Ajatusjohtajat
Kokeiluista toteutukseen: miten tekoäly voi nostaa henkilöstö- ja palkkahallinnon tasoa

Keskeiset kohdatHR-tekoäly vaatii turvallisia HIPAA-vaatimusten mukaisia alustoja herkkien…
Näytä lisää
- HR-tekoäly vaatii turvallisia HIPAA-vaatimusten mukaisia alustoja herkkien työntekijätietojen suojaamiseksi.
- Ihmisen valvonta pysyy välttämättömänä tekoälyanalyysin vahvistamiseksi ja palkanlaskennan tarkkuuden varmistamiseksi.
- Tekoäly voi virtaviivaistaa HR-tehtäviä, kuten etuuksien hallintaa, tulkitsemalla monimutkaisia suunnitelma-asiakirjoja.
Tekoäly on hallinnut yritysteknologiasta käytävää keskustelua viime vuosina, sillä sen lupaamat parannukset tuottavuuteen ja tehokkuuteen voivat todella mullistaa toimintaa. Yritysten tekoälyn käyttöä käsittelevä McKinseyn raportti osoittaa kuitenkin, että vaikka lähes kaikki kyselyyn vastanneet käyttävät tekoälytyökaluja jollakin tavoin, useimmat ovat edelleen kokeiluvaiheessa.
Lähes kaksi kolmasosaa kyselyyn osallistuneista yrityksistä ei ole vielä laajentanut teknologian käyttöä koko organisaatioon eikä hyödyntänyt sitä arvoa tuottavalla tavalla. Samalla teknologia kehittyy nopeasti. Tekoäly on liikkuva maali, mikä tuo lisähaasteen yritysjohtajille, jotka etsivät keinoja siirtyä tekoälyhypestä mitattaviin tuloksiin.
Henkilöstö- ja palkkahallinnosta on tulossa tärkeä näyttöpaikka siirryttäessä kokeiluista käytännön toteutukseen. Seuraavassa tarkastellaan henkilöstöjohtajien tässä ratkaisevassa vaiheessa kohtaamia haasteita, ihmisen valvonnan jatkuvaa merkitystä ja keinoja edetä niin, että vaikutus liiketoimintaan on mahdollisimman myönteinen.
Tekoälyn soveltamisen erityishaasteet henkilöstö- ja palkkahallinnossa
Periaatteessa henkilöstö- ja palkkahallinto sopii erinomaisesti tekoälyn hyödyntämiseen, sillä siihen kuuluu paljon suuria tietomääriä käsitteleviä prosesseja, jotka vaativat tarkkuutta ja tehokkuutta. Työntekijöiden terveyttä, työsuoritusta ja palkkaa koskevat tiedot ovat kuitenkin äärimmäisen arkaluonteisia.
Tämän vuoksi johtajat kohtaavat kaksi keskeistä haastetta ottaessaan tekoälyä käyttöön henkilöstö- ja palkkahallinnossa. Ensimmäinen on tietoturva. Henkilön tunnistamisen mahdollistavien tietojen eli PII-tietojen syöttäminen suojaamattomaan julkiseen tekoäly-ympäristöön on yksinkertaisesti riski, jota ei voi hyväksyä.
Henkilöstö- ja palkkahallinnon tekoälytoimintojen on toimittava turvallisessa, HIPAA-vaatimusten mukaisessa ympäristössä, ei julkisessa ChatGPT-palvelussa. Tämä on ensimmäinen suojatoimi, eikä siitä voi tinkiä.
Toinen haaste on päättää, miten teknologiaa sovelletaan. Tekoälytyökalut voivat hoitaa työläitä tehtäviä, kuten vertailuanalyysejä ja palkanlaskenta-ajojen poikkeamien etsintää, mutta onnistuminen edellyttää tietojen tarkkuutta. Henkilöstö- ja palkkahallinnossa ei ole varaa virheisiin, sillä vaikutukset kohdistuvat suoraan työntekijöihin. Henkilöstöhallinnossa 99 prosentin tulos merkitsee hylättyä arvosanaa.
Näistä syistä henkilöstöjohtajat tarvitsevat alustakohtaista asiantuntemusta ja vahvaa panostusta hallintamalleihin, jotta tekoälyä voidaan soveltaa tehokkaasti henkilöstö- ja palkkahallinnossa. Yleinen tekoälyteorian tuntemus ei riitä. On myös välttämätöntä valita alusta, jolla tekoälytyökalut voivat oppia organisaation omista tiedoista eivätkä pelkästään internetin julkisesti saatavilla olevasta aineistosta.
Ihmisen valvonta on ratkaiseva menestystekijä
Kun henkilöstö- ja palkkahallinnon sovellukset osoittavat tekoälyn voivan tuottaa mitattavia tuloksia, käy yhä selvemmäksi, etteivät toimivat tekoälystrategiat perustu vain hallintamalleihin ja tietojen eheyteen vaan myös ihmisen valvontaan, joka on ratkaiseva menestystekijä.
Paras lähestymistapa on sisällyttää tekoäly todellisiin työnkulkuihin, hyödyntää organisaation omia tietoja ja antaa ihmisten tarkistaa tekoälyn analyysit. Näin vältetään yleinen sudenkuoppa, jossa tekoälyä käytetään erillisenä työkaluna, joka hakee julkisia tietoja verkosta. Tämä on riskialtista, sillä kuten sen innokkaimmatkin puolestapuhujat myöntävät, tekoäly ei ole sataprosenttisen tarkka ja tarvitsee tarkistusta riskejä vähentäväksi suojatoimeksi.
