هوش مصنوعی به عنوان معمار اکوسیستم های یادگیری سازمانی مدرن: طراحی و تبیین مدل توسعه منابع انسانی داده محور تطبیقی و شناختی (LMS)

در عصر دیجیتال و انقلاب صنعتی چهارم و پنجم سازمان ها با چالش عمیقی به نام تلاطم مهارت Skills Turbulence مواجه اند؛ جایی که نیم عمر مهارت های فنی به سرعت به کمتر از پنج سال کاهش یافته و سیستم های سنتی یادگیری و توسعه (L&D) مبتنی بر پلتفرم های مدیریت یادگیری (LMS) ناتوان از پاسخگویی به این پویایی هستند. این پژوهش با هدف طراحی یک چارچوب نظری و عملیاتی جامع برای گذار از مدل های آموزشی سنتی به اکوسیستم های هوشمند یادگیری، سازمانی با محوریت هوش مصنوعی (AI)، انجام شده است. روش پژوهش از نوع کیفی تحلیلی و مبتنی بر مرور سیستماتیک ادبیات (SLR) با پروتکل PRISMA است که در آن ۵۴ منبع معتبر از پایگاه های Web of Science، Scopus و IEEE Xplore در بازه زمانی ۲۰۲۰ تا ۲۰۲۵ تحلیل شده اند. یافته ها نشان می دهد که استقرار موفق هوش مصنوعی در توسعه منابع انسانی (HRD) مستلزم تحول در سه لایه کلیدی است؛ لایه داده گذار از SCORM به XAPI و ایجاد ذخیره گاه های رکورد یادگیری یا LRS، لایه هوش استفاده از الگوریتم های NLP، تحلیل شبکه سازمانی و سیستم های توصیه گر و لایه تجربه جایگزینی LMS با پلتفرم های تجربه یادگیری یا (LXP). بر این اساس مدل بلوغ چهار سطحی پیشنهادی شامل سطوح توصیفی، تشخیصی، پیش بینانه و تجویزی شناختی راهنمای استراتژیکی برای سازمان ها در مسیر هوشمندسازی آموزش فراهم می کند. نتایج شبیه سازی ها حاکی از آن است که پیاده سازی این مدل می تواند زمان رسیدن به تخصص (Time-to-Proficiency) را تا ۴۰٪ کاهش و بازگشت سرمایه (ROI) را تا ۳۰٪ افزایش دهد. با این حال موفقیت این تحول منوط به مدیریت چالش های اخلاقی مانند سوگیری الگوریتمی، حریم خصوصی و عدم شفافیت تصمیم گیری هوش مصنوعی و ساخت فرهنگ سازمانی داده محور است. این پژوهش نشان می دهد که هوش مصنوعی نه تنها یک ابزار فنی بلکه «معمار اکوسیستم یادگیری مدرن و شریک استراتژیک در توسعه منابع انسانی» است.

کلیدواژه ها:

هوش مصنوعی مولد Generative AI ، توسعه منابع انسانی (HRD) ، تحلیل یادگیری (Learning Analytics) ، استاندارد XAPI ، یادگیری تطبیقی (Adaptive Learning) ، سیستم های توصیه گر ، مهندسی آموزشی ، مدیریت استعداد داده محور