شالوده دیجیتالی؛ حکمرانی داده به مثابه زیربنای توسعه هوش مصنوعی کشور

اقتصاد معاصر-محمدباقر شیرمهنجی، پژوهشگر اقتصادی: بحث بر سر توسعه هوش مصنوعی بدون ایجاد یک چارچوب مستحکم برای حکمرانی داده، یک بحث ناقص و بی‌ثمر است. در واقع، پیگیری اهداف بلندپروازانه در حوزه هوش مصنوعی در ایران، بدون فراهم آوردن زیرساخت بنیادین حکمرانی داده، مانند تلاش برای ساختن آسمان‌خراشی باشکوه بر روی زمینی سست و باتلاقی است که نه فقط به نتیجه مطلوب نمی‌رسد، بلکه مخاطرات اقتصادی، اجتماعی و امنیتی قابل توجهی را نیز به همراه خواهد داشت. این یادداشت تحلیلی-اقتصادی به تبیین این موضوع می‌پردازد که چرا حکمرانی داده پیش‌شرط اساسی برای توسعه یک اکوسیستم هوش مصنوعی پایدار، رقابت‌پذیر و قابل اعتماد در ایران است و چه راهکارهای سیاستی برای تحقق آن باید در پیش گرفته شود. 

مفهوم‌شناسی حکمرانی داده 

حکمرانی داده (Data Governance) مجموعه‌ای از فرآیندها، استانداردها، سیاست‌ها و قوانینی است که چرخه حیات کامل داده در یک سازمان یا در سطح ملی را مدیریت می‌کند. این چرخه شامل نحوه جمع‌آوری، ذخیره‌سازی، پردازش، تحلیل، اشتراک‌گذاری، حفاظت و امحای داده می‌شود. حکمرانی داده فراتر از مدیریت فنی داده (Data Management) است و به سوالات اساسی همچون «چه کسی مالک داده است؟»، «چه کسی حق دسترسی به آن را دارد؟»، «چگونه از کیفیت و صحت داده اطمینان حاصل می‌شود؟»، «داده‌ها چگونه باید در برابر دسترسی‌های غیرمجاز و حملات سایبری محافظت شوند؟» و «مرز میان استفاده اقتصادی از داده و حفظ حریم خصوصی افراد کجاست؟» پاسخ می‌دهد. 

در غیاب یک نظام حکمرانی داده مشخص، داده‌ها به صورت جزیره‌ای، با کیفیت نامعلوم، استانداردهای متفاوت و در سیلوهای اطلاعاتی پراکنده در نهادهای دولتی و خصوصی انباشته می‌شوند. این «آنارشی داده» سوخت لازم برای موتور هوش مصنوعی را به ماده‌ای بی‌کیفیت و غیرقابل استفاده تبدیل می‌کند و همه سرمایه‌گذاری‌های بعدی را با ریسک شکست مواجه می‌سازد. 

ضرورت اقتصادی حکمرانی داده برای هوش مصنوعی 

ارتباط میان حکمرانی داده و موفقیت اقتصادی پروژه‌های هوش مصنوعی یک ارتباط مستقیم و حیاتی است. این ضرورت را می‌توان از چند منظر اقتصادی تحلیل کرد که در ادامه به آنها پرداخته شده است. 

افزایش کیفیت و دقت مدل‌های هوش مصنوعی: الگوریتم‌های هوش مصنوعی، به‌ ویژه مدل‌های یادگیری عمیق، به شدت به حجم و کیفیت داده‌های ورودی وابسته‌اند. اصل ورودی بی‌کیفیت، خروجی بی‌کیفیت (Garbage In, Garbage Out)  در اینجا حاکم است. یک چارچوب حکمرانی داده با تضمین کیفیت، یکپارچگی، دقت و به‌روز بودن داده‌ها، مستقیما به ساخت مدل‌های هوش مصنوعی قابل اعتمادتری منجر می‌شود. مدل‌های دقیق‌تر در حوزه‌هایی مانند پیش‌بینی تقاضای انرژی، بهینه‌سازی زنجیره تامین، تشخیص پزشکی یا اعتبارسنجی بانکی، به معنای کاهش هزینه‌ها، افزایش بهره‌وری و تصمیم‌گیری‌های اقتصادی کارآمدتر است.

