ืื ืืืื ืืขื
ื ืืกืื ืืืืฆืืข: ืืืฆื AI ืืืื ืืืจืื ืืช ืืจืฃ ื- HR ื- ืคืืงืืื
AI שלט בשיחות טכנולוגיה עסקית במהלך השנים האחרונות, מכיוון שהרווחים המובטחים בתפוקה וביעילות הם אמיתית משמעותיים. אך דו”ח McKinsey על מצב ה- AI בתאגיד מצא כי בעוד כמעט כל הנשאלים משתמשים בכלים של AI בקצת, רובם עדיין בשלב הניסוי.
כמעט שני שלישים מהעסקים שנסקרו עדיין לא הרחיבו את הטכנולוגיה ברחבי הארגונים שלהם וביצעו אותה בדרך שמעניקה ערך. בו זמנית, הטכנולוגיה מתפתחת במהירות. AI היא מטרה נעה, שהיא אתגר נוסף עבור מנהיגים עסקיים שמחפשים דרכים לעבור מ- AI היפה לתוצאות מודדות.
HR ו- פיקדון מתעצבים כשטחי מבחן במסע מ- ניסוי ל- ביצוע. זהו סקירה של חלק מהאתגרים שמנהיגי HR פונים אליהם בנקודה הביקורתית הזו, למה פיקוח אנושי יישאר ביקורתי וכיצד להתקדם בדרך שמעניקה השפעה חיובית ביותר על העסק.
האתגרים הייחודיים של יישום AI בתהליכי HR ו- פיקדון
בתיאוריה, הפונקציה של HR ו- פיקדון היא אזור אידיאלי ליישום AI, מכיוון שיש הרבה תהליכים בנפח גבוה, נתונים אינטנסיביים שדורשים דיוק ויעילות. אולם, נתונים לא מקבלים מעולם רגיש יותר ממידע הקשור לבריאות העובדים, ביצועי עבודה ושכר.
נתון רקע זה, ישנם שני אתגרים עיקריים העומדים בפני מנהיגים שרוצים לפרוש AI בהקשר של HR ו- פיקדון. הראשון הוא ביטחון נתונים. זהו סיכון בלתי מקובל לשים מידע זהה אישי (PII) בסביבת AI ציבורית לא מאובטחת.
AI פונקציות HR ו- פיקדון צריכות לרוץ בסביבה מאובטחת, HIPAA- מותאמת, לא ב- ChatGPT ציבורי. זהו המשמר הראשון, והוא לא ניתן למשא ומתן.
להחליט כיצד ליישם את הטכנולוגיה היא האתגר השני. כלים AI מסוגלים לבצע משימות עמידות בעבודה כמו ביצוע ניתוחים השוואתיים וסריקת ריצות פיקדון לחריגות, אך דיוק נתונים הוא המפתח להצלחה. אין מקום לשגיאה בתחום HR ו- פיקדון בגלל ההשפעה הישירה על העובדים. ציון 99% זוכה ב- F ב- HR.
בשל הסיבות האלה, מנהיגי HR זקוקים למומחיות ספציפית לפלטפורמה ולמוקד חזק על ממשל ליישום AI ב- HR ו- פיקדון; היכרות כללית עם תיאוריה AI לא תעשה. זה גם חשוב לבחור פלטפורמה שמאפשרת ל- AI כלים ללמוד מנתוני הארגון, לא רק מידע ציבורי זמין מהאינטרנט.
פיקוח אנושי הוא גורם הצלחה ביקורתי
כאשר יישומי HR ו- פיקדון מוכיחים כי AI יכולה לספק תוצאות מודדות, הוא הופך לברור יותר ויותר כי אסטרטגיות AI יעילות נבנות לא רק סביב ממשל ו- שלמות נתונים, אלא גם פיקוח אנושי, שהוא גורם הצלחה ביקורתי.
הגישה הטובה ביותר היא לשבץ AI לתוך זרימות עבודה אמיתיות באמצעות נתוני הארגון, עם בני אדם המאמתים ניתוח AI. אסטרטגיה זו עוזרת לארגונים להימנע מהמלכוד הנפוץ של שימוש ב- AI ככלי עצמאי שמושך נתונים ציבוריים ממקורות אונליין. גישה זו היא מסוכנת, מכיוון שאפילו המעריצים הנלהבים ביותר מודים, AI אינה 100% מדויקת ודורשת ביקורת כמשמר למינימום סיכונים.
