Will social learning be hindered by Artificial Intelligence when the Lean Six Sigma management conception is implemented?

• Autorzy: Świtek Sławomir

Identyfikatory

DOI

10.21008/j.0239-9415.2025.091.08

Warianty tytułu

PL

Czy uczenie społeczne zostanie zastąpione przez Sztuczną Inteligencję podczas wdrażania koncepcji zarządzania Lean Six Sigma?

• Języki publikacji: EN

Abstrakty

EN

The increasing integration of Artificial Intelligence (AI) within Lean Six Sigma management practices raises critical questions about its impact on employee learning and collaboration. This study investigates whether AI disrupts traditional, experience-based, socially mediated learning or if it functions as a complementary tool that enhances continuous improvement. Three objectives guide the research: 1) to evaluate key adult learning theories – Kolb’s experiential cycle, Mezirow’s transformative learning, and Bandura’s social learning – in the context of Lean Six Sigma initiatives; 2) to analyse AI learning mechanisms, including deep learning, backpropagation, and reinforcement learning from human feedback (RLHF), comparing them to human social learning processes; and 3) to determine the potential for a symbiotic relationship between human and AI driven learning. A mixed method approach combines a systematic literature review via ResearchRabbit with the author’s two decades of Lean Six Sigma experience and a comparative analysis framework. The conceptual analysis suggests that AI has the potential to support reflective learning, simulate expert behaviour patterns, and facilitate knowledge consolidation. Importantly, these enhancements may occur without disrupting the critical reflection or collaboration essential to human social learning. The proposed conceptual framework for hybrid human – AI learning environments demonstrates that AI integration preserves essential social learning stages while offering data-driven insights. These results provide practitioners with evidence-based guidance for designing AI-augmented Lean Six Sigma programmes and suggest avenues for longitudinal field studies on hybrid learning outcomes.

PL

Rosnąca integracja sztucznej inteligencji (AI) w koncepcji zarządzania Lean Six Sigma rodzi istotne pytania o wpływ tej technologii na procesy społecznego uczenia się pracowników. Badanie analizuje, czy AI zakłóca tradycyjne, oparte na doświadczeniu i wymianie społecznej uczenie się, czy też staje się narzędziem komplementarnym, wspierającym ciągłe doskonalenie. Praca realizuje trzy cele: 1) ocenę kluczowych teorii uczenia się dorosłych – cyklu doświadczalnego Kolba, uczenia transformacyjnego Mezirowa i społecznego uczenia się Bandury – w kontekście inicjatyw Lean Six Sigma; 2) analizę mechanizmów uczenia się AI, w tym deep learning, backpropagation oraz reinforcement learning from human feedback (RLHF), w porównaniu z procesami społecznego uczenia się ludzi; 3) określenie potencjału symbiotycznej relacji między ludzkim i napędzanym przez AI uczeniem się. Wykorzystano podejście mieszane, łącząc przegląd systematyczny literatury za pomocą ResearchRabbit, dwudziestoletnie doświadczenie autora w Lean Six Sigma oraz analizę porównawczą. Analiza koncepcyjna sugeruje, że AI może wspierać uczenie refleksyjne, symulować wzorce zachowań ekspertów oraz ułatwiać konsolidację wiedzy. Co istotne, korzyści te mogą być osiągane bez zakłócania krytycznej refleksji czy współpracy charakterystycznej dla ludzkiego uczenia się społecznego. Zaproponowano ramy koncepcyjne dla hybrydowych środowisk uczenia się człowiek–AI, wykazując, że integracja AI zachowuje kluczowe etapy społecznego uczenia się, jednocześnie dostarczając wglądu opartego na danych. Wyniki te dostarczają praktykom wytycznych opartych na dowodach do projektowania programów Lean Six Sigma z AI oraz wskazują kierunki długofalowych badań terenowych nad wynikami hybrydowego uczenia się.

Słowa kluczowe

EN

artificial intelligence; Lean Six Sigma; social learning

PL

sztuczna inteligencja; Lean Six Sigma; uczenie społeczne

• Wydawca: Wydawnictwo Politechniki Poznańskiej
• Czasopismo: Zeszyty Naukowe Politechniki Poznańskiej. Organizacja i Zarządzanie
• Rocznik: 2025
• Tom: Nr 91
• Strony: 153--171
• Opis fizyczny: Bibliogr. 40 poz., rys., tab.

