Συστήματα ενισχυμένης ανάλυσης ανθρώπινου δυναμικού μέσω της τεχνητής νοημοσύνης

Abstract

Η παρούσα διπλωματική εργασία εξετάζει τον ρόλο της Τεχνητής Νοημοσύνης στη μεταμόρφωση των συστημάτων αξιολόγησης ανθρώπινου δυναμικού και τη μετάβαση από τα παραδοσιακά, στατικά μοντέλα μέτρησης απόδοσης σε δυναμικά συστήματα κατανόησης και ανάπτυξης δεξιοτήτων. Η έρευνα αναδεικνύει τα θεωρητικά και οργανωσιακά όρια των κλασικών appraisal systems, τα οποία επικεντρώνονται κυρίως στη βαθμολόγηση της παρελθοντικής απόδοσης, χωρίς να ερμηνεύουν τις αιτίες, τη διασύνδεση και τη χρονική εξέλιξη των δεξιοτήτων. Μέσα από βιβλιογραφική και εννοιολογική ανάλυση, υποστηρίζεται ότι η Τεχνητή Νοημοσύνη δεν πρέπει να λειτουργεί αποκλειστικά ως μηχανισμός τελικής κρίσης ή κατάταξης, αλλά ως upstream μηχανισμός ερμηνείας δεξιοτήτων, πρόγνωσης αναγκών ανάπτυξης και ενεργοποίησης της οργανωσιακής μάθησης. Προτείνεται ένα ενιαίο πλαίσιο AI-ενισχυμένης ανάλυσης δεξιοτήτων, στο οποίο οι δεξιότητες αντιμετωπίζονται ως δυναμικά και διασυνδεδεμένα στοιχεία οργανωσιακής αξίας. Η εργασία εισάγει έννοιες όπως η πρόγνωση φθοράς δεξιοτήτων, η αναγνώριση μελλοντικών skill gaps και η μετατόπιση της αξιολόγησης από το performance scoring στο skill capital reasoning. Παράλληλα, αναδεικνύεται η σημασία της εμπιστοσύνης, της δικαιοσύνης και της ανθρώπινης αποδοχής στα συστήματα AI-HRM. Συνολικά, η διπλωματική συμβάλλει στη διαμόρφωση ενός θεωρητικά τεκμηριωμένου πλαισίου, στο οποίο η αξιολόγηση μετασχηματίζεται σε μηχανισμό συνεχούς οργανωσιακής μάθησης και βιώσιμης ανάπτυξης του ανθρώπινου κεφαλαίου.