هوش مصنوعی به عنوان معمار اکوسیستم‌های یادگیری سازمانی مدرن: طراحی و تبیین مدل گذار از مدیریت آموزش سنتی (LMS) به توسعه منابع انسانی داده‌محور، تطبیقی و شناختی

چکیده

در عصر دیجیتال و انقلاب صنعتی چهارم و پنجم، سازمان‌ها با چالش عمیقی به نام «تلاطم مهارت Skills Turbulence مواجه‌اند؛ جایی که نیم‌عمر مهارت‌های فنی به‌سرعت به کمتر از پنج سال کاهش یافته و سیستم‌های سنتی یادگیری و توسعه (L&D) مبتنی بر پلتفرم‌های مدیریت یادگیری (LMS) ناتوان از پاسخگویی به این پویایی هستند. این پژوهش با هدف طراحی یک چارچوب نظری و عملیاتی جامع برای گذار از مدل‌های آموزشی سنتی به اکوسیستم‌های هوشمند یادگیری سازمانی، با محوریت هوش مصنوعی (AI)، انجام شده است. روش پژوهش از نوع کیفی-تحلیلی و مبتنی بر مرور سیستماتیک ادبیات (SLR) با پروتکل PRISMA است که در آن ۵۴ منبع معتبر از پایگاه‌های Scopus، Web of Science و IEEE Xplore در بازه زمانی ۲۰۲۰ تا ۲۰۲۵ تحلیل شده‌اند. یافته‌ها نشان می‌دهد که استقرار موفق هوش مصنوعی در توسعه منابع انسانی (HRD) مستلزم تحول در سه لایه کلیدی است: لایه داده (گذار از SCORM به xAPI و ایجاد ذخیره‌گاه‌های رکورد یادگیری یا LRS)، لایه هوش (استفاده از الگوریتم‌های NLP، تحلیل شبکه سازمانی و سیستم‌های توصیه‌گر)، و لایه تجربه (جایگزینی LMS با پلتفرم‌های تجربه یادگیری یا LXP). بر این اساس، مدل بلوغ چهارسطحی پیشنهادی—شامل سطوح توصیفی، تشخیصی، پیش‌بینانه و تجویزی/شناختی—راهنمای استراتژیکی برای سازمان‌ها در مسیر هوشمندسازی آموزش فراهم می‌کند. نتایج شبیه‌سازی‌ها حاکی از آن است که پیاده‌سازی این مدل می‌تواند زمان رسیدن به تخصص (Time-to-Proficiency) را تا ۴۰٪ کاهش و بازگشت سرمایه (ROI) را تا ۳۰٪ افزایش دهد. با این حال، موفقیت این تحول منوط به مدیریت چالش‌های اخلاقی (مانند سوگیری الگوریتمی، حریم خصوصی و عدم شفافیت تصمیم‌گیری هوش مصنوعی) و ساخت فرهنگ سازمانی داده‌محور است. این پژوهش نشان می‌دهد که هوش مصنوعی نه‌تنها یک ابزار فنی، بلکه «معمار اکوسیستم یادگیری مدرن» و «شریک استراتژیک» در توسعه منابع انسانی است.