DOI: https://doi.org/10.1007/s11846-025-00836-7
تاريخ النشر: 2025-01-22
المؤلف: Simone Bevilacqua وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي وتقنيات الموارد البشرية
نظرة عامة
تستكشف ورقة البحث التأثير التحويلي للذكاء الاصطناعي (AI) على أدوار القيادة للمديرين التنفيذيين في المنظمات، مع التأكيد على أهمية التأثير الإداري على استراتيجيات الأعمال المتعلقة بالذكاء الاصطناعي. استنادًا إلى نظرية المستويات العليا، يجادل المؤلفون بأن فعالية دمج الذكاء الاصطناعي في عمليات اتخاذ القرار تعتمد بشكل كبير على مهارات وأنماط قيادة المديرين التنفيذيين. لمعالجة الطبيعة المجزأة للأدبيات الحالية، تجري الدراسة مراجعة منهجية للأدبيات (SLR) باستخدام تحليل بيبليومتري وتحليل محتوى لـ 63 مقالًا من 31 مجلة أكاديمية مرموقة.
تكشف النتائج عن ثلاثة تجمعات بحثية رئيسية: (1) المهارات المدفوعة بالذكاء الاصطناعي اللازمة للقيادة الفعالة؛ (2) العوامل التي تؤثر على قرارات المديرين التنفيذيين في اعتماد تقنيات الذكاء الاصطناعي؛ و (3) التطبيقات الاستراتيجية للذكاء الاصطناعي داخل المنظمات. من خلال توفير إطار شامل لفهم تقاطع الذكاء الاصطناعي والقيادة الإدارية، تسهم الدراسة في نظرية المستويات العليا وتقدم رؤى عملية للمديرين التنفيذيين الذين يهدفون إلى الاستفادة من الذكاء الاصطناعي لتعزيز قدراتهم القيادية الاستراتيجية. بالإضافة إلى ذلك، توضح الورقة الطرق المحتملة للبحث المستقبلي، مما يثري النقاش حول دور الذكاء الاصطناعي في تشكيل الممارسات الإدارية.
مقدمة
تناقش مقدمة هذه الورقة البحثية التأثير التحويلي للتحول الرقمي (DT) المدفوع بالتقنيات الرقمية الناشئة عبر مختلف القطاعات. يتميز التحول الرقمي بدمج تقنيات مثل الذكاء الاصطناعي (AI)، وتعلم الآلة، وتحليل البيانات، التي تعزز العمليات التجارية، وتحسن تجارب العملاء، وتدعم نماذج الأعمال الجديدة. يتم التأكيد على دور المديرين التنفيذيين كعامل حاسم في التنقل خلال هذا التحول، لا سيما في الاستفادة من الذكاء الاصطناعي في اتخاذ القرارات الاستراتيجية. يتم الإشارة إلى نظرية المستويات العليا (UET) لتوضيح كيف تؤثر خصائص وقرارات التنفيذيين الكبار بشكل كبير على النتائج التنظيمية والابتكار.
على الرغم من تزايد الأدبيات حول القيادة في سياق التحول الرقمي، لا يزال هناك فجوة ملحوظة بشأن التأثير المحدد للذكاء الاصطناعي على ممارسات القيادة للمديرين التنفيذيين. لم تعالج مراجعات الأدبيات المنهجية السابقة هذه العلاقة بشكل كافٍ، وغالبًا ما تغفل الإمكانات المدمرة للذكاء الاصطناعي. تهدف هذه الدراسة إلى سد هذه الفجوة من خلال إجراء مراجعة منهجية للأدبيات (SLR) لاستكشاف تأثير الذكاء الاصطناعي على قيادة المديرين التنفيذيين، مسترشدة بثلاثة أسئلة بحثية تركز على الملف البحثي، والمواضيع المستكشفة، والاتجاهات المستقبلية في هذا المجال. من المتوقع أن تسهم النتائج في إطار مفاهيمي جديد يدمج الذكاء الاصطناعي في نظرية المستويات العليا، مما يعزز فهم كيفية إعادة تشكيل الذكاء الاصطناعي لديناميات القيادة وعمليات اتخاذ القرار على المستوى التنفيذي.
الطرق
تحدد قسم المنهجية استخدام مراجعة منهجية للأدبيات (SLR) كإطار صارم لتحليل المصادر العلمية، كما دعا إليه العديد من العلماء (Bretas و Alon 2021؛ Kraus وآخرون 2022، 2024؛ Secundo وآخرون 2020). يسهل نهج SLR جمعًا منظمًا، وتقييمًا نقديًا، وتوليفًا للأبحاث الحالية، مما يعزز الشفافية وقابلية التكرار. يعمل كأداة استراتيجية لتقييم المشهد الأدبي الحالي وتحديد الفجوات للبحث المستقبلي (Kraus وآخرون 2022؛ Sauer و Seuring 2023؛ Tranfield وآخرون 2003). تقلل هذه المنهجية من التحيز وتعزز قابلية التكرار، وهو أمر حاسم لنتائج البحث القوية (Enholm وآخرون 2022؛ Saratchandra و Shrestha 2022؛ Thomas و Gupta 2022).
