DOI: https://doi.org/10.11648/j.sdai.20260101.11
تاريخ النشر: 2026-02-21
المؤلف: Dawid Prestini
الموضوع الرئيسي: علامة صاحب العمل وإدارة الموارد البشرية الإلكترونية
نظرة عامة
تتناول ورقة البحث التأثير التحويلي للذكاء الاصطناعي (AI) على عمليات التوظيف داخل القطاع المصرفي الأوروبي، مع التركيز على الفوائد والتحديات المزدوجة المرتبطة بتبنيه. باستخدام نهج مختلط، قامت الدراسة بتحليل بيانات من 200 متخصص في الموارد البشرية ومديرين، كاشفة أن الذكاء الاصطناعي يعزز بشكل كبير كفاءة التوظيف وتوافق المرشحين مع الوظائف، مع تحديد المؤشرات الرئيسية للنتائج التنظيمية الإيجابية ككفاءة عملية التوظيف (β = 0.562، p < 0.001) ومعايير التقييم المنظمة (β = 0.377، p = 0.002). ومع ذلك، تسلط النتائج الضوء أيضًا على تأثير ضار على ثقة المرشحين بسبب الاعتماد المفرط على الأتمتة (β = -0.259، p < 0.05). تساهم الدراسة في المناقشات النظرية من خلال دمج نموذج قبول التكنولوجيا، ووجهة النظر القائمة على الموارد، ونظرية رأس المال البشري، مما يضع الذكاء الاصطناعي كأصل استراتيجي ومصدر للتحديات الأخلاقية. تشمل التوصيات للممارسة تنفيذ نماذج توظيف هجينة توازن بين الأتمتة والإشراف البشري، وتعزيز الشفافية في اتصالات المرشحين، وضمان الامتثال لقانون الذكاء الاصطناعي في الاتحاد الأوروبي. يدعو المؤلفون إلى التدقيق المستمر في أنظمة الذكاء الاصطناعي للتخفيف من التحيز ويقترحون أن تركز الأبحاث المستقبلية على التأثيرات الطولية والمقارنات عبر الصناعات، مما يضع الذكاء الاصطناعي كمكمل للحكم البشري بدلاً من بديل.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الدور التحويلي للذكاء الاصطناعي (AI) في إدارة الموارد البشرية (HRM)، وخاصة داخل القطاع المصرفي، الذي يتصدر تبني الذكاء الاصطناعي. تشير الورقة إلى أن عمليات التوظيف التقليدية أصبحت أكثر كفاءة من خلال أدوات الذكاء الاصطناعي، التي تعزز توافق المرشحين مع الوظائف. نظرًا للمشهد التنافسي والتحديات التنظيمية التي تواجهها البنوك الأوروبية، يُعتبر الدمج المسؤول للذكاء الاصطناعي ضرورة استراتيجية. على الرغم من الأدبيات الموجودة حول فوائد كفاءة الذكاء الاصطناعي، لا تزال المخاوف بشأن ثقة المرشحين، والعدالة، والامتثال لقانون الذكاء الاصطناعي في الاتحاد الأوروبي غير مُعالجة بشكل كافٍ.
الهدف الرئيسي من هذه الدراسة هو تقييم آثار تبني الذكاء الاصطناعي على كفاءة التوظيف، واختيار المرشحين، والنتائج التنظيمية، وثقة المرشحين بشكل خاص ضمن السياق المصرفي الأوروبي، وهو مجال لم يتم بحثه بشكل موسع على الرغم من الاستخدام السريع لتقنيات الذكاء الاصطناعي. باستخدام نهج مختلط وأطر نظرية مثل نموذج قبول التكنولوجيا (TAM)، ووجهة النظر القائمة على الموارد (RBV)، ونظرية رأس المال البشري، تهدف الورقة إلى المساهمة بشكل تجريبي ونظري في الجسم المعرفي القائم. تم توضيح هيكل الورقة، مما يشير إلى مراجعة شاملة للأدبيات، والمنهجية، والنتائج، والآثار، والتوصيات الختامية.
الطرق
استخدمت الدراسة نهجًا مختلطًا، يجمع بين تقنيات كمية ونوعية لتقييم تأثير الذكاء الاصطناعي (AI) على عمليات التوظيف. تم جمع البيانات الأولية من خلال استبيانات تم توزيعها على 200 متخصص في الموارد البشرية ومديري توظيف في البنوك الأوروبية، باستخدام أخذ عينات هادفة لضمان اختيار المشاركين ذوي الصلة. بالإضافة إلى ذلك، تم دمج بيانات ثانوية من تقارير استشارية وأدبيات أكاديمية لإثراء التحليل.
