Στη μισθοδοσία, τα πιο επικίνδυνα λάθη της ΤΝ μοιάζουν σωστά

Η μισθοδοσία είναι μία από τις λίγες επιχειρηματικές διαδικασίες όπου κάθε λάθος έχει όνομα, ποσό και ημερομηνία. Γι’ αυτό η χρήση της ΤΝ στη μισθοδοσία απαιτεί πιο προσεκτική συζήτηση, καθώς οι περισσότερες συζητήσεις επικεντρώνονται σε όσα εντοπίζει η ΤΝ. Το δυσκολότερο ερώτημα είναι τι αλλάζει η ΤΝ όταν κανείς δεν παρακολουθεί.

Έχω εργαστεί δεκαεπτά χρόνια στον χρηματοοικονομικό τομέα, αρχικά ως οικονομικός διευθυντής και στη συνέχεια αναπτύσσοντας υποδομές διασυνοριακής μισθοδοσίας. Σε αυτό το διάστημα, έμαθα να αντιμετωπίζω την αυτοματοποίηση ως ανταλλαγή: παραιτείσαι από την ορατή χειρωνακτική εργασία και, ως αντάλλαγμα, αναλαμβάνεις την αόρατη συμπεριφορά του συστήματος.

Τι ζητά πραγματικά η νομοθεσία

Σύμφωνα με την Πράξη της ΕΕ για την Τεχνητή Νοημοσύνη, η ΤΝ στον χώρο εργασίας θεωρείται υψηλού κινδύνου όταν συμβάλλει στη λήψη αποφάσεων για κάποιο άτομο: ποιος προσλαμβάνεται, προάγεται ή απολύεται, πώς ανατίθεται η εργασία του, πώς αξιολογείται η απόδοσή του ή πώς αλλάζουν οι όροι εργασίας του. Αυτές οι αποφάσεις διαμορφώνουν την εργασία και το εισόδημα κάποιου, επομένως η εταιρεία που χρησιμοποιεί το εργαλείο πρέπει να διασφαλίζει ότι ο έλεγχος παραμένει σε άνθρωπο και να τηρεί αρχείο για τον τρόπο με τον οποίο λήφθηκε κάθε απόφαση. Ο υπολογισμός της μισθοδοσίας δεν περιλαμβάνεται εξαρχής σε αυτόν τον κατάλογο, επειδή η εφαρμογή συμφωνημένων συντελεστών στις εγκεκριμένες ώρες είναι αριθμητική πράξη. Η μισθοδοσία γίνεται υψηλού κινδύνου όταν τα δεδομένα της αρχίζουν να χρησιμοποιούνται για τη λήψη αποφάσεων σχετικά με ανθρώπους ή όταν ένα εργαλείο που πωλείται ως «μισθοδοσία» αρχίζει αθόρυβα να λαμβάνει τέτοιες αποφάσεις.

Στις ΗΠΑ, το Εθνικό Ινστιτούτο Προτύπων και Τεχνολογίας (NIST), ομοσπονδιακή υπηρεσία γνωστή για τον καθορισμό τεχνικών προτύπων και προτύπων ασφάλειας, δημοσίευσε το 2023 ένα ειδικό Πλαίσιο Διαχείρισης Κινδύνων ΤΝ, το οποίο οι οργανισμοί μπορούν εύκολα να προσαρμόσουν στις δικές τους συνθήκες. Παρέχει στις εταιρείες έναν πρακτικό κύκλο τεσσάρων βημάτων, στον οποίο θα επανέλθω παρακάτω.

Μέχρι πού μπορεί να φτάσει με ασφάλεια η ΤΝ στη μισθοδοσία σήμερα

Επιφανειακά, η ΤΝ στη μισθοδοσία μοιάζει με ένα πιο γρήγορο ζευγάρι χέρια. Ωστόσο, η υπερδύναμη της ΤΝ —και ταυτόχρονα η κατάρα της— είναι η άψογη, απρόσκοπτη και εθιστική αυτοματοποίηση. Μόλις τεθεί σε λειτουργία το σύστημα, είναι δύσκολο να διακρίνουμε και να διορθώσουμε όλους τους τρόπους με τους οποίους επηρεάζει τους ανθρώπους που τελικά εξυπηρετεί — τους εργαζομένους. Γι’ αυτό η ΤΝ στη διαχείριση ανθρώπινου δυναμικού θεωρείται υψηλού κινδύνου: επηρεάζει άμεσα τα μέσα βιοπορισμού των ανθρώπων, την επιτυχία τους στον χώρο εργασίας και τις μελλοντικές επαγγελματικές τους προοπτικές.