تستخدم الدراسة كل من التحليل البيبليومتري وتحليل المحتوى لمعالجة أسئلة البحث المقترحة. يستخدم التحليل البيبليومتري، وهو طريقة كمية، تقنيات إحصائية لتحليل مجموعات بيانات كبيرة، ورسم هيكل وديناميات المجالات العلمية ذات الصلة (Zupic و Čater 2015؛ Donthu وآخرون 2021). يسمح هذا النهج باستكشاف عميق للاتجاهات التطورية والمجالات الناشئة داخل المجال، مع التركيز على المقالات، والمؤلفين، والدول، والكلمات الرئيسية، والمجلات. من ناحية أخرى، يتم تطبيق تحليل المحتوى لتحديد اتجاهات الأدبيات، مع تسليط الضوء على المواضيع المتطورة (نقاط ساخنة) وغير المتطورة (نقاط عمياء)، مما يقترح اتجاهات البحث المستقبلية (Gaur و Kumar 2018؛ Neuendorf 2002). يتبع الباحثون منهجية منظمة تتكون من ثلاث خطوات للتحقيق في تأثيرات الذكاء الاصطناعي على قيادة المديرين التنفيذيين، كما تدعمها الدراسات السابقة (Bretas و Alon 2021؛ Massaro وآخرون 2016؛ Secundo وآخرون 2020).
النتائج
في قسم النتائج، يوضح المؤلفون المنهجيات المستخدمة لتحليل ومناقشة نتائج البحث، مع التركيز على التحليل البيبليومتري وتحليل المحتوى. استخدموا حزمة Bibliometrix في R وبرنامج VOSviewer لإجراء تحليل شامل للاقتباسات البيبليومترية، والذي حدد المقالات الرئيسية، والمؤلفين، والدول، والكلمات الرئيسية، والمجلات ذات الصلة بالدراسة. تم استخدام تحليل الاقتران البيبليوغرافي، كما وصفه Kessler (1963)، لتأسيس العلاقات بين الوثائق بناءً على الاقتباسات المشتركة، مما يبرز الترابط بين الأبحاث داخل هذا المجال.
علاوة على ذلك، قام المؤلفون بإجراء تحليل محتوى على الأوراق المجمعة لكشف مجالات البحث الناشئة، وتحديد الفجوات، واقتراح اتجاهات البحث المستقبلية. تم إجراء هذا التحليل بشكل مستقل من قبل المؤلفين لتعزيز الشفافية وموثوقية النتائج، تلاه مناقشات لتخفيف التحيزات المحتملة في التفسير. يتم تقديم نتائج هذا التحليل الشامل، لا سيما فيما يتعلق بالتعلم الذاتي المنظم (SRL)، في القسم التالي، مما يبرز مساهمات الدراسة في فهم مشهد البحث في هذا المجال.
المناقشة
تؤكد قسم المناقشة في ورقة البحث على الدور الحاسم للمديرين التنفيذيين في تنفيذ الذكاء الاصطناعي (AI) داخل المنظمات، من خلال إطار نظرية المستويات العليا (UET). تفترض هذه النظرية أن الخصائص والقيم والتحيزات المعرفية للتنفيذيين الكبار تؤثر بشكل كبير على النتائج التنظيمية والأداء. تسلط الورقة الضوء على أن المديرين التنفيذيين هم محور تحديد رؤية وثقافة المنظمة، مما يؤثر بشكل مباشر على اتخاذ القرارات الاستراتيجية وتخصيص الموارد. يتم الاعتراف بنظريات مكملة مثل وجهة النظر القائمة على الموارد (RBV) ونظرية المؤسسات الجديدة (NIT)، لكن يُعتبر أن UET هي العدسة الأكثر ملاءمة لتحليل كيفية تمكن القادة من دمج تقنيات متقدمة مثل الذكاء الاصطناعي بشكل فعال في منظماتهم.