تقویت نوآوری و رقابت‌پذیری: در شرایط فعلی ایران، بخش عمده‌ای از داده‌های ارزشمند در انحصار نهادهای دولتی و شرکت‌های بزرگ شبه‌دولتی است. این انحصار، مانعی جدی بر سر راه شرکت‌های دانش‌بنیان کوچک و متوسط و استارتاپ‌هایی است که برای توسعه الگوریتم‌های نوآورانه به داده نیاز دارند. حکمرانی داده با تعریف قوانین شفاف برای اشتراک‌گذاری و دسترسی به داده‌ها (به‌ ویژه داده‌های بخش عمومی)، می‌تواند این انحصار را شکسته و زمین بازی را برای همه فعالان اقتصادی هموار سازد. این «دموکراتیزه کردن داده» به افزایش رقابت، شکوفایی نوآوری و ایجاد مدل‌های کسب‌وکار جدید مبتنی بر داده منجر خواهد شد. 

جذب سرمایه‌گذاری داخلی و خارجی: سرمایه‌گذاران برای ورود به هر حوزه‌ای، به ویژه حوزه‌های فناورانه، به دنبال شفافیت، پیش‌بینی‌پذیری و امنیت حقوقی هستند. فقدان قوانین مشخص در زمینه مالکیت داده، حریم خصوصی و امنیت سایبری، ریسک سرمایه‌گذاری در اکوسیستم هوش مصنوعی ایران را به شدت افزایش می‌دهد. یک چارچوب حقوقی و نظارتی قدرتمند در قالب حکمرانی داده، این اطمینان را به سرمایه‌گذار می‌دهد که دارایی‌های دیجیتال (داده‌ها) و الگوریتم‌های توسعه‌یافته، از امنیت کافی برخوردار بوده و قواعد بازی در آینده به صورت ناگهانی و سلیقه‌ای تغییر نخواهد کرد. 

کاهش ریسک‌های اقتصادی و اجتماعی: تصمیم‌گیری‌های مبتنی بر هوش مصنوعی که با داده‌های مغرضانه یا ناقص آموزش دیده‌اند، می‌توانند منجر به تبعیض‌های سیستماتیک و زیان‌های اقتصادی هنگفت شوند. برای مثال، یک الگوریتم اعتبارسنجی بانکی که بر اساس داده‌های نادرست آموزش دیده، ممکن است به اشتباه گروه‌های خاصی از جامعه را از دسترسی به تسهیلات مالی محروم کند. حکمرانی داده با الزام به شفافیت الگوریتمی (Algorithm Auditing) و ارزیابی منصفانه بودن مدل‌ها، این ریسک‌ها را مدیریت کرده و از بروز نابرابری‌های دیجیتال و پیامدهای اقتصادی منفی آن جلوگیری می‌کند. 

چالش‌های پیاده‌سازی حکمرانی داده در ایران 

با وجود ضرورت انکارناپذیر، استقرار یک نظام جامع حکمرانی داده در ایران با چالش‌های ساختاری، فنی و فرهنگی متعددی روبه‌روست که در ادامه به آنها پرداخته شده است. 

فقدان متولی واحد و راهبرد ملی: در حال حاضر، مسؤولیت داده‌ها در کشور میان دستگاه‌های مختلفی مانند وزارت ارتباطات و فناوری اطلاعات، مرکز ملی فضای مجازی، مرکز آمار ایران، بانک مرکزی و ده‌ها نهاد دیگر پراکنده است. این پراکندگی منجر به ناهماهنگی، سیاست‌های متعارض و نبود یک راهبرد ملی یکپارچه برای مدیریت دارایی‌های داده کشور شده است. 

جزیره‌ای بودن داده‌ها و عدم قابلیت همکاری: داده‌های موجود در سازمان‌های دولتی و خصوصی اغلب در قالب سیلوهای اطلاعاتی (Data Silos) محبوس شده‌اند. این داده‌ها با فرمت‌های ناسازگار، فاقد استانداردهای مشترک و بدون واسط‌های برنامه‌نویسی کاربردی (API) برای اشتراک‌گذاری، عملا قابلیت ترکیب و تحلیل یکپارچه را ندارند. این امر، امکان اجرای پروژه‌های بزرگ هوش مصنوعی که نیازمند داده‌های بین‌بخشی هستند (مانند شهر هوشمند یا سلامت دیجیتال) را از بین می‌برد. 

خلا قانونی و نظارتی: ایران فاقد یک قانون جامع و مدرن برای حفاظت از داده‌ها و حریم خصوصی، مشابه مقررات عمومی حفاظت از داده اتحادیه اروپا (GDPR) است. قوانین موجود یا قدیمی هستند یا به صورت پراکنده به این موضوع پرداخته‌اند. این خلا قانونی، هم حقوق شهروندان را در معرض خطر قرار می‌دهد و هم تکلیف کسب‌وکارها را برای استفاده مشروع از داده‌ها مشخص نمی‌کند. 

