Москва, г. Москва и Московская область, Россия
Статья посвящена исследованию проблем и ограничений, на которые необходимо обратить внимание при внедрении технологий искусственного интеллекта (ИИ) в системы управления человеческими ресурсами. Представлены возможности применения различных видов ИИ в управлении человеческими ресурсами (генеративный и разговорный ИИ, глубокое обучение, автоматизация). На обобщения результатов национальных и глобальных исследований выделены ключевые проблемы, возникающие при расширении практики внедрения технологий ИИ в исследуемой области, в частности, трудности определения правильного баланса автоматизации, недоверие сотрудников к технологиям ИИ и трудности с получением новых данных, необходимость значительной адаптации навыков сотрудников для обеспечения взаимодополняемости с ИИ, необходимость корректировки организационной культуры, системы контроля и устранения негативного влияния ИИ на психическое здоровье, риск дегуманизация работы и возникновение конфликтов между людьми и ИИ. Показано, что в условиях, когда от экспериментов с технологиями ИИ компании переходят к их внедрению в основные рабочие, отсутствие продуманных моделей внедрения и недостаточное внимание к указанным проблемам приводят как к неудачам цифровой трансформации, так и к появлению новых факторов стресса и усиления риска эмоционального выгорания, особенно для работников, которые адаптируются к инструментам ИИ ускоренными темпами.
искусственный интеллект, цифровая трансформация, адаптация навыков, дегуманизация, эмоциональное выгорание
1. Коновалова В.Г. Внедрение технологий искусственного интеллекта в системы управления персоналом и трансформация ключевых навыков [Текст] / В.Г. Коновалова // Управление персоналом и интеллектуальными ресурсами в России. — 2023. — № 10. — С. 65–73.
2. Коновалова В.Г. Цифровые технологии как фактор техностресса: проблемы и возможности их решения [Текст] / В.Г. Коновалова // Управление персоналом и интеллектуальными ресурсами в России. — 2022. — № 3. — С. 17–21. DOI: https://doi.org/10.12737/2305-7807-2022-11-3-17-21; EDN: https://elibrary.ru/GGQXQN
3. 74% of workers blame employers for the AI skills gap // URL: https://getcoai.com/news/74-of-workers-blame-employersfor-the-ai-skills-gap
4. Acikgoz Y., Davison K.H., Compagnone M., and Laske M. (2020). Justice perceptions of artificial intelligence in selection. Int. J. Select. Assess. 28, 399–416. DOI:https://doi.org/10.1111/ijsa.12306 EDN: https://elibrary.ru/HIZGRY
5. AI in the workplace: A report for 2025 // URL: https://www. mckinsey.com/capabilities/mckinsey-digital/our-insights/superagency-in-the-workplace-empowering-people-to-unlockais-full-potential-at-work
6. Bankins S., Formosa P., Griep Y., and Richards D. (2022). AI decision making with dignity? Contrasting workers’ justice perceptions of human and AI decision making in a human resource management context. Inf. Syst. Front. 24, 857–875. DOI:https://doi.org/10.1007/s10796-021-10223-8 EDN: https://elibrary.ru/BJDMJE
7. Barrufaldi S., B. van Beuzekom H. Dernis, D. Harhoff, N. Rao, D. Rosenfeld and M. Squicciarini (2020), Identifying and measuring developments in artificial intelligence: Making the impossible possible, OECD Science, Technology and Industry Working Papers, 2020/05.
8. Basu S., Majumdar B., Mukherjee K., Munjal S., and Palaksha C. (2023). Artificial intelligence – HRM interactions and outcomes: a systematic review and causal configurational explanation. Hum. Resour. Manag. Rev. 33:100893. DOI:https://doi.org/10.1016/j. hrmr.2022.100893 DOI: https://doi.org/10.1016/j.hrmr.2022.100893; EDN: https://elibrary.ru/CEDLHT
9. Budhwar P., Chowdhury S., et al. (2023). Human resource management in the age of generative artificial intelligence: perspectives and research directions on ChatGPT. Hum. Resour. Manag. J. 33, 606–659. DOI:https://doi.org/10.1111/1748-8583.12524 EDN: https://elibrary.ru/BRQMDN
10. Chen Z. (2023). Collaboration among recruiters and artificial intelligence: removing human prejudices in employment. Cogn. Tech. Work 25, 135–149. DOI:https://doi.org/10.1007/s10111-02200716-0 DOI: https://doi.org/10.1007/s10111-022-00716-0; EDN: https://elibrary.ru/OSIXJY
11. Czarnitzki D., G.P. Fernández and C. Rammer (2023), Artificial intelligence and firm-level productivity, Journal of Economic Behavior and Organization, 211, 188–205. DOI: https://doi.org/10.1016/j.jebo.2023.05.008; EDN: https://elibrary.ru/VJKKOS
12. Duan Y., Edwards J.S., and Dwivedi Y.K. (2019). Articial intelligence for decision making in the era of big data — evolution, challenges, and research agenda. Int. J. Inf. Manag. 48, 63–71. DOI:https://doi.org/10.1016/j.ijinfomgt.2019.01.021
13. Einola K., and Khoreva V. (2022). Best friend or broken tool? Exploring the co-existence of humans and artificial intelligence in the workplace ecosystem. Hum. Resour. Manag. 62, 117–135. DOI:https://doi.org/10.1002/hrm.22147 EDN: https://elibrary.ru/HRVCMB
14. Employee Experience — Engagement Trends Backed by Research to Help You Prioritize the Employee Experience // URL: https://www.quantumworkplace.com/employee-engagement-trends-report/employee-experience#ai-doesnt-reduceburnout
