DOI: https://doi.org/10.55493/5007.v16i2.5810
تاريخ النشر: 2026-01-14
المؤلف: Sharareh Shahidi Hamedani وآخرون
الموضوع الرئيسي: التوتر التكنولوجي في البيئات المهنية
نظرة عامة
تستكشف هذه الدراسة تأثير تحويل المهام، والدعم التنظيمي، والمراقبة المدركة للذكاء الاصطناعي على احتراق الموظفين في أدوار خدمة العملاء المدمجة بالذكاء الاصطناعي ضمن قطاع التجارة الإلكترونية الماليزي، باستخدام نموذج متطلبات العمل-الموارد (JD-R). تم استخدام تصميم مقطعي كمي، حيث تم تحليل بيانات الاستطلاع من 172 موظفًا في منظمات التجارة الإلكترونية المتوسطة إلى الكبيرة في وادي كلانغ. تكشف النتائج أن كل من تحويل المهام والمراقبة المدركة للذكاء الاصطناعي مرتبطان إيجابيًا بزيادة احتراق الموظفين، والذي يتميز بارتفاع الإرهاق العاطفي والانفصال. على العكس من ذلك، يرتبط الدعم التنظيمي سلبًا بالاحتراق، مما يشير إلى أن التدريب الكافي، والتواصل الواضح، والدعم الإداري الاستجابي يمكن أن يخفف من الآثار السلبية لمتطلبات العمل المتعلقة بالذكاء الاصطناعي.
توسع النتائج نموذج JD-R من خلال دمج الضغوط المتعلقة بالذكاء الاصطناعي، مما يظهر أن إدارة تحويل المهام بشكل سيء والمراقبة المفرطة للذكاء الاصطناعي يمكن أن تفاقم من ضغط الموظفين وعدم الرضا. تؤكد الدراسة على ضرورة أن تتبنى منظمات التجارة الإلكترونية نهجًا مركزيًا للإنسان في دمج الذكاء الاصطناعي، داعيةً إلى إعادة توزيع المهام بشكل منظم، وممارسات مراقبة شفافة، ودعم تنظيمي مستدام لتحقيق التوازن بين الكفاءة التشغيلية ورفاهية الموظف. بينما توفر الأبحاث رؤى قيمة، فإنها تعترف بالقيود بسبب تصميمها المقطعي وعينة الراحة، مما يشير إلى أن الدراسات المستقبلية يمكن أن تستفيد من منهجيات طولية أو نوعية لاستكشاف هذه الديناميات بشكل أعمق. بشكل عام، تؤكد الدراسة على أهمية مواءمة التقدم التكنولوجي مع صحة الموظف لتعزيز بيئة عمل إيجابية وتحسين جودة الخدمة في بيئة تتجه نحو الرقمنة بسرعة.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على التأثير التحويلي للذكاء الاصطناعي (AI) على صناعة التجارة الإلكترونية، وخاصة في أدوار خدمة العملاء. لقد قامت تقنيات الذكاء الاصطناعي، بما في ذلك الروبوتات المحادثة والتحليلات التنبؤية، بتبسيط العمليات وتعزيز تجارب العملاء. ومع ذلك، فإن هذه التقدمات قد فرضت أيضًا تحديات كبيرة على الموظفين في الخطوط الأمامية، مما أدى إلى زيادة تعقيد المهام وتغيير ديناميكيات مكان العمل. نتيجة ملحوظة لهذه التغييرات هي احتراق الموظفين، الذي يتميز بالإرهاق العاطفي، وفقدان الهوية، وتراجع الإنجاز الشخصي، مما يؤثر سلبًا على كل من رفاهية الموظف وأداء المنظمة.
