DOI: https://doi.org/10.3389/fpsyg.2023.1339782
PMID: https://pubmed.ncbi.nlm.nih.gov/38327504
تاريخ النشر: 2024-01-24
المؤلف: Antarpreet Singh وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي وتقنيات الموارد البشرية
نظرة عامة
تبحث ورقة البحث في اعتماد الذكاء الاصطناعي (AI) في إدارة الموارد البشرية (HRM)، مع التركيز على العوامل الممكنة والمثبطة ضمن أنظمة الموارد البشرية الممتدة. باستخدام تصميم بحث نوعي مع نهج استنتاجي، تفحص الدراسة ثلاث شركات هندية بارزة في مراحل مختلفة من دمج الذكاء الاصطناعي في وظائف الموارد البشرية الخاصة بها. تشمل العوامل الممكنة المحددة موظفين متفائلين ومتعاونين، قيادة رقمية قوية، بيانات موثوقة للموارد البشرية، شركاء متخصصين في الموارد البشرية، والتزام بأخلاقيات الذكاء الاصطناعي. على العكس، تشمل الحواجز أمام الاعتماد تحديات مثل عدم القدرة على قياس مشاعر الموظفين بشكل فعال، ضعف التعاون بين موظفي الموارد البشرية والخبراء الرقميين، وغياب الالتزام بأخلاقيات الذكاء الاصطناعي.
تساهم النتائج في الأطر النظرية من خلال اقتراح نموذج لاعتماد الذكاء الاصطناعي واقتراح تحسينات على النظرية الموحدة لقبول واستخدام التكنولوجيا، تحديدًا في سياق أنظمة الموارد البشرية. تؤكد الدراسة على ضرورة أن يتبنى مسؤولو الموارد البشرية (CHROs) وفرق الموارد البشرية الذكاء الاصطناعي مع إعطاء الأولوية للاعتبارات الأخلاقية. تبرز التعقيدات المتعلقة باعتماد الذكاء الاصطناعي في إدارة الموارد البشرية، خاصة بسبب الطبيعة الحساسة للقضايا المتعلقة بالبشر والبيانات المحدودة التي يتم توليدها ضمن مجال الموارد البشرية. من خلال معالجة هذه التحديات، تهدف البحث إلى تعزيز الفهم والممارسات في اعتماد الذكاء الاصطناعي، مما يعزز في النهاية بيئة تعاونية بين البشر والآلات لتحسين أداء الموارد البشرية وإعداد أماكن العمل للتحولات الرقمية المستقبلية.
مقدمة
تسلط مقدمة ورقة البحث هذه الضوء على التأثير التحويلي للذكاء الاصطناعي (AI) على إدارة الموارد البشرية (HRM) والممارسات التنظيمية. يقوم الذكاء الاصطناعي بإعادة تشكيل عمليات اتخاذ القرار والتعاون داخل أماكن العمل، مما يثير اهتمامًا كبيرًا بين الباحثين والممارسين. على الرغم من تزايد الأدبيات، لا يزال هذا المجال غير متطور، حيث يتميز بغياب الأطر النظرية والدراسات الشاملة حول اعتماد الذكاء الاصطناعي في سياقات إدارة الموارد البشرية. تهدف هذه الدراسة إلى سد هذه الفجوات من خلال التحقيق في عوامل إدارة الموارد البشرية المحددة التي تسهل أو تعيق دمج الذكاء الاصطناعي في أنظمة الموارد البشرية الممتدة، مما يقترح في النهاية نموذجًا نظريًا لاعتماد الذكاء الاصطناعي.
تؤكد الورقة على ضرورة أن يتنقل قادة الموارد البشرية في تعقيدات تنفيذ الذكاء الاصطناعي بشكل مسؤول، مع ضمان إعطاء الأولوية للاعتبارات الأخلاقية وسط التحول الرقمي السريع الذي تسارعت وتيرته بسبب أحداث مثل جائحة COVID-19. من خلال التركيز على العوامل الممكنة والحواجز أمام اعتماد الذكاء الاصطناعي، تسهم هذه البحث في كل من الخطاب الأكاديمي والتطبيقات العملية، مقدمة رؤى لمسؤولي الموارد البشرية (CHROs) وصانعي السياسات. من المتوقع أن تعزز النتائج الفهم لدور الذكاء الاصطناعي في إدارة الموارد البشرية، مما يوجه المنظمات في الاستفادة من تقنيات الذكاء الاصطناعي لتحسين الأداء وتعزيز تطوير رأس المال البشري الاستراتيجي.