تم إجراء تحليل البيانات باستخدام SPSS، مع التركيز على الإحصاءات الوصفية، والارتباط، وتحليلات الانحدار. تشمل المتغيرات الرئيسية التي تم فحصها الوقت المستغرق للتوظيف، وجودة اختيار المرشحين، والنتائج التنظيمية، والثقة في عملية التوظيف. التزمت البحث بالمعايير الأخلاقية، مما يضمن الامتثال للوائح حماية البيانات العامة (GDPR) والحفاظ على السرية طوال الدراسة.
النتائج
تشير نتائج الدراسة إلى تصورات إيجابية عمومًا حول الذكاء الاصطناعي (AI) في التوظيف، حيث تجاوزت متوسط الدرجات 3.9 على مقياس من 5 نقاط. كشفت تحليل الارتباط عن وجود ارتباطات قوية بين كفاءة التوظيف، واختيار المرشحين، والثقة. كما حدد تحليل الانحدار كفاءة التوظيف (β = 0.562، p < 0.001) وتقييم المرشحين (β = 0.377، p = 0.002) كمؤشرات مهمة للنتائج التنظيمية. من ناحية أخرى، وُجد ارتباط سلبي بين تبني الذكاء الاصطناعي وثقة المرشحين (β = -0.259، p < 0.05)، مما يشير إلى أن الاعتماد المفرط على الأتمتة قد يقلل من تصورات العدالة في عملية التوظيف. سلطت الإحصاءات الوصفية الضوء على أن متوسط الدرجات لكل من كفاءة التوظيف وثقة المرشحين كانت مرتفعة بشكل ملحوظ، متجاوزة 4.0 على مقياس من 5 نقاط. أظهر التحليل الديموغرافي، كما هو موضح في الأشكال المرفقة، أن الغالبية العظمى من المستجيبين كانت أعمارهم بين 22 و30 عامًا، مع وجود اختلال كبير في التوازن بين الجنسين في العينة. بالإضافة إلى ذلك، كان أكثر من 87% من المستجيبين يحملون على الأقل درجة بكاليوس، مما يشير إلى خلفية تعليمية قوية بين المشاركين.
المناقشة
تسلط المناقشة الضوء على التأثير المزدوج لتبني الذكاء الاصطناعي في عمليات التوظيف داخل البنوك الأوروبية، مع التأكيد على كل من الكفاءة المعززة والإمكانية لتآكل ثقة المرشحين. بينما يحسن الذكاء الاصطناعي توافق المرشحين مع الوظائف ويسرع دورات التوظيف، يمكن أن تقوض المخاوف بشأن الشفافية والانحياز المدرك قبوله، مما يتماشى مع نموذج قبول التكنولوجيا. تشير وجهة النظر القائمة على الموارد إلى أن الذكاء الاصطناعي يعمل كأصل استراتيجي، مما يوفر للبنوك مزايا فريدة في اكتساب المواهب. ومع ذلك، تنشأ مخاطر سمعة عندما يرى المرشحون أن أنظمة الذكاء الاصطناعي غير شفافة، مما يستدعي الحاجة إلى نهج متوازن.
للتخفيف من هذه المخاطر، تدعو الدراسة إلى نماذج توظيف هجينة تجمع بين أتمتة الذكاء الاصطناعي والإشراف البشري في التقييمات النهائية، مما يضمن العدالة والتعاطف. تعتبر الاتصالات الشفافة بشأن دور الذكاء الاصطناعي ضرورية للحفاظ على ثقة المرشحين. بالإضافة إلى ذلك، تعتبر الأطر التنظيمية مثل قانون الذكاء الاصطناعي في الاتحاد الأوروبي ضرورية في مواءمة الكفاءة مع الاعتبارات الأخلاقية. تساهم النتائج في نظرية رأس المال البشري من خلال توضيح أن الفوائد طويلة الأجل للذكاء الاصطناعي في التوظيف تعتمد على تحقيق توازن بين الكفاءة التشغيلية والمسؤولية الأخلاقية، مما يعزز في النهاية كل من أداء المنظمة وسمعة صاحب العمل.