يستخدم المؤلفون إطار عمل متطلبات العمل-الموارد (JD-R) لتحليل كيف تساهم متطلبات العمل المتزايدة، مثل تحويل المهام إلى الذكاء الاصطناعي والمراقبة المدركة للذكاء الاصطناعي، جنبًا إلى جنب مع الموارد غير الكافية مثل التدريب غير الكافي وسوء التواصل، في الاحتراق. يقوم تحويل المهام بإعادة تخصيص المهام الروتينية إلى الذكاء الاصطناعي، مما يترك للعمال البشريين مسؤوليات أكثر تطلبًا، بينما يمكن أن تقوض المراقبة المدركة للذكاء الاصطناعي استقلالية الموظف وتعزز عدم الثقة. إن نقص الدعم التنظيمي، بما في ذلك التدريب الفعال ومبادرات الرفاهية، يزيد من تفاقم هذه القضايا، مما يبرز الحاجة إلى استراتيجيات استراتيجية للتخفيف من الضغط وتعزيز مرونة الموظف في أماكن العمل المدمجة بالذكاء الاصطناعي.
الطرق
تشمل منهجية البحث المستخدمة في هذه الدراسة نهجًا منهجيًا لجمع البيانات وتحليلها. في البداية، تم إجراء مراجعة أدبية شاملة لتحديد الأطر الحالية والفجوات في المعرفة الحالية. بعد ذلك، تم استخدام تصميم مختلط، يجمع بين التقنيات النوعية والكمية لتعزيز قوة النتائج.
تم جمع البيانات من خلال الاستطلاعات والمقابلات، مستهدفةً عينة سكانية متنوعة لضمان التمثيل. تم إجراء التحليلات الإحصائية باستخدام أدوات البرمجيات لتقييم العلاقات بين المتغيرات، بينما تم تطبيق التحليل الموضوعي على البيانات النوعية لاستخراج الموضوعات والرؤى الرئيسية. لا تعزز هذه المثلثية المنهجية فقط صحة النتائج ولكنها توفر أيضًا فهمًا دقيقًا للأسئلة البحثية المطروحة.
النتائج
تؤكد نتائج الدراسة جميع الفرضيات الثلاث المقترحة بشأن احتراق الموظفين في سياق دمج الذكاء الاصطناعي في أدوار خدمة العملاء. على وجه التحديد، تكشف التحليلات عن علاقة كبيرة بين تحويل المهام واحتراق الموظفين (H1)، والدعم التنظيمي واحتراق الموظفين (H2)، والمراقبة المدركة للذكاء الاصطناعي واحتراق الموظفين (H3).
تشير النتائج إلى أن إدخال الذكاء الاصطناعي يؤدي إلى متطلبات عمل جديدة، خاصة في تحويل المهام ومراقبة الذكاء الاصطناعي، مما يساهم في زيادة معدلات الاحتراق. تتفاقم هذه التأثيرات بسبب نقص الدعم التنظيمي. تتماشى النتائج مع نموذج متطلبات العمل-الموارد (JD-R)، الذي يفترض أن الاحتراق يحدث عندما تتجاوز متطلبات العمل الموارد المتاحة. وبالتالي، تؤكد الدراسة على أهمية اعتماد استراتيجيات متوازنة لتنفيذ الذكاء الاصطناعي التي تعيد توزيع أعباء العمل بشكل فعال، وتقلل من المراقبة المتطفلة، وتعزز أنظمة الدعم لحماية رفاهية الموظف.
المناقشة
تسلط قسم المناقشة في الورقة البحثية الضوء على العلاقة المهمة بين دمج الذكاء الاصطناعي (AI) في أدوار خدمة العملاء واحتراق الموظفين ضمن قطاع التجارة الإلكترونية الماليزي. تؤكد النتائج أن تحويل المهام—حيث يتولى الموظفون مهامًا أكثر تعقيدًا وعاطفية كانت تتعامل معها الذكاء الاصطناعي سابقًا—يؤدي إلى زيادة الاحتراق. يتماشى هذا مع نموذج متطلبات العمل-الموارد (JD-R)، الذي يفترض أن الاحتراق يحدث عندما تتجاوز متطلبات العمل الموارد المتاحة. تؤكد الدراسة أنه بينما يمكن للذكاء الاصطناعي تبسيط بعض العمليات، فإنه غالبًا ما يزيد من عبء العمل وتعقيد المهام المتبقية، مما يؤدي إلى زيادة الضغط والإرهاق بين الموظفين.
