Mesterséges intelligenciával támogatott HR-munkafolyamatok a multikulturális integráció szolgálatában egy erőforrás-korlátokkal működő családi vállalkozásban: munkáltatói perspektíva
English
Absztrakt
Közép- és Kelet-Európában a kis- és középvállalkozások szerkezetét követő, családi tulajdonban lévő cégek egyre inkább külföldi munkavállalókra támaszkodnak a strukturális munkaerőhiány kezelése érdekében, ugyanakkor általában nem rendelkeznek a multikulturális munkaerő integrációját támogató szükséges HR-infrastruktúrával. Ez a tanulmány azt vizsgálja, hogy a mesterséges intelligenciával (MI) kiegészített HR-munkafolyamatok hogyan alakítják a multikulturális munkaerő integrációját egy erőforrás-korlátokkal küzdő, kkv-szerkezetű, családi tulajdonú vállalatnál. Továbbá azt is, hogy milyen feladatmegosztás, kompetenciák és szervezeti feltételek jellemzik ezeket a folyamatokat a munkáltatói oldal szemszögéből. Feltáró jellegű, egyetlen esetre vonatkozó kvalitatív kutatási tervet alkalmaztunk, amely öt félig strukturált interjút, valamint 12 szervezeti dokumentum elemzését ötvözte, mindkét adatforrásra reflexív tematikus elemzést alkalmaztuk. Három fő téma rajzolódott ki. Először is, a szervezet szándékos munkamegosztást alakított ki, amelyben a mesterséges intelligencia hat működési területen kezeli a nagy volumenű, nyelvhasználatot igénylő feladatokat, míg az emberi szereplők megtartják a döntéshozatalt igénylő és kulturálisan érzékeny döntések feletti hatalmat, ezáltal létrehozva a mesterséges intelligencia és az ember közötti feladat-kiegészítő jellegű együttműködést és döntéshozatali architektúrát. Másodszor, a HR-munkatársak és a felettesek olyan hibrid kompetenciákat fejlesztettek ki, amelyek ötvözik a mesterséges intelligencia iránti jártasságot az interkulturális ítélőképességgel. Harmadszor, az átlátható döntési jogok, a következetes kiegészítő keret kialakítása és a kapcsolati menedzsment gyakorlatok ismételhető, költséghatékony integrációs munkafolyamatokat tettek lehetővé kkv-méretű vállalkozások szintjén. Az eredmények azt mutatják, hogy a megfizethető, platformalapú mesterséges intelligencia-eszközök szűkíthetik a kis- és középvállalkozások és a nagyvállalatok közötti erőforrás- és képességbeli szakadékot a multikulturális integráció terén, feltéve, hogy az emberi döntéshozatali jogkör megmarad és egyértelműen körülhatárolva van. A tanulmány korlátai közé tartozik az egyetlen esetre korlátozódó hatókör, a kis mintanagyság és a kizárólag a munkáltatói oldalra való összpontosítás. A jövőbeli kutatásoknak be kell vonniuk a munkavállalói perspektívákat is, és összehasonlító, több esetet felölelő terveket kell követniük, kvantitatív integrációs eredménymutatókkal.
Hivatkozások
Adla, L., Gallego Roquelaure, V. & Calamel, L., 2019. Human resource management and innovation in SMEs, Personnel Review, 49(8), pp. 1519–1535. https://doi.org/10.1108/PR-09-2018-0328.
Aguinis, H., Beltran, J. R. & Cope, A., 2024. How to use generative AI as a human resource management assistant, Organizational Dynamics, 53(1), 101029. https://doi.org/10.1016/j.orgdyn.2024.101029.
Alhloul, A. & Kiss, E., 2022. Industry 4.0 as a challenge for the skills and competencies of the labor force: A bibliometric review and a survey, Sci, 4(3), p. 34. https://doi.org/10.3390/sci4030034.
Armstrong, M. & Taylor, S., 2020. Armstrong’s handbook of human resource management practice. 15th edn. London: Kogan Page.
