تصویرپردازی گزارشگری پایداری مبتنی بر هوش مصنوعی تا افق 1414
کلمات کلیدی:
گزارشگری پایداری, هوش مصنوعی, آیندهپژوهی, سناریونویسی, گزارشگری هوشمند, سناریو ویزاردچکیده
هدف پژوهش حاضر، تصویرپردازی آینده گزارشگری پایداری مبتنی بر هوش مصنوعی تا افق 1414 از طریق شناسایی پیشرانهای کلیدی، تحلیل عدمقطعیتهای راهبردی و تدوین سناریوهای محتمل آینده در ایران بود. این پژوهش از نوع آمیخته (کیفی–کمی) و آیندهپژوهانه بود که با بهرهگیری از روشهای دلفی فازی، تحلیل محتوا، مصاحبه با خبرگان و تحلیل اثرات متقاطع انجام شد. جامعه پژوهش شامل خبرگان حوزه گزارشگری پایداری، حسابداری، هوش مصنوعی و سیاستگذاری بود که بهصورت هدفمند انتخاب شدند. در بخش کیفی، ابتدا پیشرانهای کلیدی مؤثر بر آینده گزارشگری پایداری مبتنی بر هوش مصنوعی شناسایی و سپس با استفاده از پرسشنامههای تخصصی و ماتریس اثرات متقاطع، میزان تأثیرگذاری و تأثیرپذیری آنها تحلیل شد. در بخش کمی نیز نرمافزار Scenario Wizard برای استخراج و تحلیل سناریوهای سازگار به کار گرفته شد. فرایند تحلیل سناریویی بر پایه بررسی تعامل میان پیشرانها، ارزیابی میزان سازگاری فرضیات و تدوین سناریوهای محتمل آینده صورت گرفت. یافتههای پژوهش نشان داد که هفت پیشران کلیدی شامل پیشرفتهای الگوریتمی، گزارشگری پیشبینانه و تحلیلی، شفافیت و قابلیت ردیابی دادهها، تکامل استانداردهای گزارشگری پایداری، مقررات الزامآور ملی و بینالمللی، نقش نهادهای حرفهای و ناظر، و آمادگی و مقاومت سازمانی بیشترین تأثیر را بر آینده گزارشگری پایداری مبتنی بر هوش مصنوعی دارند. تحلیل سناریویی چهار سناریوی قوی و کاملاً سازگار را استخراج کرد که شامل «جهش هوشمندانه به اکوسیستم یکپارچه گزارشگری پایداری»، «گذار محتاطانه به عصر گزارشگری دادهمحور»، «حرکت کند در مسیر تحول حداقلی» و «تداوم وضعیت سنتی در سایه مقاومت و انفعال نهادی» بودند. نتایج نشان داد که سناریوی مطلوب زمانی محقق میشود که توسعه الگوریتمهای هوش مصنوعی، شفافیت دادهها، بلوغ استانداردها، انسجام مقرراتی و آمادگی سازمانی بهصورت همزمان تقویت شوند. همچنین، ضعف نهادی، مقاومت سازمانی و نبود هماهنگی مقرراتی میتواند موجب تداوم گزارشگری سنتی و افزایش شکاف اطلاعاتی شود. نتایج پژوهش نشان داد که آینده گزارشگری پایداری در ایران صرفاً وابسته به پیشرفت فناوریهای هوش مصنوعی نیست، بلکه تحت تأثیر تعامل همزمان عوامل فناورانه، نهادی، مقرراتی و فرهنگی شکل میگیرد. ایجاد اکوسیستم هوشمند گزارشگری پایداری مستلزم توسعه زیرساختهای دادهمحور، تدوین مقررات منسجم، ارتقای استانداردهای گزارشگری و افزایش آمادگی سازمانها برای پذیرش تحول دیجیتال است. سیاستگذاری هوشمند و تقویت نقش نهادهای حرفهای میتواند مسیر گذار به گزارشگری پایداری هوشمند و پیشبینانه را تسهیل کرده و موجب ارتقای شفافیت، پاسخگویی و تصمیمگیری پایدار در سطح ملی و بینالمللی شود.
