في الرواتب، تبدو أخطر أخطاء الذكاء الاصطناعي صحيحة

تُعدّ الرواتب من العمليات التجارية القليلة التي يرتبط فيها كل خطأ باسم ومبلغ وتاريخ. لذلك يستحق استخدام الذكاء الاصطناعي في الرواتب نقاشًا أكثر تدقيقًا، إذ يتركز معظم الحديث على ما يكتشفه الذكاء الاصطناعي. أما السؤال الأصعب فهو: ما الذي يغيّره الذكاء الاصطناعي حين لا يراقبه أحد؟

أمضيت سبعة عشر عامًا في مجال التمويل، بدأتُها مديرًا ماليًا تنفيذيًا، ثم عملت على إنشاء بنية تحتية للرواتب العابرة للحدود. وخلال هذه الفترة، تعلمت أن أتعامل مع الأتمتة على أنها مقايضة: تتخلى عن العمل اليدوي الظاهر، وفي المقابل تتحمل سلوك النظام الخفي.

ما الذي تطلبه اللوائح فعلًا

وفقًا لـقانون الذكاء الاصطناعي للاتحاد الأوروبي، يُعدّ الذكاء الاصطناعي المستخدم في مكان العمل عالي المخاطر عندما يساعد في اتخاذ قرار بشأن شخص ما: من يُوظَّف أو يُرقّى أو يُستغنى عنه، وكيف تُسنَد إليه مهامه، وكيف يُقيَّم أداؤه، أو كيف تتغير شروط عمله. تؤثر هذه القرارات في وظيفة الشخص ودخله، لذا يجب على الشركة التي تستخدم الأداة أن تُبقي الإنسان مسيطرًا على القرار وأن تحتفظ بسجل يوضح كيفية اتخاذ كل قرار. ولا يُعدّ احتساب الرواتب عالي المخاطر افتراضيًا، لأن تطبيق المعدلات المتفق عليها على ساعات العمل المعتمدة مجرد عملية حسابية. لكنه يصبح عالي المخاطر عندما تبدأ بيانات الرواتب في تغذية القرارات المتعلقة بالأشخاص، أو عندما تبدأ أداة تُباع على أنها أداة «للرواتب» في اتخاذ هذه القرارات خفيةً.

في الولايات المتحدة، نشر المعهد الوطني للمعايير والتقنية (NIST)، وهو وكالة اتحادية معروفة بوضع المعايير التقنية ومعايير الأمن، في عام 2023 إطارًا مخصصًا هو إطار إدارة مخاطر الذكاء الاصطناعي، يمكن للمؤسسات تكييفه بسهولة ليناسب ظروفها. ويوفر هذا الإطار للشركات دورة عملية مؤلفة من أربع خطوات، سأعود إليها أدناه.

إلى أي مدى يمكن للذكاء الاصطناعي أن يذهب بأمان في مجال الرواتب اليوم

للوهلة الأولى، يبدو الذكاء الاصطناعي في مجال الرواتب كأنه زوج من الأيدي يعمل بسرعة أكبر. لكن قوة الذكاء الاصطناعي الخارقة، ولعنته في الوقت نفسه، تكمن في الأتمتة المتقنة والسلسة والمسببة للإدمان. وما إن يبدأ النظام بالعمل، حتى يصعب رصد جميع الطرق التي يؤثر بها في المستفيدين النهائيين منه — أي العاملين — وتصحيحها. ولهذا يُعدّ الذكاء الاصطناعي في الموارد البشرية عالي المخاطر: فهو يؤثر مباشرةً في سبل عيش الناس ونجاحهم في العمل وآفاقهم المهنية المستقبلية.

تسلك معظم أدوات الرواتب مسارًا قصيرًا. تبدأ بالتحقق والإعداد، فتقارن البيانات وترصد الحالات وتُعدّ المسودات. ثم تبدأ في تقديم التوصيات، مثل اقتراح تعليق دفعة أو الاستفسار عن فاتورة، بينما يتخذ شخص القرار. أما الخطوة الثالثة، حين تتصرف الأداة بشأن أمر يؤثر في وظيفة شخص أو وضعه أو دخله، فهي النقطة التي ينبغي عندها أن تتوقف وتعيد القرار إلى الإنسان. وتكمن الصعوبة في تداخل هذه الخطوات. فرصد ساعات عمل غير معتادة يُعدّ فحصًا بسيطًا للتسوية في الخطوة الأولى، لكنه يصبح حكمًا على الأداء في الخطوة الثالثة. لا يتغير النموذج بين الخطوتين؛ بل يتغير استخدام الإنسان لمخرجاته.

