زمینه و هدف: باتوجهبه تحولات سریع فناوری و افزایش رقابت در صنعت خودرو، استفاده از هوش مصنوعی بهعنوان یکی از مهمترین محرکهای نوآوری و ارتقاء عملکرد کسبوکار مطرح است. هدف پژوهش بررسی تأثیر قابلیتهای هوش مصنوعی بر عملکرد کسبوکار در صنعت خودروسازی با نقش میانجی نوآوری باز و قابلیتهای پویای مبتنیبر فرآیند بود. روش پژوهش: پژوهش ازنظر هدف، کاربردی و ازنظر روششناسی، توصیفی-پیمایشی است. جامعه آماری شامل کارمندان شرکتهای خودروسازی بود که بهروش نمونهگیری هدفمند 130 نفر انتخاب شدند. ابزار گردآوری دادهها پرسشنامه استاندارد بود که روایی آن با استفاده از روایی همگرا و واگرا بررسی و تأیید شد. پایایی پرسشنامه نیز ازطریق آلفای کرونباخ و پایایی ترکیبی مورد سنجش قرار گرفت و مناسب ارزیابی گردید. برای تحلیل دادهها از نرمافزار Smart PLS 3.0 و مدلسازی معادلات ساختاری استفاده شد. یافتهها: قابلیتهای هوش مصنوعی تأثیر مثبت و معناداری بر نوآوری باز و قابلیتهای پویای مبتنیبر فرآیند دارد. همچنین نوآوری باز و قابلیتهای پویای مبتنیبر فرآیند هر دو تأثیر معناداری بر عملکرد کسبوکار در صنعت خودرو دارند. علاوهبر این، نتایج نشان داد که نوآوری باز و قابلیتهای پویای مبتنیبر فرآیند نقش میانجی مؤثری در رابطه میان قابلیتهای هوش مصنوعی و عملکرد کسبوکار دارند. نتیجهگیری: بهرهبرداری از ظرفیتهای هوش مصنوعی نهتنها بهصورت مستقیم، بلکه ازطریق تقویت سازوکارهای نوآوری باز و قابلیتهای پویای فرآیندی، به بهبود عملکرد کسبوکار شرکتهای خودروسازی منجر میشود. این پژوهش نشان میدهد که توسعه راهبردهای مبتنیبر هوش مصنوعی میتواند مسیر جدیدی برای ارتقاء بهرهوری، افزایش انعطافپذیری و کسب مزیت رقابتی پایدار فراهم آورد.
پدرامی، محمد. و واعظی، سید کمال. (1403). فراترکیب مدیریت چالشهای اخلاقی هوش مصنوعی در منابع انسانی: ارائه یک چارچوب جامع.مدیریت هوشمند سرمایه انسانی، 1(3)، 29-56.https://doi.org/10.22034/imhr.2025.527039.1029
کوششی، محمدرضا؛ فرویزی، لیلا. و اسدی، کوثر. (1404). بررسی اثر شایستگیهای هوش مصنوعی بر عملکرد سازمانی ازطریق قابلیتهای بازاریابی صنعتی: مطالعه موردی شرکتهای تولیدی شهید سلیمی تبریز. مدیریت بازاریابی هوشمند، 6(2)، 65-87. https://doi.org/JABM.3.2.15564.351256.32512547
نصر اصفهانی، محمد؛ قائمی اصل، مهدی؛ منتظر، راحله. و اسماعیلی، ملیکا. (1404). جایگاه قابلیتهای توانمندساز هوش مصنوعی در افزایش عملکرد نظارتی نظام بانکداری ایران. مطالعات کشورها، 3(4)، 713-753. https://doi.org/10.22059/jcountst.2025.388154.1218
نوری، روح اله؛ خواستار، حمزه؛ یگانه فرد، کمیل. و رازقی، علی محمد. (1403). شناسایی کاربردهای هوش مصنوعی در سلامت و ایمنی کارکنان.مدیریت هوشمند سرمایه انسانی، 1(2)، 1-28.https://doi.org/10.22034/imhr.2025.479050.1010
Abadie, A., Roux, M., Chowdhury, S., & Dey, P. (2023). Interlinking organisational resources, AI adoption and omnichannel integration quality in Ghana’s healthcare supply chain. Journal of Business Research, 162, 113866.https://doi.org/10.1016/j.jbusres.2023.113866
Abbasi, M., Nishat, R. I., Bond, C., Graham-Knight, J. B., Lasserre, P., Lucet, Y., & Najjaran, H. (2025). A review of AI and machine learning contribution in business process management (process enhancement and process improvement approaches). Business Process Management Journal, 31(4), 1414-1452.https://doi.org/10.1108/BPMJ-07-2024-0555
Abedin, B. (2022). Managing the tension between opposing effects of explainability of artificial intelligence: a contingency theory perspective. Internet Research, 32(2), 425-453.https://doi.org/10.1108/INTR-05-2020-0300
Abrokwah-Larbi, K., & Awuku-Larbi, Y. (2024). The impact of artificial intelligence in marketing on the performance of business organizations: evidence from SMEs in an emerging economy. Journal of Entrepreneurship in Emerging Economies, 16(4), 1090-1117.https://doi.org/10.1108/JEEE-07-2022-0207
