شناسایی و اولویت‌بندی فرصت‌ها و چالش‌های هوش مصنوعی در مدیریت دانش بر اساس مدل هیکس با استفاده از روش تحلیل رابطه خاکستری (با تاکید بر چت جی‌پی‌تی، چت‌بارد، چت‌بینگ)

با توجه به توسعه روزافزون فناوری‌های نوین، از جمله هوش مصنوعی، هدف این پژوهش شناسایی فرصت‌ها و چالش‌های هوش مصنوعی در مدیریت دانش بر اساس مدل چهار مرحله‌ای «هیکس» است. این پژوهش از حیث هدف کاربردی، از نظر روش پژوهش و گردآوری داده‌ها توصیفی-‌تحلیلی از نوع پیمایشی، از نظر داده‌های گردآوری‌شده،کمّی بوده و با ابزار پرسشنامه به شناسایی و اولویت‌بندی فرصت‌ها و چالش‌های هوش مصنوعی در مدیریت دانش پرداخته شد. خبرگان مطالعه حاضر، 15 نفر از متخصصان هوش مصنوعی و مدیریت دانش بودند. روش نمونه‌گیری پژوهش، قضاوتی و حجم نمونه بر اساس اشباع تئوریک انجام شد و معیارهای پژوهش از بررسی مطالعات داخلی و خارجی در زمینه هوش مصنوعی و مدیریت دانش استخراج شد. پژوهش حاضر در سه مرحله اجرا شد: در مرحله اول، شاخص‌های فرصت‌ها و چالش‌های هوش مصنوعی در مدیریت دانش از طریق مرور پیشینه و مصاحبه با خبرگان به‌دست آمد و بر اساس مدل مدیریت دانش «هیکس» مدل‌سازی شدند. در مرحله بعد، این معیارها با به‌کارگیری روش دلفی فازی غربال شدند. سرانجام، چت‌بات‌های مورد مطالعه در پژوهش از طریق کلیدی‌ترین شاخص‌ها با کاربست روش تحلیل رابطه خاکستری اولویت‌بندی شدند. بر اساس یافته‌های پژوهش مشخص شد که در مقوله فرصت‌های هوش مصنوعی در مدیریت دانش پانزده شاخص (4 شاخص در خلق دانش، 3 شاخص در اشتراک دانش، 5 شاخص در ذخیره و بازیابی دانش، و 3 شاخص در به‌کارگیری دانش) و در مقوله چالش‌ها چهارده شاخص (3 شاخص در خلق دانش، 3 شاخص در اشتراک دانش، 3 شاخص در ذخیره و بازیابی دانش، و 5 شاخص در به‌کارگیری دانش) شناسایی شدند. نتایج نشان داد که در مقوله فرصت‌ها و هم در مقوله چالش‌ها، چت‌بارد در رتبه اول و با اختلاف کم چت جی‌پی‌تی در رتبه دوم، و پس از آن چت‌بینگ در رتبه سوم قرار دارند؛ به‌طوری که می‌توان گفت برای بهره‌گیری از چت‌بات‌ها در فرایند مدیریت دانش چت‌بارد می‌تواند بهترین گزینه برای استفاده باشد. با این تفاوت که در مقوله فرصت‌ها رتبه اول نشان‌دهنده فرصت‌ها و مزایای بیشتری نسبت به دو چت‌بات دیگر است و در مقوله چالش‌ها به همان نسبت چالش‌ها و مسائل بیشتری را شامل می‌شود.

identifying and prioritizing the opportunities and challenges of artificial intelligence in knowledge management based on the hicks’ model using the gray relationship analysis method (with emphasis on gpt chat, bard chat, bing chat)

considering the increasing development of new technologies including artificial intelligence, the purpose of this research is to identify the opportunities and challenges of artificial intelligence in knowledge management based on the hicks’ four-stage model.this research in terms of practical purpose, in terms of research method and descriptive analytical data collection is of a survey type, in terms of the basis of the type of data collected it is of a quantitative type and uses the tool of a questionnaire to identify and prioritize the opportunities and challenges of artificial intelligence in knowledge management. the experts of this study are 15 experts in artificial intelligence, computer and knowledge management. the research sampling method is judgmental and the samples were selected based on expertise and the research criteria were extracted from the review of internal and external studies in the field of artificial intelligence and knowledge management. the current research was carried out in three stages. in the first stage, the indicators of opportunities and challenges of artificial intelligence in knowledge management were obtained through literature review and interviews with experts and were modeled based on the hicks’ knowledge management model. then, in the next step, these criteria were screened using the fuzzy delphi method. finally, the chatbots studied in the research were prioritized through the most key indicators using the gray relationship analysis method.it seems that the research findings indicate that artificial intelligence presents both opportunities and challenges in the realm of knowledge management. the study identified fifteen indicators related to opportunities including four indicators in knowledge creation, three in knowledge sharing, five in knowledge reserve and retrieval, and three in knowledge use. on the other hand, fourteen indicators were identified as challenges, including three indicators in knowledge creation, three in knowledge sharing, three in knowledge reserves and retrieval, and five in knowledge application.based on the findings of the research it was determined that both in the category of opportunities and in the category of challenges, chat bard was ranked first, and with a small difference, chat gpt was ranked second, and then chat bing was ranked third, so that it can be said that among chatbots in the knowledge management process, chat bard can be the best option to use. however, in the opportunities category, the first rank indicates that there are more opportunities and benefits compared to the other two ranks. similarly, in the category of challenges, the first rank represents more challenges and issues compared to the other two ranks.