زمینه و هدف: سیستمهای هوشمند کارسنجی و زمانسنجی مبتنی بر هوش مصنوعی پتانسیل قابل توجهی برای بهینهسازی برنامهریزی شیفت پرستاران و مدیریت کارآمدتر بار کاری آنها دارند. این پژوهش با هدف بررسی تجربه پرستاران و مدیران از پیادهسازی و بهکارگیری چنین سیستمی در یک محیط بیمارستانی، به دنبال شناسایی چالشها، فرصتها و پیامدهای آن بود. روش: این مطالعه از رویکرد کیفی با استفاده از روش مصاحبه نیمهساختاریافته بهره برد. مشارکتکنندگان شامل پرستاران و مدیران (با تخصصهای مدیریت منابع انسانی، عملیات، برنامهریزی و توسعه هوش مصنوعی) در سطوح مختلف یک بیمارستان بودند. دادههای جمعآوریشده از طریق مصاحبهها، با استفاده از روش تحلیل مضمون و نرم افزار مکسکیودا مورد تجزیه و تحلیل قرار گرفتند تا مضامین اصلی و فراگیر مرتبط با تجربه کاربران از سیستم هوش مصنوعی شناسایی شوند. یافتهها: تحلیل دادهها 8 مضمون فراگیر اصلی را آشکار ساخت: 1-ارتقای کارایی سازمانی از طریق کارسنجی هوشمند،2-افزایش عدالت ادراکشده و رضایت شغلی،3-چابکی سازمانی و تصمیمگیری پویا، 4-اعتماد تدریجی به سیستمهای هوش مصنوعی، 5-بهینهسازی مالی و بهرهوری هزینهای،6-چابکی و توانمندسازی مدیریتی با هوش مصنوعی، 7-تعادل بین منطق ماشینی و ملاحظات انسانی و 8-بهینهسازی هوشمند شیفتبندی با رویکرد انسانی. نتیجهگیری: در نتیجه سیستمهای هوش مصنوعی در کارسنجی و زمانسنجی پرستاران، ضمن افزایش کارایی، با چالشهای پذیرش، آموزش و حفظ تعادل میان جنبههای فنی و انسانی روبهرو هستند؛ بنابراین موفقیت آنها نیازمند رویکردی جامع و مشارکت فعال کارکنان است.
- ابراهیمی، ملیحه. و کوزه گری، فاطمه.(1401). زمانبندی شیفت های کاری پرستاران ( مطالعه موردی بیمارستان امام سجاد(ع) رامسر)، سومین کنفرانس بین المللی چالش ها و راهکارهای نوین در مهندسی صنایع، مدیریت و حسابداری،چابهار.https://civilica.com/doc/1565080
- پدرامی، محمد. و واعظی، سیدکمال. (1403). فراترکیب مدیریت چالشهای اخلاقی هوشمصنوعی در منابع انسانی: ارائه یک چارچوب جامع، فصلنامه مدیریت هوشمند سرمایه انسانی ،1(3): .29-5. 10.22034/imhr.2025.527039.1029
- پرتویخاقان، بهزاد.(1404). ارزیابی کاربردهای هوش مصنوعی در برنامهریزی توسعه منابع انسانی، فصلنامه مدیریت هوشمند سرمایه انسانی، 2(6): -176-147.10.22034/imhr.2026.565732.1053
- عبدالهی شهولی، الهام؛ عریضاوی، زهرا؛ همتی پور، اکرم. و جهانگیری مهر، اعظم.(1403). بررسی سطح دانش، نگرش و عملکرد دانشجویان کاربردهای هوش مصنوعی در پرستاری، مجله علمی پزشکی جندی شاپور،23(2): 142-134.10.32592/JSMJ.23.2.134
- کاویانپور، سمیه. و رضاییان، جواد.(1399). زمانبندی شیفتهای پرستاران با در نظر گرفتن رضایت شغلی: مطالعه موردی: بیمارستان امام خمینی (ره) شهرستان نور، فصلنامه علمی مطالعات مدیریت صنعتی،18(59):218-181. https://doi.org/10.22054/jims.2017.16659.1592
- کلاتهآقامحمدی، آمنه. و شریفی، سیدمهدی. (1401). بررسی جایگاه هوش مصنوعی در منابع انسانی از منظر نقش هوش مصنوعی در حذف مشاغل (مورد مطالعه: گویندگی خبر)، دانش آینده پژوهی رسانه،3(3): 64-36. http://noo.rs/LKVAn
- Abdolahi Shahvali, E., Arizavi, Z., Hemmatipour, A. &Jahangirimehr, A.(2024). Investigating the Level of Knowledge, Attitude and Performance Students Regarding the Applications of Artificial Intelligence in Nursing.Jundishapur Scientific Medical Journal,23(2):134-142 .[in persian]10.32592/JSMJ.23.2.134
- Aceto, G., Persico, V. & Pescapé, A. (2020). Industry 4.0 and health: Internet of things, big data, and cloud computing for healthcare 4.0. Journal of Industrial Information Integration, 18.https://doi.org/10.1016/j.jii.2020.100129
-Al Moosa, O.A. & Sagbakken, M. (2023). Artificial Intelligence Applications in Intensive Care Unit Nursing: A Narrative Review (2020–2025). Frontiers in Digital Health, 5. PMC ID: PMC12701216
− Arab Karami, S., Nazari Farrokhi, E. & Dolatshah, B. (2024). Intelligent Prediction of Human Resource Requirements in Organizations: A Data Mining Approach. Intelligent Management of Human Capital, 1(1): 1-27. https://doi.org/10.22034/imhr.2024.464939.1007 [in persian].
