پیش گفتار    7
مقدمه    19
مقدمه: هوش ‎مصنوعی؛ فرصتی برای جهشی تحول ‎آفرین    21
پارادوکس عصر دیجیتال    21
چرا این کتاب؟    22
نگاهی به تحولات کلیدی    23
هدف این کتاب: پلی میان تئوری و عمل    23
ساختار کتاب: از چشم‎انداز تا اجرا    24
هشدار به خواننده!    25
آغاز سفر    25
فراخوان برای کنش    26
بخش ۱: چشم ‎انداز هوش ‎مصنوعی در دنیای مدیریت    27
فصل ۱: چرا هوش ‎مصنوعی؟ ضرورت، فرصت‎ها و افقی پیش‎رو    29
۱ -۲: چهار موج تحول ناشی از هوش ‎مصنوعی؛ از اتوماسیون تا نوآوری عمیق    30
۱ -3: سه بحران کلیدی که هوش‎ مصنوعی می‎تواند حل کند    31
۱ -4: سه بحران مدیریتی که هوش‎ مصنوعی می‎تواند مرتفع سازد    32
۱ -5: هزینه سنگین بی‎عملی؛ درس‎های ورشکستگان دیجیتال    34
۱ -6: پنج فرصت طلایی هوش‎ مصنوعی برای مدیران پیشرو    35
۱ -7: سه پرسش حیاتی از دیدگاه مدیران آینده‎نگر    36
۱ -8: هوش ‎مصنوعی؛ فراتر از کاهش هزینه    37
۱ -9: پاسخ به سه باور غلط پیرامون هوش ‎مصنوعی    38
۱ -10: انتخاب میان جهش یا سقوط    38
۱ -11: از پارادوکس تا اقدام؛ آغاز راهی تازه    39
جمله پایانی    39
فصل ۲: سیر تحول هوش‎مصنوعی و تأثیر آن بر کسب‎وکارها    41
۲ -۱: تاریخچه هوش‎مصنوعی؛ از ایده‎های آزمایشگاهی تا تحولات راهبردی    41
۲ -۲: چهار نسل هوش‎مصنوعی و کاربردهای کلیدی در مدیریت    42
۲ -۳: نقاط عطفی که مدیریت نوین را بازتعریف کرده‎اند    43
۲ -۴: قصه موفقیت‎ها و ناکامی‎ها؛ شرکت‎هایی که تاریخ‎ساز شدند    44
۲ -۵: پنج روند تحول‎آفرین هوش‎مصنوعی در افق آینده    45
۲ -۶: درس‎هایی از تاریخ برای ساختن آینده    46
سخن نهایی فصل    46
در ادامه    47
فصل ۳: هوش ‎مصنوعی؛ دگرگون‎کننده پارادایم‎های مدیریتی    49
۳ -۱: افول مدیریت سنتی؛ چرا شیوه‎های قدیمی پاسخگو نیستند؟    49
۳ -۲: دگرگونی نقش مدیران؛ چهار تغییر کلیدی    50
۳ -۳: پیشران‎ های چابکی سازمانی با هوش ‎مصنوعی؛ سه مزیت کلیدی    50
۳ -۴: مدیریت هوشمند در حوزه‎های کلیدی سازمان    51
۳ -۵: چالش‎ ها و مخاطرات پنهان؛ روی تاریک هوش‎ مصنوعی    52
۳ -۶: آینده نقش مدیران؛ مهارت‎ های حیاتی برای دوام و پیشرفت    53
۳ -۷: جمع ‎بندی؛ زایش دوباره مدیریت در بستر هوش ‎مصنوعی    54
بخش ۲: درک مفاهیم کلیدی هوش‎ مصنوعی    55
فصل ۴: هوش ‎مصنوعی به زبان ساده؛ مفاهیم کلیدی که هر مدیر باید بداند    57
۴ -۱: هوش ‎مصنوعی چیست؟ تعریفی اجرایی برای مدیران غیرفنی    57
۴ -۲: چهار جزء حیاتی هوش ‎مصنوعی    58
۴ -۳: سه نوع هوش‎ مصنوعی و کاربردهای مدیریتی    59
۴ -۴: پنج حوزه اصلی هوش‎مصنوعی برای مدیران    60
۴ -۵: هوش ‎مصنوعی چگونه “فکر” می‎کند؟ یک مثال مدیریتی    61
۴ -۶: خطاهای رایج مدیران در درک یا به‎کارگیری هوش ‎مصنوعی    62
۴ -۷: جمع‎بندی؛ سواد هوش‎ مصنوعی به‎عنوان کلید رقابت ‎پذیری پایدار    63
