ხელოვნური ინტელექტის გამოყენება და დასაქმებულთა აღქმული შესრულება: ავტონომიისა და სამუშაოს წნეხის როლი
ჩამოტვირთვები
წინამდებარე კვლევის მიზანია ორგანიზაციულ კონტექსტში დასაქმებულების მიერ ხელოვნური ინტელექტის (AI) გამოყენებასა და მათ მიერ აღქმულ შესრულებას შორის კავშირის შესწავლა. სამუშაო რესურსებისა და მოთხოვნების (JD–R) თეორიის ჩარჩოზე დაყრდნობით, ნაშრომი აანალიზებს ავტონომიის, როგორც სამუშაო რესურსის, და სამუშაოს წნეხის, როგორც სამუშაო მოთხოვნის როლს ხელოვნური ინტელექტის გამოყენებისა და შესრულების კავშირში. ხელოვნური ინტელექტის კონსტრუქტი შედარებით ახალია ორგანიზაციულ ფსიქოლოგიაში და მისი კვლევა საკმაოდ აქტუალურია, ვინაიდან არსებული კვლევები ცხადყოფს დასაქმებულების სამუშაოს შესრულებაზე მასშტაბურ გავლენას.
ონლაინ გამოკითხვის მეთოდით ჩატარებულ კვლევაში მონაწილეობა სხვადასხვა სექტორში და თანამდებობაზე დასაქმებულმა 178-მა პირმა მიიღო. კვლევის შედეგად დადგინდა, რომ ხელოვნური ინტელექტის გამოყენება პირდაპირ არ მოქმედებს დასაქმებულის სამუშაოს შესრულებაზე. ხელოვნური ინტელექტის გამოყენება ირიბად უკავშირდება სამუშაოს შესრულებას ავტონომიის გზით: ხელოვნური ინტელექტის გამოყენება ზრდის დასაქმებულის დამოუკიდებლად მოქმედების უფლებამოსილებას, რაც თავის მხრივ, აუმჯობესებს შესრულების აღქმას. გარდა ამისა, დადასტურდა, რომ სამუშაოს წნეხის მაღალი დონე აძლიერებს ხელოვნური ინტელექტის გამოყენებასა და შესრულებას შორის კავშირს. კერძოდ, მაღალი დატვირთვის პირობებში ტექნოლოგია უფრო ეფექტურ რესურსად იქცევა შესრულების გასაუმჯობესებლად. ამგვარად, ნაშრომი ხაზს უსვამს, რომ ხელოვნური ინტელექტის დანერგვა ავტომატურად არ იწვევს ეფექტიანობის ზრდას, არამედ დამოკიდებულია სამუშაოსთან დაკავშირებულ ფაქტორებზე. პრაქტიკული თვალსაზრისით, ორგანიზაციებმა ყურადღება უნდა გაამახვილონ სამუშაო დიზაინზე, კერძოდ, თანამშრომელთა ავტონომიის ზრდაზე, რათა ხელოვნური ინტელექტის ტექნოლოგია ეფექტურ სამუშაო რესურსად გარდაიქმნას.
Downloads
Acemoglu, D., & Restrepo, P. (2019), Automation and new tasks: How technology displaces and reinstates labor. Journal of Economic Perspectives, 33(2), 3–30;
Bakker, A. B., & Demerouti, E. (2007), The Job Demands-Resources Model: State of the Art, Journal of Managerial Psychology, 309-328;
Bakker, A. B., & Demerouti, E. (2017), Job demands-resources theory: Taking stock and looking forward, Journal of Occupational Health Psychology, 22(3), 273–285;
Bakker, A. B., Demerouti, E., & Euwema, M. C. (2005), Job resources buffer the impact of job demands on burnout, Journal of Occupational Health Psychology, 10(2), 170–180;
Bakker. (2014), The Job Demands–Resources Questionnaire. Rotterdam: Erasmus University;
Ban, O., Maiorescu, I., Bucur, M., Sabou, G. C., & Tzedec, B. C. (2024), AI between threat and benefactor for the competencies of the human working force, Amfiteatru Economic, 26(67);
Brougham, D., & Haar, J. (2018), Smart technology, artificial intelligence, robotics, and algorithms (STARA): Employees’ perceptions of our future workplace, Journal of Management & Organization, 24(2), 239–257;
Cetindamar, D., Kitto, K., Wu, M., Zhang, Y., Abedin, B., & Knight, S. (2024), Explicating AI literacy of employees at digital workplaces, IEEE Transactions on Engineering Management, 71, 810–823;
Chen, A., Yang, T., Ma, J., & Lu, Y. (2023), Employees’ learning behavior in the context of AI collaboration: A perspective on the job demand control model, Industrial Management & Data Systems, 123(8), 2169–2193;
Chowdhury, S., Budhwar, P., Dey, P. K., Joel Edgar, S., & Abadie, A. (2022), AI employee collaboration and business performance: Integrating knowledge based view, socio technical systems and organisational socialisation framework, Journal of Business Research, 144, 31–49;
Chuang, Y.-T., Chiang, H.-L., & Lin, A.-P. (2025), Insights from the Job Demands–Resources model: AI’s dual impact on employees’ work and life well-being. International Journal of Information Management, 83;
Demerouti E., (2022). Turn digitalization and automation to a job resource. Applied Psychology: An International Review, 71(4), 1205–1209
Demerouti, E., Bakker, A. B., Nachreiner, F., & Schaufeli, W. B. (2001), The job demands-resources model of burnout, Journal of Applied Psychology, 86(3), 499–512;
Den Hartog, D. N., & Belschak, F. D. (2012). When does transformational leadership enhance employee proactive behavior? The role of autonomy and role breadth self-efficacy. Journal of Applied Psychology, 97(1), 194–202.
