This article develops an employee-centered framework to explain the dark side of AI-enabled human resource management (AI-HRM). Method: Using a structured integrative conceptual review, it synthesizes 52 peer-reviewed articles published between 2019 and 2025, seven foundational sources, and one official report. Findings: Five mechanisms—algorithmic bias, opacity, workplace surveillance, privacy-invasive people analytics, and algorithmic control—influence perceived organizational injustice, employee privacy concern, and work autonomy. These experiences affect psychological, work-related, and relational well-being both directly and indirectly through organizational trust. Four pathway-specific governance capabilities—algorithmic accountability, actionable explainability, privacy-preserving data governance, and meaningful human oversight—can mitigate these risks. The framework is conceptual rather than empirically tested; its ten core propositions therefore require future validation. Contribution: By integrating previously fragmented research on AI-HRM, fairness, privacy, algorithmic management, and well-being, the article offers a parsimonious and testable framework with practical guidance for responsible AI-HRM. Abstrak dalam Bahasa Indonesia : Artikel ini mengembangkan kerangka yang berpusat pada karyawan untuk menjelaskan sisi gelap manajemen sumber daya manusia berbasis kecerdasan buatan (AI-HRM). Metode: Dengan menggunakan tinjauan konseptual integratif yang terstruktur, artikel ini menyintesis 52 artikel ilmiah yang terbit pada 2019–2025, tujuh rujukan teoretis fundamental, dan satu laporan resmi. Hasil: Lima mekanisme—bias algoritmik, opasitas, pengawasan di tempat kerja, analitik tenaga kerja yang invasif terhadap privasi, dan kontrol algoritmik—memengaruhi persepsi ketidakadilan organisasi, kekhawatiran privasi karyawan, dan otonomi kerja. Pengalaman tersebut memengaruhi kesejahteraan psikologis, pekerjaan, dan relasional, baik secara langsung maupun tidak langsung melalui kepercayaan organisasi. Empat kapabilitas tata kelola yang spesifik pada jalur—akuntabilitas algoritmik, eksplainabilitas yang dapat ditindaklanjuti, tata kelola data yang menjaga privasi, dan pengawasan manusia yang bermakna—dapat mengurangi risiko tersebut. Kerangka ini bersifat konseptual dan belum diuji secara empiris; karena itu, sepuluh proposisi intinya memerlukan validasi pada penelitian mendatang. Kontribusi: Artikel ini mengintegrasikan riset AI-HRM, keadilan, privasi, manajemen algoritmik, dan kesejahteraan ke dalam kerangka yang ringkas, dapat diuji, dan relevan bagi tata kelola AI-HRM yang bertanggung jawab.