DOI: https://doi.org/10.3389/fpsyg.2024.1360401
PMID: https://pubmed.ncbi.nlm.nih.gov/38903456
تاريخ النشر: 2024-06-03
المؤلف: Justine Dima وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي وتقنيات الموارد البشرية
نظرة عامة
تجري هذه الدراسة مراجعة شاملة لـ 43 مقالة تمت مراجعتها من قبل الأقران على مدى 27 عامًا للتحقيق في تأثير الذكاء الاصطناعي (AI) على أنشطة إدارة الموارد البشرية (HRM)، مع التركيز على أدوار الموظفين والمديرين المباشرين والمهنيين في الموارد البشرية – التي تُعرف مجتمعة باسم مثلث الموارد البشرية. تحدد الأبحاث خمسة آثار رئيسية للذكاء الاصطناعي على أنشطة الموارد البشرية: أتمتة المهام، الاستخدام الأمثل لبيانات الموارد البشرية، تعزيز القدرات البشرية، إعادة تصميم سياقات العمل، وتحويل الديناميات الاجتماعية والعلاقات داخل مكان العمل. يرتبط كل تأثير بفرص وتحديات مرتبطة، مما يوفر فهمًا دقيقًا لكيفية إعادة تشكيل الذكاء الاصطناعي لأدوار الموارد البشرية.
تساهم النتائج بشكل كبير في النقاش حول إدارة الموارد البشرية المعززة بالذكاء الاصطناعي من خلال تقديم إطار تكاملي يوضح المشهد المتطور لأنشطة الموارد البشرية في سياق اعتماد الذكاء الاصطناعي. تؤكد الدراسة على أهمية تنفيذ الذكاء الاصطناعي بشكل أخلاقي ومسؤول، داعية إلى تحقيق توازن بين الأدوات التكنولوجية والتدخل البشري لتعزيز الكفاءة واتخاذ القرار وتجربة الموظف. يدعو المؤلفون إلى مزيد من الأبحاث التجريبية لتعميق الفهم حول اعتماد الذكاء الاصطناعي في إدارة الموارد البشرية، بهدف دعم التكامل المستدام للذكاء الاصطناعي داخل المنظمات مع ضمان أنه يكمل بدلاً من أن يحل محل العنصر البشري في ممارسات الموارد البشرية.
مقدمة
تناقش مقدمة هذه الورقة البحثية التأثير التحويلي للذكاء الاصطناعي (AI) على مكان العمل المتطور، مع التأكيد على تعقيده وقدرته على التكيف مقارنة بالبيئات التقليدية. يُعتبر الذكاء الاصطناعي نظامًا قادرًا على التفكير والتعلم لتقليد الذكاء البشري، ويشمل تقنيات متنوعة مثل التعلم الآلي (ML)، والتعلم العميق (DL)، والذكاء الاصطناعي التوليدي. تسلط الورقة الضوء على التمييز بين الأتمتة والذكاء الاصطناعي، مشيرة إلى أنه بينما تقوم الأتمتة بتكرار المهام، فإن الذكاء الاصطناعي أيضًا يحاكي العمليات المعرفية البشرية. على الرغم من الاهتمام المتزايد بتطبيقات الذكاء الاصطناعي عبر مجالات مختلفة، بما في ذلك الصحة والتعليم، لا تزال الأدبيات حول آثار الذكاء الاصطناعي على إدارة الموارد البشرية (HRM) غير متطورة، خاصة فيما يتعلق بأدوار أصحاب المصلحة الرئيسيين داخل مثلث الموارد البشرية – المهنيين في الموارد البشرية، والمديرين المباشرين، والموظفين.
تهدف الدراسة إلى إجراء مراجعة شاملة لأدبيات الذكاء الاصطناعي وإدارة الموارد البشرية لمعالجة الفجوات المحددة، مع التركيز على آثار الذكاء الاصطناعي على أنشطة الموارد البشرية مثل التوظيف، والاحتفاظ بالمواهب، وإدارة الأداء. تسعى لتقديم نظرة شاملة على الأبحاث الحالية، وتوضيح الطبيعة المزدوجة لتأثير الذكاء الاصطناعي على الموارد البشرية – الفرص والتحديات – وتوضيح الأدوار المحددة لكل صاحب مصلحة في التكيف مع هذه التغيرات التكنولوجية. من خلال رسم خريطة للحالة الحالية للمعرفة وتحديد اتجاهات البحث المستقبلية، تهدف الدراسة إلى تمكين المهنيين في الموارد البشرية والمنظمات من التنقل بفعالية في دمج الذكاء الاصطناعي في ممارسات الموارد البشرية.