دانلودها
مراجع
Acatrinei, C., Apostol, I. G., Barbu, L. N., Chivu, R. G., & Orzan, M. C. (2025). Artificial Intelligence in Digital Marketing: Enhancing Consumer Engagement and Supporting Sustainable Behavior Through Social and Mobile Networks. Sustainability, 17, 6638. https://doi.org/10.3390/su17146638
Adiguzel, Z., Sonmez Cakir, F., & Ozbay, F. (2026). Examination of the effects of artificial intelligence readiness on lean sustainability and value creation with the mediating effect of organizational flexibility in technology-focused companies. Kybernetes, 55(1), 100-127. https://doi.org/10.1108/K-01-2024-0046
Bron, M. (2025). Green Artificial Intelligence: Towards an Efficient, Sustainable, and Equitable Technology for Smart Cities and the Future The Seventh International Conference on Artificial Intelligence and Its Future Vision in Electrical, Computer, Mechanical, and Telecommunications Engineering, Mashhad. https://en.civilica.com/doc/2359546/ https://en.civilica.com/doc/2359546/
Hazarkhani, M. (2025). Sustainable Architectural Design Using Artificial Intelligence Models: Revisiting Energy Consumption Patterns in Buildings. https://www.researchgate.net/publication/394460666_trahy_paydar_mmary_ba_astfadh_az_mdlhay_hwsh_msnwy_bazkhwany_algwhay_msrf_anrzhy_dr_bnaha_Sustainable_Architectural_Design_Using_Artificial_Intelligence_Models_Revisiting_Energy_Consumption_Patterns_i
Jamiri, R. (2025). The Impact of Artificial Intelligence on Ethical Decision-Making in Police Operations. Journal of Sustainable Security Studies, 15(3), 65-81. https://civilica.com/doc/2300777/
Khattri, U., Sharma, P., Adarsh, A., & Kour, G. D. (2025). How Can Artificial Intelligence Enable Sustainable Development Goals?: Leveraging Technology for a Sustainable Future. In Renewable Energy and the Economic Welfare of Society (pp. 423-450). IGI Global Scientific Publishing. https://doi.org/10.4018/979-8-3693-7580-8.ch018
Mahadik, S., Gedam, M., & Shah, D. (2025). Environment Sustainability With Smart Grid Sensor. Frontiers in Artificial Intelligence, 7. https://doi.org/10.3389/frai.2024.1510410
Rashid, A., Baloch, N., Rasheed, R., & Ngah, A. H. (2025). Big data analytics-artificial intelligence and sustainable performance through green supply chain practices in manufacturing firms of a developing country. Journal of Science and Technology Policy Management, 16(1), 42-67. https://doi.org/10.1108/JSTPM-04-2023-0050
Saghafi, A., & Parsapour, M. R. (2025). Investigating the impact of accounting data analysis using generative artificial intelligence on the quality of digital sustainability reporting considering the mediating role of green sustainability internal control systems. Financial Accounting Knowledge, 12(1), 1–31. https://doi.org/10.30479/jfak.2025.21533.3270
Sharif, A., Yong, L., Siddik, A., Du, A., & Vigne, S. (2025). Harnessing artificial intelligence for enhanced environmental sustainability in China's banking sector: a mixed-methods approach. British Journal of Management. https://psycnet.apa.org/record/2025-79618-001
Shulajkovska, M., Smerkol, M., Noveski, G., Bohanec, M., & Gams, M. (2024). Artificial Intelligence-Based Decision Support System for Sustainable Urban Mobility. Electronics, 13(18), 3655. https://doi.org/10.3390/electronics13183655
Spreitzenbarth, J. M., Bode, C., & Stuckenschmidt, H. (2024). Artificial intelligence and machine learning in purchasing and supply management: A mixed-methods review of the state-of-the-art in literatu re and practice. Journal of Purchasing and Supply Management, 30(1), 100896. https://doi.org/10.1016/j.pursup.2024.100896
Trang, N. T. T., Linh, N. H., Hoang, N. T. C., Kiet, P. V. T., Loan, L. T. N., & Phuc, N. T. H. (2024). Right to a Fair-Trial When Applying Artificial Intelligence in Criminal Justice - Lessons and Experiences for Vietnam. Journal of Law and Sustainable Development, 12(3), e601. https://doi.org/10.55908/sdgs.v12i3.601
Yamin, B. M., Almuteri, S. D., Bogari, K. J., & Ashi, A. K. (2024). The Influence of Strategic Human Resource Management and Artificial Intelligence in Determining Supply Chain Agility and Supply Chain Resilience. Sustainability, 16(7), 2688. https://doi.org/10.3390/su16072688
Yazdani, H. R., & Hakiminia, M. (2024). Identifying Challenges and Opportunities for the Implementation of Artificial Intelligence in Human Resource Management: A Meta-Synthesis Approach. Journal of Sustainable Human Resources, 6(10). https://doi.org/10.2478/czoto-2024-0026
Zeraati Foukolaei, P. (2025). The impact of organizational learning on sustainable competitive advantage about the mediating role of cultural intelligence and artificial intelligence adoption. Journal of Industrial and Systems Engineering, 17(1), 122-130.
Ziemba, E. W., Duong, C. D., Ejdys, J., Gonzalez-Perez, M. A., Kazlauskaite, R., Korzynski, P., Mazurek, G., Paliszkiewicz, J., Stankevičienė, J., & Wach, K. (2024). Leveraging artificial intelligence to meet the sustainable development goals. Journal of Economics and Management, 46(1), 1-76. https://doi.org/10.22367/jem.2024.46.19
دانلود
چاپ شده
ارسال
بازنگری
پذیرش
شماره
نوع مقاله
مجوز
حق نشر 2025 Omid Derakhshani (Author); Reza Tehrani (Corresponding author)

این پروژه تحت مجوز بین المللی Creative Commons Attribution-NonCommercial 4.0 می باشد.