المجالات التي يقدم فيها الذكاء الاصطناعي فائدة حقيقية

من النتائج الإيجابية لأتمتة الرواتب خفض الأخطاء بشكل كبير — يصل إلى 78%، وفقًا لـBlair McQuillen من Ignite HCM، وهي خدمة استشارية في مجال الرواتب. وتنفذ الأداة المدعومة بالذكاء الاصطناعي، والمخصصة للحد من أخطاء الرواتب، عمليات أساسية لمسح أنظمة الرواتب وتصحيحها، تشمل ما يلي:

• اكتشاف الحالات الشاذة هو استخدام خوارزميات التعلم الآلي لمقارنة بيانات الرواتب بالسجلات التاريخية، بهدف رصد الارتفاع المفاجئ في المدفوعات والقيود المكررة والاستقطاعات غير المعتادة.
• يعني التحقق من صحة البيانات في الوقت الفعلي أن الذكاء الاصطناعي يفحص بيانات الموظفين الحالية (مثل سجلات الحضور المُسجّلة تلقائيًا) والأنظمة المصدرية (مثل جداول الدوام)، ويرصد أخطاء النسخ واللصق اليدوي.
• تعمل الوقاية التنبؤية من الأخطاء على استشراف الأخطاء قبل اعتماد كشوف الرواتب نهائيًا.
• يمكن أيضًا أتمتة الامتثال إلى حد ما باستخدام وكلاء الذكاء الاصطناعي. فهم يراقبون الموظفين وعمليات احتساب الرواتب، وينبهون قسم الموارد البشرية فورًا، حتى قبل موعد التدقيق ربع السنوي. ويعني السماح للذكاء الاصطناعي بالمشاركة في الامتثال بصفته كاشفًا للمخالفات توضيح قدراته بلا لبس وإشراك أشخاص حقيقيين في صنع القرار.
• تتنبأ التوقعات المعتمدة على الذكاء الاصطناعي بتأثير التغييرات التنظيمية أو تقلبات السوق في تكاليف الرواتب والميزانيات.

وفقًا لـتقرير OpenLadger، الصادر عن واجهة برمجة تطبيقات محاسبية مدمجة ومدعومة بالذكاء الاصطناعي، حققت الشركات إقفالًا ماليًا أسرع بنسبة 19% وتحسنًا بنسبة 34% في الالتزام بالميزانية.

حين يتعلم خط الأساس من أخطائك

يُسوَّق معظم أدوات الذكاء الاصطناعي للرواتب على أساس التعلم المستمر. وبمرور الوقت، يستنتج النظام شكل الرواتب المعتاد في مؤسستك، ويقارن به كل دورة صرف. وهذا مفيد حقًا، لكنه أيضًا الموضع الذي يبدأ عنده الإخفاق الخفي.

النظام الذي يتعلم ما هو «معتاد» من السجلات السابقة يتعلم كذلك الأخطاء الواردة فيها. لنفترض أن استقطاعًا طُبّق على نحو غير صحيح لمدة ستة أشهر. عندئذ يتوقف نظام الرصد عن التنبيه إليه، لأنه لم يعد يبدو غير معتاد بعد تكرار الخطأ نفسه ستة أشهر.

ويزداد الأمر وضوحًا في العمل العابر للحدود. فعندما تدفع للمقاولين في بلدان وعملات ووسائل دفع كثيرة، يكون ما يبدو «غير معتاد» مشروعًا في كثير من الأحيان: دفعة مرتبطة بإنجاز مرحلة من مشروع، أو تغيير مسار الدفع، أو تكليف لمرة واحدة، أو فتح مسار دفع جديد. ومع مرور الوقت، سيبدأ نموذج ضُبط للحد من الإشارات الإيجابية الكاذبة في كبت الإشارات الحقيقية معها.

عندما يُعلَّق صرف دفعة أو تُعلَّم على أنها موضع شك أو تُعدَّل، لا بد أن يشرح أحدهم السبب: للمتعاقد الذي ينتظر مستحقاته، ولمدقق بعد أشهر، ثم لجهة تنظيمية في نهاية المطاف.

