قابلیت غالب
ثبت ← کدگذاری ← ذخیره ← پردازش. مینفریمها، پایگاههای داده، سامانههای تراکنشی و نرمافزارهای سازمانی ستون فقرات دیجیتال را شکل دادند.
نقشهای پژوهشمحور از حرکت سازمانها: از دیجیتالیکردن اطلاعات، اتصال و خودکارسازی، تا رقابت مبتنی بر تحلیل، هوش مولد و اکنون حرکت پیشنهادی بهسوی نسلی با محوریت استنتاج.
نخستین جهش، تبدیل اسناد، تراکنشها و فعالیتهای آنالوگ به داده قابلپردازش توسط ماشین است. رایانش ابتدا کارایی پردازش را بالا برد و سپس فناوری اطلاعات به محرکی برای بازطراحی خودِ فرایند تبدیل شد.
ثبت ← کدگذاری ← ذخیره ← پردازش. مینفریمها، پایگاههای داده، سامانههای تراکنشی و نرمافزارهای سازمانی ستون فقرات دیجیتال را شکل دادند.
برنامهریزی سیستمهای اطلاعاتی، سیستمهای سازمانی و بازمهندسی فرایند کسبوکار (BPR): هدف فقط خودکارسازی فرایند قدیمی نیست، بلکه بازطراحی کار با قابلیتهای IT است.
مایکل همر یکی از چهرههای کلیدی بازمهندسی فرایند است؛ پژوهشهای پیشین در نظریه اطلاعات و رایانش نیز بنیان فنی بازنمایی و پردازش دیجیتال اطلاعات را فراهم کردند.
حسابداری رایانهای، پردازش تراکنش، اسناد دیجیتال، پایگاههای داده سازمانی و یکپارچهسازی کارکردهای اصلی در سامانههای ERP.
سامانههای دیجیتال به هم متصل میشوند. اینترنت و وب جهانگستر، سیستمهای اطلاعاتی منفرد را به محیطی جهانی برای ارتباط، کسبوکار الکترونیکی، خدمات دیجیتال و تبادل بینسازمانی تبدیل کردند.
اتصال ← انتشار ← تبادل ← تراکنش. پروتکلهای اینترنت، استانداردهای وب، مرورگرها، پورتالها و تجارت الکترونیکی دسترسی را دگرگون کردند.
کسبوکار الکترونیکی، سازمان شبکهای، کانالهای دیجیتال، پورتال مشتری، زنجیره تأمین الکترونیکی و شکلهای اولیه کسبوکار پلتفرمی.
وینت سرف و باب کان از پیشگامان کلیدی پروتکلهای اینترنتاند؛ تیم برنرز-لی وب جهانگستر را در سال ۱۹۸۹ در CERN ابداع کرد و نوآوری مرورگرها پذیرش عمومی را شتاب داد.
وبسایت شرکتی، تجارت الکترونیکی، بانکداری آنلاین، خدمات دیجیتال مشتری، پورتال تأمینکنندگان و اشتراک دانش مبتنی بر وب.
تمرکز از صرفاً «متصل بودن» به فرایندهایی مقیاسپذیر، تکرارپذیر و خودکار منتقل میشود. ابر ظرفیت دیجیتال را کشسان میکند و اتوماسیون صنعتی، جهان فیزیکی و سایبری را به هم پیوند میدهد.
یکپارچهسازی ← خودکارسازی ← مقیاس. Cloud، API، BPM، گردشکار، RPA و سیستمهای سایبری-فیزیکی هماهنگی دستی را کاهش میدهند.
NIST SP 800-145 ویژگیها و مدلهای خدمت/استقرار ابر را تعریف میکند؛ برنامه Industrie 4.0 نیز مسیر مهمی برای صنعت هوشمند صورتبندی کرد.
Peter Mell و Timothy Grance نویسندگان تعریف مرجع NIST برای رایانش ابریاند. Henning Kagermann ریاست کارگروه Industrie 4.0 را بر عهده داشت و از پیشگامان این ابتکار شناخته میشود.
مهاجرت SaaS/PaaS/IaaS، گردشکار خودکار، یکپارچهسازی API، RPA، تولید متصل به حسگر و کارخانه هوشمند.
هوش تجاری از گزارشگیری به تحلیل پیشبینانه و تجویزی تکامل مییابد. کلانداده، یادگیری ماشین و حسگری بلادرنگ، تحلیل را از کارکرد پشتیبان به قابلیت تصمیمگیری سازمانی ارتقا میدهند.