Τα περισσότερα εργαλεία μισθοδοσίας ακολουθούν μια σύντομη διαδρομή. Αρχικά ελέγχουν και προετοιμάζουν, συγκρίνοντας, επισημαίνοντας και συντάσσοντας προσχέδια. Έπειτα αρχίζουν να διατυπώνουν συστάσεις, προτείνοντας να ανασταλεί μια πληρωμή ή να ζητηθούν διευκρινίσεις για ένα τιμολόγιο, ενώ την απόφαση λαμβάνει κάποιος άνθρωπος. Στο τρίτο βήμα, όταν το εργαλείο ενεργεί με τρόπο που επηρεάζει την εργασία, τη θέση ή το εισόδημα κάποιου, πρέπει να σταματά και να επιστρέφει την απόφαση στον άνθρωπο. Η δυσκολία είναι ότι τα βήματα αυτά αλληλεπικαλύπτονται. Η επισήμανση ασυνήθιστων ωρών αποτελεί έναν ακίνδυνο έλεγχο συμφωνίας στο πρώτο βήμα, αλλά συνιστά αξιολόγηση της απόδοσης στο τρίτο. Το μοντέλο δεν αλλάζει από το ένα βήμα στο άλλο· αυτό που αλλάζει είναι ο τρόπος με τον οποίο ένας άνθρωπος αξιοποιεί το αποτέλεσμα που παράγει.

Πού η ΤΝ προσφέρει πραγματικά βοήθεια

Ένα θετικό αποτέλεσμα της αυτοματοποιημένης μισθοδοσίας είναι η εντυπωσιακή μείωση των λαθών — έως και 78%, σύμφωνα με τον Blair McQuillen από την Ignite HCM, εταιρεία συμβούλων μισθοδοσίας. Για να μειώσει τα λάθη στη μισθοδοσία, ένα εργαλείο που βασίζεται στην ΤΝ εκτελεί ουσιαστικά τις ακόλουθες λειτουργίες, ώστε να ελέγχει και να διορθώνει τα συστήματα μισθοδοσίας:

• Η ανίχνευση ανωμαλιών βασίζεται σε αλγορίθμους μηχανικής μάθησης που συγκρίνουν τη μισθοδοσία με ιστορικά αρχεία, επισημαίνοντας απότομες αυξήσεις στις πληρωμές, διπλές καταχωρίσεις και ασυνήθιστες κρατήσεις.
• Η επικύρωση δεδομένων σε πραγματικό χρόνο σημαίνει ότι η ΤΝ εξετάζει τόσο τα τρέχοντα δεδομένα εργαζομένων (π.χ. την αυτόματα καταγεγραμμένη παρουσία) όσο και τα συστήματα προέλευσης (π.χ. τα φύλλα ωρών), επισημαίνοντας λάθη από χειροκίνητη αντιγραφή και επικόλληση.
• Η προληπτική αποτροπή σφαλμάτων αποσκοπεί στον εντοπισμό πιθανών λαθών προτού οριστικοποιηθεί η μισθοδοσία.
• Η συμμόρφωση μπορεί επίσης να αυτοματοποιηθεί εν μέρει από πράκτορες ΤΝ. Αυτοί παρακολουθούν τους εργαζομένους και τους υπολογισμούς μισθοδοσίας και ειδοποιούν αμέσως το τμήμα ανθρώπινου δυναμικού, ακόμη και πριν από τον τριμηνιαίο έλεγχο. Για να αξιοποιηθεί η ΤΝ στη συμμόρφωση ως μηχανισμός καταγγελίας παραβάσεων, πρέπει να οριοθετηθούν με σαφήνεια οι δυνατότητές της και να διασφαλιστεί η συμμετοχή πραγματικών ανθρώπων στη λήψη αποφάσεων.
• Η πρόβλεψη με τη χρήση ΤΝ εκτιμά πώς θα επηρεάσουν το κόστος μισθοδοσίας και τους προϋπολογισμούς οι οργανωτικές αλλαγές ή οι διακυμάνσεις της αγοράς.

Σύμφωνα με την έκθεση της OpenLadger, εταιρείας που παρέχει ενσωματωμένο API λογιστικής με υποστήριξη ΤΝ, οι εταιρείες πέτυχαν 19% ταχύτερο κλείσιμο των οικονομικών τους βιβλίων και 34% καλύτερη τήρηση του προϋπολογισμού.