در ادامه     63
فصل ۵: یادگیری ماشین و یادگیری عمیق؛ تفاوت‎ها و کاربردها برای مدیران    65
۵ -۱: یادگیری ماشین (ML) چیست؟ چرا مدیران باید با آن آشنا باشند؟    65
۵ -۲: یادگیری عمیق (DL) چیست؟ و چه زمانی برای مدیران سودمند است؟    66
۵ -۳: چهار تفاوت کلیدی بین یادگیری ماشین (ML) و یادگیری عمیق (DL)    67
۵ -۴: چه زمانی از ML استفاده کنیم؟ چه زمانی DL بهتر عمل می‎کند؟    68
۵ -۵: پنج اشتباه رایج مدیران در انتخاب بین ML و DL    68
۵ -۶: راهنمای گام‎به‎گام انتخاب ML یا DL برای مدیران    69
۵ -۷: آینده یادگیری ماشین و یادگیری عمیق در مدیریت    70
در ادامه     71
فصل ۶: اجزای اصلی هوش‎ مصنوعی؛ درک، پیش‎ بینی، تصمیم ‎گیری    73
۶ -۱: مثلث طلایی هوش‎ مصنوعی: سه مؤلفه حیاتی    73
۶ -۲: درک (Perception): مشاهده و تفسیر دنیای سازمان    74
۶ -۳: پیش‎ بینی (Prediction): کلید آینده‎نگری در مدیریت    75
۶ -4: تصمیم‎ گیری (Decision): گذار از بینش به عمل    76
۶ -۵: یکپارچه‎سازی سه گام (درک، پیش ‎بینی، تصمیم‎ گیری): مطالعه موردی    77
۶ -۶: پنج توصیه کلیدی برای مدیران در به‎کارگیری اجزای هوش ‎مصنوعی    78
۶ -۷: جمع‎بندی؛ هوش ‎مصنوعی دستیار تحول در مدیریت    79
در ادامه     80
بخش ۳: کاربردهای عملی هوش ‎مصنوعی در حوزه‎های مختلف مدیریت    81
فصل ۷: برنامه‎ریزی و مدیریت پروژه‎های هوشمند با هوش‎ مصنوعی    83
۷ -۱: چرا روش‎های سنتی برنامه‎ریزی دیگر کافی نیستند؟    83
۷ -۲: هوش‎ مصنوعی چگونه آینده برنامه‎ریزی پروژه را بازتعریف می‎کند؟    84
۷ -۳: مدیریت ریسک پروژه با هوش‎مصنوعی    86
۷ -۴: مطالعه موردی؛ هوش‎ مصنوعی در مدیریت پروژه‎های ساخت‎وساز    87
۷ -۵: ابزارهای پیشنهادی برای مدیران پروژه در عصر هوش ‎مصنوعی    88
۷ -۶: پنج گام کلیدی برای پیاده‎ سازی هوش ‎مصنوعی در مدیریت پروژه    88
۷ -۷: آینده مدیریت پروژه؛ هم زیستی خلاق انسان و ماشین    89
در ادامه     90
فصل ۸: تصمیم ‎گیری داده‎محور؛ چگونه تصمیم‎ های هوشمند بگیریم؟    91
۸ -۱: پایان تصمیم‎های صرفاً شهودی؛ ظهور رویکرد داده‎محور    91
۸ -۲: چهار مزیت رقابتی تصمیم‎ گیری داده‎محور    92
۸ -۳: ابزارهای تحلیل داده برای مدیران غیرفنی    92
۸ -۴: گام‎ های اصلی تصمیم‎ گیری داده‎محور    93
۸ -۵: مطالعه موردی؛ هوش‎مصنوعی در تصمیم‎ گیری استراتژیک    94
۸ -6: پنج تله رایج در تصمیم‎ گیری داده‎محور    94
۸ -۷: تمرین عملی؛ تخصیص بودجه تبلیغاتی    95
۸ -۸: آینده تصمیم‎گیری؛ انسان در کنار ماشین، نه در برابر آن    96
در ادامه     96
فصل ۹: مدیریت ریسک و بحران؛ از پیش‎بینی تا پیشگیری با هوش‎ مصنوعی    97
۹ -۱: پارادایم نوین در مدیریت ریسک؛ گذر از واکنش به پیش‎بینی    97
۹ -۲: چهار لایه مدیریت ریسک با هوش‎مصنوعی    98