DOI: https://doi.org/10.11648/j.sdai.20260101.11
Publication Date: 2026-02-21
Author(s): Dawid Prestini
Primary Topic: Employer Branding and e-HRM
Overview
The research paper examines the transformative impact of Artificial Intelligence (AI) on recruitment processes within the European banking sector, emphasizing the dual benefits and challenges associated with its adoption. Utilizing a mixed-method approach, the study analyzed data from 200 HR professionals and managers, revealing that AI significantly enhances recruitment efficiency and candidate-job matching, with key predictors of positive organizational outcomes identified as recruitment process efficiency (β = 0.562, p < 0.001) and structured evaluation criteria (β = 0.377, p = 0.002). However, the findings also highlight a detrimental effect on candidate trust due to excessive reliance on automation (β = -0.259, p < 0.05). The study contributes to theoretical discussions by integrating the Technology Acceptance Model, Resource-Based View, and Human Capital Theory, positioning AI as both a strategic asset and a source of ethical challenges. Recommendations for practice include implementing hybrid recruitment models that balance automation with human oversight, enhancing transparency in candidate communications, and ensuring compliance with the EU AI Act. The authors advocate for continuous auditing of AI systems to mitigate bias and suggest that future research should focus on longitudinal impacts and cross-industry comparisons, framing AI as a complement to human judgment rather than a replacement.
Introduction
The introduction of this research paper highlights the transformative role of Artificial Intelligence (AI) in human resource management (HRM), particularly within the banking sector, which is at the forefront of AI adoption. The paper notes that traditional recruitment processes are becoming more efficient through AI tools, which enhance candidate-job matching. Given the competitive landscape and regulatory challenges faced by European banks, the responsible integration of AI is deemed a strategic necessity. Despite existing literature on AI’s efficiency benefits, concerns regarding candidate trust, fairness, and compliance with the EU AI Act remain inadequately addressed.
The primary objective of this study is to assess the effects of AI adoption on recruitment efficiency, candidate selection, organizational outcomes, and candidate trust specifically within the European banking context, an area that has not been extensively researched despite the rapid uptake of AI technologies. Utilizing a mixed-method approach and theoretical frameworks such as the Technology Acceptance Model (TAM), Resource-Based View (RBV), and Human Capital Theory, the paper aims to contribute both empirically and theoretically to the existing body of knowledge. The structure of the paper is outlined, indicating a comprehensive review of literature, methodology, results, implications, and concluding recommendations.
Methods
The study employed a mixed-method approach, combining both quantitative and qualitative techniques to assess the impact of artificial intelligence (AI) on recruitment processes. Primary data were gathered through surveys administered to 200 HR professionals and recruitment managers in European banks, utilizing purposive sampling to ensure relevant participant selection. Additionally, secondary data from consultancy reports and academic literature were incorporated to enrich the analysis.
Data analysis was conducted using SPSS, focusing on descriptive statistics, correlation, and regression analyses. Key variables examined included time-to-hire, candidate selection quality, organizational outcomes, and trust in the recruitment process. The research adhered to ethical standards, ensuring compliance with the General Data Protection Regulation (GDPR) and maintaining confidentiality throughout the study.
Results
The results of the study indicate generally positive perceptions of artificial intelligence (AI) in recruitment, with mean scores exceeding 3.9 on a 5-point scale. Correlation analysis revealed strong associations between recruitment efficiency, candidate selection, and trust. Regression analysis further identified recruitment efficiency (β = 0.562, p < 0.001) and candidate evaluation (β = 0.377, p = 0.002) as significant predictors of organizational outcomes. Conversely, a negative correlation was found between AI adoption and candidate trust (β = -0.259, p < 0.05), suggesting that excessive reliance on automation may diminish perceptions of fairness in the recruitment process. Descriptive statistics highlighted that mean scores for both recruitment efficiency and candidate trust were notably high, surpassing 4.0 on the 5-point scale. Demographic analysis, as illustrated in the accompanying figures, revealed that the majority of respondents were aged between 22 and 30 years, with a significant gender imbalance in the sample. Additionally, over 87% of respondents possessed at least an undergraduate degree, indicating a strong educational background among participants.
Discussion
The discussion highlights the dual impact of AI adoption in recruitment processes within European banks, emphasizing both enhanced efficiency and the potential erosion of candidate trust. While AI improves candidate-job matching and accelerates recruitment cycles, concerns regarding transparency and perceived bias can undermine its acceptance, aligning with the Technology Acceptance Model. The Resource-Based View suggests that AI serves as a strategic asset, providing banks with unique advantages in talent acquisition. However, reputational risks arise when candidates view AI systems as opaque, prompting the need for a balanced approach.
To mitigate these risks, the study advocates for hybrid recruitment models that combine AI automation with human oversight in final evaluations, ensuring fairness and empathy. Transparent communication regarding AI’s role is essential for maintaining candidate trust. Additionally, regulatory frameworks like the EU AI Act are crucial in aligning efficiency with ethical considerations. The findings contribute to Human Capital Theory by illustrating that the long-term benefits of AI in recruitment hinge on achieving a balance between operational efficiency and ethical responsibility, ultimately enhancing both organizational performance and employer reputation.