Document Type : Research Paper
Authors
1 PhD Student in Business Policy Management, Department of Business Management, Faculty of Management and Economics, University of Guilan, Rasht, Iran
2 Professor, Department of Business Administration, Faculty of Management and Economics, University of Guilan, Rasht, Iran.
Abstract
This study aims to develop a smart policy-making framework to enhance organizational agility in innovative companies, using a qualitative data-based approach. The research is applied-developmental in nature and employs a descriptive, non-experimental approach to data collection. The study participants included 17 experts: theoretical experts (professors in IT management and entrepreneurship) and practical experts (managers of innovative companies) who had knowledge of smart policy implementation. Qualitative data were gathered through semi-structured interviews based on six main questions, with the possibility of follow-up questions. Data were analyzed using the grounded theory method with the assistance of MAXQDA software. Subsequently, the fuzzy Delphi method was employed in MATLAB to screen the research indicators. Based on the proposed model, causal conditions—including environmental dynamism and transformative pressures, customers’ innovative demands, the advancement of smart technologies, and the need for data-driven governance—affect the core phenomenon of smart policy-making. This core phenomenon, along with contextual conditions (such as the maturity of internal digital infrastructure and an open, learning-oriented organizational culture) and intervening conditions (such as institutional barriers and organizational inertia to change), influence strategies and actions (such as developing a smart policy architecture aligned with digital transformation). These strategies and actions ultimately lead to outcomes such as enhanced organizational agility, strengthened systemic and collaborative innovation, and increased social capital and institutional trust.
Keywords
- Smart policy-making
- organizational agility enhancement
- innovative companies
- qualitative data-based approach
Main Subjects
اکبری، محسن و جلالنیا، راحله. (1404). ارائه الگوی سیاستگذاری توسعه هوش مصنوعی در راستای برنامه هفتم توسعه. سیاستگذاری عمومی، 11(2)، 119-136. doi: 10.22059/jppolicy.2025.102510
آندرواژ، لیلا و صدرجهانی، سولماز. (1403). واکاوی نقش فرآیندهای مدیریت دانش در استفاده از استراتژیهای رقابتی برای دستیابی به نوآوری در شرکتهای دانش بنیان. تعالی منابع انسانی، 5 (17)، 78-96. https://doi.org/https://doi.org/10.30495/EHR.1403.1119485
بودلایی، حسن؛ کنارودی، محمدحسین؛ عبادی، حامد و بهمنی، اکبر. (1400). مدیریت دیجیتال منابع انسانی، رهیافتی برای خلق چابکی سازمانی در بانکهای دولتی کشور (مورد مطالعه: شبکه بانکهای دولتی کشور ایران). مدیریت دولتی، 13 (4)، 766-785. https://doi.org/10.22059/jipa.2022.333338.3051
جلال نیا، راحله و حامدی، ارکیده. (1404). مدلسازی پیشرانهای تجاریسازی دانش مبتنی بر هوش مصنوعی در استارتاپهای هایتک. فصلنامه ارزش آفرینی در مدیریت کسب و کار، 5(2)، https://doi.org/10.22034/jvcbm.2024.459850.1387
جلالنیا، راحله و اکبری، محسن. (1404). مدل مدیریت عملکرد هوشمند در شرکتهای نوپا. مطالعات مدیریت بهبود و تحول. ()، -. https://doi.org/10.22054/jmsd.2025.85379.4621
خادمی کله لو، محمد و صاحبکار خراسانی، سیدمحمد. (1401). ارائه الگوی مدیریت منابع انسانی شرکتهای دانشبنیان و نوآور. پژوهشهای مدیریت در ایران، 26(3)، 70-93. https://dor.isc.ac/dor/20.1001.1.2322200.1401.26.3.4.5
خاکی، غلامرضا. (1401). روش پژوهش گرانددی با رویکرد پایاننامهنویسی. تهران: فوژان.