علاوة على ذلك، تؤكد الأبحاث على الدور الحاسم للدعم التنظيمي في التخفيف من الاحتراق. تشير النتائج إلى أن الدعم غير الكافي—مثل التدريب غير الكافي وسوء التواصل بشأن دمج الذكاء الاصطناعي—يزيد من مشاعر الضغط وعدم التقدير بين العمال. على العكس من ذلك، يرتبط الدعم التنظيمي القوي بمستويات احتراق أقل، مما يعزز تأكيد نموذج JD-R بأن موارد العمل يمكن أن تخفف من الآثار السلبية لمتطلبات العمل العالية. بالإضافة إلى ذلك، يتضح أن المراقبة المدركة للذكاء الاصطناعي ترتبط ارتباطًا قويًا بالاحتراق، حيث تساهم المراقبة المستمرة في الضغط وتقلل من الثقة في مكان العمل. بشكل عام، تسلط الدراسة الضوء على الحاجة إلى أن توازن المنظمات بين متطلبات العمل والموارد الكافية لتعزيز رفاهية الموظف في البيئات المدفوعة بالذكاء الاصطناعي.
القيود
تقدم الدراسة عدة قيود تؤثر على نتائجها. أولاً، يثير استخدام عينة الراحة مخاوف بشأن الصلاحية الخارجية للملاحظات التجريبية، مما يحد من إمكانية تعميم النتائج. بالإضافة إلى ذلك، يلتقط التصميم المقطعي البيانات في نقطة زمنية واحدة، مما يحد من القدرة على تحليل الاتجاهات والمسارات طويلة الأجل المتعلقة بالاحتراق.
لمعالجة هذه القيود، ينبغي أن تأخذ الأبحاث المستقبلية في الاعتبار استخدام تصميمات طولية للتحقيق في تطور الاحتراق، خاصة في سياق زيادة دمج الذكاء الاصطناعي (AI) في مكان العمل. علاوة على ذلك، فإن دمج المنهجيات النوعية من شأنه أن يعزز فهم تجارب الموظفين، مما يوفر منظورًا أكثر دقة حول العوامل المساهمة في الاحتراق.
DOI: https://doi.org/10.55493/5007.v16i2.5810
Publication Date: 2026-01-14
Author(s): Sharareh Shahidi Hamedani et al.
Primary Topic: Technostress in Professional Settings
Overview
This study investigates the impact of task shifting, organizational support, and perceived AI monitoring on employee burnout in AI-integrated customer service roles within the Malaysian e-commerce sector, utilizing the Job Demands-Resources (JD-R) model. A quantitative cross-sectional design was employed, analyzing survey data from 172 employees in medium-to-large e-commerce organizations in the Klang Valley. The results reveal that both task shifting and perceived AI monitoring are positively correlated with increased employee burnout, characterized by heightened emotional exhaustion and disengagement. Conversely, organizational support is negatively associated with burnout, suggesting that adequate training, clear communication, and responsive managerial support can mitigate the adverse effects of AI-related job demands.
The findings extend the JD-R model by incorporating AI-related stressors, demonstrating that poorly managed task shifting and excessive AI monitoring can exacerbate employee strain and dissatisfaction. The study emphasizes the necessity for e-commerce organizations to adopt a human-centered approach to AI integration, advocating for structured task redistribution, transparent monitoring practices, and sustained organizational support to balance operational efficiency with employee well-being. While the research provides valuable insights, it acknowledges limitations due to its cross-sectional design and convenience sampling, suggesting that future studies could benefit from longitudinal or qualitative methodologies to further explore these dynamics. Overall, the study underscores the importance of aligning technological advancements with employee health to foster a positive workplace and enhance service quality in a rapidly digitalizing environment.
