This thesis paper studies the impact of Artificial Intelligence on the process of Human Resource Management, focusing on how emerging technologies are reshaping traditional HR functions. It provides a comprehensive overview of basic HRM principles, including job analysis and design, workforce planning, recruitment, selection, training and development, compensation, performance management, and employee relations, and examines the integration of AI technologies into these processes.

 Through an analysis of key AI technologies such as generative AI, machine learning, NLP, and automation, the study investigates their applications in HRM and evaluates their benefits, including improved efficiency, reduced costs and time-to-hire, and enhanced decision-making. Moreover, it addresses the risks when not properly used, including ethical implications, bias, data privacy, and compliance risks. Real-world case studies from organizations like Unilever, Hilton Hotels, IBM, Mastercard, Deloitte, Manipal Hospitals, Amazon, and the case of hiring discrimination in Australia provide practical insights regarding the advantages and challenges of AI utilization.

The study concludes that while AI is the key for innovative and effective HRM, its success lies on careful implementation and management, ethical administration, and balanced collaboration between humans and AI technologies.

Η συγκεκριμένη διπλωματική εργασία μελετά την επίδραση της Τεχνητής Νοημοσύνης στην διαδικασία της Διαχείρισης του Ανθρώπινου Δυναμικού, εστιάζοντας στο πώς οι αναδυόμενες τεχνολογίες τεχνητής νοημοσύνης αναδιαμορφώνουν τις παραδοσιακές λειτουργίες του ανθρώπινου δυναμικού. Παρέχει μία ολοκληρωμένη επισκόπηση των βασικών αρχών της διαχείρισης ανθρώπινου δυναμικού, που περιλαμβάνει την ανάλυση και σχεδιασμό της εργασίας, τον προγραμματισμό του εργατικού δυναμικού, την εύρεση υποψηφίων, την επιλογή για πρόσληψη, την εκπαίδευση και εξέλιξη, την αμοιβή, την διαχείριση της απόδοσης, και τις σχέσεις εργαζομένων, και εξετάζει την ένταξη των τεχνολογιών τεχνητής νοημοσύνης σε αυτές τις διαδικασίες.

Μέσα από την ανάλυση των βασικών τεχνολογιών τεχνητής νοημοσύνης όπως η γενετική τεχνητή νοημοσύνη, την μάθηση των μηχανών, την επεξεργασία φυσικής γλώσσας, και την αυτοματοποίηση, η εργασία ερευνά την εφαρμογή τους στην διαχείριση ανθρώπινου δυναμικού και αξιολογεί τα οφέλη τους, συμπεριλαμβανομένων της βελτιωμένης αποδοτικότητας, της μείωσης του κόστους και του χρόνου προσλήψεων, και της βελτιωμένης λήψης αποφάσεων. Επιπλέον, επισημαίνει τους κινδύνους  που προκύπτουν όταν δεν χρησιμοποιούνται σωστά, όπως οι ηθικές επιπτώσεις, οι προκαταλήψεις, η ιδιωτικότητα των δεδομένων, και οι κίνδυνοι συμμόρφωσης. Μελέτες πραγματικών περιπτώσεων οργανισμών όπως η Unilever, τα ξενοδοχεία Hilton, η IBM, η Mastercard, η Deloitte, τα νοσοκομεία Manipal, η Amazon και η περίπτωση διακρίσεων κατά την πρόσληψη στην Αυστραλία παρέχουν πρακτικές γνώσεις σχετικά με τα πλεονεκτήματα και τις προκλήσεις της αξιοποίησης της τεχνητής νοημοσύνης.

 Η εργασία συνοψίζει ότι ενώ η τεχνητή νοημοσύνη είναι το κλειδί για καινοτόμα και αποτελεσματική διαχείριση ανθρώπινου δυναμικού, η επιτυχία της έγκειται στην προσεκτική εφαρμογή και διαχείριση, στην ηθική διοίκηση, και στην ισορροπημένη συνεργασία μεταξύ του ανθρώπου με τις τεχνολογίες τεχνητής νοημοσύνης.