الطرق
تؤكد منهجية البحث الموضحة في هذا القسم على استخدام بحث الحالة لبناء نظرية حول الظواهر المعقدة والجديدة، خاصة في سياق اعتماد الذكاء الاصطناعي (AI) في أنظمة الموارد البشرية (HR). مستندة إلى أعمال آيزنهارت وغريبنر (2007) وكروغ (2018)، يدعو المؤلفون إلى نهج استنتاجي يسمح بالتطوير المتزامن للأطر النظرية وجمع البيانات التجريبية. تعتبر هذه الطريقة مناسبة بشكل خاص للمجالات التي لم يتم دراستها بشكل كاف، حيث تسهل فهمًا أعمق للتداخلات بين الظواهر وسياقاتها. تفحص الدراسة بشكل خاص اعتماد الذكاء الاصطناعي عبر ثلاث منظمات تجارية مجهولة الهوية في الهند، باستخدام عينة متنوعة من 27 مشاركًا، بما في ذلك محترفي الموارد البشرية وخبراء الموضوع الرقميين.
شمل جمع البيانات مصادر متعددة، بما في ذلك المقابلات المتعمقة، ومناقشات مجموعات العمل، والمستندات الثانوية، مع الالتزام بمبدأ تشبع البيانات كما عرّفه فوش ونيس (2015). كانت عملية المقابلة منظمة حول أسئلة مفتوحة لاستنباط ردود مفصلة، متبعة نهجًا منهجيًا كما أوضح غيون وآخرون (2011). لا يلتقط هذا النهج فقط وجهات نظر المشاركين، بل يضمن أيضًا مصداقية النتائج من خلال عمليات تحليل وتحقق صارمة. تهدف منهجية الترميز المستخدمة إلى تصفية الرموز الأولية إلى فئات ومواضيع أوسع، مما يعالج في النهاية سؤال البحث ويساهم في الخطاب النظري حول الذكاء الاصطناعي في سياقات الموارد البشرية.
النتائج
تشير نتائج البحث إلى أن المنهجية المستخدمة قد أسفرت بنجاح عن ست مجموعات من بيانات مناقشة مجموعة العمل (WGD) من 21 اجتماعًا وبيانات المقابلات من 27 مشاركًا. يتماشى ذلك مع تأكيدات جونسون وجيهين (2009)، حيث يتم التأكيد على قوة الدراسة من خلال توافق النتائج مع مجموعة البيانات، مما يعزز المصداقية العامة لدراسة الحالة. تكشف تقاطعات النتائج من كل من المقابلات ومناقشات مجموعة العمل عن درجة عالية من التوافق، مما يؤكد موثوقية البيانات.
علاوة على ذلك، تدعم موثوقية نتائج البحث خمسة عوامل رئيسية حددها كونلي (2016): المصداقية، الاعتمادية، القابلية للتأكيد، القابلية للنقل، والأصالة. تعزز هذه العوامل مجتمعة من صحة نتائج البحث، مما يضمن أن النتائج ليست فقط تمثيلية ولكن أيضًا قوية وقابلة للتطبيق عبر سياقات مماثلة.
المناقشة
تؤكد قسم المناقشة في ورقة البحث على الطبيعة متعددة الأبعاد للتحول الرقمي في المنظمات، خاصة في سياق إدارة الموارد البشرية (HRM) والذكاء الاصطناعي (AI). يجادل بأن التحول الرقمي يتجاوز مجرد اعتماد التكنولوجيا، مما يتطلب تحولًا ثقافيًا حيث يتعاون البشر والآلات بشكل فعال. تشير الأدبيات إلى أن التكنولوجيا تتشكل اجتماعيًا، مما يبرز أهمية نهج شامل لاعتماد التكنولوجيا. يتميز التعاون الناجح بين البشر والآلات بعلاقة متبادلة حيث يتعلم الطرفان من بعضهما البعض، مما يعزز الأداء التنظيمي.
تحدد الورقة القيادة الرقمية كعامل تمكين حاسم لاعتماد الذكاء الاصطناعي ضمن أنظمة الموارد البشرية، داعيةً إلى قادة يلهمون ويدعمون فرقهم في تبني التقنيات الرقمية. تؤكد على ضرورة وجود بيانات موثوقة ومنظمة للموارد البشرية من أجل تنفيذ فعال للذكاء الاصطناعي، مع الاعتراف أيضًا بالاعتبارات الأخلاقية المحيطة باستخدام الذكاء الاصطناعي، خاصة فيما يتعلق بخصوصية الموظفين وإمكانية تقليل المهارات. تكشف النتائج أن مشاعر الموظفين تلعب دورًا كبيرًا في اعتماد الذكاء الاصطناعي، حيث تشكل مخاوف فقدان الوظائف حواجز. تبرز البحث الحاجة إلى التواصل المستمر مع الموظفين لتخفيف القلق وتعزيز ثقافة الثقة، مما يضع قادة الموارد البشرية كأصحاب مصلحة محوريين في التنقل عبر تعقيدات التحول المدفوع بالذكاء الاصطناعي.
