| Abstract [eng] |
Trumpas magistro baigiamojo darbo (projekto) aprašymas: Šis tyrimas nagrinėja, kaip ribotus išteklius turintys „DeepTech“ startuoliai strategiškai naudoja dirbtinį intelektą talentų valdymo sistemose siekdami išlaikyti inovacijas. Veikdamos tokiose srityse kaip kvantinė kompiuterija, biotechnologijos ir dirbtinis intelektas, šios įmonės susiduria su nuolatiniais kapitalo, specializuotų kompetencijų, technologinės infrastruktūros ir nusistovėjusių organizacinių procesų trūkumais. Šiame kontekste tyrimas analizuoja, kaip dirbtinis intelektas taikomas strategiškai – ne vien kaip operacinė pagalbos priemonė, bet kaip priemonė pritraukti, ugdyti ir koordinuoti tarpdisciplininį žmogiškąjį kapitalą. Taikant mišrių metodų požiūrį, tyrime derinama išsami akademinės ir pramonės literatūros apžvalga su kokybiniais interviu, atliktais su steigėjais, žmogiškųjų išteklių specialistais, rizikos kapitalo atstovais ir akseleratorių atstovais. Analizė vykdoma trimis etapais. Pirma, nagrinėjama „DeepTech“ startuoliams būdingų išteklių apribojimų prigimtis ir parodoma, kaip šie apribojimai skatina etapais vykdomą dirbtinio intelekto diegimą, priklausomybę nuo inovacijų ekosistemų ir selektyvų paruoštų komercinių dirbtinio intelekto sprendimų naudojimą. Antra, pabrėžiamas dirbtinio intelekto vaidmuo stiprinant inovacijų pajėgumą, spartinant mokslinius tyrimus ir plėtrą bei palaikant tarpdisciplininę žinių integraciją. Trečia, empiriniai rezultatai išryškina išorinės ekosistemos svarbą ir atskleidžia, kad koordinavimo spragos tarp akademinės bendruomenės, investuotojų, politikos formuotojų ir inkubatorių dažnai riboja veiksmingą dirbtinio intelekto ir talentų sistemų integraciją. Pagrindinis šio tyrimo teorinis indėlis – Dirbtiniu intelektu grindžiamas inovacijų pajėgumo orkestravimo modelis, kuris perinterpretuoja žmogiškąjį kapitalą kaip dinamišką, dirbtinio intelekto palaikomą gebėjimą, o ne kaip statinį strateginį išteklių. Praktiniu požiūriu tyrimas pateikia rekomendacijas steigėjams, žmogiškųjų išteklių specialistams, investuotojams ir politikos formuotojams, kaip sąmoningas dirbtinio intelekto naudojimas ir ekosistemos koordinavimas gali padėti paversti išteklių apribojimus tvaraus konkurencinio pranašumo šaltiniu. Magistro baigiamojo darbo (projekto) problema, tikslas ir uždaviniai: PROBLEMA Nors dirbtinis intelektas (DI) vis dažniau transformuoja verslo funkcijas, vis dar trūksta mokslinių tyrimų, nagrinėjančių jo strateginį taikymą talentų valdyme „DeepTech“ startuoliuose. Šie startuoliai dažnai veikia turėdami ribotus išteklius ir specializuotose, tarpdisciplininėse srityse, todėl pagrindinių talentų pritraukimas, ugdymas ir išlaikymas tampa ypač sudėtingas. Dauguma esamų tyrimų orientuojasi į tradicines technologijų įmones arba bendrą dirbtinio intelekto taikymą žmogiškųjų išteklių valdyme, todėl trūksta supratimo apie tai, kaip „DeepTech“ sterculia taiko DI spręsdami jiems būdingus talentų valdymo iššūkius. Šiuo tyrimu siekiama užpildyti šią spragą, analizuojant, kaip „DeepTech“ startuoliai naudoja dirbtinį intelektą talentų pritraukimo, ugdymo ir įsitraukimo palaikymui. Taip pat nagrinėjama, kaip šios įmonės valdo ribotus išteklius, sprendžia etinius ir organizacinius iššūkius bei taiko DI pagrįstas žmogiškųjų išteklių valdymo priemones, siekdamos išlaikyti inovatyvumą ir konkurencingumą. TYRIMO OBJEKTAS Šio tyrimo objektas – dirbtiniu intelektu grįstos talentų valdymo praktikos „DeepTech“ startuoliuose. Tyrime analizuojama, kaip šios įmonės, veikiančios tokiose srityse kaip kvantinė kompiuterija, biotechnologijos ir pažangioji inžinerija, strategiškai integruoja dirbtinį intelektą į žmogiškųjų išteklių valdymą, siekdamos pritraukti, ugdyti ir išlaikyti tarpdisciplininius talentus. TYRIMO TIKSLAS Pagrindinis šio tyrimo tikslas – ištirti, kaip „DeepTech“ startuoliai strategiškai naudoja dirbtinį intelektą (DI), siekdami pritraukti, ugdyti ir išlaikyti tarpdisciplininius talentus ribotų išteklių ir inovacijomis. |