Όταν το σημείο αναφοράς μαθαίνει από τα λάθη σας

Τα περισσότερα εργαλεία ΤΝ για τη μισθοδοσία προωθούνται με βάση τη συνεχή μάθηση. Με την πάροδο του χρόνου, το σύστημα μαθαίνει πώς είναι η συνήθης μισθοδοσία στον οργανισμό σας και συγκρίνει κάθε εκτέλεση με αυτό το πρότυπο. Αυτό είναι πράγματι χρήσιμο, αλλά είναι και το σημείο από όπου αρχίζει η αθόρυβη αποτυχία.

Ένα σύστημα που μαθαίνει τι είναι «φυσιολογικό» από τα ιστορικά δεδομένα μαθαίνει επίσης τα λάθη που περιέχονται σε αυτά. Ας υποθέσουμε ότι μια κράτηση εφαρμόστηκε λανθασμένα επί έξι μήνες. Το σύστημα ανίχνευσης παύει να την επισημαίνει, επειδή, ύστερα από έξι μήνες του ίδιου λάθους, δεν φαίνεται πια ασυνήθιστη.

Η διασυνοριακή εργασία κάνει το πρόβλημα εντονότερο. Όταν πληρώνετε συνεργάτες σε πολλές χώρες, με διαφορετικά νομίσματα και μεθόδους πληρωμής, το «ασυνήθιστο» είναι συχνά απολύτως νόμιμο: ένα ορόσημο έργου, η αλλαγή του τρόπου πληρωμής, μια μεμονωμένη συνεργασία ή το άνοιγμα ενός νέου διαδρόμου πληρωμών. Αν δοθεί αρκετός χρόνος σε ένα μοντέλο που έχει ρυθμιστεί ώστε να περιορίζει τις ψευδώς θετικές ενδείξεις, θα αρχίσει να καταστέλλει και τις πραγματικές, μαζί με αυτές.

Όταν μια πληρωμή αναστέλλεται, επισημαίνεται ή προσαρμόζεται, κάποιος πρέπει να εξηγήσει τον λόγο: στον εξωτερικό συνεργάτη που περιμένει τα χρήματα, σε έναν ελεγκτή μήνες αργότερα και, τελικά, σε μια ρυθμιστική αρχή.