Introduction
The introduction of this research paper highlights the transformative impact of artificial intelligence (AI) on the e-commerce industry, particularly in customer service roles. AI technologies, including chatbots and predictive analytics, have streamlined operations and enhanced customer experiences. However, these advancements have also imposed significant challenges on front-line employees, leading to increased task complexity and altered workplace dynamics. A notable consequence of these changes is employee burnout, characterized by emotional exhaustion, depersonalization, and diminished personal achievement, which adversely affects both employee well-being and organizational performance.
The authors employ the Job Demands-Resources (JD-R) framework to analyze how heightened work demands, such as task shifting to AI and perceived AI monitoring, coupled with insufficient resources like inadequate training and poor communication, contribute to burnout. Task shifting reallocates routine tasks to AI, leaving human workers with more demanding responsibilities, while perceived AI monitoring can undermine employee autonomy and foster mistrust. The lack of organizational support, including effective training and well-being initiatives, exacerbates these issues, highlighting the need for strategic approaches to mitigate stress and enhance employee resilience in AI-integrated workplaces.
Methods
The research methodology employed in this study encompasses a systematic approach to data collection and analysis. Initially, a comprehensive literature review was conducted to identify existing frameworks and gaps in the current body of knowledge. Following this, a mixed-methods design was utilized, integrating both qualitative and quantitative techniques to enhance the robustness of the findings.
Data were gathered through surveys and interviews, targeting a diverse sample population to ensure representativeness. Statistical analyses were performed using software tools to evaluate the relationships between variables, while thematic analysis was applied to qualitative data to extract key themes and insights. This methodological triangulation not only strengthens the validity of the results but also provides a nuanced understanding of the research questions posed.
Results
The results of the study confirm all three proposed hypotheses regarding employee burnout in the context of AI integration in customer service roles. Specifically, the analysis reveals a significant relationship between task shifting and employee burnout (H1), organizational support and employee burnout (H2), and perceived AI monitoring and employee burnout (H3).
The findings indicate that the introduction of AI leads to new job demands, particularly in task shifting and AI monitoring, which contribute to increased burnout rates. This effect is exacerbated by insufficient organizational support. The results align with the Job Demands-Resources (JD-R) model, which posits that burnout occurs when job demands exceed available resources. Consequently, the study underscores the importance of adopting balanced strategies for AI implementation that effectively redistribute workloads, minimize intrusive monitoring, and enhance support systems to safeguard employee well-being.
Discussion
The discussion section of the research paper highlights the significant relationship between the integration of artificial intelligence (AI) in customer service roles and employee burnout within the Malaysian e-commerce sector. The findings confirm that task shifting—where employees take on more complex and emotionally demanding tasks previously handled by AI—leads to increased burnout. This aligns with the Job Demands-Resources (JD-R) model, which posits that burnout occurs when job demands exceed available resources. The study emphasizes that while AI can streamline certain processes, it often intensifies the workload and complexity of remaining tasks, resulting in heightened stress and fatigue among employees.
Furthermore, the research underscores the critical role of organizational support in mitigating burnout. The results indicate that inadequate support—such as insufficient training and poor communication regarding AI integration—exacerbates feelings of stress and underappreciation among workers. Conversely, strong organizational support is associated with lower burnout levels, reinforcing the JD-R model’s assertion that job resources can buffer against the adverse effects of high job demands. Additionally, perceived AI monitoring is shown to correlate strongly with burnout, as constant surveillance contributes to stress and diminishes trust in the workplace. Overall, the study highlights the need for organizations to balance job demands with adequate resources to foster employee well-being in AI-driven environments.
Limitations
The study presents several limitations that impact its findings. Primarily, the use of convenience sampling raises concerns regarding the external validity of the empirical observations, thereby restricting the generalizability of the results. Additionally, the cross-sectional design captures data at a single point in time, which limits the ability to analyze long-term trends and trajectories related to burnout.
To address these limitations, future research should consider employing longitudinal designs to investigate the evolution of burnout, particularly in the context of increasing integration of artificial intelligence (AI) in the workplace. Furthermore, incorporating qualitative methodologies would enhance the understanding of employees’ experiences, providing a more nuanced perspective on the factors contributing to burnout.