انتقل تطور أبحاث UET من التركيز على المتغيرات الديموغرافية القابلة للملاحظة إلى دمج سمات أقل وضوحًا مثل الشخصية والقيم وتحمل المخاطر، مما يعزز الفهم الجماعي لديناميات اتخاذ القرار. تحدد الورقة فجوة في الأدبيات بشأن التحديات والفرص المحددة التي تقدمها دمج الذكاء الاصطناعي في سياقات القيادة، مما يبرز الحاجة إلى مراجعة منهجية للأدبيات (SLR) لاستكشاف هذا التقاطع بشكل أكبر. تهدف الدراسة إلى معالجة هذه الفجوة من خلال اقتراح نهج جديد مدفوع بالذكاء الاصطناعي لاستراتيجيات الابتكار للمديرين التنفيذيين، مما يعزز قدراتهم القيادية في التنقل خلال عمليات التحول الرقمي.
القيود
تستند قيود هذه الدراسة بشكل أساسي إلى قيودها المنهجية. تركز حصريًا على المقالات التي تمت مراجعتها من قبل الأقران المنشورة باللغة الإنجليزية والمصنفة وفقًا لنظام تصنيف ABS (2، 3، 3*، 4، و 4*)، مما يقيد المراجعة إلى شريحة انتقائية من الأدبيات الأكاديمية. بالإضافة إلى ذلك، تقتصر الأبحاث على خمسة مجالات تخصصية: العلوم الاجتماعية؛ الأعمال، الإدارة، والمحاسبة؛ علم النفس؛ علوم الحاسوب؛ والاقتصاد، والاقتصاد القياسي، والتمويل. قد يتسبب هذا التركيز الضيق على التخصص في تجاهل رؤى قيمة من مجالات أخرى ذات صلة تتقاطع مع القيادة المدفوعة بالذكاء الاصطناعي.
تتمثل قيود أخرى هامة في استبعاد المقالات المنشورة في عام 2024، والتي قد تحتوي على مساهمات حاسمة نظرًا للتقدم السريع في هذا المجال. قد يؤدي هذا الاستبعاد إلى فهم غير مكتمل لأحدث الاتجاهات والتطورات في القيادة المدفوعة بالذكاء الاصطناعي. علاوة على ذلك، بينما تسلط الدراسة الضوء على الاهتمام المتزايد بين المديرين التنفيذيين في القيادة المدفوعة بالذكاء الاصطناعي، تعترف بأن هذا المجال البحثي لا يزال يتطور ولم يصل بعد إلى النضج. وبالتالي، يجب تفسير النتائج كجزء من نقاش مستمر بدلاً من استنتاجات نهائية. يشجع المؤلفون على إجراء أبحاث مستقبلية لمعالجة هذه القيود، مما يعزز تحليلًا أكثر شمولاً لدور الذكاء الاصطناعي في القيادة بين المديرين التنفيذيين.
DOI: https://doi.org/10.1007/s11846-025-00836-7
Publication Date: 2025-01-22
Author(s): Simone Bevilacqua et al.
Primary Topic: AI and HR Technologies
Overview
The research paper explores the transformative impact of artificial intelligence (AI) on the leadership roles of top managers within organizations, emphasizing the significance of managerial influence on AI-related business strategies. Drawing on upper echelons theory, the authors argue that the effectiveness of AI integration into decision-making processes is heavily reliant on the skills and leadership styles of top managers. To address the fragmented nature of existing literature, the study conducts a systematic literature review (SLR) utilizing bibliometric and content analysis of 63 articles from 31 reputable academic journals.
The findings reveal three key research clusters: (1) the AI-driven skills necessary for effective leadership; (2) the factors influencing top managers’ decisions to adopt AI technologies; and (3) the strategic applications of AI within organizations. By providing a comprehensive framework for understanding the intersection of AI and managerial leadership, the study contributes to upper echelons theory and offers practical insights for top managers aiming to leverage AI to enhance their strategic leadership capabilities. Additionally, the paper outlines potential avenues for future research, thereby enriching the discourse on AI’s role in shaping managerial practices.
Introduction
The introduction of this research paper discusses the transformative impact of digital transformation (DT) driven by emerging digital technologies across various sectors. DT is characterized by the integration of technologies such as artificial intelligence (AI), machine learning, and data analytics, which enhance business processes, improve customer experiences, and foster new business models. The role of top managers is emphasized as critical in navigating this transformation, particularly in leveraging AI for strategic decision-making. The upper echelons theory (UET) is referenced to illustrate how the characteristics and decisions of top executives significantly influence organizational outcomes and innovation.
Despite the growing body of literature on leadership in the context of DT, there remains a notable gap regarding the specific influence of AI on top managers’ leadership practices. Previous systematic literature reviews have inadequately addressed this relationship, often overlooking the disruptive potential of AI. This study aims to fill this gap by conducting a systematic literature review (SLR) to explore the impact of AI on top managers’ leadership, guided by three research questions focusing on the research profile, explored themes, and future directions in this field. The findings are expected to contribute to a new conceptual framework that integrates AI into UET, enhancing the understanding of how AI can reshape leadership dynamics and decision-making processes at the executive level.