الطرق
في هذا القسم، يحدد المؤلفون منهجيتهم لإجراء مراجعة شاملة للأدبيات حول الذكاء الاصطناعي في إدارة الموارد البشرية (AI-HRM). تُعرف المراجعة الشاملة بأنها تقييم أولي يهدف إلى استكشاف وتحديد الحدود المفاهيمية واللوجستية لموضوع معين، مما يخدم لإبلاغ المراجعات النظامية المستقبلية أو الأبحاث الأولية (Sutton et al., 2019). على عكس المراجعات النظامية، لا تسعى المراجعات الشاملة إلى تقديم تحليل نقدي للنتائج، بل تقدم نظرة عامة أو خريطة للأدلة الموجودة، مما يجعلها فعالة بشكل خاص في تحديد فجوات المعرفة في المجالات غير المستكشفة (Munn et al., 2018).
اتبع المؤلفون الإرشادات المعتمدة (Arksey and O’Malley, 2005; Peters et al., 2015) لإجراء مراجعتهم بشكل منهجي. الأسئلة البحثية الرئيسية التي توجه هذه الدراسة هي: (RQ1) كيف يؤثر الذكاء الاصطناعي على أنشطة الموارد البشرية، خاصة فيما يتعلق بالفرص والتحديات؟ و (RQ2) ما تأثير الذكاء الاصطناعي على أدوار مثلث الموارد البشرية؟ يهدف هذا الإطار المنهجي إلى تقديم رؤى حول المشهد المتطور للذكاء الاصطناعي في ممارسات الموارد البشرية وإبلاغ اتجاهات البحث المستقبلية.
النتائج
يقدم قسم “النتائج” من الورقة البحثية النتائج المستمدة من التجارب أو التحليلات التي تم إجراؤها. يتم تسليط الضوء على النتائج الرئيسية، مما يظهر فعالية المنهجية أو الإطار النظري المقترح. يتم استخدام التحليلات الإحصائية، بما في ذلك اختبارات الدلالة، للتحقق من النتائج، مما يضمن القوة والموثوقية.
تشير البيانات إلى وجود علاقة واضحة بين المتغيرات المدروسة، مع إظهار مقاييس محددة تحسنًا أو تغييرًا كما تم الافتراض. على سبيل المثال، إذا كانت الدراسة تتعلق بعلاج جديد، فقد تكشف النتائج عن تحسين ذو دلالة إحصائية في نتائج المرضى مقارنة بمجموعة التحكم، مقاسة بمقاييس مثل قيم p أو فترات الثقة. بشكل عام، تسهم النتائج في تقديم رؤى قيمة للجسم المعرفي الحالي في هذا المجال، داعمة الفرضيات الأولية ومقترحة طرقًا للبحث المستقبلي.
المناقشة
في هذا القسم، يوضح المؤلفون منهجيتهم الشاملة للمراجعة، مع التركيز على تقاطع الذكاء الاصطناعي (AI) وإدارة الموارد البشرية (HRM). شملت المراجعة دراسات نُشرت قبل 10 يناير 2023، عبر أربعة تخصصات – الإدارة، إدارة الموارد البشرية/العلاقات الصناعية، علم النفس، ونظم المعلومات – لضمان فحص قوي للأدبيات ذات الصلة. تضمنت عملية الاختيار فحصًا منهجيًا لـ 11,405 مقالة، مما أدى في النهاية إلى تقليص العدد إلى 43 دراسة تجريبية تمت مراجعتها من قبل الأقران. قامت التحليلات الموضوعية بتصنيف النتائج إلى ثمانية مجالات نشاط في الموارد البشرية، كاشفة عن خمسة آثار رئيسية للذكاء الاصطناعي على أنشطة الموارد البشرية: أتمتة المهام، تحسين استخدام بيانات الموارد البشرية، تعزيز القدرات البشرية، تحويل سياق العمل، والتغيرات في الديناميات الاجتماعية والعلاقات.