Arroyabe, M. F., Arranz, C. F. A., Fernandez de Arroyabe, I. & Fernandez de Arroyabe, J. C., 2024. Analyzing AI adoption in European SMEs: A study of digital capabilities, innovation, and external environment, Technology in Society, 79, 102733. https://doi.org/10.1016/j.techsoc.2024.102733.
Arslan, A., Cooper, C., Khan, Z., Golgeci, I. & Ali, I., 2022. Artificial intelligence and human workers interaction at team level: A conceptual assessment of the challenges and potential HRM strategies, International Journal of Manpower, 43(1), pp. 75–88. https://doi.org/10.1108/IJM-01-2021-0052.
Astrov, V., Grieveson, R., Hanzl Weiss, D., Leitner, S., Mara, I., Zavarska, Z. & Vidovic, H., 2021. How do economies in EU CEE cope with labour shortages? wiiw Research Report No. 452. Vienna: Vienna Institute for International Economic Studies (wiiw). Available at: https://wiiw.ac.at/how-do-economies-in-eu-cee-cope-with-labour-shortages-dlp-6406.pdf (Accessed: 8 March 2026).
Ayinaddis, S. G., 2025. Artificial intelligence adoption dynamics and knowledge in SMEs and large firms: A systematic review and bibliometric analysis, Journal of Innovation & Knowledge, 10(3), 100682. https://doi.org/10.1016/j.jik.2025.100682.
Bakker, A. B. & Demerouti, E., 2007. The job demands–resources model: State of the art, Journal of Managerial Psychology, 22(3), pp. 309–328. https://doi.org/10.1108/02683940710733115.
Bender, E. M., Gebru, T., McMillan Major, A. & Shmitchell, S., 2021. On the dangers of stochastic parrots: Can language models be too big?, in Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT ’21). New York: ACM. https://doi.org/10.1145/3442188.3445922.
Blodgett, S. L., Barocas, S., Daumé III, H. & Wallach, H., 2020. Language (technology) is power: A critical survey of “bias” in NLP, in Proceedings of ACL 2020. https://doi.org/10.18653/v1/2020.acl-main.485.
Boyatzis, R. E., 2008. Competencies in the 21st century, Journal of Management Development, 27(1), pp. 5–12.
Braun, V. & Clarke, V., 2006. Using thematic analysis in psychology, Qualitative Research in Psychology, 3(2), pp. 77–101. https://doi.org/10.1191/1478088706qp063oa.
Braun, V. & Clarke, V., 2019. Thematic analysis: A practical guide. London: SAGE Publications.
Bryman, A., 2016. Social research methods. 5th edn. Oxford: Oxford University Press.
Budhwar, P., Malik, A., De Silva, M. T. T. & Thevisuthan, P., 2022. Artificial intelligence – challenges and opportunities for international HRM: A review and research agenda, The International Journal of Human Resource Management, 33(6), pp. 1065–1097. https://doi.org/10.1080/09585192.2022.2035161.
Charlwood, A. & Guenole, N., 2022. Can HR adapt to the paradoxes of artificial intelligence?, Human Resource Management Journal, 32(4), pp. 729–742. https://doi.org/10.1111/1748-8583.12433.
Chowdhury, S. et al., 2023. Unlocking the value of artificial intelligence in human resource management through AI capability framework, Human Resource Management Review, 33(1), 100899. https://doi.org/10.1016/j.hrmr.2022.100899.
Creswell, J. W. & Creswell, J. D., 2018. Research design: Qualitative, quantitative, and mixed methods approaches. 5th edn. Thousand Oaks, CA: SAGE Publications.
Csillag, S., Csizmadia, P., Hidegh, A. L. & Szászvári, K. Á., 2019. Typical features of family owned SME’s HR practices, Prosperitas, 6(1), pp. 54–75. https://doi.org/10.31570/Prosp_2019_01_3.
Davenport, T. H. & Ronanki, R., 2018. Artificial intelligence for the real world, Harvard Business Review, 96(1), pp. 108–116.
