Journal of Monetary & Banking Research

fa حکمرانی بانک مرکزی در عصر هوش مصنوعی: خط‌مشی‌گذاری پولی داده‌محور Central Bank Governance in the Age of Artificial Intelligence: Data-Driven Monetary Policymaking سیاست پولی، بانکداری مرکزی و عرضه پول و اعتبارات (E5) Monetary Policy, Central Banking, and the Supply of Money and Credit (E5) مطالعه موردی Case Study هوش مصنوعی، به منزله فناوری تحول‌آفرین در بسیاری از علوم، از جایگاه ویژه‌ای برخوردار است. از جمله علومی که می‌تواند با بهره‌گیری از این فناوری، تأثیر زیادی در ارتقای سطح حکمرانی ایفا نماید، علم خط‌مشی‌گذاری است. امروزه، متخصصان علم خط‌مشی‌گذاری، باهدف تدوین و اجرای بِه‌خط‌مشی‌ها، قابلیت‌های این فناوری را شناسایی و مورد بهره‌برداری قرار داده‌اند. از جمله نهادهای خط‌مشی‌گذار در حوزه رفاه اقتصادی عمومی، بانک مرکزی است. بهره‌گیری از هوش مصنوعی به‌منظور داده‌محور سازی فراگرد خط‌مشی‌گذاری پولی در بانک مرکزی ایران، می‌تواند سطح حکمرانی را ارتقا بخشیده، مسیر خط‌مشی‌گذاری قاعده‌مند را هموار و علاوه بر کاهش هزینه‌سازی‌های گزاف عمومی، زمینه‌ساز رشد اقتصادی پایدار گردد. هدف اساسی این پژوهش بررسی نقش هوش مصنوعی، در فراگرد خط‌مشی‌گذاری پولی بانک مرکزی ایران با هدف داده‌محور سازی است. ازآنجایی‌که انتظار می‌رود موانع و چالش‌های متعددی در داده‌محور سازی فراگرد خط‌مشی‌گذاری پولی در بانک مرکزی ایران وجود داشته باشد، پژوهش حاضر درصدد شناسایی پس‌ران‌ها و پیش‌ران‌های خط‌مشی‌گذاری پولی داده‌محور است. پژوهش حاضر از حیث راهبرد پژوهش، کیفی بوده و با استفاده از روش تحلیل مضمون، به تحلیل اطلاعات می¬پردازد. روش گردآوری داده¬ها در این پژوهش، مصاحبه نیمه‌ساختاریافته با رویکرد نمونه‌گیری گلوله‌برفی است و جامعه آماری، از میان مدیران و کارشناسان بانک مرکزی انتخاب شده‌اند. یافته‌های پژوهش حاضر حاکی از آن است که مراحل اجرا، احساس مشکل، طراحی و ارزشیابی خط‌مشی‌های پولی، به ترتیب نیازمند بیشترین بهره‌گیری از توانایی‌های هوش مصنوعی‌اند. بررسی‌ها همچنین نشان می‌دهد، عواملی چون «دسترسی به منابع داده‌ باکیفیت و متنوع»، «داده‌های حاصل از تجربه‌های گذشته و مطالعات تطبیقی تجربه‌های سایر کشورها»، «همکاری و مراوده درون‌سازمانی»، «جذب و نگهداشت متخصصان علم داده» و «ارتباط مؤثر با نهادهای همکار» به ترتیب، به منزله مهم‌ترین عوامل تأثیرگذار در حرکت به‌سوی داده‌محور سازی خط‌مشی‌های پولی در بانک مرکزی ایران به شمار می‌روند و باید به آنها توجه ویژه‌ای شود. افزون بر این نتایج، یافته‌های این پژوهش نشان می‌دهد که خبرگان بر استفاده از قابلیت‌های «بصری‌سازی»، «پردازش سناریو»، «پردازش کلان‌داده»، «گردآوری هدفمند داده از منابع گوناگون» و «پیش‌بینی (در افق‌‌های بلندمدت، میان‌مدت و کوتاه‌مدت)»، بیشتر از سایر قابلیت‌های هوش مصنوعی، تأکید دارند. در انتها بر اساس نتایج پژوهش، پیشنهادهای اجرایی و پژوهشی ارائه شد. Artificial Intelligence (AI), as a transformative technology in many fields of science, holds a distinctive position. Among the sciences that can significantly contribute to the enhancement of governance by leveraging this technology is the science of policymaking. Today, specialists in policy science, aiming to formulate and implement better policies, have identified and utilized the capabilities of this technology. One of the policymaking institutions in the realm of public economic welfare is the Central Bank. Utilizing AI for the data-driven transformation of the monetary policymaking process at the Central Bank of Iran can elevate the level of governance, pave the way for rule-based policymaking, and, in addition to reducing substantial public costs, lay the groundwork for sustainable economic growth. The primary objective of this research is to investigate the role of AI in the monetary policymaking process of the Central Bank of Iran with the aim of data-driven transformation. Since numerous obstacles and challenges are anticipated in the data-driven transformation of the monetary policymaking process at the Central Bank of Iran, the present study seeks to identify the inhibitors and drivers of data-driven monetary policymaking. This research is qualitative in terms of its strategy and employs thematic analysis to analyze the information. The data collection method in this study is semi-structured interviews with a snowball sampling approach, and the statistical population was selected from among managers and experts of the Central Bank. The findings of the present study indicate that the stages of implementation, problem sensing, design, and evaluation of monetary policies, respectively, require the greatest utilization of AI capabilities. The investigations also show that factors such as "access to quality and diverse data sources," "data derived from past experiences and comparative studies of other countries' experiences," "intra-organizational collaboration and communication," "attraction and retention of data science specialists," and "effective communication with collaborating institutions" are respectively considered the most influential factors in moving towards the data-driven transformation of monetary policies at the Central Bank of Iran and must be given special attention. In addition to these results, the findings of this research indicate that experts emphasize the use of "visualization," "scenario processing," "big data processing," "targeted data collection from diverse sources," and "forecasting (in long-term, medium-term, and short-term horizons)" capabilities more than other AI capabilities. Finally, based on the research results, executive and research recommendations were presented.   هوش مصنوعی, خط‌مشی پولی, خط‌مشی گذاری پولی داده محور, بانک مرکزی ایران 633 670 http://jmbr.mbri.ac.ir/browse.php?a_code=A-10-2233-1&slc_lang=fa&sid=1 Mohammad Mohsen Faghihi محمدمحسن فقیهی m.faghihi@ut.ac.ir 100319475328460016240 100319475328460016240 Yes Faculty of Management. University of Tehran. Tehran. Iran دانشکده مدیریت دانشگاه تهران. ali asghar Pourezzat علی اصغر پورعزت pourezzat@ut.ac.ir 100319475328460016241 100319475328460016241 No Faculty of Management. University of Tehran. Tehran. Iran دانشکده مدیریت دانشگاه تهران. تهران. ایران sahar babaei سحر بابایی sa.babaei@ut.ac.ir 100319475328460016242 100319475328460016242 No Faculty of governance .University of tehran. tehran. iran. دانشکده حکمرانی. دانشگاه تهران. تهران.ایران