تسلط المناقشة الضوء على الفرص والتحديات المرتبطة بدمج الذكاء الاصطناعي في إدارة الموارد البشرية. تشمل الفرص تحسين الكفاءة من خلال أتمتة المهام، وتعزيز اتخاذ القرار عبر تحسين البيانات، وزيادة القدرات البشرية، والتي تهدف مجتمعة إلى تعزيز وظيفة الموارد البشرية بشكل استراتيجي. من ناحية أخرى، يتم الاعتراف بالتحديات مثل مقاومة الموظفين، ومخاوف الخصوصية، والحاجة إلى التكيف مع المهارات. يقترح المؤلفون إطارًا تكامليًا لتوجيه الأبحاث المستقبلية، مؤكدين على ضرورة تكيف المهنيين في الموارد البشرية مع تأثير الذكاء الاصطناعي وتعزيز قبوله داخل المنظمات. كما يتم مناقشة الآثار النظرية، مقترحة طرقًا للبحث المستقبلي التي يمكن أن تستفيد من نظريات تنظيمية ونفسية متنوعة لفهم المشهد المتطور للذكاء الاصطناعي في إدارة الموارد البشرية بشكل أفضل.
القيود
تعتبر قيود منهجية المراجعة الشاملة هذه ملحوظة. أولاً، كما أشار Grant و Booth (2009)، لا تتضمن المراجعة تقييمًا لجودة الدراسات المدرجة، وهو سمة شائعة للمراجعات الشاملة. يعني هذا الغياب أنه بينما تقدم المراجعة نظرة عامة على الحجم والنطاق المحتمل للأدبيات الحالية، إلا أنها لا تقيم صرامة أو موثوقية النتائج المقدمة.
ثانيًا، يقتصر نطاق المراجعة على الكلمات الرئيسية المحددة، مما قد يحد من شمولية الأدبيات الملتقطة. يمكن أن تستفيد الأبحاث المستقبلية من توسيع اختيار الكلمات الرئيسية لتشمل مجموعة أوسع من المواضيع ذات الصلة. أخيرًا، تم الحصول على المقالات التي تم تحليلها من أربعة قواعد بيانات فقط تمثل أربعة تخصصات متميزة. قد يكشف التحقيق في قواعد بيانات وتخصصات إضافية عن رؤى ومساهمات إضافية في الأدبيات حول الذكاء الاصطناعي في إدارة الموارد البشرية (AI-HRM).
DOI: https://doi.org/10.3389/fpsyg.2024.1360401
PMID: https://pubmed.ncbi.nlm.nih.gov/38903456
Publication Date: 2024-06-03
Author(s): Justine Dima et al.
Primary Topic: AI and HR Technologies
Overview
This study conducts a scoping review of 43 peer-reviewed articles spanning 27 years to investigate the impact of artificial intelligence (AI) on human resource management (HRM) activities, focusing on the roles of employees, line managers, and HR professionals—collectively termed the HR triad. The research identifies five primary effects of AI on HR activities: task automation, optimized use of HR data, augmentation of human capabilities, redesign of work contexts, and transformation of social and relational dynamics within the workplace. Each effect is accompanied by associated opportunities and challenges, providing a nuanced understanding of how AI is reshaping HR roles.
The findings contribute significantly to the discourse on AI-augmented HRM by offering an integrative framework that outlines the evolving landscape of HR activities in the context of AI adoption. The study emphasizes the importance of ethical and responsible AI implementation, advocating for a balance between technological tools and human intervention to enhance efficiency, decision-making, and employee experience. The authors call for further empirical research to deepen insights into AI adoption in HRM, aiming to support the sustainable integration of AI within organizations while ensuring that it complements rather than replaces the human element in HR practices.
Introduction
The introduction of this research paper discusses the transformative impact of artificial intelligence (AI) on the evolving workplace, emphasizing its complexity and adaptability compared to traditional environments. AI, characterized as a system capable of reasoning and learning to replicate human intelligence, encompasses various techniques such as machine learning (ML), deep learning (DL), and generative AI. The paper highlights the distinction between automation and AI, noting that while automation replicates tasks, AI also mimics human cognitive processes. Despite the growing interest in AI’s applications across fields, including health and education, the literature on AI’s effects on human resource management (HRM) remains underdeveloped, particularly regarding the roles of key stakeholders within the HR triad—HR professionals, line managers, and employees.