چرا این لایه‎ها اهمیت دارند؟    98
۹ -۳: فناوری‎های کلیدی در مدیریت ریسک هوشمند    99
۹ -۴: مطالعه موردی؛ مدیریت بحران کووید -۱۹ با هوش ‎مصنوعی    100
۹ -۵: پنج چالش کلیدی در پیاده‎سازی AI برای مدیریت ریسک    100
۹ -۶: مراحل عملی استقرار هوش‎ مصنوعی در مدیریت ریسک    101
۹ -۷: آینده مدیریت ریسک؛ هوش‎ مصنوعی به‎ عنوان بیمه‎گر دیجیتال    102
در ادامه     103
فصل ۱۰: تحول همکاری تیمی؛ چت‎بات‎ها و ابزارهای NLP در خدمت سازمان    105
۱۰ -۱: چالش‎ های همکاری تیمی در عصر دیجیتال    105
۱۰ -۲: نقش هوش ‎مصنوعی در ارتقای ارتباطات سازمانی    106
۱۰ -۳: مزایای اصلی هوش ‎مصنوعی در همکاری تیمی    107
۱۰ -۴: مطالعه موردی؛ تحول ارتباط در تیم جهانی Unilever    107
۱۰ -۵: ابزارهای پیشنهادشده برای مدیران    108
۱۰ -۶: تله‎های رایج در استقرار هوش‎ مصنوعی برای همکاری تیمی    108
۱۰ -۷: نمونه پیاده‎سازی؛ چت‎بات ساده برای تیم داخلی    109
۱۰ -۸: آینده تعاملات تیمی؛ هم زیستی انسان و ماشین    109
در ادامه     110
فصل ۱۱: بهینه‎سازی زنجیره تأمین و عملیات سازمانی با هوش ‎مصنوعی    111
۱۱ -۱: اهمیت زنجیره تأمین در عصر تحول دیجیتال    111
۱۱ -۲: چهار بحران سنتی زنجیره تأمین و راهکارهای مبتنی بر هوش‎ مصنوعی    112
۱۱ -۳: فناوری‎های کلیدی هوش ‎مصنوعی در زنجیره تأمین    112
۱۱ -۴: مطالعه موردی؛ تحول لجستیک جهانی در شرکت Maersk    114
۱۱ -۵: پنج خطای رایج در استقرار هوش‎ مصنوعی در زنجیره تأمین    114
۱۱ -۶: نقشه راه پیاده‎سازی هوش ‎مصنوعی در زنجیره تأمین    115
۱۱ -۷: چشم‎انداز آینده زنجیره تأمین؛ از خودمختاری تا اقتصاد چرخشی    116
در ادامه     117
فصل ۱۲: تحلیل رفتار مشتری و مدیریت تجربه مشتری؛ مشتری‎مداری هوشمند    119
۱۲ -۱: انقلاب تجربه مشتری در عصر هوش‎ مصنوعی    119
۱۲ -۲: چهار چالش سنتی مدیریت تجربه مشتری و راهکارهای هوش‎ مصنوعی    120
۱۲ -۳: فناوری‎های کلیدی هوش‎مصنوعی در مدیریت تجربه مشتری    121
۱۲ -۴: مطالعه موردی؛ شخصی‎سازی انبوه در عمل    123
۱۲ -۵: پنج اشتباه مهلک در استفاده از هوش ‎مصنوعی برای بهبود تجربه مشتری    123
۱۲ -۶: گام‎های عملی برای پیاده‎سازی هوش‎ مصنوعی در مدیریت تجربه مشتری    124
۱۲ -۷: آینده تجربه مشتری؛ انسان + ماشین در هم‎افزایی    125
در ادامه     126
 
بخش ۴: پیاده‎ سازی هوش ‎مصنوعی در سازمان    127
فصل ۱۳: نقشه راه پیاده‎سازی هوش‎ مصنوعی در سازمان؛ از ایده تا اجرا    129
۱۳–۱: ضرورت نقشه‎راه؛ چرا بیش از۴۰٪ پروژه‎های هوش ‎مصنوعی با شکست مواجه می‎شوند؟    129
۱۳–۲: پنج گام کلیدی برای پیاده‎سازی موفق هوش ‎مصنوعی    131
۱۳–۳: چالش‎های عملی پیاده‎سازی و راهکارهای پیشنهادی    134
۱۳–۴: مطالعه موردی؛ تحول دیجیتال در یک سازمان سنتی    135
