بهبود کیفیت نرم‌افزار برنامه‌ریزی منابع سازمانی با استقرار دستیار هوش مصنوعی و اقدام‌پژوهی

نویسندگان

  • سیده محدثه هاشمی گروه مهندسی صنایع، دانشگاه تربیت ‌مدرس، تهران، ایران. https://orcid.org/0009-0002-0733-5535
  • علی ملازم الحسینی گروه مهندسی صنایع، دانشگاه تربیت ‌مدرس، تهران، ایران. https://orcid.org/0009-0009-1643-2186
  • سید حسام‌الدین ذگردی * گروه مهندسی صنایع، دانشگاه تربیت ‌مدرس، تهران، ایران.

https://doi.org/10.22105/msda.v4i1.140

چکیده

هدف: کیفیت نرم‌افزار برنامه‌ریزی منابع سازمانی نقش تعیین‌کننده‌ای در موفقیت استقرار، رضایت کاربران و اثربخشی فرایندهای سازمانی دارد. با وجود گسترش کاربرد هوش مصنوعی در سیستم‌های سازمانی، بخش قابل‌توجهی از مطالعات پیشین بر تحلیل داده، پیش‌بینی و خودکارسازی فرایندهای اصلی تمرکز داشته‌اند و کاربرد عملی دستیارهای هوش مصنوعی در آموزش کاربران، پشتیبانی برخط، اطلاع‌رسانی نسخه‌ها و بهبود فرآیندهای کنترل کیفیت کمتر بررسی شده است. همچنین شواهد تجربی درباره ارزیابی چنین مداخلاتی بر پایه معیارهای استاندارد کیفیت نرم‌افزار در محیط‌های واقعی توسعه نرم‌افزار محدود است. ازاین‌رو، پژوهش حاضر با هدف بررسی چگونگی بهبود کیفیت نرم‌افزار برنامه‌ریزی منابع سازمانی و تجربه کاربران از طریق استقرار یک دستیار هوش مصنوعی در چارچوب اقدام‌پژوهی انجام شد.

روش‌شناسی پژوهش: این پژوهش از نظر هدف کاربردی و از نظر راهبرد، مبتنی بر اقدام‌پژوهی در یک شرکت توسعه‌دهنده نرم‌افزار برنامه‌ریزی منابع سازمانی است. در ابتدا، معیارهای کیفیت نرم‌افزار بر پایه مدل ISO/IEC 9126 و با مشارکت تولیدکنندگان نرم‌افزار، کاربران فعلی و مشتریان بالقوه از طریق فرایند تحلیل سلسله‌مراتبی گروهی اولویت‌بندی شدند. سپس نسخه‌ای آزمایشی از یک دستیار هوش مصنوعی در ماژول‌های اصلی نرم‌افزار برای آموزش کاربران، پاسخ‌گویی به پرسش‌های متداول، پشتیبانی برخط و اطلاع‌رسانی تغییرات نسخه‌ها استقرار یافت و هم‌زمان فرایندهای آزمون و کنترل کیفیت نرم‌افزار بازطراحی شد. برای ارزیابی نتایج، پرسشنامه‌ای ۲۳‌گویه‌ای مبتنی بر ابعاد کیفیت ISO/IEC 9126 میان کاربران توزیع شد که ۳۷ پرسشنامه معتبر تحلیل گردید. داده‌ها با استفاده از آمار توصیفی، رگرسیون حداقل مربعات معمولی، آزمون همبستگی و شاخص عامل تورم واریانس بررسی شدند.

