Eksperimentering til Eksekvering: Hvordan AI Kan Hæve Standarden i HR og Løn

AI har domineret forretnings-teknologisamtaler i de seneste få år, fordi de lovede gevinster i produktivitet og effektivitet virkelig er transformerende. Men en McKinsey-rapport om AI’s tilstand i virksomhederne fandt, at mens næsten alle undersøgtes respondenter bruger AI-værktøjer i nogen kapacitet, er de fleste stadig i eksperimenteringsfasen.

Næsten to tredjedele af de undersøgte virksomheder har endnu ikke skaleret teknologien på tværs af deres organisationer og eksekverer på en måde, der leverer værdi. Samtidig udvikler teknologien sig hurtigt. AI er et flygtigt mål, hvilket er en anden udfordring for virksomhedsledere, der søger efter måder at gå fra AI-hype til målbare resultater.

HR og løn er begyndt at fremstå som afprøvningsskibe i rejsen fra eksperimentering til eksekvering. Her er en oversigt over nogle af de udfordringer, HR-ledere står overfor på dette kritiske punkt, hvorfor menneskelig oversigt vil forblive afgørende og hvordan man kan gå videre på en måde, der leverer den mest positive indvirkning på virksomheden.

De Unikke Udfordringer ved at Anvende AI til HR- og Lønprocesser

I teorien er HR- og lønfunktionen et ideelt område at anvende AI, fordi der er mange højvolumen-, dataintensive processer, der kræver præcision og effektivitet. However, data bliver ikke mere følsomme end oplysninger relateret til medarbejdernes sundhed, jobpræstation og løn.

Givet denne baggrund er der to primære udfordringer for ledere, der ønsker at udrulle AI i HR- og lønkonteksten. Den første er datasikkerhed. Det er simpelthen en uacceptabel risiko at placere personligt identificerbare oplysninger (PII) i en ikke-sikret offentlig AI-miljø.

HR- og løn-AI-funktioner skal køre i en sikret, HIPAA-kompatibel miljø, ikke en offentlig ChatGPT-forekomst. Det er den første sikringsforanstaltning, og det er ikke forhandelbart.

At beslutte, hvordan man anvender teknologien, er den anden udfordring. AI-værktøjer er i stand til at udføre arbejdskrævende opgaver som at udføre sammenlignende analyser og scannende løn-gennemløb for anomalier, men data-nøjagtighed er nøglen til succes. Der er ingen plads til fejl i HR- og løn-området på grund af den direkte indvirkning på medarbejderne. En 99%-score giver en F i HR.

Af disse grunde har HR-ledere brug for platform-specifik ekspertise og en stærk fokus på styring for effektivt at anvende AI i HR og løn; generel bekendtskab med AI-teori vil ikke være nok. Det er også afgørende at vælge en platform, der giver AI-værktøjer mulighed for at lære fra virksomhedens egne data, ikke kun offentligt tilgængelige oplysninger fra internettet.

Menneskelig Oversigt er en Afgørende Succesfaktor

Da HR- og lønansøgninger viser, at AI kan levere målbare resultater, bliver det mere og mere klart, at effektive AI-strategier bygges ikke kun omkring styring og data-integritet, men også menneskelig oversigt, som er en afgørende succesfaktor.

Den bedste tilgang er at integrere AI i virkelige arbejdsgange ved hjælp af virksomhedens egne data, med mennesker, der validerer AI-analyse. Denne strategi hjælper organisationer med at undgå den almindelige fælde af at bruge AI som et selvstændigt værktøj, der trækker offentligt tilgængelige data fra online-kilder. Denne tilgang er risikabel, fordi selv de mest entusiastiske evangelister erkender, at AI ikke er 100% nøjagtig og kræver gennemgang som en sikringsforanstaltning for at minimere risici.

Processen med at definere lønbånd er et godt eksempel på en HR-opgave, der kræver omhyggelig menneskelig oversigt. Virksomheder har brug for konkurrencedygtige lønbånd for at tiltrække højkvalificerede kandidater, og en række stater har løntransparenslove på plads. Det er vigtigt at sikre, at HR-holdet tager beslutninger baseret på nøjagtige data.

Flere faktorer indgår i optimeringen af lønbånd, herunder overvejelser om beliggenhed. Således vil et HR-hold, der afhænger af en ChatGPT-lignende platform, der får adgang til offentligt tilgængelige data, være ude af stand til at basere lønniveauer på data fra New York City, når de bestemmer lønbånd for Orlando, Florida.

Når HR-hold får adgang til en HIPAA-kompatibel platform med stærke styringskontroller, der baserer analyser på deres egen virksomhedsdata, kan de begynde at demonstrere virkelige resultater. Men selv da forbliver den menneskelige faktor afgørende, fordi nøjagtighed ikke er valgfri i HR og løn. Således er rollen tildelt til AI vigtig.

I stedet for at bede AI om at fastsætte lønbånd eller identificere skattesatser bør HR-ledere bruge det til analyse, der derefter bekræftes af mennesker, og til at oprette andre opgaver, som mennesker derefter udfører. For eksempel kan AI generere påmindelser for at sikre, at HR betaler skatter på tid og give rapporter til brugere baseret på data fra systemet, ikke fra internettet.

Udrulning af AI til at Skabe Værdi

En faktor, der gør AI unik, er dets utroligt hurtige udvikling. Fordi det konstant lærer og udvider kapaciteter, vil beslutningen om, hvor og hvordan man udruller AI, altid være som at ramme et flygtigt mål.

En strategi, der er værd at overveje, er, at HR-ledere identificerer deres tre til fem tidskrævende processer og bestemmer, hvordan AI kan hjælpe med at strømline disse opgaver. Hjælp er allerede tilgængelig i flere former, enten som agens-ai, der kan integreres i arbejdsgange for at udføre opgaver, eller som en LLM-model, der kan udføre data-analyse.

For eksempel er software-virksomheder begyndt at bruge kunstig intelligens til at strømline administrationen af medarbejderfordelinger ved at fungere som en intelligent oversætter mellem tætte, komplekse fordelingsdokumenter og de højst strukturerede konfigurationsregler, der kræves af Human Resources Information Systems (HRIS). Ved hjælp af avanceret Natural Language Processing (NLP) kan AI læse igennem intrikate juridiske kontrakter eller fordelingssummer for automatisk at udtrække kritiske datapunkter – såsom berettigelseskriterier, dækningstrin, fradragsbeløb og bidragsgrænser. Det kartografiske og konverterer disse variabler direkte til de specifikke digitale formater og logik, som HR-softwaren naturligt forstår. Denne automatisering transformerer den traditionelt kedelige og fejlbehæftede proces med manuel data-indtastning, hvilket giver HR-afdelinger mulighed for at implementere årlige planændringer, opdatere compliance-regler eller rulle helt nye tilbud ud med en hidtil uset hastighed, nøjagtighed og letthed.

Dette demonstrerer en grundlæggende sandhed om AI-kapaciteter, da HR- og lønledere går fra eksperimentering til eksekvering. Spændende muligheder som diskussioner mellem autonome agenter er på horisonten, og det vil være en spilvender, men til sidst vil beslutninger kræve, at menneskelige ledere tager beslutningen.

Da HR-ledere bygger systemer, der centrerer sig om styring, sikrer data-integritet og integrerer menneskelig oversigt som en afgørende komponent, kan AI bære byrden, når det er integreret i arbejdsgange, men mennesker vil forblive ansvarlige. Det er, som det skal være, når ledere bruger AI til at hæve standarden i HR- og lønpræstation.