فناوری هوش مصنوعی به مثابۀ سیاست ضد فقر: شواهد بین‌المللی و درسهایی برای ایران

نویسندگان
یونس نادمی
رامین خوچیانی
رضا معبودی
گروه اقتصاد، دانشکده علوم انسانی، دانشگاه آیت الله بروجردی، بروجرد، ایران
چکیده
هدف: هوش مصنوعی (AI) به‌عنوان یک فناوری نوین و تحول‌آفرین در مراحل اولیه ظهور خود قرار دارد و هنوز بسیاری از جنبه‌های آن، به‌ویژه ابعاد اقتصادی و اجتماعی، به‌طور کامل مورد بررسی قرار نگرفته است. با توجه به اهمیت حذف فقر مطلق به‌عنوان نخستین هدف از اهداف توسعه پایدار سازمان ملل متحد، پژوهش حاضر با هدف بررسی اثر سرمایه‌گذاری در هوش مصنوعی بر فقر و شناسایی کانال‌های اصلی این تأثیرگذاری در کشورهای پیشرو در فناوری هوش مصنوعی انجام شده است.

روش: این پژوهش به‌صورت تجربی و با استفاده از داده‌های پانلی مربوط به ۲۰ کشور منتخب در بازه زمانی ۲۰۱۷ تا ۲۰۲۳ و روش گشتاورهای تعمیم‌یافته (GMM) انجام شده است. متغیرهای اصلی پژوهش شامل سرمایه‌گذاری در فناوری‌های هوش مصنوعی به‌عنوان متغیر توضیحی و شاخص‌های فقر درآمدی و چندبعدی به‌عنوان متغیرهای وابسته است. همچنین اثرات متغیرهای کنترلی شامل رشد اقتصادی، نابرابری درآمدی، شاخص سلامت و سرمایه انسانی نیز مورد تحلیل قرار گرفته‌اند.

یافته‌ها: نتایج تجربی نشان می‌دهد که سرمایه‌گذاری در فناوری‌های هوش مصنوعی به‌طور معناداری باعث کاهش فقر درآمدی و چندبعدی می‌شود. استفاده از هوش مصنوعی از طریق بهبود رشد اقتصادی، افزایش بهره‌وری در بخش کشاورزی، توانمندسازی مالی، تسهیل دسترسی به خدمات آموزشی و سلامت و همچنین بهبود دقت هدفمندی یارانه‌ها، به کاهش فقر کمک می‌کند. نتایج همچنین حاکی از آن است که رشد اقتصادی و ارتقای شاخص سلامت به کاهش فقر کمک می‌کنند، درحالی‌که افزایش نابرابری درآمدی، فقر را تشدید می‌کند.

نتیجه‌گیری: پژوهش حاضر بر اهمیت سرمایه‌گذاری در زیرساخت‌های قانونی و فناوری به‌منظور بهره‌گیری مؤثر از ظرفیت‌های هوش مصنوعی برای مقابله با فقر تأکید دارد. بر این اساس، سیاست‌گذاران در کشورهای درحال توسعه، از جمله ایران، می‌توانند با توسعه سیاست‌های حمایتی و تقویت زیرساخت‌های لازم، از پتانسیل هوش مصنوعی برای کاهش فقر و افزایش رفاه اقتصادی بهره‌مند شوند.

اصالت: این پژوهش از نخستین مطالعاتی است که به‌صورت جامع و تجربی اثر سرمایه‌گذاری در هوش مصنوعی را بر فقر درآمدی و چندبعدی بررسی کرده و کانال‌های کلیدی اثرگذاری آن را در کشورهای پیشرو در فناوری هوش مصنوعی شناسایی کرده است. یافته‌های این پژوهش بینش ارزشمندی برای تدوین سیاست‌های ضدفقر مبتنی بر فناوری‌های نوین فراهم می‌کند.
کلیدواژه‌ها
هوش مصنوعی
فقر
روش پانل پویا

عنوان مقاله English

Artificial Intelligence Technology as an Anti-Poverty Policy: International Evidence and Lessons for Iran

نویسندگان English

Younes Nademi
Ramin Khochiani
Reza Maaboudi
Department of Economics, Faculty of Humanities, Ayatollah Boroujerdi University, Boroujerd, Iran
چکیده English

Objective:Artificial Intelligence (AI), as an emerging and transformative technology, is still in its early stages of development, and many aspects—particularly its economic and social dimensions—remain underexplored. Given the critical importance of eliminating absolute poverty as the first of the United Nations Sustainable Development Goals (SDGs), the present study aims to investigate the effects of investment in artificial intelligence on poverty and identify the main channels through which this impact occurs in countries leading in AI technologies.

Materials and Methods: This study empirically employs panel data from 20 selected countries during the period 2017–2023 using the generalized method of moments (GMM). The main variables include investment in AI technologies as the explanatory variable, and both income-based and multidimensional poverty indicators as dependent variables. Additionally, the study analyzes the effects of control variables including economic growth, income inequality, health index, and human capital.

