Практики и эффективность модульной цифровой трансформации HR: продольное исследование крупного китайского производственного предприятия (компания M)

   В исследовании на примере компании М – крупного китайского традиционного производственного концерна – анализируются проблемы, возникающие при цифровой трансформации управления персоналом. Несмотря на масштабы деятельности и брендовые преимущества в отрасли, компания М сталкивается с системными трудностями при реализации стратегии цифровизации управления персоналом, основными из которых являются нехватка кадров, обладающих цифровыми компетенциями в сфере HR, нечеткие траектории карьерного роста сотрудников, низкая эффективность офлайн-процессов основной деятельности и низкий уровень использования HR-систем. Исследование выполнено с применением комплекса методов: анализа научной литературы, продольного кейс-анализа и анкетирования. В работе системно обоснованы практические подходы к модульной цифровой реконструкции функций управления персоналом, включая формирование стандартизированной системы управления персоналом (классификация персонала, ролевые группы, иерархическое отображение) и создание интегрированной модульной цифровой платформы, объединяющей бизнес-управление, самообслуживание и бизнес-аналитику. Настоящее исследование не только обогащает теоретические разработки в области цифровой трансформации управления персоналом на традиционных производствах, но и предлагает практический механизм для преодоления управленческих ограничений аналогичными предприятиями и перехода функций управления персоналом от операционной обработки к стратегическому взаимодействию.

1. Лю Ц. (2026). От цифровизации к цифровому интеллекту: теоретическая концептуализация и разработка шкалы для интеллектуальной трансформации управления человеческими ресурсами в корпоративной среде. Экономика и банки. № 2. С. 66–72.

2. Al-Kfairy M. (2025). Strategic integration of generative AI in organizational settings: Applications, challenges, and adoption requirements. IEEE Engineering Management Review. Vol. 53. No. 6. P. 80–97. doi: 10.1109/EMR.2025.3534034

3. Battini D., Berti N., Finco S., Zennaro I., Das A. (2022). Towards industry 5.0: A multi-objective job rotation model for an inclusive workforce. International Journal of Production Economics. No. 250. Arl. 108619. doi: 10.1016/j.ijpe.2022.108619

4. Berhil S., Benlahmar H., Labani N. (2020). A review paper on artificial intelligence at the service of human resources management. Indonesian Journal of Electrical Engineering and Computer Science. Vol. 18. No. 1. P. 32–40. doi: 10.11591/ijeecs.v18.i1.pp32-40

5. Brynskov M., Facca F. M., Hrasko G. (2018). Next Generation Internet of Things. H2020 Coordination and Support Action (CSA). NGIoT Consortium. 2021, 2019.

6. da Silva L. B. P., Soltovski R., Pontes J., Treinta F. T., Leitão P., Mosconi E., de Resende L. M. M., Yoshino R. T. (2022). Human resources management 4.0 : Literature review and trends. Computers & Industrial Engineering. No. 168. Art. 108111. doi: 10.1016/j.cie.2022.108111

7. Liu X., Guo P., Zhao J. (2025). From adaptation to transformation: how to stimulate leaders’ change-oriented organizational citizenship behaviors in project-based temporary organizations. Journal of Organizational Change Management. Vol. 38. No. 1. P. 204–229. doi: 10.1108/JOCM-07-2024-0390

8. Moghaddam A. (2025). How the Viability Concept and Systemic Management Methodologies as the Three-Pillar Model Promote Sustainability. In The Sustainable Organization: How Organizations Address the 17 UN SDGs Using the 3-P-Model. Pp. 49–83. Cham: Springer Nature Switzerland. doi: 10.1007/978-3-031-89549-4_4

9. Qi C. (2025). The The Impact of Artificial Intelligence on High-Quality Development of Manufacturing Enterprises: A Cross-Disciplinary Perspective on Management and Technology. Current Science. Vol. 5, No. 5. P. 4369–4384. doi: 10.52845/CS/2025-5-5-5

10. Rinaldi M., Fera M., Bottani E., Grosse E. H. (2022). Workforce scheduling incorporating worker skills and ergonomic constraints. Computers & Industrial Engineering, No. 168. Art. 108107. doi: 10.1016/j.cie.2022.108107

11. Sasidharakarnavar S. (2025). Revolutionizing Hr: Leveraging workday platform for enhanced work-force management. International Journal of AI, BigData, Computational and Management Studies. Vol. 6, No. 1. doi: 10.63282/3050-9416/IJAIBDCMS-V6I1P110

12. Sivathanu B., Pillai R. (2018). Smart HR 4.0–how industry 4.0 is disrupting HR. Human resource management international digest. Vol. 26, No. 4. P. 7–11. doi: 10.1108/HRMID-04-2018-0059

13. Sokolov D. A. (2025). Cognitive Multi-Cloud ERP Architecture AI-Governed Integration of SAP S4HANA, Apache Frameworks, and Sensor Networks for Environmental and Cancer Health Intelligence. International Journal of Engineering & Extended Technologies Research (IJEETR). Vol. 7, No. 6. P. 10930–10936. doi: 10.15662/IJEETR.2025.0706006

14. Sugiana I., Koni A., Kurniawan W. (2024). Improving The Capital Management System for Micro Small And Medium Enterprises On The Quality Of Human Resources. International Journal of Economics, Management and Accounting (IJEMA). Vol. 2, No. 4. P. 487–494. doi: 10.47353/ijema.v2i4.193

15. Wang H., Wang H. (2026). Optimisation method for human resource scheduling in manufacturing industry based on decision tree algorithm. International Journal of Manufacturing Technology and Management. Vol. 40. P. 60–77. doi: 10.1504/IJMTM.2026.151517