القيود
تنشأ قيود هذه البحث بشكل أساسي من تركيزها على ثلاث شركات هندية بارزة، مما يحد من قابليتها للتطبيق في سياق عالمي أوسع. تبرز الدراسة التحديات التي تطرحها الاختلافات الثقافية في اعتماد الذكاء الاصطناعي عبر جغرافيات مختلفة، مشددةً على أن الاعتماد المفرط على الذكاء الاصطناعي قد يؤدي إلى عواقب سلبية على المستوى التنظيمي والمجتمعي. من الجدير بالذكر أن هناك مفهومًا خاطئًا شائعًا بين الممارسين بشأن قدرة الذكاء الاصطناعي على استبدال الأدوار البشرية بالكامل، مما يعزز مخاوف الموظفين بشأن أمان الوظائف. بينما يمكن أن يؤدي الذكاء الاصطناعي في إدارة الموارد البشرية (HRM) إلى نتائج إيجابية، كما أشار بودهار وآخرون (2022)، فإنه يطرح أيضًا مخاطر مثل تقليل المهارات والسيطرة الخوارزمية، والتي تتطلب مزيدًا من الفحص (رامبرساد، 2020؛ جويز وآخرون، 2023).
علاوة على ذلك، تحدد البحث فجوة كبيرة في فهم التفاعل بين اعتماد الذكاء الاصطناعي والمخاوف المرتبطة به، خاصة فيما يتعلق بتقليل المهارات. تؤكد على الحاجة إلى مزيد من التحقيق في كيفية تأثير الاستراتيجيات الرقمية والثقافة التنظيمية على بعضها البعض (كورتيلازو وآخرون، 2019). كما تعترف الدراسة بظهور الذكاء الاصطناعي التوليدي وتأثيره المحتمل على أنظمة الموارد البشرية، وهو مجال لا يزال غير مستكشف إلى حد كبير (دويفيدي وآخرون، 2023). يمكن أن تستفيد الأبحاث المستقبلية من تحليل كمي مفصل لتأسيس علاقات إحصائية بين الموضوعات الرئيسية المحددة، خاصة في سياق السكان الرقميين مقابل المهاجرين الرقميين.
DOI: https://doi.org/10.3389/fpsyg.2023.1339782
PMID: https://pubmed.ncbi.nlm.nih.gov/38327504
Publication Date: 2024-01-24
Author(s): Antarpreet Singh et al.
Primary Topic: AI and HR Technologies
Overview
The research paper investigates the adoption of artificial intelligence (AI) in human resource management (HRM), focusing on both enabling and inhibiting factors within extended HR ecosystems. Utilizing a qualitative case research design with an abductive approach, the study examines three prominent Indian companies at varying stages of AI integration in their HR functions. Key enablers identified include optimistic and collaborative employees, strong digital leadership, reliable HR data, specialized HR partners, and a commitment to AI ethics. Conversely, barriers to adoption encompass challenges such as the inability to gauge employee emotions effectively, poor collaboration between HR personnel and digital experts, and a lack of adherence to AI ethics.
The findings contribute to theoretical frameworks by proposing a model for AI adoption and suggesting enhancements to the unified theory of acceptance and use of technology, specifically in the context of HR ecosystems. The study emphasizes the necessity for Chief Human Resource Officers (CHROs) and HR teams to embrace AI while prioritizing ethical considerations. It highlights the complexities of AI adoption in HRM, particularly due to the sensitive nature of human-related issues and the limited data generated within the HR domain. By addressing these challenges, the research aims to advance understanding and practices in AI adoption, ultimately fostering a collaborative environment between humans and machines to enhance HR performance and prepare workplaces for future digital transformations.
Introduction
The introduction of this research paper highlights the transformative impact of artificial intelligence (AI) on human resource management (HRM) and organizational practices. AI is reshaping decision-making processes and collaboration within workplaces, prompting significant interest among researchers and practitioners. Despite the growing body of literature, the field remains underdeveloped, characterized by a lack of theoretical frameworks and comprehensive studies on AI adoption in HRM contexts. This study aims to fill these gaps by investigating specific HRM factors that facilitate or hinder AI integration in extended HR ecosystems, ultimately proposing a theoretical model for AI adoption.
