انتشارات دانشگاه تهران مدیریت دولتی 2008-5877 18 3 2026 09 23 Structural Modeling of Responsible Artificial Intelligence-Based Human Resource Management and Its Implications for Employee Flourishing مدل‌سازی ساختاری مدیریت منابع انسانی مبتنی بر هوش مصنوعی مسئولانه و پیامدهای آن بر شکوفایی کارکنان 775 804 108871 10.22059/jipa.2026.413478.3897 FA عباسعلی رستگار استاد، گروه مدیریت، دانشکدۀ اقتصاد، مدیریت و علوم اداری، دانشگاه سمنان، سمنان، ایران. 0000-0001-6834-7682 میناسادات موسوی دکتری، گروه مدیریت، دانشکده اقتصاد، مدیریت و علوم اداری، دانشگاه سمنان، سمنان، ایران. 0000-0001-5079-2286 Journal Article 2026 05 02 ObjectiveThis study aimed to identify, explain, and model the structural and hierarchical relationships between the components of responsible Artificial Intelligence (AI) in Human Resource Management (HRM) and their subsequent outcomes on employee flourishing within digital organizations. The core research problem addresses a critical gap in the extant literature: with the rapid integration of algorithms and intelligent decision-support systems into HRM, most organizations have disproportionately focused on technical efficiency, processing speed, and cost reduction, thereby neglecting the ethical dimensions and human consequences of these technologies. This study seeks to demonstrate how principles such as algorithmic transparency, accountability, fairness, privacy, and psychological safety can lead to positive work experiences and optimal employee outcomes within the context of human-machine interaction. Consequently, this research aims to explain how abstract AI ethical principles translate into psychological and behavioral outcomes for employees, thereby bridging the theoretical gap between normative AI principles and sustainable HRM practices.MethodsUtilizing an exploratory-sequential mixed-methods design, this study was conducted within a pragmatic research paradigm. In the qualitative phase, semi-structured interviews were conducted with 17 dual-domain experts, comprising HRM specialists and AI or digital transformation experts, who were selected through purposive criterion and snowball sampling techniques. The qualitative data were analyzed using thematic analysis to extract relevant themes and dimensions. In the second (quantitative) phase, Interpretive Structural Modeling (ISM) was employed to map the hierarchical structure and interactions among the identified components. Prior to constructing the Structural Self-Interaction Matrix (SSIM), the dimensions and themes extracted from the qualitative phase were re-evaluated and validated by an expert panel in order to prevent the imposition of researcher bias and ensure the credibility of the findings. Furthermore, the analysis was grounded in Socio-Technical Systems (STS) theory to elucidate the alignment between the technical subsystem, comprising algorithms and infrastructure, and the social subsystem, encompassing humans and organizational interactions, in the implementation of responsible AI.ResultsThe qualitative phase identified 15 sub-themes, which were subsequently categorized under the broader dimensions of responsible AI and employee flourishing. The ISM analysis revealed that implementing responsible AI in HR processes is not a one-dimensional technological intervention, but rather a multi-layered, systemic process structured across eight hierarchical levels. At the foundational levels, namely, the governance and technical layers, variables such as ethical policy-making, robust data infrastructure, and fair algorithmic design function as primary drivers. These foundational variables subsequently influence the middle layers, corresponding to the socio-psychological subsystem, by fostering organizational trust, enhancing perceived procedural justice, and mitigating ethical risks. Ultimately, at the highest level of the model, designated as the outcome subsystem, employee flourishing is realized through constructs such as meaning at work, active engagement, personal growth, and optimal performance. The findings collectively confirm that social and ethical components play a crucial mediating role in translating technical capabilities into meaningful human outcomes.ConclusionBy proposing a three-layered structural-interpretive model, comprising governing-technical, socio-psychological, and outcome layers, this study addresses a significant gap in the literature at the intersection of responsible AI and HRM. The results demonstrate that the success and sustainability