התהליך המעורב בהגדרת לוחות שכר הוא דוגמה טובה למשימת HR שדורשת פיקוח אנושי זהיר. חברות זקוקות ללוחות שכר תחרותיים כדי למשוך מועמדים איכותיים, ומספר מדינות הן חוקי שקיפות שכר במקום. חשוב לוודא שצוות HR מקבל החלטות על בסיס נתונים מדויקים.
מספר גורמים נכנסים לאופטימיזציה של לוחות שכר, כולל התקשרויות למיקום. כך, צוות HR שסומך על פלטפורמה בסגנון ChatGPT שגישה לנתונים ציבוריים היה בנחיתות אם הם בטעות התבססו על נתונים מניו יורק כדי לקבוע לוחות שכר לאורלנדו, פלורידה.
כאשר צוותי HR גישה לפלטפורמה HIPAA- מותאמת עם בקרות ממשל חזקות שמבוססות על נתוני הארגון, הם יכולים להתחיל להדגים תוצאות אמיתיות. אך אפילו אז, היבט האנושי נותר ביקורתי, מכיוון שדיוק אינו אופציונלי ב- HR ו- פיקדון. כך, התפקיד שהוקצה ל- AI חשוב.
במקום לבקש מ- AI לקבוע לוחות שכר או לזהות קצבי מס, מנהיגי HR צריכים להשתמש בו לניתוח שאושר על ידי בני אדם וליצור משימות אחרות שבני אדם מבצעים. למשל, AI יכולה ליצור תזכורות כדי לוודא ש- HR משלם מיסים בזמן וסיפק דו”חות למשתמשים על בסיס נתונים מהמערכת, לא מהאינטרנט.
פריסת AI כדי ליצור ערך
אחד הגורמים שהופך את AI לייחודי הוא התפתחותו המהירה. מכיוון שהוא לומד ומרחיב יכולות באופן קבוע, החלטה על היכן וכיצד לפרוס AI תמיד תהיה כמו ניסיון לפגוע במטרה נעה.
אחת האסטרטגיות ששווה לשקול היא עבור מנהיגי HR לזהות את שלושת התהליכים הצרוכי זמן הכי רבים ולקבוע כיצד AI יכולה לעזור לזרום את המשימות. עזרה כבר זמינה בצורות רבות, החל מ- AI אגנטי שיכול להיות משובץ לתוך זרימות עבודה כדי להשלים משימות, או מודל LLM שיכול לבצע ניתוח נתונים.
למשל, חברות תוכנה מתחילות להשתמש ב- AI כדי לזרום משמעותית את הניהול של יתרונות עובדים על ידי התפקדות כמתרגם מודע בין מסמכי תוכנית יתרונות צפופים ומורכבים לכללים מובנים מאוד שנדרשים על ידי מערכות מידע של HR (HRIS). באמצעות NLP מתקדם, AI יכולה לקרוא דרך חוזים משפטיים מורכבים או סיכום יתרונות כדי לחלץ באופן אוטומטי נקודות נתונים קריטיות – כגון קריטריונים לזכאות, רמות כיסוי, פרימיות ותקרות תרומה. היא אז ממפה וממירה את המשתנים האלה ישירות לפורמטים דיגיטליים ולוגיקה ספציפית ש- HR תוכנה מבינה. האוטומציה הזו משנה את התהליך המסורתי המייגע ושגוי של כניסת נתונים ידנית, מאפשרת למחלקות HR ליישם שינויים שנתיים, לעדכן כללים תקנים או להשיק הצעות חדשות לגמרי במהירות, דיוק וקלות.
זה מדגים אמת בסיסית על יכולות AI כאשר מנהיגי HR ו- פיקדון עוברים מ- ניסוי ל- ביצוע. אפשרויות מרגשות כמו דיונים בין סוכנים אוטונומיים הן באופק, וזה יהיה משנה משחק, אך בסופו של דבר, החלטות ידרשו מנהיגים אנושיים לקרוא.
כאשר מנהיגי HR בונים מערכות שמרכזות ממשל, מבטיחות שלמות נתונים ומשבצות פיקוח אנושי כרכיב הכרחי, AI יכולה לשאת עומס כאשר היא משובצת בזרימות עבודה, אך בני אדם יישארו אחראים. זה הדרך שצריך להיות כאשר מנהיגים משתמשים ב- AI כדי להרים את הרף ב- HR ו- פיקדון.
