نوع مقاله : مقاله پژوهشی

نویسندگان

• فروغ اسمعیلی صدرآبادی ¹
• مائده خناری ²

¹ گروه اقتصاد، دانشکده علوم انسانی و اجتماعی، دانشگاه اردکان، اردکان، ایران.

² دانشکده اقتصاد و علوم سیاسی، دانشگاه شهید بهشتی، تهران، ایران

چکیده

هوش مصنوعی (AI) بر بهره‌وری کل عوامل (TFP) در صنایع ایران از سال 1997 تا 2020 می‌پردازد و از یک مجموعه داده جامع که بر اساس کدهای چهاررقمی طبقه‌بندی بین‌المللی صنایع (ISIC) سازماندهی شده است، استفاده می‌کند. ما از روش GMM برای مقابله با چالش‌هایی مانند درون‌زایی و هم‌خطی در یک مجموعه داده شامل بیش از 200 متغیر مقطعی استفاده می‌کنیم. نتایج ما نشان می‌دهد که هم سرمایه‌گذاری‌های فیزیکی و هم سرمایه‌گذاری‌های غیرملموس تأثیر قابل توجهی بر TFP دارند؛ به‌طوری‌که افزایش 1% در سرمایه‌گذاری فیزیکی منجر به افزایش 0.514% در TFP می‌شود، در حالی که سرمایه‌گذاری غیرملموس بهبود 0.288%ی را به همراه دارد. یکی از نوآوری‌های کلیدی این تحقیق معرفی یک متغیر اندازه‌گیری AI در تابع تولید است که از روش Corrado، Hulten و Sichel (CHS) برای ارزیابی روشن‌تری از تأثیرات بهره‌وری AI استفاده می‌کند. اگرچه سرمایه‌گذاری در AI به‌طور مثبت با TFP همبستگی دارد، تأثیر فعلی آن محدود است که نشان‌دهنده پذیرش تدریجی فناوری‌های پیشرفته در صنایع ایران است. این موضوع نیاز به یک استراتژی جامع برای بهره‌برداری کامل از مزایای بهره‌وری AI را برجسته می‌کند. ما سیاست‌هایی را برای تسهیل ادغام فناوری و تخصص‌گرایی نیروی کار، از جمله سرمایه‌گذاری در آموزش، ارائه مشوق‌هایی برای پذیرش AI و ترویج همکاری بین صنعت و مؤسسات آموزشی به‌منظور افزایش بهره‌وری و رقابت‌پذیری در بازار جهانی توصیه می‌کنیم.

کلیدواژه‌ها

• هوش مصنوعی (AI)
• بهره وری کل عوامل تولید (TFP)
• صنایع ایران
• سرمایه گذاری های مشهود و نامشهود
• روش گشتاورهای تعمیم یافته (GMM)

موضوعات

• اقتصاد سنجی