ارزش‌گذاری دارایی‌های نامشهود مرتبط با هوش مصنوعی: چالش‌ها و محدودیت‌های رویکردهای مرسوم

شهرزاد نیکوسرشت¹ ساسان کارگران²

1) شرکت گستره آینده نگاران نیک ثروت، کارشناسی ارشد مدیریت دولتی، دانشگاه آزاد اسلامی مشهد
2) شرکت گستره آینده نگاران نیک ثروت، کارشناسی ارشد مدیریت صنعتی، دانشگاه شهید بهشتی تهران

کد IOI مقاله : ACCD-ACZZAC
محل انتشار : دهمین کنفرانس بین المللی پژوهش های کاربردی در علوم و مهندسی(carseconf.com)
چکیده :
    پذیرش روزافزون هوش مصنوعی (AI) اهمیت اقتصادی دارایی‌های نامشهود مانند الگوریتم‌ها، مدل‌های یادگیری ماشین، مجموعه داده‌های اختصاصی، نرم‌افزار، دانش فنی و قابلیت‌های سازمانی مبتنی بر هوش مصنوعی را افزایش داده است. در عین حال، ویژگی‌های متمایز دارایی‌های مرتبط با هوش مصنوعی، از جمله وابستگی به داده‌ها، مقیاس‌پذیری، توسعه مداوم، منسوخ شدن فناوری، عدم قطعیت و مکمل بودن با منابع انسانی و سازمانی، چالش‌های قابل توجهی را برای ارزش‌گذاری آنها ایجاد می‌کند. ارزش‌گذاری متعارف دارایی‌های نامشهود عموماً مبتنی بر سه رویکرد اصلی است: رویکرد هزینه، رویکرد بازار و رویکرد درآمد. با این حال، برآورده کردن فرضیات و الزامات اطلاعاتی زیربنایی این رویکردها ممکن است در زمینه دارایی‌های مرتبط با هوش مصنوعی دشوارتر شود. این مطالعه، مروری مفهومی و تحلیلی بر چالش‌ها و محدودیت‌های اصلی مرتبط با اعمال رویکردهای متعارف ارزش‌گذاری دارایی‌های نامشهود به دارایی‌های مرتبط با هوش مصنوعی ارائه می‌دهد. این تحلیل بر مسائل کلیدی از جمله شناسایی و تعریف موضوع ارزش‌گذاری، ارزش اقتصادی داده‌ها، منسوخ شدن فناوری و اقتصادی، توسعه و به‌روزرسانی مداوم، انتساب مزایای اقتصادی آینده، عدم قطعیت و ریسک و مکمل بودن بین هوش مصنوعی و سایر منابع سازمانی تمرکز دارد. این مطالعه همچنین به طور مقایسه‌ای کاربرد رویکردهای هزینه، بازار و درآمد را تحت شرایط مختلف ارزش‌گذاری مرتبط با هوش مصنوعی بررسی می‌کند. این بررسی نشان می‌دهد که هیچ رویکرد متعارف واحدی به طور جهانی برای دارایی‌های نامشهود مرتبط با هوش مصنوعی مناسب نیست.

کلمات کلیدی : هوش مصنوعی دارایی‌های نامشهود ارزش‌گذاری دارایی‌های نامشهود ارزش‌گذاری فناوری روش‌های ارزش‌گذاری نوآوری تکنولوژیکی