توسعه فردی و تحول سازمانی 3092-6491 در دست انتشار 1406 07 01 Evaluation of the Impact of Artificial Intelligence-Based Decision-Making Systems on Organizational Agility and Operational Performance in the Automotive Industry ارزیابی تأثیر سیستم‌های تصمیم‌گیر مبتنی بر هوش مصنوعی بر چابکی سازمانی و عملکرد عملیاتی در صنایع خودروسازی 1 19 FA نیما کیانی کارشناسی ارشد مهندسی محیط زیست، دانشکده مهندسی عمران،دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران Journal Article 1405 03 25 <p>This study aimed to evaluate the effects of artificial intelligence-based decision-making systems on organizational agility and operational performance in the automotive and auto-parts industries in Tehran. This quantitative study employed a cross-sectional descriptive-correlational design. The target population consisted of managers and experts working in automotive and auto-parts companies in Tehran, from whom 384 participants were selected through convenience sampling based on Cochran’s sample-size formula. Data were collected using a standardized questionnaire with a five-point Likert scale. Face and content validity were confirmed by experts, while convergent and discriminant validity and construct reliability were assessed using average variance extracted, composite reliability, and the Fornell–Larcker criterion. Descriptive analyses were conducted in SPSS, and the research hypotheses were tested using partial least squares structural equation modeling in SmartPLS 3. Inferential results demonstrated that AI-based decision-making systems had a strong, positive, and significant effect on organizational agility (β=0.821, p&lt;0.001) and a positive significant effect on operational performance (β=0.383, p=0.024). The model explained 67.4% of the variance in organizational agility (R²=0.674) and 14.7% of the variance in operational performance (R²=0.147). Effect sizes were 0.892 for organizational agility and 0.172 for operational performance. Predictive relevance values were Q²=0.418 and Q²=0.083, respectively, while the overall GoF value of 0.531 indicated strong structural model fit. AI-based decision-making systems represent an important strategic capability for automotive firms because they substantially strengthen organizational agility and also contribute to improved operational performance. Their integration into managerial and operational processes can enhance responsiveness, flexibility, decision quality, efficiency, and organizational adaptability. Accordingly, automotive companies should prioritize the systematic adoption of AI-supported decision-making while simultaneously developing the data, technological, and human capabilities required for effective implementation.</p> <p>هدف پژوهش حاضر ارزیابی تأثیر سیستم‌های تصمیم‌گیر مبتنی بر هوش مصنوعی بر چابکی سازمانی و عملکرد عملیاتی در صنایع خودروسازی و قطعات خودرو در شهر تهران بود. این پژوهش با رویکرد کمی و طرح توصیفی-همبستگی مقطعی انجام شد. جامعه پژوهش را مدیران و کارشناسان فعال در صنایع خودروسازی و قطعات خودرو در شهر تهران تشکیل دادند و بر اساس فرمول کوکران، 384 نفر با روش نمونه‌گیری در دسترس انتخاب شدند. داده‌ها با استفاده از پرسشنامه استاندارد مبتنی بر طیف پنج‌درجه‌ای لیکرت جمع‌آوری شد. روایی صوری و محتوایی ابزار به تأیید متخصصان رسید و روایی همگرا و واگرا و پایایی سازه‌ها نیز با استفاده از میانگین واریانس استخراج‌شده، پایایی ترکیبی و معیار فورنل-لارکر بررسی شد. داده‌ها در SPSS توصیف و فرضیه‌ها با مدل‌سازی معادلات ساختاری مبتنی بر حداقل مربعات جزئی در SmartPLS 3 آزمون شدند. نتایج استنباطی نشان داد سیستم تصمیم‌گیر مبتنی بر هوش مصنوعی تأثیر مثبت، مستقیم و معناداری بر چابکی سازمانی داشت (β=0.821، p&lt;0.001) و تأثیر آن بر عملکرد عملیاتی نیز مثبت و معنادار بود (β=0.383، p=0.024). مقدار R² برای چابکی سازمانی 0.674 و برای عملکرد عملیاتی 0.147 بود. همچنین اندازه اثر مسیر هوش مصنوعی به چابکی سازمانی 0.892 و به عملکرد عملیاتی 0.172 به دست آمد. مقادیر Q² برای چابکی سازمانی و عملکرد عملیاتی به‌ترتیب 0.418 و 0.083 بود و شاخص GoF برابر با 0.531، برازش قوی مدل را نشان داد. سیستم‌های تصمیم‌گیر مبتنی بر هوش مصنوعی می‌توانند به‌عنوان یک قابلیت راهبردی، به‌ویژه از طریق تقویت سرعت پاسخگویی، انعطاف‌پذیری و کیفیت تصمیم‌گیری، چابکی سازمانی را به‌طور چشمگیری ارتقا دهند و در عین حال عملکرد عملیاتی را نیز بهبود بخشند؛ بنابراین، سرمایه‌گذاری هدفمند در توسعه و ادغام این سیستم‌ها در فرایندهای مدیریتی و عملیاتی صنعت خودرو می‌تواند به افزایش سازگاری، کارایی و رقابت‌پذیری سازمان‌ها کمک کند.</p> https://journalpdot.com/index.php/jpdot/article/download/444/549