Twórcy

autor

Świtek Sławomir

• WSB University, Department of Management

• https://orcid.org/0009-0000-1082-3869

Bibliografia

• 1. Albliwi, S., Antony, J., Lim, S.A.H., van der Wiele, T. (2014). Critical failure factors of Lean Six Sigma: a systematic literature review. International Journal of Quality & Reliability Management, 31(9), 1012-1030.
• 2. Babashahi, L., Barbosa, C.E., Lima, Y., Lyra, A., Salazar, H., Argôlo, M., … & Souza, J.M.D. (2024). AI in the workplace: A systematic review of skill transformation in the industry. Administrative Sciences, 14(6), 127.
• 3. Bagherian, A., Gershon, M., Swarnakar, V. (2023). Identification of learning organisation key elements leading to successful implementation of Six Sigma: an empirical study. International Journal of Productivity and Quality Management, 38(3), 361-387.
• 4. Ballé, M., Jones, D.T., Chaize, J., Fiume, O. (2017). The Lean Strategy: using lean to create competitive advantage, unleash innovation, and deliver sustainable growth. McGraw-Hill.
• 5. Bandura, A. (1977). Social Learning Theory. Prentice Hall.
• 6. Casper, S., Davies, X., Shi, C., Gilbert, T.K., Scheurer, J., Rando, J., Freedman, R., Korbak, T., Lindner, D., Freire, P., Wang, T., Marks, S., Segerie, Ch.R., Carroll, M., Peng, A., Christoffersen, P., Damani, M., Slocum, S., Anwar, U., Siththaranjan, A., Nadeau, M., Michaud, E.J., Pfau, J., Krasheninnikov, D., Chen, X., Langosco, L., Hase, P., Biyik, E., Dragan, A., Krueger, D., Sadigh, D., Hadfield-Menell, D. (2023). Open problems and fundamental limitations of reinforcement learning from human feedback. arXiv preprint arXiv:2307.15217.
• 7. Cilimkovic, M. (2015). Neural networks and back propagation algorithm. Institute of Technology Blanchardstown, Blanchardstown Road North Dublin, 15(1), 18.
• 8. Escobar, C.A., Macias-Arregoyta, D., Morales-Menendez, R. (2023). The decay of Six Sigma and the rise of Quality 4.0 in manufacturing innovation. Quality Engineering, 36(2), 316-335.
• 9. George, M.L. (2002). Lean six sigma: Combining six sigma quality with lean speed. McGraw-Hill.
• 10. Haipeter, T., Wannöel, M., Daus, J.-T., Schaarczik, S. (2024). Human-centered AI through employee participation. Frontiers in Artificial Intelligence, 7, Article 1272102.
• 11. Henderson, B.A., Larco, J.L. (1999). Lean transformation – how to change your business into a lean enterprise. The Oaklea Press.
• 12. Imai, M. (1986). Kaizen – the key to Japan’s competitive success. McGraw-Hill Education.
• 13. Keller, J.M. (1987). Development and use of the ARCS model of instructional design. Journal of Instructional Development, 10(3), 2-10.
• 14. Knowles, M.S. (1975). Self-Directed Learning: A Guide for Learners and Teachers. Chicago, IL: Follett.
• 15. Knowles, M.S. (1980). The Modern Practice of Adult Education: From Pedagogy to Andragogy. Englewood Cliffs, NJ: Cambridge Adult Education.
• 16 Kolb, D.A. (1984). Experiential Learning: Experience as the Source of Learning and Development. Prentice Hall.
• 17. Kounios, J., Kotz, S.A., Holcomb, P.J. (2000). On the locus of the semantic satiation effect: Evidence from event-related brain potentials. Memory & Cognition, 28(8), 1366-1377.
• 18. Lee, K.F., Qiufan, C. (2021). AI 2041: Ten visions for our future. Crown currency.
• 19. Liu, H.C., Liu, R., Gu, X., Yang, M. (2023). From total quality management to Quality 4.0: A systematic literature review and future research agenda. Frontiers of Engineering Management, 10(2), 191-205.
• 20. Merriam, S.B., Bierema, L.L. (2013). Adult Learning: Linking Theory and Practice. Jossey-Bass.