Results: Empirical results indicate that investment in AI technologies significantly reduces both income-based and multidimensional poverty. AI contributes to poverty alleviation by enhancing economic growth, improving agricultural productivity, enabling financial inclusion, facilitating access to educational and healthcare services, and increasing the precision of targeted subsidies. Furthermore, economic growth and improvements in health indices reduce poverty, whereas increased income inequality exacerbates poverty.

Conclusion:The study emphasizes the importance of investing in legal and technological infrastructure to effectively leverage the potential of artificial intelligence for poverty reduction. Accordingly, policymakers in developing countries, including Iran, could benefit from developing supportive policies and strengthening necessary infrastructure to harness AI capabilities for poverty alleviation and economic well-being.

Originality:This research is among the first comprehensive empirical studies to examine the impacts of investment in artificial intelligence on both income-based and multidimensional poverty, identifying key channels of impact within countries leading in AI technology. The findings provide valuable insights for formulating technology-driven anti-poverty policies.

کلیدواژه‌ها English

Artificial intelligence
Poverty
Dynamic Panel Method
Acemoglu, D. (2025). The simple macroeconomics of AI. Economic Policy, 40(121), 13-58.
Aiken, E. L., Bedoya, G., Blumenstock, J. E., & Coville, A. (2023). Program targeting with machine learning and mobile phone data: Evidence from an anti-poverty intervention in Afghanistan. Journal of Development Economics, 161, 103016.
Akkem, Y., Biswas, S. K., & Varanasi, A. (2023). Smart farming using artificial intelligence: A review. Engineering Applications of Artificial Intelligence, 120, 105899.
Babina, T., Fedyk, A., He, A., & Hodson, J. (2024). Artificial intelligence, firm growth, and product innovation. Journal of Financial Economics, 151, 103745.
Bao, C., Yang, B., Zhang, X., & Zhong, T. (2024). Artificial Intelligence, Knowledge Spillovers, and Growth. Knowledge Spillovers, and Growth (September 02, 2024).
Björkegren, D., & Grissen, D. (2020). Behavior revealed in mobile phone usage predicts credit repayment. The World Bank Economic Review, 34(3), 618-634.
Blumenstock, J., Cadamuro, G., & On, R. (2015). Predicting poverty and wealth from mobile phone metadata. Science, 350(6264), 1073-1076.
Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at work. The Quarterly Journal of Economics, qjae044.
Chang, J. J., Cheung, T., & Yang, H. (2025). Capital Deepening, Technology Choice, and Labor Share Dynamics. Technology Choice, and Labor Share Dynamics.
Davis, C., Bush, T., & Wood, S. (2024). Artificial intelligence in education: Enhancing learning experiences through personalized adaptation. International Journal of Cyber and IT Service Management, 4(1), 26-32.
Ghazinoory, S., Pahlavanian, M., Fatemi, M., Parvin, F., & Ahad Bhat, S. (2025). How AI Contributes to Poverty Alleviation: A Systematic Literature Review. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 15(2), e70003.
Gonzales, J. T. (2023). Implications of AI innovation on economic growth: a panel data study. Journal of Economic Structures, 12(1), 13.
Goralski, M. A., & Tan, T. K. (2022). Artificial intelligence and poverty alleviation: Emerging innovations and their implications for management education and sustainable development. The International Journal of Management Education, 20(3), 100662.
Hall, O., Ohlsson, M., & Rögnvaldsson, T. (2022). A review of explainable AI in the satellite data, deep machine learning, and human poverty domain. Patterns, 3(10).
Kalai, M., Becha, H., & Helali, K. (2024). Effect of artificial intelligence on economic growth in European countries: a symmetric and asymmetric cointegration based on linear and non-linear ARDL approach. Journal of Economic Structures, 13(1), 1-37.
Kshetri, N. (2021). The role of artificial intelligence in promoting financial inclusion in developing countries. Journal of Global Information Technology Management, 24(1), 1-6.‌
McKinney, S. M., Sieniek, M., Godbole, V., Godwin, J., Antropova, N., Ashrafian, H., ... & Shetty, S. (2020). International evaluation of an AI system for breast cancer screening. Nature, 577(7788), 89-94.
Mhlanga, D. (2020). Artificial Intelligence (AI) and poverty reduction in the Fourth Industrial Revolution (4IR).
Raghavendra, A. H., Majhi, S. G., Mukherjee, A., & Bala, P. K. (2025). Role of artificial intelligence (AI) in poverty alleviation: A bibliometric analysis. VINE Journal of Information and Knowledge Management Systems, 55(3), 710-729.
Rao, M., & Rajput, S. (2024). Harnessing Artificial Intelligence for Precision Poverty Prediction: A Comprehensive Review of Applications and Advancements.
Saba, C. S. (2025). Artificial intelligence (AI)-poverty-economic growth nexus in selected BRICS-Plus countries: does the moderating role of governance matter?. AI & SOCIETY, 1-35.
UNESCO. (2023). AI in Education. UNESCO Reports.