تدوین سناریو مدل مدیریت منابع انسانی بر مبنای هوش مصنوعی با استفاده از روش آینده پژوهی

هدف این پژوهش تدوین سناریوهای محتمل برای مدل مدیریت منابع انسانی مبتنی بر هوش مصنوعی با بهره گیری از روش آینده پژوهی است. این پژوهش به صورت ترکیبی و در دو بخش کیفی و کمی اجرا شد. در بخش کیفی، تحلیل مضمون با انجام مصاحبه های عمیق با خبرگان دانشگاه و صنعت بانکداری انجام گرفت و مضامین از طریق کدگذاری باز، محوری و انتخابی استخراج شدند. پس از آن، روش دلفی برای اعتبارسنجی مولفه ها و شاخص ها به کار برده شد. در بخش کمی، از تحلیل تاثیر متقابل (MICMAC) و ابزار Scenario Wizard برای شناسایی متغیرهای کلیدی، تحلیل روابط آنها و استخراج سناریوهای سازگار استفاده شد. داده ها با نرم افزارهای مکس کیودا، میک مک و سناریو ویزارد تحلیل شدند. نتایج نشان داد پنج مولفه اصلی شامل: «بهبود عملکرد و آموزش الکترونیک مبتنی بر AI»، «پیش بینی انگیزه و رفتار کارکنان»، «بهینه سازی فرایندها و سیاست های منابع انسانی با الگوریتم های هوشمند»، «ایجاد عدالت و بهینه سازی ساختارهای ارتباطی»، و «آینده نگری سازمانی برای یادگیری و نوآوری» بیشترین نقش را دارند. تحلیل MICMAC سه سناریوی سازگار تولید کرد: ۱) سناریوی ادغام متعادل (مطلوب ترین)، ۲) سناریوی شتاب اخلاقی (محتمل)، و ۳) سناریوی تاخیر عدالت (پرریسک). در سناریوی اول، تعادل بین فناوری و اخلاق سازمانی، افزایش ۳۰–۵۰٪ کارایی را محتمل می سازد. سناریوی دوم بر هم افزایی اخلاقی و سرعت بالای فناوری تاکید دارد، و سناریوی سوم نشان دهنده کاهش اعتماد سازمانی و بروز سوگیری های سیستمی است. نتایج بیانگر آن است که مدل مدیریت منابع انسانی مبتنی بر هوش مصنوعی زمانی بیشترین کارایی را دارد که میان عوامل فناورانه، انسانی و ساختاری تعادل برقرار شود. استفاده از آینده پژوهی، سازمان ها را قادر می سازد پیامدهای احتمالی هوش مصنوعی را پیش بینی کرده، ریسک های اخلاقی و رفتاری را کنترل کنند و مسیر توسعه منابع انسانی را در افق بلندمدت طراحی نمایند. هدف این پژوهش تدوین سناریوهای محتمل برای مدل مدیریت منابع انسانی مبتنی بر هوش مصنوعی با بهره گیری از روش آینده پژوهی است. این پژوهش به صورت ترکیبی و در دو بخش کیفی و کمی اجرا شد. در بخش کیفی، تحلیل مضمون با انجام مصاحبه های عمیق با خبرگان دانشگاه و صنعت بانکداری انجام گرفت و مضامین از طریق کدگذاری باز، محوری و انتخابی استخراج شدند. پس از آن، روش دلفی برای اعتبارسنجی مولفه ها و شاخص ها به کار برده شد. در بخش کمی، از تحلیل تاثیر متقابل (MICMAC) و ابزار Scenario Wizard برای شناسایی متغیرهای کلیدی، تحلیل روابط آنها و استخراج سناریوهای سازگار استفاده شد. داده ها با نرم افزارهای مکس کیودا، میک مک و سناریو ویزارد تحلیل شدند. نتایج نشان داد پنج مولفه اصلی شامل: «بهبود عملکرد و آموزش الکترونیک مبتنی بر AI»، «پیش بینی انگیزه و رفتار کارکنان»، «بهینه سازی فرایندها و سیاست های منابع انسانی با الگوریتم های هوشمند»، «ایجاد عدالت و بهینه سازی ساختارهای ارتباطی»، و «آینده نگری سازمانی برای یادگیری و نوآوری» بیشترین نقش را دارند. تحلیل MICMAC سه سناریوی سازگار تولید کرد: ۱) سناریوی ادغام متعادل (مطلوب ترین)، ۲) سناریوی شتاب اخلاقی (محتمل)، و ۳) سناریوی تاخیر عدالت (پرریسک). در سناریوی اول، تعادل بین فناوری و اخلاق سازمانی، افزایش ۳۰–۵۰٪ کارایی را محتمل می سازد. سناریوی دوم بر هم افزایی اخلاقی و سرعت بالای فناوری تاکید دارد، و سناریوی سوم نشان دهنده کاهش اعتماد سازمانی و بروز سوگیری های سیستمی است. نتایج بیانگر آن است که مدل مدیریت منابع انسانی مبتنی بر هوش مصنوعی زمانی بیشترین کارایی را دارد که میان عوامل فناورانه، انسانی و ساختاری تعادل برقرار شود. استفاده از آینده پژوهی، سازمان ها را قادر می سازد پیامدهای احتمالی هوش مصنوعی را پیش بینی کرده، ریسک های اخلاقی و رفتاری را کنترل کنند و مسیر توسعه منابع انسانی را در افق بلندمدت طراحی نمایند.

کلیدواژه ها:

سناریو ، مدیریت منابع انسانی ، هوش مصنوعی ، آینده پژوهی