محمدرضا ذوالقدر

زمینه و هدف: در فضای پرشتاب و رقابتی سازمان های امروزی، روش های سنتی مدیریت منابع انسانی با چالش هایی نظیر کاهش کارایی، افزایش خطاهای انسانی و نبود تصمیم گیری داده محور مواجه اند. هدف پژوهش حاضر، توسعه چارچوبی برای به کارگیری هوش مصنوعی در مدیریت منابع انسانی می باشد. روش تحقیق: این تحقیق کیفی، با رویکرد فراترکیب و بر مبنای تحلیل ۹۵ مقاله علمی منتشرشده بین سال های ۲۰۰۰ تا 2025 صورت گرفت. داده ها با استفاده از روش هفت مرحله ای سندلوسکی و باروسو تحلیل، و مدل نهایی با بهره گیری از روش دلفی (نظرات ۱۰ خبره) اعتبارسنجی شد. همچنین از مدل سازی ساختاری تفسیری (ISM) و تحلیل MICMAC برای تبیین روابط علّی مؤلفه ها استفاده گردید. یافته ها: نتایج نشان داد که چهار بُعد اصلی (تأمین، توسعه، نگهداشت و بهره برداری) با ۱۶ مؤلفه کلیدی، نقشی محوری در تحول دیجیتال منابع انسانی ایفا می کنند. نتیجه گیری: ترکیب هوش مصنوعی با رویکردهای انسانی می تواند اثربخشی تصمیم گیری، چابکی سازمانی و رضایت شغلی کارکنان را ارتقاء بخشد. مدل ارائه شده به عنوان الگویی راهبردی، زمینه ساز حرکت به سوی منابع انسانی داده محور خواهد بود.

هدف اصلی این پژوهش، طراحی، تبیین و اعتبارسنجی یک مدل مفهومی برای کاربردهای هوش مصنوعی در بازاریابی دیجیتال با تمرکز بر تقویت وفاداری مصرف کننده است. پژوهش در چهار مرحله انجام شد: ابتدا با استفاده از روش فراترکیب، مؤلفه های کلیدی از میان 53 منبع علمی معتبر استخراج و سپس در مرحله دوم، با بهره گیری از تکنیک دلفی فازی و نظرسنجی از 10 نفر از خبرگان، روایی محتوایی و توافق تخصصی مؤلفه ها سنجش و تثبیت شد. در مرحله سوم، با به کارگیری روش مدل سازی ساختاری-تفسیری (ISM)، روابط بین 26 مؤلفه کلیدی تحلیل و لایه بندی شدند. در مرحله نهایی نیز تحلیل MICMAC برای طبقه بندی مؤلفه ها براساس قدرت نفوذ و وابستگی صورت گرفت. مدل نهایی، تلفیقی از مؤلفه های فناورانه (نظیر یادگیری ماشین، NLPS، LLMS، سیستم های توصیه گر وGNNS) و ابعاد انسانی روان شناختی (نظیر تجربه جریان، ارزش درک شده، اعتماد، درگیری و رضایت) را در چهار لایه ساختاری ارائه می دهد. یافته ها نشان داد که مؤلفه هایی همچون «یادگیری تقویتی» و «پردازش زبان طبیعی» در لایه های پایه ای، و مؤلفه هایی چون «رضایت»، «وفاداری» و «حمایت از برند» در لایه های سطح بالا جای می گیرند. نوآوری این مدل در ترکیب ساخت یافته داده محورهای هوش مصنوعی با ادراکات انسانی مصرف کننده است که کمتر در پژوهش ها و منابع پیشین دیده شده است. در پایان، کاربردهای مدیریتی مدل در طراحی تجربه دیجیتال مشتری، پیاده سازی عملی سیستم های توصیه گر و تحلیل احساسات مشتری ازطریق NLP  تبیین شده است. همچنین، پیشنهادهایی برای توسعه مدل در صنایع خاص و چالش های اجرایی آن مطرح شد.