ثلاث طرق لإبقاء أتمتة الرواتب قابلة للتدقيق

1. افصل المهام. من السهل شراء مساعد واحد يستوعب البيانات، ويصنّف العاملين، ويحسب الأجور، ويتحقق من الامتثال، ويرسل قسائم الرواتب، لكن يصعب تدقيقه؛ فعندما تكون النتيجة خاطئة، لا يمكنك معرفة الخطوة التي تسببت في الخطأ. بدأت بعض مزوّدي خدمات الرواتب بالفعل الانتقال إلى تصاميم متعددة الوكلاء، تتولى فيها مكوّنات منفصلة إدخال سجلات الدوام، وتصنيف العاملين، وحساب الأجور، والامتثال، والتواصل، ويسجّل كل مكوّن عمله في سجل تدقيق مشترك. يكلف إعداد هذا النظام أكثر، لكنه يسترد تكلفته منذ المرة الأولى التي تسأل فيها جهة تنظيمية عن كيفية التوصل إلى قرار. ويمكنك تتبّع سلسلة الخطوات واحدة تلو الأخرى.
2. رتّب الإجراءات بحسب إمكانية التراجع عنها. يقسّم نموذج إبقاء الإنسان ضمن الحلقة، الشائع الآن في تقنيات الموارد البشرية، الإجراءات المؤتمتة إلى ثلاث فئات: التنفيذ تلقائيًا، والتصعيد، والحظر. وأرى أن تصنيف هذه الفئات ينبغي أن يستند إلى معيار واحد: كلفة الخطأ. يمكن تنفيذ الإجراءات القابلة للتراجع عنها ومنخفضة المخاطر تلقائيًا، مثل التذكيرات وطلبات المستندات والتحقق من التنسيق. أما الإجراءات متوسطة المخاطر، مثل تعليق دفعة إلى حين اتضاح أمر ما أو الاستفسار عن فاتورة، فينبغي أن يهيّئ فيها الذكاء الاصطناعي الأدلة، ويتخذ شخص القرار. وتظل الإجراءات التي لا يمكن التراجع عنها، وكل ما يمسّ مصدر رزق شخص ما، محظورة على الآلة: إنهاء علاقة تعاقدية، أو تغيير وضع عامل، أو حجب الأجر لأسباب تتعلق بالامتثال. أختبر الأمر بسؤال واحد: إذا تبيّن أن هذا الإجراء خاطئ، فهل يمكننا التراجع عنه قبل أن يلاحظ الشخص المعني؟ عندما تكون الإجابة لا، يجب أن يقرّه شخص.
3. أرسِ الحوكمة قبل التوسع. يتألف إطار NIST لإدارة مخاطر الذكاء الاصطناعي الذي ذكرته سابقًا من أربع وظائف: الحوكمة، والتحديد، والقياس، والإدارة. وفي سياق الرواتب، تتحول هذه الوظائف إلى أربعة أسئلة. من المسؤول عن المخرجات: فريق الرواتب، أم المالية، أم الامتثال، أم المورّد؟ بموجب قانون الذكاء الاصطناعي، تقع التزامات الجهة المشغّلة على عاتق المؤسسة التي تشغّل النظام؛ لذلك لا يصلح أن تكون الإجابة «المورّد»، مهما بلغ عدد المنتجات التي تحمل الآن شارة «جاهز لقانون الاتحاد الأوروبي للذكاء الاصطناعي». أي من أدواتك يستخدم الذكاء الاصطناعي فعلًا، بالنظر إلى الكم الكبير من تقنيات التعلم الآلي المضمّنة حاليًا في برامج اشتُريت على أنها قائمة على القواعد؟ كم مرة يتجاوز الناس قرارات الذكاء الاصطناعي؟ هذا رقم أراقبه عن كثب، لأن معدل التجاوز القريب من الصفر نادرًا ما يعني أن النموذج لا تشوبه شائبة، وغالبًا ما يعني أن البشر توقفوا عن مراجعة مخرجاته. وما الخطة البديلة إذا تعذّر استخدام النموذج أثناء إقفال الحسابات، أو لم يعد من الممكن الوثوق بمخرجاته؟ وهل لا يزال أحد أفراد الفريق يعرف كيفية إعداد الرواتب يدويًا؟ بالنسبة إلى قادة الموارد البشرية والرواتب الذين يخططون لاستخدام الذكاء الاصطناعي على نطاق واسع، يجدر بناء هذا الهيكل في وقت مبكر.

يتيح عصر الذكاء الاصطناعي للشركات فرصة إنجاز الأعمال الأقل بريقًا: إعداد قائمة جرد بالأدوات المدعومة بالذكاء الاصطناعي، وإنشاء سجلات توثّق مسوّغات القرارات لا نتائجها فحسب، وتحديد مسؤولين عن كل قرار مؤتمت، ومراجعة مقاييس تجاوز القرارات المؤتمتة بانتظام.

عندما يبدأ سريان الالتزامات المتعلقة بالمخاطر العالية، لن يكون سؤال المدققين: «هل تستخدمون الذكاء الاصطناعي؟» بل: «أروني سبب صرف هذه الدفعة أو تعليقها أو تغييرها». وستتمكن الشركات التي تجيب عن ذلك في غضون دقائق من توسيع نطاق أتمتتها بنجاح.