Davenport, T. H. & Westerman, G., 2018. Why so many high profile digital transformations fail, Harvard Business Review, 9 March. Available at: https://hbr.org/2018/03/why-so-many-high-profile-digital-transformations-fail (Accessed: 1 March 2026).
DeLone, W. H. & McLean, E. R., 2003. The DeLone and McLean model of information systems success: A ten year update, Journal of Management Information Systems, 19(4), pp. 9–30. https://doi.org/10.1080/07421222.2003.11045748.
DeepL GmbH, 2024. DeepL Translator [computer software].
Dirks, K. T. & Ferrin, D. L., 2001. The role of trust in organizational settings, Organization Science, 12(4), pp. 450–467. https://doi.org/10.1287/orsc.12.4.450.10640.
Dubois, A. & Gadde, L. E., 2002. Systematic combining: An abductive approach to case research, Journal of Business Research, 55(7), pp. 553–560. https://doi.org/10.1016/S0148-2963(00)00195-8.
Earley, P. C. & Ang, S., 2003. Cultural intelligence: Individual interactions across cultures. Stanford, CA: Stanford University Press.
Edmondson, A., 1999. Psychological safety and learning behavior in work teams, Administrative Science Quarterly, 44(2), pp. 350–383. https://doi.org/10.2307/2666999.
Ekuma, K., 2024. Artificial Intelligence and Automation in Human Resource Development: A Systematic Review, Human Resource Development Review, 23(2), pp. 199-229. https://doi.org/10.1177/15344843231224009.
Elmusharaf, K., Byrne, E., Manandhar, M., Hemmings, J. & O’Donovan, D., 2017. Participatory ethnographic evaluation and research: Reflections on the research approach used to understand the complexity of maternal health issues in South Sudan, Qualitative Health Research, 27(9), pp. 1345–1358. https://doi.org/10.1177/1049732316673975.
Eraut, M., 2004. Informal learning in the workplace, Studies in Continuing Education, 26(2), pp. 247–273. https://doi.org/10.1080/158037042000225245.
European Commission, 2003. Commission Recommendation 2003/361/EC of 6 May 2003 concerning the definition of micro, small and medium sized enterprises. Official Journal of the European Union, L124, pp. 36–41. Available at: https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX%3A32003H0361 (Accessed: 8 March 2026).
Fachrunnisa, O. & Hussain, F. K., 2020. Blockchain based human resource management practices for mitigating skills and competencies gap in workforce, International Journal of Engineering Business Management, 12, 184797902096640. https://doi.org/10.1177/1847979020966400.
Fenwick, A., Molnar, G. & Frangos, P., 2024. Revisiting the role of HR in the age of AI: Bringing humans and machines closer together in the workplace, Frontiers in Artificial Intelligence, 6, 1272823. https://doi.org/10.3389/frai.2023.1272823.
Garavan, T., Watson, S., Carbery, R. & O’Brien, F., 2016. The antecedents of leadership development practices in SMEs: The influence of HRM strategy and practice, International Small Business Journal: Researching Entrepreneurship, 34(6), pp. 870–890. https://doi.org/10.1177/0266242615594215.
Hickey and Associates, 2024. Where next? Migration in CEE, Hickey and Associates Blog, 2 April. Available at: https://www.hickeyandassociates.com/blog/hickey-where-next-migration-in-cee (Accessed: 10 March 2026).
Hofstede, G. H., 2001. Culture’s consequences: Comparing values, behaviors, institutions, and organizations across nations. 2nd edn. Thousand Oaks, CA: SAGE Publications. Available at: https://books.google.hu/books?id=w6z18LJ_1VsC (Accessed: 2 March 2026).
Hungarian Central Statistical Office, 2023. Preliminary data from the 2011 and 2022 censuses for Békés County. Budapest: Hungarian Central Statistical Office. Available at: https://www.ksh.hu/ (Accessed: 10 March 2026).
Huang, M. H. & Rust, R. T., 2022. A framework for collaborative artificial intelligence in marketing, Journal of Retailing, 98(2), pp. 209–224. https://doi.org/10.1016/j.jretai.2021.03.001.