-Demiris, G., Oh, O., Ulrich, C. M., Bin You, S., Cho, H. & Villarruel, A. M. (2026). Artificial intelligence and nursing science: Opportunities, challenges, implications, and guidelines. Nursing Outlook, 74(3):1-7. https://doi.org/10.1016/j.outlook.2026.102770
-Ebrahimi, M. & Kozehgari, F .(2022). Time Scheduling of Nurses’ Work Shifts (Case Study: Imam Sajjad (PBUH) Hospital, Ramsar). In: Third International Conference on Challenges and Novel Solutions in Industrial Engineering, Management and Accounting. Chabahar.https://civilica.com/doc/1565080.[in persian].
-El Arab, R.A., Al Moosa, O.A. & Sagbakken, M. (2024). Integrating Nurse Preferences Into AI‑Based Scheduling Systems: Qualitative Study. Journal of Medical Internet Research, 26. DOI: 10.2196/67747
- Esteva, A., Chou, K. & Yeung, S. (2019). Deep learning-enabled medical computer vision. NPJ Digital Medicine, 4(1): 1–9.DOI: 10.1038/s41746-020-00376-2
- Jatobá, M., Santos, J., Gutierriz, I., Moscon, D., Fernandes, P.O. & Teixeira, J.P. (2019). Evolution of Artificial Intelligence Research in Human Resources. Procedia Computer Science, 164, 137-142. https://doi.org/10.1016/j.procs.2019.12.165
- Jiang, F., Jiang, Y., Zhi, H., Dong, Y., Li, H., Ma, S., Wang, Y., Dong, Q., Shen, H. & Wang, Y .(2017). Artificial intelligence in healthcare: Past, present and future. Stroke and Vascular Neurology, 2(4), 230–243.DOI: 10.1136/svn-2017-000101
- KalatehAghamohammadi, A. & Sharifi, S.M. (2022). Investigating the role of AI in HR from the perspective of job elimination (Case study: News broadcasting). Journal of Future Studies in Media, 3 (3): 36-64. Retrieved from. .[in persian].
- Karaferis, D., Balaska, D. & Vasil, P.(2025). Leveraging Artificial Intelligence and Diverse Strategies to Alleviate Burnout and Optimize Workload Management for Nursing Personnel. Clinical Management Journal, 23(4):187-199. DOI: 10.71010/AJCMR.2025-e212
- Kaur, M., Rekha, A. G., Resmi, A. G., & Gandolfi, F. (2023). Research on Artificial Intelligence in Human Resource Management: Trends and Prospects. Global Journal of Management and Business Research: An Administration and Management, 23(5): 31-46. https://ijrt.org/j/article/view/1666
- KaviyanPour, S. & Rezaiyan, J. (2021). Nurses’ Shift Scheduling Considering Job Satisfaction: A Case Study of Imam Khomeini (RA) Hospital, Nour County. Journal of Scientific Studies in Industrial Management, 18(59): 181–218.https://doi.org/10.22054/jims.2017.16659.1592.[in persian]
-Kwon, J. M., Kim, K. H., Jeon, K. H. (2022). Artificial intelligence in nursing and healthcare: A narrative review. Healthcare Informatics Research, 28(3): 193–204. https://doi.org/10.32598/JNRCP.2410.1189
- Obermeyer, Z., Powers, B., Vogeli, C., Mullainathan, S. (2019). Dissecting racial bias in an algorithm used to manage the health of populations. Science, 366(6464): 447–453.doi: 10.1126/science.aax2342
- Partovi Khaghan, B. (2025). Evaluating the applications of artificial intelligencein human resource development planning. Intelligent Management of Human Capital, 2 (6):147-176.10.22034/imhr.2026.565732.1053 [in persian]
- Pedrami, M., Vaezi, S. K. (2025). Managing Ethical Dilemmas of AI in HRM: A Meta-Synthesis Toward an Integrative Framework. Intelligent Management of Human Capital, 1 (3): 29-56 .10.22034/imhr.2025.527039.1029 [in persian].
- Topaz, M., Pruinelli, L. (2017). Big data and nursing: implications for the future. Studies in Health Technology and Informatics, 232: 165–171. https://doi.org/10.3233/978-1-61499-738-2-165
- Topol, E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature Medicine, 25(1): 44–56.https://doi.org/10.1038/s41591-018-0300-7
- Wamba-Taguimdje, S.L., Fosso Wamba, S., Kala Kamdjoug, J.R., & Tchatchouang Wanko, C. E. (2020). Influence of artificial intelligence (AI) on firm performance: the business value of AI-based transformation projects. Business Process Management Journal, 26(7): 1893-1924. https://doi.org/10.1108/BPMJ-10-2019-0411.
- Wong, K.L., Tan, P., Sin, Ng, Y. K., & Fong, C.Y., (2013). The Role of HRM in Enhancing Organizational Performance. Human Resource Management Research, 3(1): 11-15. https://doi:10.5923/j.hrmr.20130301.03