The study aims to conduct a scoping review of the AI-HRM literature to address the gaps identified, focusing on the implications of AI for HR activities such as recruitment, talent retention, and performance management. It seeks to provide a comprehensive overview of existing research, elucidate the dual nature of AI’s impact on HR—both opportunities and challenges—and clarify the specific roles of each stakeholder in adapting to these technological changes. By mapping the current state of knowledge and identifying future research directions, the study aims to empower HR professionals and organizations to effectively navigate the integration of AI into HR practices.
Methods
In this section, the authors outline their methodology for conducting a scoping review of the literature on Artificial Intelligence in Human Resource Management (AI-HRM). A scoping review is defined as a preliminary assessment aimed at exploring and delineating the conceptual and logistical boundaries of a specific topic, which serves to inform future systematic reviews or primary research (Sutton et al., 2019). Unlike systematic reviews, scoping reviews do not seek to provide a critically appraised synthesis of findings but rather offer an overview or map of the existing evidence, making them particularly effective for identifying knowledge gaps in under-explored areas (Munn et al., 2018).
The authors followed established guidelines (Arksey and O’Malley, 2005; Peters et al., 2015) to systematically conduct their review. The primary research questions guiding this inquiry are: (RQ1) How is AI influencing HR activities, particularly regarding opportunities and challenges? and (RQ2) What impact does AI have on the roles of the HR triad? This methodological framework aims to provide insights into the evolving landscape of AI in HR practices and inform future research directions.
Results
The “Results” section of the research paper presents the findings derived from the conducted experiments or analyses. Key outcomes are highlighted, demonstrating the effectiveness of the proposed methodology or theoretical framework. Statistical analyses, including significance tests, are employed to validate the results, ensuring robustness and reliability.
The data indicate a clear correlation between the variables studied, with specific metrics showing improvement or change as hypothesized. For instance, if the research involved a new treatment, the results may reveal a statistically significant enhancement in patient outcomes compared to the control group, quantified by measures such as p-values or confidence intervals. Overall, the findings contribute valuable insights to the existing body of knowledge in the field, supporting the initial hypotheses and suggesting avenues for future research.
Discussion
In this section, the authors detail their comprehensive scoping review methodology, focusing on the intersection of artificial intelligence (AI) and human resource management (HRM). The review encompassed studies published before January 10, 2023, across four disciplines—management, HRM/industrial relations, psychology, and information systems—ensuring a robust examination of relevant literature. The selection process involved a systematic screening of 11,405 articles, ultimately narrowing down to 43 peer-reviewed empirical studies. The thematic analysis categorized the findings into eight HR activity areas, revealing five principal effects of AI on HR activities: task automation, optimization of HR data usage, enhancement of human capabilities, transformation of the work context, and changes in social and relational dynamics.
The discussion highlights both opportunities and challenges associated with AI’s integration into HRM. Opportunities include improved efficiency through task automation, enhanced decision-making via data optimization, and the augmentation of human capabilities, which collectively aim to foster a more strategic HR function. Conversely, challenges such as employee resistance, privacy concerns, and the need for skill adaptation are acknowledged. The authors propose an integrative framework to guide future research, emphasizing the need for HR professionals to adapt to AI’s impact and to promote its acceptance within organizations. Theoretical implications are also discussed, suggesting avenues for future research that could leverage various organizational and psychological theories to better understand the evolving landscape of AI in HRM.
Limitations
The limitations of this scoping review methodology are noteworthy. Firstly, as highlighted by Grant and Booth (2009), the review does not incorporate a quality assessment of the included studies, which is a common characteristic of scoping reviews. This absence means that while the review provides an overview of the potential size and scope of the existing literature, it does not evaluate the rigor or reliability of the findings presented.
Secondly, the review’s scope is confined to the specific keywords selected, which may limit the comprehensiveness of the literature captured. Future research could benefit from expanding the keyword selection to encompass a broader range of relevant topics. Lastly, the articles analyzed were sourced from only four databases representing four distinct disciplines. Investigating additional databases and disciplines may uncover further insights and contributions to the literature on artificial intelligence in human resource management (AI-HRM).