15. Flipping the Odds of Digital Transformation Success// https:// www.bcg.com/publications/2020/increasing-odds-of-successin-digital-transformation
16. Gélinas, D., Sadreddin, A., and Vahidov, R. (2022). Artificial intelligence in human resources management: a review and research agenda. Pac. Asia J. Assoc. Inform. Syst. 14, 1–42. DOI:https://doi.org/10.17705/1pais.14601
17. Graetz G. and G. Michaels (2018), Robots at Work, The Review of Economics and Statistics, 100(5), 753–768. DOI: https://doi.org/10.1162/rest_a_00754
18. Harney B., and Collings D.G. (2021). Navigating the shifting landscapes of HRM. Hum. Resour. Manag. Rev. 31:100824. DOI:https://doi.org/10.1016/j.hrmr.2021.100824 EDN: https://elibrary.ru/OEKVDF
19. How to use AI tools to boost workplace mental health. URL: https://getcoai.com/news/how-to-use-ai-tools-to-boost-workplace-mental-health Huang M.-H., Rust R., and Maksimovic V. (2019). The feeling economy: managing in the next generation of artificial intelligence (AI). Calif. Manag. Rev. 61, 43–65. DOI:https://doi.org/10.1177/0008125619863436
20. Jakhar D., and Kaur I. (2020). Artifcial intelligence, machine learning and deep learning: defnitions and diferences. Clin. Exp. Dermatol. 45, 131–132. DOI:https://doi.org/10.1111/ced.14029
21. Kim J.Y., and Heo W. (2022). Artificial intelligence video interviewing for employment: perspectives from applicants, companies, developer and academicians. Inf. Technol. People 35, 861–878. DOI:https://doi.org/10.1108/ITP-04-2019-0173 EDN: https://elibrary.ru/HIWGJE
22. Kondapaka P., Khanra S., Malik A., Kagzi M., and Hemachandran K. (2023). Finding a fit between CXO’s experience and AI usage in CXO decision-making: evidence from knowledge-intensive professional service firms. J. Serv. Teory Pract. 33, 280–308. DOI:https://doi.org/10.1108/JSTP-06-2022-0134 EDN: https://elibrary.ru/YNBTMG
23. Maity S. (2019). Identifying opportunities for artificial intelligence in the evolution of training and development practices. J. Manag. Dev. 38, 651–663. DOI:https://doi.org/10.1108/JMD-03-20190069
24. Mettler T., and Wulf J. (2019). Physiolytics at the workplace: affordances and constraints of wearables use from an employee’s perspective. Inf. Syst. J. 29, 245–273. DOI: 10.1111/ isj.12205 DOI: https://doi.org/10.1111/isj.12205
25. Pereira V., Hadjielias E., Christofi M., and Vrontis D. (2023). A systematic literature review on the impact of artificial intelligence on workplace outcomes: a multi-process perspective. Hum. Resour. Manag. Rev. 33:100857. DOI:https://doi.org/10.1016/j. hrmr.2021.100857 DOI: https://doi.org/10.1016/j.hrmr.2021.100857; EDN: https://elibrary.ru/AWGDWY
26. Perspectives on transformation. URL: https://www.mckinsey.com/capabilities/transformation/our-insights/perspectives-ontransformation
27. Soleimani M., Intezari A., and Pauleen D.J. (2022). Mitigating cognitive biases in developing AI-assisted recruitment systems: a knowledge-sharing approach. Int. J. Knowl. Manag. 18, 1–18. DOI:https://doi.org/10.4018/IJKM.290022
28. Sousa M.J., and Rocha Á. (2019). Digital learning: developing skills for digital transformation of organizations. Futur. Gener. Comput. Syst. 91, 327–334. DOI:https://doi.org/10.1016/j.future.2018.08.048
29. Stamate A., Sauvé G., and Denis P. (2021). The rise of the machines and how they impact workers’ psychological health: an empirical study. Human Behav. Emerg. Technol. 3, 942–955. DOI:https://doi.org/10.1002/hbe2.315 EDN: https://elibrary.ru/WHAHSX
30. Top obstacles to AI readiness for HR professionals. URL: https://www.sap.com/documents/2025/01/1283d865-ee7e0010-bca6-c68f7e60039b.html
31. Upwork Study Finds Employee Workloads Rising Despite Increased C-Suite Investment in Artificial Intelligence. URL: https://upwork.gcs-web.com/news-releases/news-release-details/upwork-study-finds-employee-workloads-rising-despiteincreased-c
32. van Esch P., Black J.S., and Ferolie J. (2019). Marketing AI recruitment: the next phase in job application and selection. Comput. Hum. Behav. 90, 215–222. DOI:https://doi.org/10.1016/j. chb.2018.09.009
33. Vrontis D., Christofi M., Pereira V., Tarba S., Makrides A., and Trichina E. (2022). Artificial intelligence, robotics, advanced technologies and human resource management: a systematic review. Int. J. Hum. Resour. Manag. 33, 1237–1266. DOI:https://doi.org/10.1080/09585192.2020.1871398 EDN: https://elibrary.ru/BNIICS
34. Weiss D., Liu S.X., Mieczkowski H., and Hancock J.T. (2022). Effects of using artificial intelligence on interpersonal perceptions of job applicants. CyberPsychol. Behav. Soc. Netw. 25, 163–168. DOI:https://doi.org/10.1089/cyber.2020.0863 EDN: https://elibrary.ru/FQWQHA
35. Wesche J.S., and Sonderegger A. (2021). Repelled at first sight? Expectations and intentions of job-seekers reading about AI selection in job advertisements. Comput. Hum. Behav. 125:106931. DOI:https://doi.org/10.1016/j.chb.2021.106931 EDN: https://elibrary.ru/KHOOKY
