Lived Experience of Employees Regarding Human Capital Empowerment in the Face of Generative Artificial Intelligence in Iranian Government Organizations

هدف: ظهور هوش مصنوعی مولد به عنوان یک فناوری گسست‌آفرین، پارادایم‌های سنتی مدیریت منابع انسانی در بخش دولتی را با چالش‌های بنیادین مواجه کرده است. پژوهش حاضر با هدف واکاوی عمیق و پدیدارشناسانه تجربه زیسته کارکنان سازمان‌های دولتی ایران از مفهوم توانمندسازی در مواجهه با این فناوری نوظهور انجام شد تا درکی جامع از تعاملات انسان و ماشین در بافت بوروکراتیک ارائه دهد. روش‌شناسی: این مطالعه با رویکرد کیفی و روش پدیدارشناسی توصیفی انجام گرفت. داده‌های پژوهش از طریق مصاحبه‌های عمیق و نیمه‌ساختاریافته با ۱۵ نفر از مدیران و کارشناسان خبره در سازمان‌های دولتی که تجربه مستقیم کار با ابزارهای هوش مصنوعی مولد را داشتند، گردآوری شد. انتخاب مشارکت‌کنندگان مبتنی بر روش نمونه‌گیری هدفمند و تا حد اشباع نظری ادامه یافت. جهت تحلیل داده‌ها از روش هفت‌مرحله‌ای کلایزی استفاده شد که منجر به استخراج مضامین و خوشه‌بندی آن‌ها گردید. یافته‌ها: تحلیل تجارب زیسته مشارکت‌کنندگان منجر به شناسایی ۴ مقوله اصلی شامل «ارتقای قابلیت‌های شناختی و عملیاتی»، «دگردیسی هویت حرفه‌ای»، «چالش‌های تعامل و اعتماد» و «الزامات ساختاری و حکمرانی» شد. یافته‌ها نشان داد که کارکنان، هوش مصنوعی را نه صرفاً یک ابزار، بلکه یک «همکار هوشمند» ادراک می‌کنند که ضمن ارتقای چابکی و خلاقیت (توانمندسازی)، موجب بروز اضطراب وجودی و ابهام در نقش‌های سنتی (بحران هویت) شده است. همچنین شکاف میان آمادگی فردی کارکنان و زیرساخت‌های محدود سازمانی، به عنوان مانع اصلی شناسایی گردید.

Authors

Institutions

Publication Details

Journal
Journal of human capital development
Published
2025-12-29
DOI
https://doi.org/10.71837/jhce.2026.1229962
Primary Topic
AI and HR Technologies
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Lived Experience of Employees Regarding Human Capital Empowerment in the Face of Generative Artificial Intelligence in Iranian Government Organizations

Shirvan Keivani, elaheh mirinezhad
Journal of human capital development
AI and HR Technologies
article

Lived Experience of Employees Regarding Human Capital Empowerment in the Face of Generative Artificial Intelligence in Iranian Government Organizations

Shirvan Keivani, elaheh mirinezhad
article en

Abstract

هدف: ظهور هوش مصنوعی مولد به عنوان یک فناوری گسست‌آفرین، پارادایم‌های سنتی مدیریت منابع انسانی در بخش دولتی را با چالش‌های بنیادین مواجه کرده است. پژوهش حاضر با هدف واکاوی عمیق و پدیدارشناسانه تجربه زیسته کارکنان سازمان‌های دولتی ایران از مفهوم توانمندسازی در مواجهه با این فناوری نوظهور انجام شد تا درکی جامع از تعاملات انسان و ماشین در بافت بوروکراتیک ارائه دهد. روش‌شناسی: این مطالعه با رویکرد کیفی و روش پدیدارشناسی توصیفی انجام گرفت. داده‌های پژوهش از طریق مصاحبه‌های عمیق و نیمه‌ساختاریافته با ۱۵ نفر از مدیران و کارشناسان خبره در سازمان‌های دولتی که تجربه مستقیم کار با ابزارهای هوش مصنوعی مولد را داشتند، گردآوری شد. انتخاب مشارکت‌کنندگان مبتنی بر روش نمونه‌گیری هدفمند و تا حد اشباع نظری ادامه یافت. جهت تحلیل داده‌ها از روش هفت‌مرحله‌ای کلایزی استفاده شد که منجر به استخراج مضامین و خوشه‌بندی آن‌ها گردید. یافته‌ها: تحلیل تجارب زیسته مشارکت‌کنندگان منجر به شناسایی ۴ مقوله اصلی شامل «ارتقای قابلیت‌های شناختی و عملیاتی»، «دگردیسی هویت حرفه‌ای»، «چالش‌های تعامل و اعتماد» و «الزامات ساختاری و حکمرانی» شد. یافته‌ها نشان داد که کارکنان، هوش مصنوعی را نه صرفاً یک ابزار، بلکه یک «همکار هوشمند» ادراک می‌کنند که ضمن ارتقای چابکی و خلاقیت (توانمندسازی)، موجب بروز اضطراب وجودی و ابهام در نقش‌های سنتی (بحران هویت) شده است. همچنین شکاف میان آمادگی فردی کارکنان و زیرساخت‌های محدود سازمانی، به عنوان مانع اصلی شناسایی گردید.

Journal of human capital development
Zahedan University of Medical Sciences (IR)
Openalex Percentile: Top 19%
AI and HR Technologies
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.