ChatGPT在人力资源管理中的应用：基于IPO模型的系统性综述与未来展望

《Heliyon》：ChatGPT in human resource management: A systematic review of influential factors, processes, and outcomes

本研究针对ChatGPT在人力资源管理(HRM)中整合机制不明确的问题，系统回顾了115篇文献，构建了基于"输入-过程-输出"(IPO)范式的综合研究框架。研究人员通过技术-组织-环境(TOE)框架分析驱动/阻碍因素，评估ChatGPT在五大HRM功能中的应用效果，发现其能提升运营效率但存在伦理风险。该研究为理解生成式人工智能(GAI)在HRM领域的应用提供了结构化视角。

　　

随着生成式人工智能的迅猛发展，ChatGPT自2022年11月发布以来已在写作、翻译、编程等领域展现出强大能力。这种技术变革正在重塑企业管理模式，例如科技公司TechFlow将其集成到内部沟通系统，BuzzFeed则用于自动化文章生成。然而，在人力资源管理领域，尽管已有研究探讨了ChatGPT在提升运营效率、影响员工工作满意度等方面的潜力，但现有综述多聚焦于特定HR流程或组织成果，对中观层面HR实践和微观个体因素的深入探索仍存空白。更关键的是，企业对ChatGPT的采纳动机、整合机制及其对员工与组织的全面影响尚未形成系统化认知。

为解决这些研究缺口，来自中国人民大学劳动人事学院的李碧琪和程延园在《Heliyon》发表了系统性综述研究。该研究通过严谨的文献分析，构建了基于"输入-过程-输出"(IPO)模型的理论框架，旨在揭示ChatGPT在HRM中的应用全貌。

研究人员采用PRISMA指南系统筛选了Scopus数据库中2022-2024年的相关文献，最终纳入115篇符合标准的研究。通过描述性分析和主题分析相结合的方法，从发表年份、核心期刊、研究方法和理论基础等维度勾勒出该领域的研究现状。研究发现这一领域正蓬勃发展，尤其体现在跨学科期刊的涌现和研究方法的多元化趋势上。

关键技术方法概述

研究采用系统性文献综述法，基于PRISMA流程从Scopus数据库筛选出115篇文献。运用描述性分析揭示领域研究特征，通过主题分析构建IPO框架，并整合技术-组织-环境(TOE)理论分析影响因素。文献编码过程注重可重复性，提取了研究方法、理论框架等关键信息。

研究发现与应用机制

基于TOE框架的采纳影响因素

技术维度上，ChatGPT的相对优势、兼容性、易用性和新颖性构成主要驱动因素，而伦理风险和技术局限性成为采纳障碍。组织维度中，高管支持、员工创新特质和组织准备度显著促进采纳，而成本投入和人才短缺则产生抑制作用。环境维度方面，制度压力和行业竞争推动应用，但政策不确定性和语言偏见制约推广。

HRM核心功能的流程整合

在人力资源规划环节，ChatGPT通过分析劳动力数据辅助人才需求预测，但存在信息准确性风险。招聘筛选中，其能高效生成职位描述并评估候选人，却可能引发程序公平性和偏见问题。培训开发方面，借助个性化学习路径设计提升员工技能，但需关注人机协作机制。绩效管理中，基于数据分析提供客观评估，需平衡数据质量与员工接受度。薪酬管理时，通过市场数据分析支持决策，但面临数据敏感性和时效性挑战。

多层面的影响输出

个体层面，ChatGPT显著影响员工创造力、情感状态和工作绩效，同时可能引发职业安全忧虑。组织层面，其提升运营效率和创新能力，但也带来数据安全和决策质量风险。研究特别指出，技术特性对员工心理行为存在双刃剑效应，如个性化设计增强归属感的同时可能导致过度依赖。

研究结论与展望

该研究建立的IPO框架系统阐释了ChatGPT在HRM中的应用逻辑，为理解技术整合提供了结构化视角。未来研究应加强实证方法创新，拓展理论视角，重点关注技术适配性、伦理治理机制和跨文化适用性等方向。对于实践者，该框架有助于制定科学的ChatGPT应用策略，充分发挥技术潜力同时规避潜在风险。

这项研究不仅填补了生成式人工智能在HRM领域系统性研究的空白，更为后续实证研究奠定了理论基础。随着技术迭代加速，该框架可持续更新以适应新兴技术特征，推动人力资源管理在数字时代的范式转型。