Ηγέτες σκέψης

Από τον πειραματισμό στην εφαρμογή: πώς η ΤΝ αναβαθμίζει το ανθρώπινο δυναμικό και τη μισθοδοσία

Wesley Bryan
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Βασικά σημείαΤο HR AI απαιτεί ασφαλείς πλατφόρμες συμβατές με το HIPAA για την προστασία ευαίσθητων…
Δείτε περισσότερα
  • Το HR AI απαιτεί ασφαλείς πλατφόρμες συμβατές με το HIPAA για την προστασία ευαίσθητων δεδομένων εργαζομένων.
  • Η ανθρώπινη επίβλεψη παραμένει απαραίτητη για την επικύρωση της ανάλυσης της τεχνητής νοημοσύνης και τη διασφάλιση της ακρίβειας των μισθοδοτικών διαδικασιών.
  • Η τεχνητή νοημοσύνη μπορεί να απλοποιήσει εργασίες του HR, όπως η διαχείριση παροχών, με την ερμηνεία πολύπλοκων εγγράφων σχεδίων.

Η τεχνητή νοημοσύνη κυριαρχεί τα τελευταία χρόνια στις συζητήσεις για την επιχειρηματική τεχνολογία, επειδή οι υποσχόμενες βελτιώσεις στην παραγωγικότητα και την αποδοτικότητα μπορούν πραγματικά να μεταμορφώσουν τη λειτουργία των επιχειρήσεων. Ωστόσο, μια έκθεση της McKinsey για τη χρήση της ΤΝ στις επιχειρήσεις διαπίστωσε ότι, παρόλο που σχεδόν όλοι οι συμμετέχοντες στην έρευνα χρησιμοποιούν εργαλεία ΤΝ με κάποιον τρόπο, οι περισσότεροι παραμένουν στο στάδιο του πειραματισμού.

Σχεδόν τα δύο τρίτα των επιχειρήσεων που συμμετείχαν στην έρευνα δεν έχουν ακόμη επεκτείνει την τεχνολογία σε ολόκληρο τον οργανισμό ούτε την έχουν αξιοποιήσει με τρόπο που δημιουργεί αξία. Παράλληλα, η τεχνολογία εξελίσσεται γρήγορα. Η ΤΝ είναι κινούμενος στόχος, γεγονός που δημιουργεί μια επιπλέον πρόκληση για τα στελέχη που θέλουν να περάσουν από τον ενθουσιασμό γύρω της σε μετρήσιμα αποτελέσματα.

Η διαχείριση ανθρώπινου δυναμικού και η μισθοδοσία εξελίσσονται σε πεδία δοκιμής για τη μετάβαση από τον πειραματισμό στην εφαρμογή. Ακολουθεί μια επισκόπηση των προκλήσεων που αντιμετωπίζουν οι επικεφαλής ανθρώπινου δυναμικού σε αυτή την κρίσιμη καμπή, των λόγων για τους οποίους η ανθρώπινη εποπτεία παραμένει απαραίτητη και του τρόπου με τον οποίο μπορούν να προχωρήσουν για τον μεγαλύτερο δυνατό θετικό αντίκτυπο στην επιχείρηση.

Οι ιδιαίτερες προκλήσεις της εφαρμογής ΤΝ στο ανθρώπινο δυναμικό και τη μισθοδοσία

Θεωρητικά, η διαχείριση ανθρώπινου δυναμικού και η μισθοδοσία αποτελούν ιδανικά πεδία εφαρμογής της ΤΝ, καθώς περιλαμβάνουν πολλές διαδικασίες μεγάλης κλίμακας, με εντατική χρήση δεδομένων, που απαιτούν ακρίβεια και αποδοτικότητα. Ωστόσο, οι πληροφορίες για την υγεία, την εργασιακή απόδοση και τις αποδοχές των εργαζομένων συγκαταλέγονται στα πιο ευαίσθητα δεδομένα.

Σε αυτό το πλαίσιο, τα στελέχη που θέλουν να εισαγάγουν ΤΝ στο ανθρώπινο δυναμικό και τη μισθοδοσία αντιμετωπίζουν δύο βασικές προκλήσεις. Η πρώτη είναι η ασφάλεια των δεδομένων. Η εισαγωγή πληροφοριών που επιτρέπουν την ταυτοποίηση προσώπων, γνωστών ως PII, σε ένα μη ασφαλές δημόσιο περιβάλλον ΤΝ αποτελεί απλώς απαράδεκτο κίνδυνο.

Οι λειτουργίες ΤΝ για το ανθρώπινο δυναμικό και τη μισθοδοσία πρέπει να εκτελούνται σε ασφαλές περιβάλλον που συμμορφώνεται με τις απαιτήσεις HIPAA, και όχι σε δημόσια υπηρεσία ChatGPT. Αυτή είναι η πρώτη δικλίδα ασφαλείας και δεν είναι διαπραγματεύσιμη.