Górka, E., Baran, D., Wojak, G., Ćwiąkała, M., Zupok, S., Starkowski, D., Reśko, D., & Okrasa, O. (2025), The impact of artificial intelligence on enterprise decision making process;
Hackman, J. R., & Oldham, G. R. (1976). Motivation through the design of work: Test of a theory. Organizational Behavior & Human Performance, 16(2), 250–279
Hamilton, R. H., & Sodeman, W. A. (2020), The questions we ask: Opportunities and challenges for using big data analytics to strategically manage human capital resources, Business Horizons, 63(1);
Henkel, A., Marion, J., & Bourdeau, S. (2020). Artificial intelligence anxiety and technology adoption. Technology in Society.
Hessari, H., Bai, A., & Daneshmandi, F. (2024). Generative AI: Boosting adaptability and reducing workplace overload. Journal of Computer Information Systems
Hossain, M., Akter, S., & Dwivedi, Y. K. (2025). Artificial intelligence in recruitment and selection: A systematic review and future research agenda. Human Resource Management Review.
Jia, N., Luo, X., Fang, Z., & Liao, C. (2024), When and how artificial intelligence augments employee creativity, Academy of Management Journal, 67(1), 5–32;
Katowa-Mukwato, P., & Banda, S. (2016). Self-perceived versus objectively measured competence in performing clinical practical procedures by final year medical students. International Journal of Medical Education, 7, 122–129
Kellogg, K.C.; Valentine, M.A.; Christin, A. Algorithms at work: The new contested terrain of control. Academy of Management Annals, 2020, 14,366–410.
Klenert, D., Fernández-Macías, E., & Antón, J. I. (2023). Artificial intelligence and the future of work: Evidence and policy implications. Economic and Industrial Democracy / ILO research reports.
Kong, H., Yuan, Y., Baruch, Y., Bu, N., Jiang, X. and Wang, K. (2021), Influences of artificial intelligence (AI) awareness on career competency and job burnout, International Journal of Contemporary Hospitality Management, 33 (2), 717-734;
Kuligin, D. R., Savvina, E. A., Vasechkin, V. M., Chesnikov, L. S., & Zheltoukhova, E. Y. (2025), AI-enabled digitalization as a key factor in improving production efficiency and beer quality, Proceedings of the Voronezh State University of Engineering Technologies, 87(1), 123–129;
Leslie, D., & Briggs, M. (2021). Explaining decisions made with AI: A workbook (Use case 1: AI-assisted recruitment tool). The Alan Turing Institute.
Li, J. J., Bonn, M. A., & Ye, B. H. (2019). Hotel employees’ artificial intelligence and robotics awareness and its impact on turnover intention, 73, 172-181
Li, N., Zhou, H., & Mikel Hong, K. (2024), Generative AI enhances team performance and reduces need for traditional teams;
Liboni, L. B., Cezarino, L. O., Jabbour, C. J. C., Oliveira, B. G., & Stefanelli, N. O. (2019), Smart industry and the pathways to HRM 4.0: Implications for SCM, Supply Chain Management: An International Journal, 24(1), 124–146;
Mantello, P., Ho, M. T., Nguyen, M. H., & Vuong, Q. H. (2023), Machines that feel: Behavioral determinants of attitude towards affect recognition technology—upgrading technology acceptance theory with the mindsponge model, Humanities and Social Sciences Communications, 10 (430);
McKinsey & Company. (2025), The state of AI in 2025: Agents, innovation, and transformation, McKinsey Global Survey on Artificial Intelligence;
Misselhorn, C. (2018), Artificial morality: Concepts, issues and challenges, Society, 55(2), 161–169;
Müller, J. M., Buliga, O., & Voigt, K. I. (2021), The role of absorptive capacity and innovation strategy in the design of Industry 4.0 business models: A comparison between SMEs and large enterprises, European Management Journal, 39(3), 333–343;
Noy, S., & Zhang, W. (2023), Experimental evidence on the productivity effects of generative artificial intelligence, Science, 381(6654), 187–192;
Parker, S. K., & Knight, C. (2024). The SMART model of work design: A higher order structure to help see the wood from the trees, Human Resource Management, 63(2), 265–291
Puranam, P., Singh, H., & Zollo, M. (2006). Organizing for innovation: Managing the coordination–autonomy dilemma in technology acquisitions. Academy of Management Journal, 49(2), 263–280.