Adams, K., Attah-Boakye, R., Yu, H., Johansson, J., & Njoya, E. T. (2023). Female board representation and coupled open innovation: Evidence from emerging market multinational enterprises. Technovation, 124, 102749.https://doi.org/10.1016/j.technovation.2023.102749
Almheiri, H. M., Ahmad, S. Z., Khalid, K., & Ngah, A. H. (2025). Examining the impact of artificial intelligence capability on dynamic capabilities, organizational creativity and organization performance in public organizations. Journal of Systems and Information Technology, 27(1), 1-20.https://doi.org/10.1108/JSIT-10-2022-0239
Arias-Pérez, J., & Huynh, T. (2023). Flipping the odds of AI-driven open innovation: The effectiveness of partner trustworthiness in counteracting interorganizational knowledge hiding. Industrial Marketing Management, 111, 30-40.https://doi.org/10.1016/j.indmarman.2023.03.005
Bahoo, S., Cucculelli, M., & Qamar, D. (2023). Artificial intelligence and corporate innovation: A review and research agenda. Technological Forecasting and Social Change, 188, 122264.https://doi.org/10.1016/j.techfore.2022.122264
Dubey, R., Bryde, D. J., Blome, C., Roubaud, D., & Giannakis, M. (2021). Facilitating artificial intelligence powered supply chain analytics through alliance management during the pandemic crises in the B2B context. Industrial Marketing Management, 96, 135-146.https://doi.org/10.1016/j.indmarman.2021.05.003
Ferrarini, F., & Curzi, Y. (2023). AMO-enhancing practices, open innovation and organizations’ innovation in the European context: testing a mediation model. European Journal of Innovation Management, 26(6), 1697-1720.https://doi.org/10.1108/EJIM-01-2022-0005
Fosso Wamba, S., Queiroz, M. M., Pappas, I. O., & Sullivan, Y. (2024). Artificial intelligence capability and firm performance: a sustainable development perspective by the mediating role of data-driven culture. Information Systems Frontiers, 1-15.https://doi.org/10.1007/s10796-023-10460-z
Gao, Y., Liu, S., & Yang, L. (2025). Artificial intelligence and innovation capability: A dynamic capabilities perspective. International Review of Economics & Finance, 103923.https://doi.org/10.1016/j.iref.2025.103923
Gupta, S., Amaba, B., McMahon, M., & Gupta, K. (2021). The evolution of artificial intelligence in the automotive industry. In 2021 Annual Reliability and Maintainability Symposium (RAMS) (pp. 1-7). IEEE.https://doi.org/10.1109/RAMS48097.2021.9605795
Hair Jr, J. F., Hult, G. T. M., Ringle, C. M., Sarstedt, M., Danks, N. P., Ray, S., ... & Ray, S. (2021). An introduction to structural equation modeling. Partial least squares structural equation modeling (PLS-SEM) using R: a workbook, 1-29.https://doi.org/10.1007/978-3-030-80519-7_1
Hossain, M. N., Rahim, M. A., Rahman, M. M., & Ramasamy, D. (2025). Artificial Intelligence Revolutionising the Automotive Sector: A Comprehensive Review of Current Insights, Challenges, and Future Scope. Computers, Materials & Continua, 82(3).https://doi.org/10.32604/cmc.2025.061749
Kamran, S. S., Haleem, A., Bahl, S., Javaid, M., Prakash, C., & Budhhi, D. (2022). Artificial intelligence and advanced materials in automotive industry: Potential applications and perspectives. Materials Today: Proceedings, 62, 4207-4214.https://doi.org/10.1016/j.matpr.2022.04.727
Khan, S., Mehmood, S., & Khan, S. U. (2025). Navigating innovation in the age of AI: how generative AI and innovation influence organizational performance in the manufacturing sector. Journal of Manufacturing Technology Management, 36(3), 597-620.https://doi.org/10.1108/JMTM-06-2024-0302
Kline, R. B. (2023). Principles and practice of structural equation modeling. Guilford publications.