Τρεις τρόποι να διατηρείτε ελέγξιμη την αυτοματοποίηση της μισθοδοσίας

1. Διαχωρίστε τις εργασίες. Ένας ενιαίος βοηθός που εισάγει δεδομένα, κατατάσσει τους εργαζομένους, υπολογίζει τις αποδοχές, ελέγχει τη συμμόρφωση και αποστέλλει τα εκκαθαριστικά μισθοδοσίας είναι εύκολος στην αγορά, αλλά δύσκολος στον έλεγχο, επειδή όταν το αποτέλεσμα είναι λανθασμένο δεν μπορείτε να διαπιστώσετε ποιο βήμα προκάλεσε το σφάλμα. Ορισμένοι πάροχοι υπηρεσιών μισθοδοσίας στρέφονται ήδη σε σχεδιασμούς με πολλούς πράκτορες, όπου διαφορετικά στοιχεία αναλαμβάνουν την εισαγωγή των φύλλων ωρών εργασίας, την κατάταξη των εργαζομένων, τον υπολογισμό των αποδοχών, τη συμμόρφωση και την επικοινωνία, ενώ καθένα καταγράφει τις ενέργειές του σε ένα κοινό ίχνος ελέγχου. Αυτή η δομή κοστίζει περισσότερο στην υλοποίηση, αλλά αποσβένει το κόστος της την πρώτη φορά που μια ρυθμιστική αρχή ζητά να μάθει πώς προέκυψε μια απόφαση. Μπορείτε να παρακολουθήσετε την αλυσίδα βήμα προς βήμα.
2. Κατηγοριοποιήστε τις ενέργειες ανάλογα με το αν μπορούν να ανακληθούν. Ένα μοντέλο με συμμετοχή ανθρώπου, που είναι πλέον συνηθισμένο στην τεχνολογία ανθρώπινου δυναμικού, κατατάσσει τις αυτοματοποιημένες ενέργειες σε τρία επίπεδα: αυτόματη εκτέλεση, κλιμάκωση και αποκλεισμός. Θα όριζα τα επίπεδα με βάση ένα μόνο κριτήριο: το κόστος ενός λάθους. Ενέργειες χαμηλού κινδύνου που μπορούν να ανακληθούν, όπως οι υπενθυμίσεις, τα αιτήματα εγγράφων και οι έλεγχοι μορφοποίησης, μπορούν να εκτελούνται αυτόματα. Για ενέργειες μεσαίου κινδύνου, όπως η αναστολή μιας πληρωμής μέχρι να δοθούν διευκρινίσεις ή η υποβολή ερωτήματος για ένα τιμολόγιο, η ΤΝ θα πρέπει να συγκεντρώνει τα σχετικά στοιχεία και ένας άνθρωπος να αποφασίζει. Οι μη αναστρέψιμες ενέργειες, καθώς και οτιδήποτε επηρεάζει τον βιοπορισμό κάποιου, πρέπει να παραμένουν εκτός των αρμοδιοτήτων της μηχανής: η λήξη μιας συνεργασίας, η αλλαγή της κατάστασης ενός εργαζομένου και η παρακράτηση αποδοχών για λόγους συμμόρφωσης. Το κριτήριο που χρησιμοποιώ είναι ένα ερώτημα: αν αποδεικνυόταν ότι αυτή η ενέργεια ήταν λανθασμένη, θα μπορούσαμε να την αναιρέσουμε προτού το αντιληφθεί το άτομο που επηρεάζεται; Αν η απάντηση είναι όχι, απαιτείται η έγκριση ενός ανθρώπου.
3. Θεσπίστε κανόνες διακυβέρνησης πριν επεκτείνετε τη χρήση. Το Πλαίσιο Διαχείρισης Κινδύνων ΤΝ του NIST που ανέφερα προηγουμένως βασίζεται σε τέσσερις λειτουργίες: Διακυβέρνηση, Χαρτογράφηση, Μέτρηση, Διαχείριση. Σε ό,τι αφορά τη μισθοδοσία, αυτές μεταφράζονται σε τέσσερα ερωτήματα. Ποιος είναι υπεύθυνος για το αποτέλεσμα: η μισθοδοσία, το οικονομικό τμήμα, η συμμόρφωση ή ο πάροχος; Σύμφωνα με τον Νόμο της ΕΕ για την ΤΝ, οι υποχρεώσεις του φορέα εφαρμογής βαρύνουν τον οργανισμό που λειτουργεί το σύστημα, επομένως η απάντηση «ο πάροχος» δεν είναι αποδεκτή, όσα προϊόντα κι αν φέρουν πλέον την ένδειξη «έτοιμο για τον Νόμο της ΕΕ για την ΤΝ». Ποια από τα εργαλεία σας χρησιμοποιούν πράγματι ΤΝ, δεδομένου ότι όλο και περισσότερο λογισμικό που αγοράζεται ως βασισμένο σε κανόνες περιλαμβάνει πλέον μηχανική μάθηση; Πόσο συχνά παρακάμπτουν οι άνθρωποι τις αποφάσεις της ΤΝ —έναν αριθμό που θα παρακολουθούσα πιο στενά από όλους—, επειδή ένα ποσοστό παράκαμψης κοντά στο μηδέν σπάνια σημαίνει ότι το μοντέλο είναι αλάνθαστο και συχνά σημαίνει ότι οι άνθρωποι έχουν πάψει να ελέγχουν τα αποτελέσματα; Και ποια είναι η εναλλακτική λύση όταν το μοντέλο δεν είναι διαθέσιμο κατά το κλείσιμο της μισθοδοσίας ή όταν το αποτέλεσμά του δεν είναι πλέον αξιόπιστο; Ξέρει ακόμη κανείς στην ομάδα να διεκπεραιώνει τη μισθοδοσία με το χέρι; Για τα στελέχη ανθρώπινου δυναμικού και μισθοδοσίας που σχεδιάζουν να χρησιμοποιήσουν την ΤΝ σε μεγάλη κλίμακα, αξίζει να διαμορφώσουν έγκαιρα αυτή τη δομή.

Η εποχή της ΤΝ προσφέρει στις εταιρείες την ευκαιρία να κάνουν την αφανή, αλλά ουσιαστική δουλειά: να καταγράψουν τα εργαλεία με δυνατότητες ΤΝ, να τηρούν αρχεία που αποτυπώνουν το σκεπτικό και όχι μόνο τα αποτελέσματα, να ορίσουν υπευθύνους για κάθε αυτοματοποιημένη απόφαση και να επανεξετάζουν τακτικά τους δείκτες παράκαμψης.

Όταν τεθούν σε ισχύ οι υποχρεώσεις υψηλού κινδύνου, οι ελεγκτές δεν θα ρωτούν «Χρησιμοποιείτε ΤΝ;» Θα λένε «Δείξτε μου γιατί αυτή η πληρωμή πραγματοποιήθηκε, αναστάλθηκε ή άλλαξε». Οι εταιρείες που μπορούν να απαντήσουν μέσα σε λίγα λεπτά θα επεκτείνουν με επιτυχία την αυτοματοποίησή τους.