نوع مقاله : مقاله پژوهشی

نویسنده

• جواد مقتدر کارگران

دکتری تخصصی مدیریت دولتی، پژوهشگر آزاد، تبریز، ایران

چکیده

هدف:
در عصر تحول دیجیتال، مدیریت دانش به‌عنوان یک منبع کلیدی سازمانی، نقشی اساسی در ارتقای تصمیم‌گیری، چابکی سازمانی و توسعه سرمایه فکری دارد. این پژوهش با هدف طراحی چارچوبی بومی برای به‌کارگیری هوش مصنوعی مولد در مدیریت دانش سازمان‌های دولتی ایران انجام شده است.
روش:
این پژوهش از نوع کاربردی–توسعه‌ای و با رویکرد کیفی و روش نظریه‌پردازی داده‌بنیاد انجام شده است. داده‌ها از طریق مصاحبه‌های نیمه‌ساخت‌یافته با ۱۵ نفر از خبرگان مدیریت دانش، فناوری اطلاعات و تحول دیجیتال در دستگاه‌های دولتی گردآوری شد. تحلیل داده‌ها با نرم‌افزار مکس کیودا و در سه مرحله کدگذاری باز، محوری و انتخابی صورت گرفت.
یافته‌ها:
پنج مقوله اصلی شناسایی شد: (۱) زیرساخت‌های فناورانه، (۲) مدیریت کیفیت دانش مولد، (۳) فرهنگ سازمانی یادگیرنده، (۴) حاکمیت داده و اخلاق هوش مصنوعی، و (۵) نظام بازخورد و بهبود مستمر. این مقوله‌ها چارچوب مفهومی پیشنهادی برای استقرار مدیریت دانش مبتنی بر هوش مصنوعی مولد در سازمان‌های دولتی را تشکیل می‌دهند.
نتیجه‌گیری:
چارچوب پیشنهادی می‌تواند به سیاست‌گذاران کمک کند تا با بهره‌گیری از قابلیت‌های هوش مصنوعی مولد، نظام مدیریت دانش را در بخش دولتی بازطراحی کنند. اجرای این چارچوب می‌تواند کیفیت تصمیم‌گیری را بهبود بخشد، چابکی سازمانی را افزایش دهد و شفافیت را ارتقا دهد.

کلیدواژه‌ها

• مدیریت دانش
• هوش مصنوعی مولد
• سازمان‌های دولتی
• نظریه داده‌بنیاد
• مدل‌های زبانی بزرگ

موضوعات

• نظام‌ها و فناوری‌های مدیریت دانش

عنوان مقاله [English]

Generative Artificial Intelligence-Based Knowledge Management Framework in Government Organizations

نویسنده [English]

• جواد مقتدر کارگران

دکتری تخصصی مدیریت دولتی، پژوهشگر آزاد، تبریز، ایران

چکیده [English]

Purpose:
In the era of digital transformation, knowledge management is a vital organizational resource for enhancing decision-making, organizational agility, and intellectual capital. This study aims to design a localized framework for applying Generative Artificial Intelligence (GenAI) in knowledge management within Iranian government organizations.
Method:
The research is applied–developmental, conducted through a qualitative approach using the Grounded Theory method. Data were collected via semi-structured interviews with 15 experts in knowledge management, information technology, and digital transformation from governmental agencies. Data analysis followed three coding stages—open, axial, and selective—using MAXQDA software.
Findings:
The analysis identified five core categories: (1) technological infrastructure, (2) generative knowledge quality management, (3) learning organizational culture, (4) data governance and AI ethics, and (5) feedback and continuous improvement systems. These categories form the proposed conceptual framework for GenAI-based knowledge management in government organizations.
Conclusion:
The proposed framework can help policymakers redesign knowledge management systems in public sector organizations by leveraging GenAI capabilities. Implementing this framework may enhance decision-making quality, increase organizational agility, and strengthen transparency.

کلیدواژه‌ها [English]

• Knowledge management
• generative artificial intelligence
• government organizations
• data-driven theory
• large language models