James, T. G., Guetterman, T. C. & Molina Azorín, J. F., 2024. Increasing transparency on the use of artificial intelligence and automated tools in mixed methods studies, Journal of Mixed Methods Research, 18(4), pp. 425–429. https://doi.org/10.1177/15586898241287294.
Jiang, Y., Cai, Z. & Wang, X., 2025. Leverage generative AI for human resource management: Integrated risk analysis approach, The International Journal of Human Resource Management, 36(11), pp. 1929–1959. https://doi.org/10.1080/09585192.2025.2544972.
Kane, G. C., Palmer, D., Phillips, A. N., Kiron, D. & Buckley, N., 2015. Strategy, not technology, drives digital transformation, MIT Sloan Management Review, 56(3), pp. 1–25.
Kotter, J. P., 1995. Leading change: Why transformation efforts fail, Harvard Business Review, 73(2), pp. 59–67.
Levy, M. & Powell, P. L., 1998. SME flexibility and the role of information systems, Small Business Economics, 11, pp. 183–196. https://doi.org/10.1023/A:1007912714741.
Longoni, C., Bonezzi, A. & Morewedge, C. K., 2019. Resistance to medical artificial intelligence, Journal of Consumer Research, 46, pp. 629–650. https://doi.org/10.1093/jcr/ucz013.
Mäkelä, E., Bone, M., Sehrer, M., Nanji, F. & Stephany, F., 2024. Complement or substitute? How AI increases the demand for human skills (Version 4), arXiv. https://doi.org/10.48550/ARXIV.2412.19754.
Markus, H. R. & Kitayama, S., 1991. Culture and the self: Implications for cognition, emotion, and motivation, Psychological Review, 98(2), pp. 224–253. https://doi.org/10.1037/0033-295X.98.2.224.
Mayer, R. C., Davis, J. H. & Schoorman, F. D., 1995. An integrative model of organizational trust, Academy of Management Review, 20(3), pp. 709–734. https://doi.org/10.2307/258792.
Nowell, L. S., Norris, J. M., White, D. E. & Moules, N. J., 2017. Thematic analysis: Striving to meet the trustworthiness criteria, International Journal of Qualitative Methods, 16, 1609406917733847. https://doi.org/10.1177/1609406917733847.
Orlikowski, W. J. & Scott, S. V., 2008. Sociomateriality: Challenging the separation of technology, work and organization, Academy of Management Annals, 2(1), pp. 433–474. https://doi.org/10.1080/19416520802211644.
Országos Doktori Tanács, 2026. A mesterséges intelligencia (MI) doktori képzésben és fokozatszerzésben való alkalmazásának alapelvei. Available at: https://doktori.hu/hirek/54-a-mesterseges-intelligencia-mi-doktori-kepzesben-es-fokozatszerzesben-valo-alkalmazasanak-alapelvei (Accessed: 1 March 2026).
Palinkas, L. A., Horwitz, S. M., Green, C. A., Wisdom, J. P., Duan, N. & Hoagwood K., 2015. Purposeful sampling for qualitative data collection and analysis in mixed method implementation research, Administration and Policy in Mental Health and Mental Health Services Research, 42(5), pp. 533–544. https://doi.org/10.1007/s10488-013-0528-y.
Pedron, Z., 2022. Small businesses to overcome skill shortages and talent mismatches, in Biginas, K. et al. (eds.) Small business management and control of the uncertain external environment. Bingley: Emerald Publishing Limited, pp. 111–135. https://doi.org/10.1108/978-1-83909-624-220211008.
Perplexity AI (2024) Perplexity Pro [computer software].
Ployhart, R. E. & Moliterno, T. P., 2011. Emergence of the human capital resource: A multilevel model, Academy of Management Review, 36(1), pp. 127–150. https://doi.org/10.5465/amr.2009.0318.
Prorok, M., 2024. Az innováció ösztönzése mesterséges intelligenciával támogatott menedzsmenten keresztül, Multidiszciplináris Kihívások, Sokszínű Válaszok, (2), pp. 74–109. https://doi.org/10.33565/MKSV.2024.02.04.
