for participant selection, while data analysis was conducted through thematic analysis methods. Textual interpretation followed Rabiee and Gillham's eight-stage approach, with thematic analysis performed using Attride-Stirling's thematic network framework. The study ultimately proposes a comprehensive AI development policy model for the FinTech industry, structured around five core phases: investigation and identification, proposal and analysis, policy adoption, policy implementation, and evaluation and revision, encompassing a total of 22 specific stages. Furthermore, the research elucidates strategic and operational considerations derived from thematic analysis for each phase, providing valuable insights to enhance the model's implementation quality and effectiveness. The findings offer significant contributions to both academic discourse and practical policymaking in the evolving FinTech landscape.
تبلیغات