Kousheshi, M.R., Farvizi, L. and Asadi, K. (2025). Investigating the Impact of Artificial Intelligence Competencies on Organizational Performance Through Industrial Marketing Capabilities: A Case Study of Manufacturing Companies in Shahid Salimi Industrial Park, Tabriz. Journal of Intelligent Marketing Management, 6(2), 65-87. https://doi.org/JABM.3.2.15564.351256.32512547 [In Persian]
Kuzior, A., Sira, M., & Brożek, P. (2023). Use of artificial intelligence in terms of open innovation process and management. Sustainability, 15(9), 7205.https://doi.org/10.3390/su15097205
Mikalef, P., & Gupta, M. (2021). Artificial intelligence capability: Conceptualization, measurement calibration, and empirical study on its impact on organizational creativity and firm performance. Information & management, 58(3), 103434.https://doi.org/10.1016/j.im.2021.103434
Mishra, S., Ewing, M. T., & Cooper, H. B. (2022). Artificial intelligence focus and firm performance. Journal of the Academy of Marketing Science, 50(6), 1176-1197.https://doi.org/10.1007/s11747-022-00876-5
Mooi, E., Osinga, E. C., & Santos, C. D. (2022). Collaboration scope and product innovation in B2B markets: are there too many cooks or is it the customer who spoils the broth?. European Journal of Marketing, 56(3), 899-921.https://doi.org/10.1108/EJM-12-2020-0889
Morales Matamoros, O., Takeo Nava, J. G., Moreno Escobar, J. J., & Ceballos Chávez, B. A. (2025). Artificial Intelligence for Quality Defects in the Automotive Industry: A Systemic Review. Sensors, 25(5), 1288.https://doi.org/10.3390/s25051288
Nasr Esfahani, M. , Ghaemi Asl, M. , Montazer, R. and Esmaili, M. (2026). The enabling capabilities of artificial intelligence in improving the supervisory performance of Iran's banking system. Journal of Countries Studies, 3(4), 739-779. https://doi.org/10.22059/jcountst.2025.388154.1218 [In Persian]
Neiroukh, S., Emeagwali, O. L., & Aljuhmani, H. Y. (2024). Artificial intelligence capability and organizational performance: unraveling the mediating mechanisms of decision-making processes. Management Decision.https://doi.org/10.1108/MD-10-2023-1946
Noori, R., Khastar, H., Yeganehfard, K. and Razeghi, A. (2024). Identifying the Applications of Artificial Intelligence in the Health and Safety of Employees. Intelligent Management of Human Capital, 1(2), 28-1. https://doi.org/10.22034/imhr.2025.479050.1010 [In Persian]
Partovi Khaghan, B. (2025). Evaluating the applications of artificial intelligence in human resource development planning. Intelligent Management of Human Capital, 2(6), 176-147. [In Persian] https://doi.org/10.22034/imhr.2026.565732.1053
Pedrami, M. and Vaezi, S.K. (2025). Managing Ethical Dilemmas of AI in HRM: A Meta-Synthesis Toward an Integrative Framework. Intelligent Management of Human Capital, 1(3), 56-29. https://doi.org/10.22034/imhr.2025.527039.1029 [In Persian]
Ravat, L., Hemonnet-Goujot, A., & Hollet-Haudebert, S. (2024). Exploring how to develop data-driven innovation capability of marketing within B2B firms: Toward a capability model and process-oriented approach. Industrial Marketing Management, 118, 110-125.https://doi.org/10.1016/j.indmarman.2023.12.015
Sahoo, S., Kumar, S., Donthu, N., & Singh, A. K. (2024). Artificial intelligence capabilities, open innovation, and business performance-Empirical insights from multinational B2B companies. Industrial marketing management, 117, 28-41.https://doi.org/10.1016/j.indmarman.2023.12.008
Toroslu, A., Herrmann, A. M., Chappin, M. M., Schemmann, B., & Castaldi, C. (2023). Open innovation in nascent ventures: Does openness influence the speed of reaching critical milestones? Technovation, 124, 102732.https://doi.org/10.1016/j.technovation.2023.102732
Wamba-Taguimdje, S. L., Wamba, S. F., Kamdjoug, J. R. K., & Wanko, C. E. T. (2020). Impact of artificial intelligence on firm performance: exploring the mediating effect of process-oriented dynamic capabilities. In Digital business transformation: Organizing, managing and controlling in the information age (pp. 3-18). Springer International Publishing.https://doi.org/10.1007/978-3-030-47355-6_1
Xi, Q., Li, Z., Zhao, J., & Ding, J. (2025). How Can Technology Orientation Promote Green Process Innovation? The Mediating Effect of Digital Capability and the Moderating Role of Innovation-Oriented Leadership. Sustainability, 17(9), 4071.https://doi.org/10.3390/su17094071
