هوش مصنوعی مولد و آینده مدیریت تولید

چکیده

ظهور هوش مصنوعی مولد (Generative AI) به‌عنوان جهشی پارادایمی در قابلیت‌های هوش مصنوعی، مرزهای سنتی اتوماسیون صنعتی را درنوردیده و مدیریت تولید و عملیات را در آستانه تحولی بنیادین قرار داده است. برخلاف سیستم‌های هوش مصنوعی تشخیصی که صرفاً به تحلیل داده‌های گذشته می‌پرداختند، مدل‌های مولد نظیر ترانسفورمرهای از پیش‌آموزش‌دیده (GPT) و مدل‌های انتشار (Diffusion Models) توانایی خلق، طراحی و بهینه‌سازی خودمختار محتوای جدید از جمله کدهای کنترل ماشین‌آلات، ساختارهای محصول، برنامه‌های زمان‌بندی تولید و سناریوهای راهبردی زنجیره تأمین را دارا هستند. هدف این مقاله مروری، تحلیل نظام‌مند کاربردها، چالش‌ها و دلالت‌های راهبردی هوش مصنوعی مولد در سراسر چرخه عمر مدیریت تولید و عملیات از طراحی محصول تا لجستیک هوشمند است. با اتخاذ روش مرور نظام‌مند ادبیات مطابق پروتکل PRISMA، تعداد ۱۵۸ مقاله منتشرشده در پایگاه‌های Scopus و Web of Science در بازه زمانی ۲۰۲۰ تا ۲۰۲۵ (دوره شکوفایی GenAI) با استفاده از تحلیل محتوای کیفی جهت‌دار مورد واکاوی عمیق قرار گرفتند. یافته‌های پژوهش در قالب یک چارچوب مفهومی سه‌لایه شامل: ۱) توانمندسازهای فنی (مدل‌های پایه، مهندسی پرامپت و داده‌های صنعتی)، ۲) کاربست‌های عملیاتی در شش حوزه کلیدی مدیریت تولید (طراحی مولد، برنامه‌ریزی تولید، نگهداری و تعمیرات، کنترل کیفیت، مدیریت زنجیره تأمین و تعامل انسان-ماشین) و ۳) چالش‌ها و موانع استقرار (فنی، سازمانی، اخلاقی و تنظیم‌گری) سنتز و طبقه‌بندی شده‌اند. نتایج این مرور آشکار می‌سازد که هوش مصنوعی مولد در حال گذار از مرحله «آزمایشگری اولیه» به «کاربست‌های صنعتی بلوغ‌یابنده» است، لیکن شکاف عمیقی میان وعده‌های نظری و واقعیت‌های پیاده‌سازی (نظیر چالش‌های کیفیت داده، هزینه‌های محاسباتی، مقاومت نیروی کار و خلأ چارچوب‌های حکمرانی) وجود دارد. مهم‌ترین خلأ شناسایی‌شده، فقدان مدل‌های بلوغ و نقشه‌راه برای پذیرش تدریجی GenAI در بنگاه‌های تولیدی است. این مقاله با ارائه یک دستورکار پژوهشی برای آینده و رهنمودهایی برای مدیران تولید در مسیر پذیرش مسئولانه این فناوری، به توسعه دانش در مرز هم‌گرایی هوش مصنوعی و مدیریت عملیات یاری می‌رساند.