یافته‎ها: یافته‌ها نشان داد استقرار دستیار هوش مصنوعی به تسهیل آموزش، پاسخ‌گویی سریع‌تر به کاربران، کاهش بخشی از بار کاری تیم پشتیبانی و بهبود تعامل کاربران با نرم‌افزار کمک کرده است. بازطراحی فرآیندهای آزمون و کنترل کیفیت نیز ساختار منسجم‌تری برای بررسی نسخه‌های جدید و شناسایی خطاها ایجاد کرد. در سطح متغیرها، دقت و امنیت نرم‌افزار اثر منفی و معناداری بر رضایت نشان دادند، در حالی که مناسب‌بودن نرم‌افزار و رفتار منابع سیستم دارای اثر مثبت نزدیک به معناداری بودند. بنابراین، نتایج بیش از آن‌که اثبات‌کننده یک اثر قطعی و فراگیر باشند، نشان‌دهنده ظرفیت عملی دستیار هوش مصنوعی و ضرورت توجه هم‌زمان به سهولت استفاده، الزامات امنیتی و پیچیدگی عملکردهای نرم‌افزار هستند.

اصالت/ارزش‌افزوده علمی: ارزش افزوده این پژوهش در پیوند دادن سه حوزه است که معمولا به‌صورت جداگانه بررسی می‌شوند: ارزیابی استاندارد کیفیت نرم‌افزار، تصمیم‌گیری گروهی برای اولویت‌بندی معیارهای کیفیت و استقرار عملی دستیار هوش مصنوعی در محیط واقعی یک نرم‌افزار برنامه‌ریزی منابع سازمانی. برخلاف مطالعاتی که صرفا مزایای بالقوه هوش مصنوعی را به‌صورت مفهومی بررسی می‌کنند، این پژوهش مداخله‌ای اجرایی را در حوزه آموزش، پشتیبانی و اطلاع‌رسانی نرم‌افزار طراحی و ارزیابی می‌کند. همچنین یافته‌ها نشان می‌دهد که بهبود تجربه کاربران صرفا به افزودن قابلیت‌های هوشمند وابسته نیست و باید همراه با بازطراحی فرایندهای آزمون، کنترل کیفیت و مدیریت موازنه میان دقت، امنیت و سهولت استفاده دنبال شود.

کلمات کلیدی:

برنامه‌ریزی منابع سازمانی، دستیار هوش مصنوعی، کیفیت نرم‌افزار، اقدام‌پژوهی، مدل ISO/IEC 9126، تحلیل سلسله‌مراتبی گروهی، رضایت کاربران

