Leadership coaching develops managers but is expensive and difficult to scale. AI may be able to help scale access, but “answering machine” like AI coaching agents invite cognitive offloading and weaken learning. We instantiated a human coaching protocol, supported across prior cycles, as a text-based AI coach built to prompt reflective questioning. In the fourth cycle of a design-based research program at a global consulting firm, eight managers received the same protocol from a human coach and the AI coach, applied each session in an observed onboarding activity, and reflected on both in interviews. All eight welcomed the probing questions and preferred the human coach. Notably, they resisted the same protocol of questioning from the AI coach and wanted answers from it instead. This study’s theoretical contribution is the Reflection Penalty, the cost an AI coach pays for asking a user to do the reflective work that makes human coaching effective. Its practical contribution is a jobs-to-be-done map for AI coaching, assembled from proposals participants raised on their own. It divides coaching into distinct jobs and assigns each to the human or the AI best suited to it. Both contributions are offered to those designing AI tools that aim to support reflection
مربیگری رهبری به توسعهٔ مدیران کمک می‌کند اما پرهزینه و دشوار برای مقیاس‌پذیری است. هوش مصنوعی ممکن است بتواند دسترسی را مقیاس‌پذیر کند، اما عامل‌های مربیگری مبتنی بر هوش مصنوعی که شبیه «دستگاه پاسخگو» عمل می‌کنند، منجر به واگذاری شناختی و تضعیف یادگیری می‌شوند. ما یک پروتکل مربیگری انسانی را که در چرخه‌های قبلی پشتیبانی شده بود، به‌صورت یک مربی مبتنی بر متن با هدف پرسشگری تأملی به‌عنوان مربی هوش مصنوعی پیاده‌سازی کردیم. در چهارمین چرخهٔ یک برنامهٔ پژوهش مبتنی بر طراحی در یک شرکت مشاورهٔ جهانی، هشت مدیر همان پروتکل را از یک مربی انسانی و مربی هوش مصنوعی دریافت کردند، هر جلسه را در یک فعالیت مشاهده‌شدهٔ آشنایی به کار بردند و در مصاحبه‌ها دربارهٔ هر دو تأمل کردند. هر هشت نفر پرسش‌های عمیق را پذیرفتند و مربی انسانی را ترجیح دادند. به طور قابل توجهی، آن‌ها در برابر همان پروتکل پرسشگری از سوی مربی هوش مصنوعی مقاومت کردند و به جای آن خواهان دریافت پاسخ از آن بودند. سهم نظری این مطالعه «جریمهٔ تأمل» است؛ هزینه‌ای که یک مربی هوش مصنوعی برای واداشتن کاربر به انجام کار تأملی که مربیگری انسانی را مؤثر می‌کند، می‌پردازد. سهم عملی آن نقشه‌ای از وظایف قابل انجام برای مربیگری هوش مصنوعی است که از پیشنهادهای مطرح‌شده توسط شرکت‌کنندگان گردآوری شده است. این نقشه مربیگری را به وظایف متمایز تقسیم می‌کند و هر یک را به انسان یا هوش مصنوعی که برای آن مناسب‌تر است، اختصاص می‌دهد. هر دو سهم به طراحان ابزارهای هوش مصنوعی که هدف آن‌ها حمایت از تأمل است، ارائه می‌شود.
While Artificial Intelligence (AI) has become undeniably important in modern sales management, scholarly focus has remained disproportionately fixed on productivity and efficiency outcomes rather than mental health and wellness. This paper addresses that imbalance by examining the impact of AI-coaching on salesperson well-being. After exploring the limited scholarship available, we incorporate the theory of tools to scrutinize when AI is ready-to-hand (where the tool is transparently integrated), unready-to-hand (where the tool fails), and present-at-hand (where the user analytically observes the tool’s properties). The primary contribution of this work is a comprehensive future research agenda that moves beyond performance metrics to investigate the lived experience of salespeople and possible well-being outcomes, both positive and negative. The agenda identifies four critical dimensions—the user, the tool, the delivery, and the context—as potential moderators in the framework. This manuscript is a call to action for researchers to investigate how AI-coaching can be implemented as a catalyst for employee empowerment rather than a source of technostress and burnout for salespeople and sales managers.
در حالی که هوش مصنوعی (AI) به طور غیرقابل انکاری در مدیریت فروش مدرن اهمیت یافته است، تمرکز پژوهشی به طور نامتناسبی بر پیامدهای بهره‌وری و کارایی باقی مانده و به سلامت روان و بهزیستی توجه کمتری شده است. این مقاله به منظور رفع این عدم توازن، به بررسی تأثیر مربیگری مبتنی بر هوش مصنوعی بر بهزیستی فروشندگان می‌پردازد. پس از مرور پژوهش‌های محدود موجود، نظریه ابزارها را به کار می‌گیریم تا بررسی کنیم که چه زمانی هوش مصنوعی «آماده به کار» است (ابزاری که به طور شفاف یکپارچه شده است)، «آماده به کار نیست» (ابزاری که دچار نقص می‌شود)، و «حاضر در دست» (زمانی که کاربر به طور تحلیلی ویژگی‌های ابزار را مشاهده می‌کند). مهم‌ترین دستاورد این پژوهش، ارائه یک دستور کار جامع برای تحقیقات آینده است که فراتر از سنجه‌های عملکردی، به تجربه زیسته فروشندگان و پیامدهای بهزیستی، اعم از مثبت و منفی، می‌پردازد. این دستور کار چهار بُعد کلیدی—کاربر، ابزار، شیوه ارائه و زمینه—را به عنوان تعدیل‌گرهای احتمالی در این چارچوب شناسایی می‌کند. این مقاله فراخوانی است برای پژوهشگران تا بررسی کنند که چگونه مربیگری مبتنی بر هوش مصنوعی می‌تواند به عنوان محرکی برای توانمندسازی کارکنان اجرا شود و نه منبعی برای تکنواسترس و فرسودگی شغلی در میان فروشندگان و مدیران فروش.