۱۳–۵: ابزارهای ضروری برای مدیران در مسیر پیاده‎ سازی هوش ‎مصنوعی    136
۱۳–۶: آینده پیاده ‎سازی هوش‎ مصنوعی؛ روندهای پیش‎رو    136
در ادامه     137
فصل ۱۴: مدیریت تغییر و چالش‎های فرهنگی در پیاده‎ سازی هوش ‎مصنوعی    139
۱۴–۱: چرا فرهنگ سازمانی عامل سرنوشت‎ساز در موفقیت یا ناکامی پروژه‎های هوش ‎مصنوعی است؟    139
۱۴–۲: چهار استراتژی کانونی برای مدیریت تغییر در حوزه AI    140
۱۴–۳: نقش رهبران در بنای فرهنگ AI–محور    142
۱۴–۴: مطالعه موردی؛ گذار از مقاومت به نوآوری در Siemens    143
۱۴–۵: پنج خطای حاد در مدیریت تغییر مرتبط با هوش‎ مصنوعی    144
۱۴–۶: ابزارهای عملیاتی برای مدیران در تحول فرهنگی AI    145
۱۴–۷: چشم‎ انداز فرهنگ سازمانی در عصر هوش ‎مصنوعی    145
در ادامه     146
فصل ۱۵: نقش رهبری در تحول دیجیتال با محوریت هوش‎ مصنوعی    147
۱۵ -۱:رهبری در عصر هوش ‎مصنوعی؛گذار از مدیریت سنتی به معماری اکوسیستم‎ های  هوشمند    147
۱۵ -۲: پنج مهارت بنیادین رهبری در بستر هوش‎ مصنوعی    148
۱۵ -۳: چهار راهبرد تسریع تحول هوش‎ مصنوعی    150
۱۵ -۴: کاوش رهبری تحول در Procter & Gamble    151
۱۵ -۵: اشتباهات متداول در رهبری تحول دیجیتال با محوریت AI    152
۱۵ -۶: ابزارهای پیشنهادی برای رهبران دانش‎محور    153
۱۵ -۷: آینده رهبری؛ انسان‎محوری در عصر ماشین‎ها    153
در ادامه     154
بخش ۵: چالش‎ها و مسئولیت‎های اخلاقی هوش‎مصنوعی    155
فصل ۱۶: ریسک ‎های هوش‎مصنوعی — خطاها، سوگیری‎ها و تبعات اجتماعی احتمالی    157
۱۶–۱: پارادوکس هوش‎مصنوعی؛ قدرت چشمگیر در برابر مخاطرات ژرف    157
۱۶–۲: الگوریتم‎ های بی‎طرف یا اسیر سوگیری؟    158
۱۶–۳: مدیریت و پیشگیری از خطاهای هوش ‎مصنوعی    159
۱۶–۴: مصادیق واقعی فجایع AI    160
۱۶–۵: آسیب‎ های ثانویه و تأثیرات اجتماعی    160
۱۶–۶: راهبردهای عملی برای مدیران در مواجهه با ریسک‎های AI    161
۱۶–۷: چشم‎انداز آینده اخلاق در هوش‎ مصنوعی    162
در ادامه:    162
فصل ۱۷: حریم خصوصی و امنیت داده‎ها؛ مدیریت مسئولانه در عصر هوش‎مصنوعی    163
۱۷–۱: پارادوکس داده‎ها؛ زیربنای نوآوری یا بمبی ساعتی؟    163
۱۷–۲: چهار چالش کلیدی حریم خصوصی در بستر هوش ‎مصنوعی    164
۱۷–۳: فناوری‎های کانونی برای صیانت از داده‎ها    165
۱۷–۴: مطالعه موردی—نشت داده در Equifax؛ آشکارشدن ضعف ‎های زیرساختی    166
۱۷–۵: پنج اقدام راهبردی مدیران    166
۱۷–۶: مقررات جهانی حریم خصوصی — پیشران تحول    167
۱۷–۷: آینده حریم خصوصی؛ گرایش‎ها و چشم‎اندازهای نو    168
در ادامه    169
فصل ۱۸: قوانین و مقررات هوش‎ مصنوعی-راهبردها و روندهای جهانی    171
۱۸–۱: ضرورت قانون‎گذاری؛ آیا هوش ‎مصنوعی نیازمند قیود رسمی است؟    171
۱۸–۲: چشم‎ انداز جهانی مقررات هوش ‎مصنوعی    172