خانلرزاده، سحر؛ شمسیپور، وحید و پرویزی، وهاب. (1403). مدل پیشبینی عملکرد سازمانی مبتنی بر تحلیل دادههای بزرگ (Big Data) و هوش استراتژیک. مدیریت استراتژیک هوشمند، 3 (1)، 111-124. https://doi.org/bumara.3.2.15564.35879843123
خدادادزاده، فرشته و حسینیروش، سیدمحمدحسین. (1404). تاثیر چابکی سازمانی بر فرسودگی شغلی و عملکرد کارکنان اداره کل ورزش و جوانان خراسان رضوی. نوآوری در مدیریت ورزشی، 4 (1)، 51-64. https://sanad.iau.ir/Journal/jism/Article/1187382
شاهحسینی، محمدعلی؛ قادریکنگاوری، صادق و نصرتپناه، رسول. (1403). تأثیر قابلیتهای به اشتراکگذاری دانش دیجیتال، پلتفرم دیجیتال و کسبوکار دیجیتال بر نوآوری مدل کسب وکار و بینالمللیسازی شرکتهای دانش بنیان. مدیریت کسبوکار بینالمللی، 7 (25)، 109-129. https://doi.org/10.22034/jiba.2023.58729.2125
شریعتنژاد، علی. (1402). شناسایی عوامل کلیدی موفقیت در رشد و توسعه شرکتهای دانشبنیان با رویکرد سیاستگذاری و خطمشیگذاری مدیریتی با روش نقشه شناخت فازی. چشمانداز مدیریت بازرگانی، 22(56)، 84-115. doi: 10.48308/jbmp.2024.233646.1565
شهسوار، محمدصادق. (1403). چابکی سازمانی و تأثیر آن بر عملکرد. کاوشهای نوین در علوم محاسباتی و مدیریت رفتاری، 2(1)، 14-22. https://doi.org/10.22034/necsbm.2024.435564.1039
صمدیانصاری، هدایت؛ رضوی، محمدرضا و جعفری، پریوش. (1403). ارائهی مدل ارتقاء عملکرد تجاری شرکتهای دانش بنیان حوزهی نانو فناوری مبتنی بر شیوههای یادگیری فناورانه. مدیریت راهبردی دانش سازمانی، 7(1)، 191-226. doi: 10.47176/smok.2024.1678
عامریدهآبادی، اسماعیل؛ ثانویفرد، رسول و فتحیهفشجانی، کیامرث. (1403). بررسی مدل توسعه چابکی فرایندهای تولید با رویکرد هوشمندی صنعت 4 و آثار آن در اقتصاد. فصلنامه علمی مطالعات فقه اقتصادی، 6 (3)، 33-50. doi: 10.22034/ejs.2024.435788.1665
قربانی، زهرا و کمری، حبیب. (1403). مدل علی انگیزش شغلی بر اساس چابکی سازمانی با نقش واسطهای فرهنگسازمانی در معلمان دوره ابتدایی شهر کرج. پیشرفتهای نوین در علوم رفتاری، 9(57)، 1-11. http://ijndibs.com/article-1-968-fa.html
قنبری، سیروس؛ خالقخواه، علی و مرادی، علی. (1403). تأثیر مهارتهای کوانتومی مدیران بر چابکی سازمانی با میانجیگری آمادگی کارکنان برای تغییر سازمانی. رهبری آموزشی کاربردی، 5 (19)، 59-76. https://doi.org/10.22098/ael.2023.12034.1208
کهرایی، صدیقه و شیوایی، الهام. (1402). بررسی اثر توسعه شرکتهای دانش بنیان و استارت آپهای نوآور پارکهای علم و فناوری بر رشد اقتصاد منطقهای در ایران. مطالعات زیستبوم اقتصاد نوآوری، 3 (1)، 13-32. https://doi.org/10.22111/innoeco.2021.6619
محمدیهارونی، فهیمه و عبدالحسینزاده، محمد. (1402). خطمشیگذاری هوشمند، رویکردی نوین برای کارآمدسازی نظام تصمیمگیری و قانونگذاری کشور. مطالعات حکمرانی، 36 (350)، 1-35. https://dor.isc.ac/dor/20.1001.1.29809525.1402.1402.4.96.6
محمودزاده، میثم و بهاروندی، الهه. (1401). تأثیر هوش تجاری، یادگیری سازمانی و نوآوری بر عملکرد مالی شرکتهای نوآور مستقر در ایران. چشمانداز حسابداری و مدیریت، 5 (77)، 138-151. https://www.jamv.ir/article_170769.html
ناظری، عاطفه؛ غریبی، حسن و مروتی، نادیا. (1402). رابطه بین مدیریت دانش و سرمایه اجتماعی با نقش میانجیگری چابکی سازمانی در بین پرستاران بیمارستانها. فصلنامه علمی منابع و سرمایه انسانی، 33(3)، 1-29. https://www.hureca.ir/article_190658.html
نجفیرستاقی، حیدر و ذوالفقارزاده، محمدمهدی. (1402). چالشها و راهکارهای هوشمندسازی فرایند خطمشیگذاری عمومی؛ پیشنهادهایی برای نظام برنامهریزی توسعه در ایران. حکمرانی و توسعه، 3(2)، 3-36. https://doi.org/10.22111/jipaa.2023.412719.1131
نریمانی، میثم؛ صاحبکارخراسانی، سیدمحمد؛ خادمی، محمد و اعیانیثانی، ایمان. (1400). الگوی سیاستی حمایت از منابع انسانی نوآور شرکتهای دانش بنیان در برنامه نظام وظیفه تخصصی. سیاست علم و فناوری، 14 (52)، 33-48. https://doi.org/10.22034/jstp.2022.13917
References
Atienza, M., del Rio, M. D. L. C., Meseguer-Martínez, Á., & Barba-Sánchez, V. (2024). Artificial intelligence and organizational agility: An analysis of scientific production and future trends. European Research on Management and Business Economics, 30(2), 240-253. http://dx.doi.org/10.1016/j.iedeen.2024.100253