Palkkahaarukoiden määrittäminen on hyvä esimerkki henkilöstöhallinnon tehtävästä, joka vaatii huolellista ihmisen valvontaa. Yritykset tarvitsevat kilpailukykyisiä palkkahaarukoita houkutellakseen päteviä hakijoita, ja useissa osavaltioissa on voimassa palkka-avoimuuslakeja. On tärkeää varmistaa, että henkilöstötiimi perustaa päätöksensä tarkkoihin tietoihin.
Palkkahaarukoiden optimointiin vaikuttaa useita tekijöitä, muun muassa sijainnin huomioiminen. Siksi julkisia tietoja käyttävään ChatGPT-tyyppiseen alustaan tukeutuva henkilöstötiimi olisi epäedullisessa asemassa, jos se vahingossa käyttäisi New Yorkin kaupungin tietoja määrittäessään palkkahaarukoita Floridan Orlandoon.
Kun henkilöstötiimillä on käytössään HIPAA-vaatimusten mukainen alusta, jossa on vahvat hallintakäytännöt ja jonka analyysit perustuvat organisaation omiin tietoihin, se voi alkaa osoittaa todellisia tuloksia. Ihmisen rooli on silti ratkaiseva, sillä tarkkuus ei ole henkilöstö- ja palkkahallinnossa valinnaista. Siksi tekoälylle annettavalla roolilla on merkitystä.
Sen sijaan, että tekoälyä pyydettäisiin määrittämään palkkahaarukat tai selvittämään verokannat, henkilöstöjohtajien tulisi käyttää sitä analyyseihin, jotka ihmiset sitten vahvistavat, sekä tehtävien luomiseen ihmisten suoritettavaksi. Tekoäly voi esimerkiksi luoda muistutuksia, joilla varmistetaan verojen maksaminen ajallaan, ja tuottaa käyttäjille raportteja järjestelmän omien tietojen, ei internetin, perusteella.
Tekoälyn käyttöönotto arvon luomiseksi
Tekoälyn tekee erityiseksi muun muassa sen uskomattoman nopea kehitys. Koska se oppii jatkuvasti ja laajentaa kykyjään, sen käyttökohteiden ja käyttötapojen valitseminen on aina kuin yrittäisi osua liikkuvaan maaliin.
Yksi harkitsemisen arvoinen strategia on tunnistaa henkilöstöhallinnon kolmesta viiteen eniten aikaa vievää prosessia ja selvittää, miten tekoäly voisi sujuvoittaa niitä. Apua on jo saatavilla eri muodoissa: työnkulkuihin voidaan sisällyttää tehtäviä hoitavaa agenttipohjaista tekoälyä, tai tietojen analysointiin voidaan käyttää suurta kielimallia.
Ohjelmistoyritykset alkavat esimerkiksi hyödyntää tekoälyä henkilöstöetujen hallinnoinnin merkittävään tehostamiseen. Tekoäly toimii älykkäänä tulkkina tiiviiden, monimutkaisten etuusasiakirjojen ja henkilöstötietojärjestelmien eli HRIS-järjestelmien vaatimien tarkasti jäsenneltyjen asetussääntöjen välillä. Kehittyneen luonnollisen kielen käsittelyn eli NLP:n avulla tekoäly voi lukea monimutkaisia oikeudellisia sopimuksia tai etuusyhteenvetoja ja poimia automaattisesti keskeisiä tietoja, kuten kelpoisuusehdot, kattavuustasot, omavastuut ja maksuosuuksien enimmäismäärät. Sen jälkeen se yhdistää ja muuntaa nämä muuttujat suoraan digitaalisiin muotoihin ja logiikkaan, joita henkilöstöohjelmisto ymmärtää. Automaatio muuttaa perinteisesti työlään ja virhealttiin manuaalisen tiedonsyötön ja auttaa henkilöstöosastoja toteuttamaan vuosittaisia etuusjärjestelyjen muutoksia, päivittämään vaatimustenmukaisuussääntöjä tai ottamaan käyttöön kokonaan uusia etuja ennennäkemättömän nopeasti, tarkasti ja helposti.
Tämä osoittaa perustavanlaatuisen totuuden tekoälyn kyvyistä, kun henkilöstö- ja palkkahallinnon johtajat siirtyvät kokeiluista käytännön toteutukseen. Näköpiirissä on innostavia mahdollisuuksia, kuten autonomisten agenttien välisiä keskusteluja, jotka muuttavat toimintaa merkittävästi. Viime kädessä päätökset edellyttävät silti ihmisjohtajien ratkaisua.
Kun henkilöstöjohtajat rakentavat järjestelmiä, joissa hallintamallit ovat keskiössä, tietojen eheys varmistetaan ja ihmisen valvonta on olennainen osa toimintaa, työnkulkuihin sisällytetty tekoäly voi kantaa työkuormaa. Vastuu säilyy silti ihmisillä. Näin kuuluukin olla, kun johtajat parantavat tekoälyn avulla henkilöstö- ja palkkahallinnon suorituskykyä.