Methods
The methodology section outlines the use of a systematic literature review (SLR) as a rigorous framework for analyzing scientific sources, as advocated by several scholars (Bretas and Alon 2021; Kraus et al. 2022, 2024; Secundo et al. 2020). The SLR approach facilitates a structured collection, critical evaluation, and synthesis of existing research, promoting transparency and reproducibility. It serves as a strategic tool to assess the current literature landscape and identify gaps for future research (Kraus et al. 2022; Sauer and Seuring 2023; Tranfield et al. 2003). This methodology minimizes bias and enhances replicability, which is crucial for robust research outcomes (Enholm et al. 2022; Saratchandra and Shrestha 2022; Thomas and Gupta 2022).
The research employs both bibliometric and content analysis to address the proposed research questions. Bibliometric analysis, a quantitative method, utilizes statistical techniques to analyze large datasets, mapping the structure and dynamics of relevant scientific fields (Zupic and Čater 2015; Donthu et al. 2021). This approach allows for an in-depth exploration of evolutionary trends and emerging areas within the field, focusing on articles, authors, countries, keywords, and journals. Conversely, content analysis is applied to identify literature trends, highlighting developed (hot spots) and underdeveloped (blind spots) topics, thereby suggesting future research directions (Gaur and Kumar 2018; Neuendorf 2002). The researchers follow a structured methodology comprising three steps to investigate the impacts of artificial intelligence on top managers’ leadership, as supported by previous studies (Bretas and Alon 2021; Massaro et al. 2016; Secundo et al. 2020).
Results
In the results section, the authors detail the methodologies employed for analyzing and discussing the research findings, focusing on bibliometric analysis and content analysis. They utilized the Bibliometrix package in R and VOSviewer software to conduct a comprehensive bibliometric citation analysis, which identified key articles, authors, countries, keywords, and journals relevant to the study. The bibliographic coupling analysis, as described by Kessler (1963), was employed to establish relationships between documents based on shared citations, thereby highlighting the interconnectedness of research within the field.
Furthermore, the authors performed a content analysis on the clustered papers to uncover emerging research areas, identify gaps, and propose future research directions. This analysis was conducted independently by the authors to enhance the transparency and reliability of the findings, followed by discussions to mitigate potential biases in interpretation. The results of this thorough analysis, particularly concerning self-regulated learning (SRL), are presented in the subsequent section, underscoring the study’s contributions to understanding the landscape of research in this domain.
Discussion
The discussion section of the research paper emphasizes the critical role of top managers in the implementation of artificial intelligence (AI) within organizations, framed through the upper echelons theory (UET). This theory posits that the characteristics, values, and cognitive biases of top executives significantly influence organizational outcomes and performance. The paper highlights that top managers are pivotal in defining an organization’s vision and culture, which directly impacts strategic decision-making and resource allocation. Complementary theories such as the resource-based view (RBV) and new institutional theory (NIT) are acknowledged, but UET is deemed the most suitable lens for analyzing how leaders can effectively integrate advanced technologies like AI into their organizations.
The evolution of UET research has transitioned from focusing on observable demographic variables to incorporating less visible traits such as personality, values, and risk tolerance, which collectively enrich the understanding of decision-making dynamics. The paper identifies a gap in the literature regarding the specific challenges and opportunities presented by AI integration in leadership contexts, underscoring the need for a systematic literature review (SLR) to explore this intersection further. The study aims to address this gap by proposing a new AI-driven approach for top managers’ innovation strategies, thereby enhancing their leadership capabilities in navigating digital transformation processes.
Limitations
The limitations of this study are primarily rooted in its methodological constraints. It focuses exclusively on peer-reviewed journal articles published in English and ranked according to the ABS ranking system (2, 3, 3*, 4, and 4*), which restricts the review to a selective segment of the academic literature. Additionally, the research is confined to five disciplinary areas: social sciences; business, management, and accounting; psychology; computer science; and economics, econometrics, and finance. This narrow disciplinary focus may overlook valuable insights from other relevant fields that intersect with AI-driven leadership.
Another significant limitation is the exclusion of articles published in 2024, which could contain critical contributions given the rapid advancements in this area. This omission may lead to an incomplete understanding of the latest trends and developments in AI-driven leadership. Furthermore, while the study highlights a growing interest among top managers in AI-driven leadership, it acknowledges that this research domain is still evolving and has not yet reached maturity. Consequently, the findings should be interpreted as part of an ongoing discourse rather than definitive conclusions. The authors encourage future research to address these limitations, fostering a more comprehensive analysis of the role of AI in leadership among top managers.