ضعف زیرساخت‌های فنی و فرهنگ داده: زیرساخت‌های فنی لازم برای ذخیره‌سازی امن و پردازش کلان‌داده‌ها در کشور همچنان با استانداردهای جهانی فاصله دارد. از سوی دیگر، فرهنگ داده‌محوری در بسیاری از سازمان‌های ایرانی نهادینه نشده است؛ به این معنا که مدیران و کارشناسان هنوز به داده به عنوان یک دارایی استراتژیک نگاه نمی‌کنند و اهمیت کیفیت، امنیت و تحلیل آن را دست‌کم می‌گیرند. 

ارائه راهکارهای سیاستی 

برای عبور از این چالش‌ها و بنا نهادن یک اکوسیستم هوش مصنوعی موفق بر پایه حکمرانی داده، اقدامات سیاستی زیر پیشنهاد می‌شود: 

تدوین سند ملی راهبرد حکمرانی داده: اولین گام، تشکیل یک کارگروه فراقوه‌ای متشکل از نمایندگان دولت، مجلس، قوه قضائیه، بخش خصوصی، دانشگاهیان و نهادهای مدنی برای تدوین یک سند راهبردی جامع است. این سند باید چشم‌انداز، اهداف، اصول، ساختار نهادی و نقشه راه استقرار حکمرانی داده در کشور را مشخص کند. 

ایجاد سازمان ملی داده و هوش مصنوعی: برای پایان دادن به پراکندگی و ناهماهنگی، تاسیس یک نهاد تنظیم‌گر مستقل و قدرتمند ضروری است. این سازمان باید مسؤولیت سیاست‌گذاری، استانداردسازی، نظارت بر اجرای قوانین و تسهیل اشتراک‌گذاری داده در سطح ملی را بر عهده گیرد. 

تصویب قانون جامع حفاظت از داده و حریم خصوصی: مجلس شورای اسلامی باید با فوریت، قانونی مدرن و جامع را به تصویب برساند که ضمن حفاظت از حقوق بنیادین شهروندان در عصر دیجیتال، چارچوب حقوقی شفافی برای فعالیت کسب‌وکارهای داده‌محور فراهم آورد. این قانون باید تکلیف مفاهیمی چون مالکیت داده، رضایت آگاهانه، حق دسترسی و حق فراموش شدن را مشخص کند. 

راه‌اندازی پلتفرم ملی داده‌های باز: دولت باید پیشگام شده و داده‌های غیرحساس و عمومی خود را پس از ناشناس‌سازی، از طریق یک پلتفرم مرکزی و با فرمت‌های استاندارد و قابل خوانش برای ماشین (Machine-Readable)  در اختیار پژوهشگران، شرکت‌های دانش‌بنیان و عموم مردم قرار دهد. این اقدام، موتور محرک نوآوری در اکوسیستم هوش مصنوعی خواهد بود.

سرمایه‌گذاری در زیرساخت و سرمایه انسانی: توسعه زیرساخت‌های پردازشی و ذخیره‌سازی امن و همچنین سرمایه‌گذاری گسترده در تربیت نیروی انسانی متخصص در حوزه‌های مهندسی داده، علم داده و حقوق فناوری، دو بال ضروری برای پرواز در این عرصه هستند. 

پیش‌نیاز یک فرصت تاریخی 

هوش مصنوعی یک فرصت تاریخی برای جهش اقتصادی و افزایش بهره‌وری ملی برای ایران است اما بهره‌برداری از این فرصت بدون رعایت پیش‌نیازهای آن ممکن نیست. حکمرانی داده، نه یک انتخاب، بلکه یک ضرورت قطعی و زیربنایی برای ساختن آینده دیجیتال کشور است. نادیده گرفتن آن و سرمایه‌گذاری صرف بر روی الگوریتم‌ها و نرم‌افزارها، به معنای هدررفت منابع، تشدید نابرابری‌ها و ساختن خانه‌ای دیجیتالی بر روی شن‌های روان است. ایران برای آنکه بتواند در رقابت جهانی هوش مصنوعی جایگاهی شایسته کسب کند، باید ابتدا شالوده دیجیتال خود را با آجر مستحکم حکمرانی داده بنا نهد. این مسیر، یک سرمایه‌گذاری استراتژیک برای تضمین حاکمیت دیجیتال و توسعه اقتصادی پایدار در دهه‌های آینده خواهد بود.