۱۸–۳: چالش‎ های اصلی سازمان‎ها در مواجهه با قوانین AI    174
۱۸–۴: دو نمونه برجسته از جریمه و مواجهه قانونی    174
۱۸–۵: راهکارهای عملی برای سازگاری با مقررات درعین حفظ رقابت‎ پذیری    175
۱۸–۶: آینده مقررات؛ روندهای شکل‎ دهنده قانون‎  گذاری AI    176
در ادامه     177
بخش ۶: آینده هوش ‎مصنوعی در مدیریت و مشاغل    179
فصل ۱۹: روندهای کلیدی هوش ‎مصنوعی در آینده کسب‎وکارها- چه چیزی در انتظار ماست؟    181
۱۹–۱: مقدمه— چرا آینده مدیریت با هوش‎ مصنوعی پیوندی ناگسستنی دارد؟    181
۱۹–۲: پنج روند کلیدی هوش ‎مصنوعی که سیمای کسب‎وکار آینده را دگرگون می‎کند    182
۱۹–۳: نمونه‎های پیشرو— شرکت‎هایی که آینده را امروز زندگی می‎کنند    185
۱۹–۴: موانع پیش‎روی سازمان‎ها در پذیرش این روندهای آینده    186
۱۹–۵: گام‎ های راهبردی رهبری جهت آماده‎سازی سازمان برای آینده    187
۱۹–۶: آینده مشاغل مدیریتی؛ مهارت‎های محوری برای باقی ‎ماندن در رقابت    188
۱۹–۷: جمع ‎بندی—چشم‎ انداز مدیریت در افق هوشمند فردا    189
در ادامه     189
فصل ۲۰: هوش‎ مصنوعی و مدیریت استراتژیک- چگونه از هوش ‎مصنوعی برای نوآوری استفاده کنیم؟    191
۲۰–۱: مدیریت استراتژیک در عصر هوش ‎مصنوعی—گذار از الگوهای سنتی به رویکردهای داده‎محور    191
۲۰–۲: توسعه استراتژی‎های هوشمندانه با هوش‎ مصنوعی    192
۲۰–۳: شناسایی فرصت‎های کسب‎وکار نو با تحلیل داده‎های کلان    193
۲۰–۴: نوآوری باز با همکاری هوش ‎مصنوعی—محیط‎های ایده‎آفرین    194
۲۰–۵: مطالعه موردی—تحول استراتژیک با هوش‎مصنوعی در Netflix    195
۲۰–۶: چالش‎ها در ادغام AI با استراتژی—از کیفیت داده تا مسئولیت‎پذیری    196
۲۰–۷: راهکارهای عملی برای رهبران در تلفیق استراتژیک هوش‎مصنوعی    197
۲۰–۸: آینده مدیریت استراتژیک—هماهنگی انسان و ماشین برای شکل دادن به فردا    198
در ادامه     199
فصل ۲۱: آینده شغل مدیران در عصر هوش ‎مصنوعی- مهارت‎های کلیدی برای موفقیت    201
۲۱–۱: مرگ مدیران سنتی، تولد رهبران هوشمند    201
۲۱–۲: پنج مهارت حیاتی مدیران در عصر هوش ‎مصنوعی    202
۲۱–۳: نمونه‎های پیشرو از همکاری انسان–AI در سطوح مدیریتی    205
۲۱–۴: چهار چالش بنیادین مدیران در عصرAI    206
۲۱–۵: گام‎ های عملی برای جهش به نقش‎ های مدیریتی آینده    207
۲۱–۶: نقش‎ های جدید مدیریتی در سازمان‎های آینده    208
۲۱–۷: جمع ‎بندی - مدیران پلی برای هم زیستی هوشمندانه    209
پیوست‎ها: ابزارها، منابع و راهنمای عملی برای مدیران    211
پیوست ۱: معرفی ابزارها و نرم‎افزارهای  کاربردی هوش ‎مصنوعی    213
پیوست ۲: منابع و مراجع علمی و عملی    215
پیوست ۳: گلاسری اصطلاحات تخصصی هوش ‎مصنوعی    225
پیوست ۴: سوالات متداول (FAQ) و راهنمای عملی    227
سوالات متداول    227
نکات تکمیلی و توصیه ‎های پایانی    228