Η δεύτερη πρόκληση είναι να αποφασιστεί πώς θα εφαρμοστεί η τεχνολογία. Τα εργαλεία ΤΝ μπορούν να εκτελούν απαιτητικές εργασίες, όπως συγκριτικές αναλύσεις και ελέγχους των κύκλων μισθοδοσίας για ανωμαλίες, αλλά η ακρίβεια των δεδομένων είναι το κλειδί της επιτυχίας. Στο ανθρώπινο δυναμικό και τη μισθοδοσία δεν υπάρχει περιθώριο λάθους, καθώς οι συνέπειες για τους εργαζομένους είναι άμεσες. Στο ανθρώπινο δυναμικό, ακόμη και επίδοση 99% ισοδυναμεί με αποτυχία.

Γι’ αυτό, οι επικεφαλής ανθρώπινου δυναμικού χρειάζονται εξειδικευμένη γνώση της πλατφόρμας και ισχυρή έμφαση στη διακυβέρνηση, ώστε να εφαρμόζουν αποτελεσματικά την ΤΝ στη διαχείριση προσωπικού και τη μισθοδοσία. Η γενική εξοικείωση με τη θεωρία της ΤΝ δεν αρκεί. Είναι επίσης απαραίτητο να επιλέγουν πλατφόρμα που επιτρέπει στα εργαλεία ΤΝ να μαθαίνουν από τα δεδομένα του ίδιου του οργανισμού και όχι μόνο από δημόσιες πληροφορίες του διαδικτύου.

Η ανθρώπινη εποπτεία είναι κρίσιμος παράγοντας επιτυχίας

Καθώς οι εφαρμογές ανθρώπινου δυναμικού και μισθοδοσίας αποδεικνύουν ότι η ΤΝ μπορεί να προσφέρει μετρήσιμα αποτελέσματα, γίνεται όλο και πιο σαφές ότι οι αποτελεσματικές στρατηγικές δεν στηρίζονται μόνο στη διακυβέρνηση και την ακεραιότητα των δεδομένων, αλλά και στην ανθρώπινη εποπτεία, έναν κρίσιμο παράγοντα επιτυχίας.

Η καλύτερη προσέγγιση είναι η ενσωμάτωση της ΤΝ σε πραγματικές ροές εργασίας με τα δεδομένα του ίδιου του οργανισμού και με ανθρώπους που επαληθεύουν τις αναλύσεις της. Έτσι αποφεύγεται η συνηθισμένη παγίδα της χρήσης ΤΝ ως ανεξάρτητου εργαλείου που αντλεί δημόσια δεδομένα από διαδικτυακές πηγές. Αυτή η προσέγγιση είναι επικίνδυνη, επειδή η ΤΝ, όπως αναγνωρίζουν ακόμη και οι πιο ένθερμοι υποστηρικτές της, δεν είναι απολύτως ακριβής και απαιτεί έλεγχο ως δικλίδα ασφαλείας για την ελαχιστοποίηση των κινδύνων.

Ο καθορισμός μισθολογικών εύρων είναι καλό παράδειγμα εργασίας ανθρώπινου δυναμικού που απαιτεί προσεκτική ανθρώπινη εποπτεία. Οι επιχειρήσεις χρειάζονται ανταγωνιστικά μισθολογικά εύρη για να προσελκύουν κατάλληλους υποψηφίους, ενώ σε αρκετές πολιτείες ισχύουν νόμοι για τη μισθολογική διαφάνεια. Είναι σημαντικό η ομάδα ανθρώπινου δυναμικού να λαμβάνει αποφάσεις βάσει ακριβών δεδομένων.

Στη βελτιστοποίηση των μισθολογικών εύρων υπεισέρχονται αρκετοί παράγοντες, μεταξύ των οποίων η συνεκτίμηση της τοποθεσίας. Επομένως, μια ομάδα ανθρώπινου δυναμικού που βασίζεται σε πλατφόρμα τύπου ChatGPT με πρόσβαση σε δημόσια δεδομένα θα βρισκόταν σε μειονεκτική θέση αν χρησιμοποιούσε ακούσια δεδομένα της πόλης της Νέας Υόρκης για να καθορίσει μισθολογικά εύρη στο Ορλάντο της Φλόριντα.

Όταν οι ομάδες ανθρώπινου δυναμικού έχουν πρόσβαση σε πλατφόρμα συμβατή με τις απαιτήσεις HIPAA, με ισχυρούς ελέγχους διακυβέρνησης και αναλύσεις βασισμένες στα δεδομένα του ίδιου του οργανισμού, μπορούν να αρχίσουν να δείχνουν πραγματικά αποτελέσματα. Ακόμη και τότε, όμως, ο ανθρώπινος παράγοντας παραμένει κρίσιμος, επειδή η ακρίβεια δεν είναι προαιρετική στο ανθρώπινο δυναμικό και τη μισθοδοσία. Επομένως, έχει σημασία ο ρόλος που ανατίθεται στην ΤΝ.