Raisch, S., & Krakowski, S. (2021). Artificial intelligence and management: The automation–augmentation paradox. Academy of Management Review, 46(1), 192–210;
Ramaul, L., Ritala, P., Kostis, A., & Aaltonen, P. (2025). Rethinking how we theorize AI in organization and management: A problematizing review of rationality and anthropomorphism. Journal of Management Studies
Reilly, P. (2019), The impact of artificial intelligence on the HR function, Which way now for HR and organisational changes?, IES Perspectives on HR 2018, 516, 41-58;
Rozario, S. D., Venkatraman, S., & Abbas, A. (2019). Challenges in recruitment and selection process: An empirical study. Journal of Management Development.
Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.).
Saluja, S., Gupta, A., & colleagues. (2024). Loafing in the era of generative AI. Organizational Dynamics.
Samarasinghe, K. R., & Medis, A. (2020), Artificial intelligence based strategic human resource management (AISHRM) for Industry 4.0., Global Journal of Computer Science and Technology;
Sengar, S. S., Hasan, A. B., Kumar, S., & Carroll, F. (2024), Generative artificial intelligence: A systematic review and applications;
Soh, C., & Connolly, D. (2021), New frontiers of profit and risk: The Fourth Industrial Revolution’s impact on business and human rights, New Political Economy, 26(1), 168–185;
Sonnentag, S., & Frese, M. (2012). Stress in organizations. In I. B. Weiner, N. W. Schmitt, & S. Highhouse (Eds.), Handbook of psychology: Industrial and organizational psychology, Second Edition, 560-584
Tang P. M., Koopman, J., McClean S. T., Zhang J. H., Li, C. H., De Cremer, D., Lu, Y., & Ng C. T. S. (2022), When conscientious employees meet intelligent machines: An integrative approach inspired by complementarity theory and role theory, Academy of Management Journal, 65;
Tsai, W.-H. (2023). Artificial intelligence use in organizations: Opportunities and potential behavioral risks for employees. Journal of Organizational Computing and Electronic Commerce.
Valtonen, A., Saunila, M., Ukko, J., Treves, L., & Ritala, P. (2025), AI and employee wellbeing in the workplace: An empirical study, Journal of Business Research, 199;
von Krogh, G. (2018), Artificial intelligence in organizations: New opportunities for phenomenon-based theorizing, Academy of Management Discoveries, 4(4), 404–409;
Wang, W., Chen, L., Xiong, M., & Wang, Y. (2023), Accelerating AI adoption with responsible AI signals and employee engagement mechanisms in health care, Information Systems Frontiers;
Xavier DF, Korunka C, Reiter-Palmon R (2025) AI integration and workforce development: Exploring job autonomy and creative self-efficacy in a global context. PLOS ONE 20(6): e0319556
Xu, M., David, J. M., & Kim, S. H. (2018), The Fourth Industrial Revolution: Opportunities and Challenges, International Journal of Financial Research, 9(2), 90–95;
Yam, K. C., Tang, P. M., Jackson, J. C., Su, R., & Gray, K. (2023). The rise of robots increases job insecurity and maladaptive workplace behaviors: Multimethod evidence. Journal of Applied Psychology, 108(5), 850–870
Zhang, X., & Jin, H. (2023), How does smart technology, artificial intelligence, automation, robotics, and algorithms (STAARA) awareness affect hotel employees’ career perceptions? A disruptive innovation theory perspective, Journal of Hospitality Marketing & Management, 32(2), 264–283;
Zhou, Q., Chen, K., & Cheng, S. (2024), Bringing employee learning to AI stress research: A moderated mediation model, Technological Forecasting and Social Change, 209;
Zhu, Y., & Wan Mohd Hirwani Wan Hussain. (2025), Artificial intelligence (AI) awareness (2019–2025): A systematic literature review using the SPAR 4 SLR protocol, Social Sciences & Humanities, 12;
Zirar, A. (2023), Can artificial intelligence’s limitations drive innovative work behaviour?, Review of Managerial Science, 17(6), 2005–2034.
საავტორო უფლებები (c) 2026 ქართველი მეცნიერები
ეს ნამუშევარი ლიცენზირებულია Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 საერთაშორისო ლიცენზიით .