The paper emphasizes the necessity for HR leaders to navigate the complexities of AI implementation responsibly, ensuring ethical considerations are prioritized amidst the rapid digital transformation accelerated by events such as the COVID-19 pandemic. By focusing on the enablers and barriers to AI adoption, this research contributes to both academic discourse and practical applications, offering insights for chief human resource officers (CHROs) and policymakers. The findings are expected to enhance understanding of AI’s role in HRM, guiding organizations in leveraging AI technologies to improve performance and foster strategic human capital development.
Methods
The research methodology outlined in this section emphasizes the use of case study research to build theory around complex and novel phenomena, particularly in the context of artificial intelligence (AI) adoption in human resource (HR) ecosystems. Drawing on the works of Eisenhardt and Graebner (2007) and Krogh (2018), the authors advocate for an abductive approach that allows for the simultaneous development of theoretical frameworks and empirical data collection. This method is deemed particularly suitable for understudied areas, as it facilitates a deeper understanding of the interdependencies between phenomena and their contexts. The study specifically investigates AI adoption across three anonymized business organizations in India, utilizing a diverse sample of 27 interviewees, including HR professionals and digital subject matter experts.
Data collection involved multiple sources, including in-depth interviews, working group discussions, and secondary documents, adhering to the principle of data saturation as defined by Fusch and Ness (2015). The interview process was structured around open-ended questions to elicit detailed responses, following a systematic approach outlined by Guion et al. (2011). This approach not only captures the perspectives of participants but also ensures the credibility of findings through rigorous analysis and verification processes. The coding methodology employed aims to distill initial codes into broader categories and themes, ultimately addressing the research question and contributing to the theoretical discourse on AI in HR contexts.
Results
The research findings indicate that the employed methodology successfully yielded six sets of Working Group Discussion (WGD) data from 21 meetings and interview data from 27 participants. Consistent with the assertions of Johnson and Jehn (2009), the study’s strength is underscored by the alignment of findings with the data set, enhancing the overall credibility of the case study. The triangulation of results from both interviews and WGD discussions reveals a high degree of consistency, thereby affirming the reliability of the data.
Furthermore, the trustworthiness of the research findings is supported by five key factors identified by Connelly (2016): credibility, dependability, confirmability, transferability, and authenticity. These factors collectively reinforce the validity of the research outcomes, ensuring that the findings are not only representative but also robust and applicable across similar contexts.
Discussion
The discussion section of the research paper emphasizes the multifaceted nature of digital transformation in organizations, particularly in the context of human resource management (HRM) and artificial intelligence (AI). It argues that digital transformation transcends mere technology adoption, necessitating a cultural shift where humans and machines collaborate effectively. The literature suggests that technology is socially shaped, highlighting the importance of a holistic approach to technology adoption. Successful human-machine collaboration is characterized by a reciprocal relationship where both parties learn from each other, enhancing organizational performance.
The paper identifies digital leadership as a critical enabler of AI adoption within HR ecosystems, advocating for leaders who inspire and support their teams in embracing digital technologies. It underscores the necessity of reliable and structured HR data for effective AI implementation, while also acknowledging the ethical considerations surrounding AI use, particularly regarding employee privacy and the potential for deskilling. The findings reveal that employee sentiments play a significant role in AI adoption, with fears of job displacement posing barriers. The research highlights the need for continuous engagement with employees to mitigate anxiety and foster a culture of trust, ultimately positioning HR leaders as pivotal stakeholders in navigating the complexities of AI-driven transformation.
Limitations
The limitations of this research primarily stem from its focus on three prominent Indian companies, which restricts its applicability to a broader global context. The study highlights the challenges posed by cultural differences in AI adoption across various geographies, emphasizing that an overreliance on AI could lead to negative organizational and societal consequences. Notably, there exists a prevalent misconception among practitioners regarding AI’s potential to fully replace human roles, fostering employee fears about job security. While AI in Human Resource Management (HRM) can yield positive outcomes, as noted by Budhwar et al. (2022), it also poses risks such as deskilling and algorithmic control, which require further examination (Rampersad, 2020; Joyce et al., 2023).
Moreover, the research identifies a significant gap in understanding the interplay between AI adoption and the associated fears, particularly regarding deskilling. It underscores the need for further investigation into how digital strategies and organizational culture influence each other (Cortelazzo et al., 2019). The study also acknowledges the emergence of generative AI and its potential impact on HR ecosystems, an area that remains largely unexplored (Dwivedi et al., 2023). Future research could benefit from a detailed quantitative analysis to establish statistical relationships among the key themes identified, particularly in the context of digital natives versus digital immigrants.