Bazile, J., Côté, A. M., Toumi, S., & Su, Z. (2025). Strategic intelligence as a resilience capability of global supply chains: Proposal of a conceptual framework based on a systematic literature review. Journal of Global Operations and Strategic Sourcing.35, 12-38. https://doi.org/10.1108/JGOSS-06-2024-0047
Bornay, M., López-Cabrales, Á., & Salas-Vallina, A. (2025). Sensing, seizing, and reconfiguring dynamic capabilities in innovative firms: Why does strategic leadership make a difference?. Business Research Quarterly, 28(2), 399-420. http://dx.doi.org/10.1177/23409444231185790
Breul, M. (2024). Unpacking smart specialization strategies: how collective policy-making processes shape the direction of regional strategies. Geografiska Annaler: Series B, Human Geography, 106(4), 406-421. http://dx.doi.org/10.1080/04353684.2023.2257421
Calvano, E., & Calzolari, G. (2025). AI and policy: what makes AI different?. Economic Policy, eiae067. http://dx.doi.org/10.1093/epolic/eiae067
Creswell, J. W. (2017). Research design: Qualitative, quantitative, and mixed methods approaches. Sage publications.
Enciso, S. Y., & Garcia, I. M. (2024). Are innovative firms more circular when women hold upper positions?. Journal of Innovation & Knowledge, 9(4), 540-556. http://dx.doi.org/10.1016/j.jik.2024.100556
Gama, F., & Magistretti, S. (2025). Artificial intelligence in innovation management: A review of innovation capabilities and a taxonomy of AI applications. Journal of Product Innovation Management, 42(1), 76-111. https://doi.org/10.1111/jpim.12698
Glaser, B. G., Strauss, A. L., & Strutzel, E. (1968). The discovery of grounded theory; strategies for qualitative research. Nursing research, 17(4), 364.
Groenewald, C. A., Groenewald, E., Uy, F., Kilag, O. K., Rabillas, A., & Cabuenas, M. H. (2024). Organizational agility: the role of information technology and contextual Moderators-A systematic review. International Multidisciplinary Journal of Research for Innovation, Sustainability, and Excellence, 1(3), 32-38. https://risejournals.org/index.php/imjrise/article/view/167
Guba, E. G., & Lincoln, Y. S. (1994). Competing paradigms in qualitative research. Handbook of qualitative research, 2(163-194), 105.
Gursoy, F., Atienza, M., & Kakadiaris, I. A. (2022). System cards for AI-based decision-making for public policy. arXiv preprint arXiv,22(3), 47-54. http://dx.doi.org/10.48550/arXiv.2203.04754
Habibi, A., Jahantigh, F. F., & Sarafrazi, A. (2015). Fuzzy Delphi technique for forecasting and screening items. Asian Journal of Research in Business Economics and Management, 5(2), 130-143. http://dx.doi.org/10.5958/2249-7307.2015.00036.5
Holsti, O. R. (1969). Content analysis for the social sciences and humanities, Reading, MA: Addison-Wesley.
Jiang, L., Xuan, Y., & Zhang, K. (2024). Unlocking innovation potential: the impact of artificial intelligence transformation on enterprise innovation capacity. European Journal of Innovation Management, 27(3), 345–362. http://dx.doi.org/10.1108/EJIM-07-2024-0809
Katharina, R., Wadipalapa, R. P., Nainggolan, P. P., Aminah, S., Apriani, T., Ma’rifah, D., & Anisah, A. L. (2024). An ambitious artificial intelligence policy in a decentralised governance system: evidence from Indonesia. Journal of Current Southeast Asian Affairs, 43(1), 65-93. https://doi.org/10.1177/18681034231226393
Liu, Y. D., Zhang, J. Z., Zheng, J., & Kamal, M. M. (2025). Artificial intelligence-enabled systems and innovation in B2B firms: The role of strategic agility and decision-making performance. Industrial Marketing Management, 127, 164-174. http://dx.doi.org/10.1016/j.indmarman.2025.04.003
Manuwar, F., Kaniawati, K., Latifah, I., & Buana, D. M. A. (2023). Achieving performance through strategic agility and entrepreneurial innovation: an empirical research in SMEs sector. Journal Aplikasi Manajemen, 21(1), 25-41.