مشاهده ← تحلیل ← پیشبینی ← بهینهسازی. انبار داده، پلتفرم BI، دریاچه داده، ML، IoT و بهینهسازی از تصمیم مبتنی بر شواهد پشتیبانی میکنند.
Competing on Analytics این چرخش مدیریتی را برجسته میکند: تحلیل به یک قابلیت سراسری سازمان برای تمایز رقابتی تبدیل میشود.
Thomas H. Davenport و Jeanne Harris به صورتبندی تحلیل بهعنوان قابلیت راهبردی سازمان کمک کردند؛ جامعه علم داده و یادگیری ماشین نیز روشهای فنی را توسعه داد.
BI سازمانی، پیشبینی، مدل ریزش و ریسک، سیستم پیشنهاددهنده، نگهداری پیشبینانه، قیمتگذاری پویا و مدیریت عملکرد دادهمحور.
مدلهای پایه مبتنی بر Transformer، هوش مصنوعی را به یک رابط مولد عمومی تبدیل میکنند. سازمان میتواند متن، کد، تصویر و مصنوعات دانشی را با سرعت و مقیاسی کمسابقه تولید و ترکیب کند.
پرامپت ← تولید ← تطبیق ← کمک. Transformer، LLM، مدلهای چندوجهی، RAG، Copilot و Agent ظرفیت کار دانشی را گسترش میدهند.
Vaswani et al. (2017) معماری Transformer را معرفی کردند و Bommasani et al. (2021) فرصتها و ریسکهای مدلهای پایه را صورتبندی کردند.
Vaswani و همکاران نویسندگان مقاله Transformer هستند؛ Stanford CRFM نیز به تثبیت مفهوم foundation model کمک کرد. آزمایشگاهها و جوامع پژوهشی متعدد استقرار مقیاسبالا را پیش بردند.
Copilot سازمانی، تولید کد، محتوای چندوجهی، جستوجوی مکالمهای، خلاصه و ترکیب اسناد، پشتیبانی مشتری و دستیارهای تخصصی.
نسل ششم پیشنهادی خرمی مرکز ثقل را از تولید محتوا به تولید فرضیه، کشف روابط پنهان، استدلال علّی، اعتبارسنجی، همکشفی انسان و AI و خلق ارزش مسئولانه منتقل میکند.
شواهد ← فرضیه ← استنتاج ← اعتبارسنجی ← قضاوت انسانی ← ارزش. AI شریک شناختی و اکتشافی است، نه تصمیمگیر نهایی و پاسخگو.
Khorami (2026), Toward the Sixth Generation of Digital Transformation. «علم نواستنتاج» (NIS) نیز بهعنوان برنامه پژوهشی مکمل برای تکامل بازگشتی دانش توسعه مییابد.
دکتر سعید خرمی 6GDT را بهعنوان یک نسل مفهومی استنتاجمحور پیشنهاد میکند. صورتبندی علمی مناسب «چارچوب پیشنهادی» است و آزمون تجربی و اعتبارسنجی مستقل علمی همچنان ضروری است.
سبد فرضیهها، خطوط لوله کشف علّی، دروازههای اعتبارسنجی انسانی، ردپای شواهد، استنتاج توضیحپذیر، کنترلهای حاکمیتی و حلقههای یادگیری بازگشتی در هوش تجاری و نظام تصمیمگیری.
| نسل | منطق اصلی | قابلیت معمول سازمان | فشار انتقال به نسل بعد |
|---|---|---|---|
| G1 · دیجیتالیسازی | آنالوگ ← دیجیتال | اسناد و تراکنش دیجیتال | سامانههای منفرد به اتصال نیاز دارند |
| G2 · اتصال | اتصال و تراکنش | سازمان مبتنی بر وب | پیچیدگی شبکه به خودکارسازی نیاز دارد |
| G3 · خودکارسازی | یکپارچهسازی و مقیاس | عملیات خودکار و ابری | دادههای حاصل باید فهم شوند |
| G4 · تحلیل | پیشبینی و بهینهسازی | تصمیم دادهمحور | پیشبینی، تولید عمومی محتوا نیست |
| G5 · هوش مولد | تولید و کمک | کار دانشی تقویتشده با AI | تولید، استنتاج علّی معتبر نیست |
| G6 · استنتاج | کشف، آزمون و اعتبارسنجی | همکشفی انسان و AI | مرز پژوهشی پیشنهادی؛ نیازمند اعتبارسنجی تجربی |
پژوهش منتشرشده پشت نسل ششم پیشنهادی را مطالعه کنید.
مطالعه مقاله 6GDT ↗همه مقالاتبازگشت به خانه