• 21. Merriam, S.B., Caffarella, R.S., Baumgartner, L.M. (2007). Learning in adulthood: A comprehensive guide. Wiley.
• 22. Mezirow, J. (1991). Transformative Dimensions of Adult Learning. Jossey-Bass.
• 23. Mezirow, J. (1996). Beyond Freire and Habermas: confusion a response to Bruce Pietrykowski. Adult Education Quarterly, 46(4), 237-239.
• 24. Mezirow, J. (2008). An overview on transformative learning. Lifelong learning. Taylor Francis.
• 25. Miller, J., Wroblewski, M., Villafuerte, J. (2014). Creating a Kaizen culture: align the organization, achieve breakthrough results and sustain the gains. McGraw-Hill Education.
• 26. Milosevic, M., Djapan, M., D’Amato, R., Ungureanu, N., Ruggiero, A. (2021). Sustainability of the production process by applying lean manufacturing through the PDCA cycle – a case study in the machinery industry. In: S. Hloch, D. Klichová, F. Pude, G.M. Krolczyk, S. Chattopadhyaya (eds.). Advances in Manufacturing Engineering and Materials II. Springer, 199-211.
• 27. Pešec, B. (2022). Improving the impact of remote Playing Lean workshops through action inquiry and critical reflexivity. International Journal of Lean Six Sigma, 14(6), 1144-1167.
• 28. Powell, D.J. (2024). Artificial intelligence in lean manufacturing: digitalization with a human touch? International Journal of Lean Six Sigma, 15(3), 719-729.
• 29. Sestino, A., De Mauro, A. (2021). Leveraging Artificial Intelligence in Business: Implications, Applications and Methods. Technology Analysis & Strategic Management, 34(1), 16-29.
• 30. Shokri, A. (2017). Quantitative analysis of Six Sigma, Lean and Lean Six Sigma research publications in last two decades. International Journal of Quality & Reliability Management, 34(5), 598-625.
• 31. Sood, A.C., Dhull, K.S. (2024). The Future of Six Sigma-Integrating AI for Continuous Improvement. International Journal of Innovative Research in Engineering and Management, 11(5), 8-15.
• 32. Tan, A.B.C., van Dun, D.H., Wilderom, C.P.M. (2024). Lean innovation training and transformational leadership for employee creative role identity and innovative work behawior in a public service organization. International Journal of Lean Six Sigma, 15(8), 1-31.
• 33. Toorajipour, R., Sohrabpour, V., Nazarpour, A., Oghazi, P. (2020). Artificial intelligence in supply chain management: A systematic literature review. Journal of Business Research, 122, 502-517.
• 34. Utama, D.M, Abirfatin, M. (2023). Sustainable Lean Six-sigma: A new framework for improve sustainable manufacturing performance. Cleaner Engineering and Technology, 17, 100700.
• 35. Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A.N., Kaiser, Ł. Polosukhin, I. (2017). Attention is all you need. Advances in neural information processing systems.
• 36. Wang, Q. (2022). Application of six sigma management-based teaching method in financial management course online teaching. International Journal of Emerging Technologies in Learning (iJET), 17(1), 60-73.
• 37. Wei, J., Tay, Y., Bommasani, R., Raffel, C., Zoph, B., Borgeaud, S., Yogatama, D., Bosma, M., Zhou, D., Metzler, D., Chi, E.H., Hashimoto, T., Vinyals, O., Liang, P., Dean, J., Fedus, W. (2022). Emergent abilities of large language models. arXiv preprint arXiv:2206.07682.
• 38. Weiss, K., Khoshgoftaar, T.M., Wang, D. (2016). A survey of transfer learning. Journal of Big Data, 3, 1-40.
• 39. Womack, J.P., Jones, D.T. (1996). Lean Thinking: Banish Waste and Create Wealth in Your Corporation. Simon & Schuster.
• 40. Wu, Q., Zhou, Q., Cormican, K. (2024). Promoting shared leadership in Lean Six Sigma project teams: Toward a three-way interaction model. International Journal of Lean Six Sigma, 15(3), 642-663.