توسعه چارچوبی برای به‌کارگیری هوش مصنوعی در مدیریت منابع انسانی با استفاده از روش‌های ترکیبی کیفی
محورهای موضوعی : مدیریت منابع انسانی
محمدرضا ذوالقدر
1
,
علی نعیمی خندابی
2
,
مجید رمضان
3
1 - دانشجوی کارشناسی ترشد، گروه مدیریت، مجتمع مدیریت و مهندسی صنایع، دانشگاه صنعتی مالک اشتر، تهران، ایران.
2 - 3. دانشجوی کارشناسی ارشد، گروه مدیریت، مجتمع مدیریت و مهندسی صنایع، دانشگاه صنعتی مالک اشتر، تهران، ایران
3 - عضو هیات علمی دانشگاه صنعتی مالک اشتر
کلید واژه: هوش مصنوعی, مدیریت منابع انسانی, روش فراترکیب,
چکیده مقاله :
زمینه و هدف: در فضای پرشتاب و رقابتی سازمان‌های امروزی، روش‌های سنتی مدیریت منابع انسانی با چالش‌هایی نظیر کاهش کارایی، افزایش خطاهای انسانی و نبود تصمیم‌گیری داده‌محور مواجه‌اند. هدف پژوهش حاضر، توسعه چارچوبی برای به‌کارگیری هوش مصنوعی در مدیریت منابع انسانی می باشد.
روش تحقیق: این تحقیق کیفی، با رویکرد فراترکیب و بر مبنای تحلیل ۹۵ مقاله علمی منتشرشده بین سال‌های ۲۰۰۰ تا 2025 صورت گرفت. داده‌ها با استفاده از روش هفت‌مرحله‌ای سندلوسکی و باروسو تحلیل، و مدل نهایی با بهره‌گیری از روش دلفی (نظرات ۱۰ خبره) اعتبارسنجی شد. همچنین از مدل‌سازی ساختاری تفسیری (ISM) و تحلیل MICMAC برای تبیین روابط علّی مؤلفه‌ها استفاده گردید.
یافته ها: نتایج نشان داد که چهار بُعد اصلی (تأمین، توسعه، نگهداشت و بهره‌برداری) با ۱۶ مؤلفه کلیدی، نقشی محوری در تحول دیجیتال منابع انسانی ایفا می‌کنند.
نتیجه گیری: ترکیب هوش مصنوعی با رویکردهای انسانی می‌تواند اثربخشی تصمیم‌گیری، چابکی سازمانی و رضایت شغلی کارکنان را ارتقاء بخشد. مدل ارائه‌شده به‌عنوان الگویی راهبردی، زمینه‌ساز حرکت به‌سوی منابع انسانی داده‌محور خواهد بود.
Background and Purpose: In the contemporary, dynamic, and competitive organizational landscape, conventional human resource management practices encounter several challenges, including diminished efficiency, heightened susceptibility to human errors, and an inadequate reliance on data-driven decision-making processes. The objective of the current study is to establish a comprehensive framework for the integration of artificial intelligence into human resource management.
Methodology: This qualitative study employed a meta-synthesis methodology and was based on the analysis of ninety-five scholarly articles published between 2000 and 2025. Data analysis was conducted utilizing the seven-step approach developed by Sandelowski and Barroso, with the resulting model subsequently validated through the Delphi technique, incorporating the insights of ten experts. Additionally, interpretive structural modeling (ISM) and MICMAC analysis were utilized to elucidate the causal relationships among the components.
Findings: The findings indicated that four primary dimensions—namely, provision, development, maintenance, and exploitation—comprising sixteen key components, are integral to the digital transformation of human resources.
Conclusion: The integration of artificial intelligence with human methodologies has the potential to enhance decision-making efficacy, organizational agility, and employee job satisfaction. The proposed model, serving as a strategic framework, will facilitate a transition toward a data-driven approach to human resource management.