Mata, M. N., Moleiro Martins, J., & Inácio, P. L. (2024). Collaborative innovation, strategic agility, & absorptive capacity adoption in SMEs: the moderating effects of customer knowledge management capability. Journal of Knowledge Management, 28(4), 1116-1140. https://awspntest.apa.org/doi/10.1108/JKM-10-2022-0803
Miller, E., Cross, L., & Lopez. M. (2010). Sampling in qualitative research. FBB research group, 19(3), 249-261.
Rane, N. L., Paramesha, M., Choudhary, S. P., & Rane, J. (2024). Artificial intelligence, machine learning, and deep learning for advanced business strategies: a review. Partners Universal International Innovation Journal, 2(3), 147-171.
Scharf, S. A. (2025). Artificial Intelligence and Innovation Policy: A Comparative Perspective. Democracy, 19(4), 249-261.
Strauss, A., & Corbin, J. M. (1997). Grounded theory in practice. Sage.
Teng, J. Y., & Tzeng, G. H. (1998). Transportation investment project selection using fuzzy multiobjective programming. Fuzzy sets and systems, 96(3), 259-280. https://doi.org/10.1016/S0165-0114(96)00330-2
Ulnicane, I., & Aden, A. (2023). Power and politics in framing bias in Artificial Intelligence policy. Review of Policy Research, 40(5), 665-687. http://dx.doi.org/10.1111/ropr.12567
Wang, S., Huang, X., Xia, M., & Shi, X. (2024). Does artificial intelligence promote firms’ innovation efficiency: Evidence from the robot application. Journal of the Knowledge Economy, 1-22. http://dx.doi.org/10.1007/s13132-023-01707-w
Wu, L., Lou, B., & Hitt, L. M. (2025). Innovation strategy after IPO: How AI analytics spurs innovation after IPO. Management Science, 71(3), 2360-2389. https://dx.doi.org/10.2139/ssrn.4803528
Zhang, M., Wang, Y., & Wang, W. (2025). Big data analytics managerial skills and organizational agility: a moderated mediation model. Industrial Management & Data Systems, 125(1), 168-191. http://dx.doi.org/10.1108/IMDS-01-2024-0053
[In Persian]
Akbari, M., & Jalalniya, R. (2025). Presenting The Policy Model Of Artificial Intelligence Development In Line With The 7th Development Plan. Iranian Journal of Public Policy, 11(2), 119-136. doi: 10.22059/jppolicy.2025.102510
Ameri Dehabadi, E., Sanavi Fard, R., & Fathi Hafashjani, K. (2024). Examining the development model of agility of production processes with the approach of industry intelligence 4 and its effects in the economy. Strategic Studies of Jurisprudence and Law, 6(3), 33-50. doi: 10.22034/ejs.2024.435788.1665
Andervazh, L., & Sadrjahani, S. (2024) .Analyzing the role of knowledge management processes in using competitive strategies to achieve innovation in knowledge-based companies. Human Resources Excellence, 3 (), 78-96. https://doi.org/https://doi.org/10.30495/EHR.1403.1119485
Boudlaie, H., Kenarroodi, M., Ebadi, H., & Bahmani, A. (2021). Digital Human Resource Management: An Approach to Creating Organizational Agility in the Public Sector in the Digital Economy Era (A Study on the Public Sector Banking Network in Iran). Journal of Public Administration, 13(4), 766-785. https://doi.org/10.22059/jipa.2022.333338.3051
Ghanbari, S., Khaleghkhah, A., & Moradi, A. (2024). Impact of managers' quantum skills on organizational agility with mediation of staff readiness to change organizational. Applied Educational Leadership, 5(Special issue of leadership in higher education), 59-76. https://doi.org/10.22098/ael.2023.12034.1208
Ghorbani, Z., & Kamari, H. (2024). Model of job motivation based on organizational agility with the intermediary of organizational culture in elementary school teachers in Karaj. New advances in behavioral science, 9 (57), 1-11. http://ijndibs.com/article-1-968-fa.html
Jalalniya, R. and Hamedi, O. (2025). Modeling the commercialization drivers of artificial intelligence-based knowledge in high-tech startups. (e209151). Journal of value creating in Business Management, 5(2), e209151 https://doi.org/10.22034/jvcbm.2024.459850.1387