of intelligent technologies in organizations rely fundamentally on the joint optimization of both technical and social subsystems. In the absence of adequate attention to the psychological and ethical needs of employees, AI implementation may trigger work alienation and decrease organizational commitment, thereby undermining the very objectives it seeks to achieve. The proposed model serves as a strategic roadmap for organizational policymakers, HR managers, and system developers seeking to design human-centered technological solutions and promote human resource flourishing in the era of digital transformation. These insights offer both theoretical contributions and practical guidance for organizations striving to balance technological advancement with ethical responsibility and employee well-being. هدف: پژوهش حاضر با هدف شناسایی، تبیین و مدل‌سازی روابط ساختاری و سلسله‌مراتبی میان مؤلفه‌های مدیریت منابع انسانی مبتنی بر هوش مصنوعی مسئولانه و پیامدهای آن بر شکوفایی کارکنان در بستر سازمان‌های دیجیتال انجام شد. مسئلۀ اصلی پژوهش این است که با ورود پُرشتاب الگوریتم‌ها و سامانه‌های تصمیم‌یار هوشمند به قلمرو مدیریت منابع انسانی، بخش عمده‌ای از سازمان‌ها، فقط بر کارایی فنی، سرعت و کاهش هزینه‌های عملیاتی متمرکز شده و از ابعاد اخلاقی و پیامدهای انسانی این فناوری‌ها غفلت ورزیده‌اند. این مطالعه به‌دنبال آن است تا نشان دهد که چگونه اصولی مانند شفافیت الگوریتمی، پاسخ‌گویی، عدالت، حریم خصوصی و امنیت روان‌شناختی، می‌توانند در تعامل انسان ـ ماشین، به ارتقای تجربۀ مثبت کاری و عملکرد بهینۀ کارکنان منجر شوند. در واقع، این پژوهش تلاش می‌کند تا نحوۀ انتقال اصول اخلاقی و فنی هوش مصنوعی به پیامدهای روان‌شناختی و رفتاری کارکنان را تبیین کند و با ارائۀ چارچوبی منسجم، به پُرکردن شکاف نظری موجود میان اصول انتزاعی هوش مصنوعی مسئولانه و مدیریت منابع انسانی پایدار یاری دهد. روش: این پژوهش از نظر جهت‌گیری کاربردی و از نظر استراتژی اجرا، با رویکرد آمیخته اکتشافی ـ تبیینی (متوالی) در قالب پارادایم پراگماتیسم انجام شد. در مرحلۀ کیفی، به‌منظور استخراج مؤلفه‌ها و ابعاد اولیه، مصاحبه‌های نیمه‌ساختاریافته با ۱۷ نفر از خبرگان دوحوزه‌ای (متخصصان مدیریت منابع انسانی و متخصصان هوش مصنوعی و تحول دیجیتال) که به‌روش نمونه‌گیری هدفمند معیارمحور و گلولۀ برفی انتخاب شده بودند، انجام گرفت. تحلیل داده‌های کیفی با استفاده از روش تحلیل مضمون تأملی انجام شد. در مرحلۀ دوم (کمی)، برای کشف روابط ساختاریافته و سطح‌بندی مؤلفه‌ها، تکنیک مدل‌سازی ساختاری تفسیری به‌کار گرفته شد. ابعاد و مضامین استخراج‌شده از مرحلۀ کیفی، پیش از ورود به ماتریس خودتعاملی ساختاری، در پنل خبرگان بار دیگر ارزیابی و تأیید شدند تا از عدم تحمیل پیش‌فرض‌های پژوهشگر اطمینان حاصل شود. همچنین تحلیل‌ها با تکیه بر نظریۀ سیستم‌های اجتماعی ـ فنی صورت گرفت تا پیوند میان زیرسیستم فنی (الگوریتم‌ها و زیرساخت‌ها) و زیرسیستم اجتماعی (انسان‌ها و تعاملات سازمانی) در استقرار هوش مصنوعی مسئولانه مشخص شود.یافته‌ها: یافته‌های بخش کیفی نشان‌دهندۀ شناسایی ۱۵ مضمون فرعی در قالب ابعاد هوش مصنوعی مسئولانه و شکوفایی کارکنان بود. نتایج حاصل از تحلیل ساختاری تفسیری نشان داد که استقرار هوش مصنوعی مسئولانه در فرایندهای منابع انسانی، نه یک مداخلۀ تک‌بعدی فناورانه، بلکه فرایندی چندلایه و سیستماتیک است که در ۸ سطح سلسله‌مراتبی سازمان‌دهی می‌شود. در لایه‌های زیرین و ریشه‌ای مدل (سطوح حاکمیتی و فنی)، متغیرهایی مانند خط‌مشی‌گذاری اخلاقی، زیرساخت‌های داده‌ای و طراحی الگوریتمی منصفانه قرار دارند که به‌عنوان محرک‌های اصلی عمل می‌کنند. این متغیرها در لایه‌های میانی (زیرسیستم اجتماعی ـ روان‌شناختی) از طریق تقویت اعتماد سازمانی، ادراک عدالت رویه‌ای و کاهش ریسک‌های اخلاقی، بر لایه‌های بالایی اثر می‌گذارند. در نهایت، در بالاترین سطح مدل (زیرسیستم پیامدی)، شکوفایی کارکنان در قالب سازه‌هایی چون معنا در کار، درگیری فعال، رشد فردی و عملکرد بهینه محقق می‌شود. یافته‌ها مؤید آن است که مؤلفه‌های اجتماعی و اخلاقی، در انتقال اثرهای قابلیت‌های فنی به پیامدهای انسانی نقش کلیدی و واسطه‌ای ایفا می‌کنند.نتیجه‌گیری: این پژوهش با ارائۀ یک مدل ساختاری ـ تفسیری سه‌لایه (حاکمیتی ـ فنی، اجتماعی ـ روان‌شناختی و پیامدی)، خلأ موجود در ادبیات هوش مصنوعی مسئولانه و مدیریت منابع انسانی را پوشش می‌دهد. نتایج پژوهش نشان می‌دهد که موفقیت و پایداری فناوری‌های هوشمند در سازمان‌ها، مستلزم هم‌راستایی و بهینه‌سازی مشترک زیرسیستم‌های فنی و اجتماعی است. بدون توجه به نیازهای روان‌شناختی و اخلاقی کارکنان، پیاده‌سازی هوش مصنوعی می‌تواند به کاهش تعهد و احساس بیگانگی شغلی منجر شود. مدل پیشنهادی این پژوهش، به‌عنوان یک نقشه راهبردی، می‌تواند توسط سیاست‌گذاران سازمانی، مدیران منابع انسانی و توسعه‌دهندگان سیستم‌های هوشمند برای طراحی راه‌کارهای فناورانۀ انسان‌محور و ارتقای شکوفایی منابع انسانی در عصر تحول دیجیتال استفاده شود. https://jipa.ut.ac.ir/article_108871_499a90bc02790bfda9ffd80f1f6c7f39.pdf