Αντί να ζητούν από την ΤΝ να καθορίζει μισθολογικά εύρη ή να εντοπίζει φορολογικούς συντελεστές, οι επικεφαλής ανθρώπινου δυναμικού θα πρέπει να τη χρησιμοποιούν για αναλύσεις που επιβεβαιώνονται στη συνέχεια από ανθρώπους και για τη δημιουργία άλλων εργασιών που εκτελούν έπειτα άνθρωποι. Για παράδειγμα, η ΤΝ μπορεί να δημιουργεί υπενθυμίσεις για την έγκαιρη πληρωμή φόρων και να δίνει στους χρήστες αναφορές βασισμένες στα δεδομένα του συστήματος, όχι του διαδικτύου.

Εφαρμογή της ΤΝ για τη δημιουργία αξίας

Ένα ιδιαίτερο χαρακτηριστικό της ΤΝ είναι η εξαιρετικά γρήγορη εξέλιξή της. Επειδή μαθαίνει συνεχώς και διευρύνει τις δυνατότητές της, η επιλογή του πού και πώς θα εφαρμοστεί θα μοιάζει πάντα με προσπάθεια να πετύχει κανείς έναν κινούμενο στόχο.

Μια στρατηγική που αξίζει να εξεταστεί είναι να εντοπίσουν οι επικεφαλής ανθρώπινου δυναμικού τις τρεις έως πέντε πιο χρονοβόρες διαδικασίες και να καθορίσουν πώς η ΤΝ μπορεί να τις κάνει πιο αποδοτικές. Υπάρχουν ήδη διάφορες μορφές υποστήριξης: ΤΝ βασισμένη σε πράκτορες μπορεί να ενσωματωθεί στις ροές εργασίας για να ολοκληρώνει καθήκοντα, ενώ ένα μεγάλο γλωσσικό μοντέλο μπορεί να αναλύει δεδομένα.

Για παράδειγμα, εταιρείες λογισμικού αρχίζουν να χρησιμοποιούν ΤΝ για να απλοποιήσουν σημαντικά τη διαχείριση των παροχών των εργαζομένων. Η ΤΝ λειτουργεί ως έξυπνος μεταφραστής ανάμεσα στα πυκνά, σύνθετα έγγραφα των προγραμμάτων παροχών και στους αυστηρά δομημένους κανόνες ρύθμισης που απαιτούν τα πληροφοριακά συστήματα ανθρώπινου δυναμικού, ή HRIS. Με προηγμένη επεξεργασία φυσικής γλώσσας, NLP, μπορεί να διαβάζει περίπλοκες νομικές συμβάσεις ή περιλήψεις παροχών και να εξάγει αυτόματα κρίσιμα δεδομένα, όπως κριτήρια επιλεξιμότητας, επίπεδα κάλυψης, ποσά απαλλαγής και ανώτατα όρια εισφορών. Στη συνέχεια αντιστοιχίζει και μετατρέπει αυτές τις μεταβλητές απευθείας στις συγκεκριμένες ψηφιακές μορφές και στη λογική που κατανοεί το λογισμικό ανθρώπινου δυναμικού. Η αυτοματοποίηση μεταμορφώνει την παραδοσιακά επίπονη και επιρρεπή σε λάθη χειροκίνητη καταχώριση δεδομένων, επιτρέποντας στα τμήματα ανθρώπινου δυναμικού να εφαρμόζουν ετήσιες αλλαγές στα προγράμματα, να ενημερώνουν κανόνες συμμόρφωσης ή να εισάγουν εντελώς νέες παροχές με πρωτοφανή ταχύτητα, ακρίβεια και ευκολία.

Αυτό αναδεικνύει μια θεμελιώδη αλήθεια για τις δυνατότητες της ΤΝ, καθώς οι επικεφαλής ανθρώπινου δυναμικού και μισθοδοσίας περνούν από τον πειραματισμό στην εφαρμογή. Στον ορίζοντα διαφαίνονται συναρπαστικές δυνατότητες, όπως οι συζητήσεις μεταξύ αυτόνομων πρακτόρων, που θα αλλάξουν ριζικά τα δεδομένα. Τελικά, όμως, τις αποφάσεις θα πρέπει να τις λαμβάνουν ανθρώπινοι ηγέτες.

Όταν οι επικεφαλής ανθρώπινου δυναμικού χτίζουν συστήματα που θέτουν τη διακυβέρνηση στο επίκεντρο, διασφαλίζουν την ακεραιότητα των δεδομένων και ενσωματώνουν την ανθρώπινη εποπτεία ως απαραίτητο στοιχείο, η ΤΝ στις ροές εργασίας μπορεί να αναλαμβάνει τον φόρτο. Η ευθύνη, ωστόσο, παραμένει στους ανθρώπους. Έτσι πρέπει να λειτουργεί η αξιοποίηση της ΤΝ για την αναβάθμιση του ανθρώπινου δυναμικού και της μισθοδοσίας.

Ο Γουέσλι Μπράιαν είναι ο Πρόεδρος των Υπηρεσιών BPaaS στη Veritas Prime, φέρνοντας δεκαετίες εμπειρίας στην ηγεσία πλατφορμών SaaS που ενεργοποιούνται από το AI, μετασχηματισμό cloud και καινοτομία προϊόντων επιχειρήσεων σε παγκόσμιες αγορές.