Rahwan, I., Cebrian, M., Obradovich, N., Bongard, J., Bonnefon, J-F., Breazal, C., Crandall, J. W., Christakis, N. A., Couzin, I. D., Jackson, M. O., Jennings, N. R., Kamar, E., Kloumann, I. M., Larochelle, H., Lazer, D., McElreath, R., Mislove, A., Parkes, D. C., Pentland, A., Roberts, M. E., Shariff, A., Tenenbaum, J. B. & Wellmann, M., 2019. Machine behaviour, Nature, 568(7753), pp. 477–486. https://doi.org/10.1038/s41586-019-1138-y.
Raisch, S. & Krakowski, S., 2021. Artificial intelligence and management: The automation–augmentation paradox, Academy of Management Review, 46(1), pp. 192–210. https://doi.org/10.5465/amr.2018.0072.
Rich, B. L., Lepine, J. A. & Crawford, E. R., 2010. Job engagement: Antecedents and effects on job performance, Academy of Management Journal, 53(3), pp. 617–635. https://doi.org/10.5465/AMJ.2010.51468988.
Rogers, E. M. (2003) Diffusion of innovations. 5th edn. New York: Free Press.
Sánchez, E., Calderón, R. & Herrera, F., 2025. Artificial intelligence adoption in SMEs: Survey based on TOE–DOI framework, primary methodology and challenges, Applied Sciences, 15(12), 6465. https://doi.org/10.3390/app15126465.
Saunders, M. N. K., Lewis, P. & Thornhill, A., 2019. Research methods for business students. 8th edn. Harlow: Pearson.
Schoorman, F. D., Mayer, R. C. & Davis, J. H., 2007. An integrative model of organizational trust: Past, present, and future, Academy of Management Review, 32(2), pp. 344–354. https://doi.org/10.5465/amr.2007.24348410.
Seeber, I., Bittner, E., Briggs, R. O., de Vreede, T., de Vreede, G., Elkins, A., Maier R., Merz, A. B., Oeste-Reiß, S., Randrup, N., Schwabe, G. & Söllner, M., 2020. Machines as teammates: A research agenda on AI in team collaboration, Information & Management, 57(2), 103174. https://doi.org/10.1016/j.im.2019.103174.
Shenton, A. K., 2004. Strategies for ensuring trustworthiness in qualitative research projects, Education for Information, 22(2), pp. 63–75. https://doi.org/10.3233/EFI-2004-22201.
Spreitzer, G. M., 1995. Psychological empowerment in the workplace: Dimensions, measurement, and validation, Academy of Management Journal, 38(5), pp. 1442–1465. https://doi.org/10.2307/256865.
Stake, R. E., 1995. The art of case study research. Thousand Oaks, CA: SAGE Publications.
Tambe, P., Cappelli, P. & Yakubovich, V., 2019. Artificial intelligence in human resources management: Challenges and a path forward, California Management Review, 61(4), pp. 15–42. https://doi.org/10.1177/0008125619867910.
Venkatesh, V., Morris, M., Davis, G. & Davis, F., 2003. User acceptance of information technology: Toward a unified view, MIS Quarterly, 27(3), p. 425. https://doi.org/10.2307/30036540.
Vidovic, H., 2022. How do economies in EU CEE cope with labour shortages? — Study update from wiiw Research Report 452. Vienna: Vienna Institute for International Economic Studies. Available at: https://wiiw.ac.at/how-do-economies-in-eu-cee-cope-with-labour-shortages-an-update-pj-278.html (Accessed: 2 March 2026).
Vrontis, D., Christofi, M., Pereira, V., Tarba, S., Makrides, A. & Trichina, E., 2021. Artificial intelligence, robotics, advanced technologies and human resource management: A systematic review, The International Journal of Human Resource Management, 33(3), pp. 1-30. https://doi.org/10.1080/09585192.2020.1871398.
Yin, R. K., 2018. Case study research and applications: Design and methods. 6th edn. Thousand Oaks, CA: SAGE Publications.