Jalalniya, R., & Akbari, M. (2025). Model of Intelligent Performance Management in New Ventures. Management Studies in Development and Evolution, (), -. https://doi.org/10.22054/jmsd.2025.85379.4621
Kahrayi, S., & Shivaie, E. (2023). The Study of the Development of Knowledge-Based Companies and Innovative Startups of Science and Technology Parks on Regional Economic Growth in Iran. Innovation EconomicEcosystem Studies, 3(1), 13-32. https://doi.org/10.22111/innoeco.2021.6619
Khademi Kolahlou, M., & Sahebkar Khorasani, S. M. (2022). Proposing a Model of Human Resource Management in Knowledge-based and Innovator Companies. Management Research in Iran, 26(3), 70-93. https://dor.isc.ac/dor/20.1001.1.2322200.1401.26.3.4.5
Khaki, Gh. R. (2022). Groundedi Research Method with thesis approach. Tehran: Foozhan
Khanlorzadeh, S., Shamsipour, V., & Parvizi, V. (2024). Organizational Performance Prediction Model Based on Big Data Analysis and Strategic Intelligence. Journal of Intelligent Strategic Management, 3(1), 111-124. https://doi.org/bumara.3.2.15564.35879843123
Khodadadzadeh, F., & Hoseini Ravesh, S. M. H. (2025). The effect of organizational agility on job burnout and the performance of employees of the General Directorate of Sports and Youth, Khorasan Razavi. Innovation in Sports Management, 1(), 51-64. https://sanad.iau.ir/en/Journal/jism/Article/1187382
Mahmoudzadeh, M., & Baharvandi, E. (2023). The effect of business intelligence، organizational learning and innovation on the financial performance of innovative companies based in Iran. Journal of Accounting and Management Vision, 5(77), 138-151. https://www.jamv.ir/article_170769.html?lang=en
Mohammadi Harouni, F., & Abdolhosseinzadeh, M. (2023). Intelligent policymaking, a new approach to the efficiency of the country's decision -making and legislation system. Governance Studies, 36 (350), 1-35. https://dor.isc.ac/dor/20.1001.1.29809525.1402.1402.4.96.6
Najafi Rastaghi, H., & Zolfaghar Zadeh, M. M. (2023). Challenges and Solutions for Smartening the Public Policy Process; Suggestions for Development Planning System in Iran. Governance and Development Journal, 3(2), 3-36. https://doi.org/10.22111/jipaa.2023.412719.1131
Narimani, M., Sahebkar Khorasani, M., Khademi, M., & Ayani Sani, I. (2022). Designing a Policy Model for Supporting Innovative Human Resources of Knowledge-based Companies in the Specialty Duty System Facility Program. Journal of Science and Technology Policy, 14(4), 33-48. https://doi.org/10.22034/jstp.2022.13917
Nazeri, A., Gharibi, H., & Morovati, N. (2023). The Relationship between Knowledge Management and Social Capital and the Role of Organizational Agility Mediation among Hospital Nurses. Journal of Human Resources and Capital, 33 (3), 1-29. https://www.hureca.ir/article_190658.html
Samadiansari, H., Razavi, M., & Jafari, P. (2024). Developing A Model For Improving The Business Performance Of Nanotechnology Knowledge-Based Companies Based On Technological Learning Modes. Strategic Management of Organizational Knowledge, 7(1), 191-226. doi: 10.47176/smok.2024.1678
Shahhoseini, M. A., Ghaderi Kangavari, S., & Nosratpanah, R. (2025). The effect of digital knowledge sharing capabilities, digital platform and digital business on business model innovation and internationalization of knowledge-based enterprises. Journal of International Business Administration, 7(1), 109-129. https://doi.org/10.22034/jiba.2023.58729.2125
Shahsavar, M. (2024). Organizational agility and Its impact on performance. Novel Explorations in Computational Science and Behavioral Management, 2(1), 14-22. https://doi.org/10.22034/necsbm.2024.435564.1039
Shariatnejad, A. (2024). Identifying the key factors of success in the growth and development of knowledge-based companies, the effectiveness of policymaking, and managerial policymaking with the Fuzzy Cognitive Map method. Journal of Business Management Perspective, 22(56), 84-115. doi: 10.48308/jbmp.2024.233646.1565
)