مراجع

  1. [1] Cascarino, R. E. (2007). Auditor’s guide to information systems auditing. John Wiley & Sons. https://www.oreilly.com/library/view/auditors-guide-to/9780470009895
  2. [2] Anderson, E. E., & Choobineh, J. (2008). Enterprise information security strategies. Computers & Security, 27(1–2), 22–29. https://doi.org/10.1016/j.cose.2008.03.002
  3. [3] Sudhaman, P. (2011). Evaluating software quality using software metrics for a software product. International Journal of information Systems and Change Management, 5(2), 180–190. https://doi.org/10.1504/IJISCM.2011.041514
  4. [4] Ansarinejad, A., Amalnick, M. S., Ghadamyari, M., Ansarinejad, S., & Hatami Shirkouhi, L. (2011). Evaluating the critical success factors in ERP implementation using fuzzy AHP approach. International Journal of Academic Research, 3(1).
  5. [5] Parthasarathy, S., & Sharma, S. (2017). Impact of customization over software quality in ERP projects: An empirical study. Software Quality Journal, 25(2), 581–598. https://doi.org/10.1007/s11219-016-9314-x
  6. [6] Aydin, A. O. (2012). A new way to determine external quality of erp software. International Conference on Computational Science and Its Applications (pp. 186–201). Springer. https://doi.org/10.1007/978-3-642-31128-4_14
  7. [7] Aktürk, C. (2021). Artifıcial intelligence in enterprise resource planning systems: A bibliometric study. Journal of International Logistics and Trade, 19(2), 69–82. https://doi.org/10.24006/jilt.2021.19.2.069
  8. [8] Parthasarathy, S., Sridharan, C., Chandrakumar, T., & Sridevi, S. (2020). Quality assessment of standard and customized COTS products. International Journal of Information Technology Project Management (IJITPM), 11(3), 1–13. https://doi.org/10.4018/IJITPM.2020070101
  9. [9] Kaya, C. T., Türkyılmaz, M., & Birol, B. (2019). Impact of RPA technologies on accounting systems. Journal of Accounting and Finance, (82). https://doi.org/10.25095/mufad.536083
  10. [10] Gërvalla, M., & Ternai, K. (2019). The impact of industry 4.0 to the ERP approach. SEFBIS journal, (13). https://www.researchgate.net/publication/336409047
  11. [11] Zakaria, A. Y., Abdelbadea, E., Raslan, A., Ali, T., Gheith, M., Khater, A. S., & Amin, E. A. (2024). An improved enterprise resource planning system using machine learning techniques. Journal of Software Engineering and Applications, 17(5), 203–213. https://doi.org/10.4236/jsea.2024.175011
  12. [12] Kumar, G. (2023). Critical success factors of adopting an enterprise system for pharmaceutical drug traceability. Universal Journal of Pharmacy and Pharmacology, 2(1), 3–10. https://doi.org/10.31586/ujpp.2023.738
  13. [13] Parthasarathy, S., Sridharan, C., Chandrakumar, T., & Sridevi, S. (2020). Quality assessment of standard and customized COTS products. International Journal of Information Technology Project Management (IJITPM), 11(3), 1-13. https://doi.org/10.4018/IJITPM.2020070101
  14. [14] Davenport, T. H., & Brooks, J. D. (2004). Enterprise systems and the supply chain. Journal of Enterprise Information Management, 17(1), 8–19. https://doi.org/10.1108/09576050410510917
  15. [15] Glowalla, P., & Sunyaev, A. (2014). ERP system fit–an explorative task and data quality perspective. Journal of Enterprise Information Management, 27(5), 668–686. https://doi.org/10.1108/JEIM-08-2013-0062
  16. [16] Haug, A., Stentoft Arlbjørn, J., & Pedersen, A. (2009). A classification model of ERP system data quality. Industrial Management & Data Systems, 109(8), 1053–1068. https://doi.org/10.1108/02635570910991292
  17. [17] Oztemel, E., & Gursev, S. (2020). Literature review of Industry 4.0 and related technologies. Journal of Intelligent Manufacturing, 31(1), 127–182. https://doi.org/10.1007/s10845-018-1433-8
  18. [18] Kagermann, H., Helbig, J., Hellinger, A., & Wahlster, W. (2013). Recommendations for implementing the strategic initiative INDUSTRIE 4.0: Securing the future of German manufacturing industry; final report of the Industrie 4.0 Working Group. Forschungsunion. https://www.scirp.org/reference/referencespapers?referenceid=2966479
  19. [19] Haghighi Nasab, M., & Masomi, M. (2012). Assessing the quality of information systems based on the ISO/IEC 9126 model in Iranian organizations. Journal of Experimental Accounting Research, 2(6), 131-147. (In Persian). https://www.sid.ir/paper/475386/fa
  20. [20] Ersöz, F., & Kabak, M. (2010). Literature review of multi-criteria decision-making methods in defense industry applications. Defense Sciences Journal, 9(1), 97–125. (In Turkish). https://doi.org/10.17134/sbd.85950
  21. [21] Lewin, K. (1946). Action research and minority problems. Journal of Social Issues, 2(4), 34–46. http://dx.doi.org/10.1111/j.1540-4560.1946.tb02295.x

دانلود

چاپ شده

2026-04-10

شماره

دوره 4 شماره 1 (2026): علوم مدیریت و تحلیل تصمیم

نوع مقاله

مقالات شماره جاری

ارجاع به مقاله

هاشمی س. م., ملازم الحسینی ع., & ذگردی س. ح. (2026). بهبود کیفیت نرم‌افزار برنامه‌ریزی منابع سازمانی با استقرار دستیار هوش مصنوعی و اقدام‌پژوهی. علوم مدیریت و تحلیل تصمیم , 4(1), 14-24. https://doi.org/10.22105/msda.v4i1.140
Crossref
Scopus
Google Scholar
Europe PMC

مقالات مشابه

##common.pagination##

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.