ソートリーダー5 days ago
実験から実行へ：AIが人事・給与計算の水準をいかに引き上げるか
AIはここ数年、ビジネステクノロジーの議論を支配してきました。その理由は、生産性と効率性の向上という約束が、真に変革をもたらすものだからです。しかし、企業におけるAIの現状に関するMcKinseyのレポートによると、調査回答者のほぼ全員が何らかの形でAIツールを使用している一方で、大多数はまだ実験段階にあることがわかりました。 調査対象企業の約3分の2は、組織全体にこの技術を拡大し、価値を提供する形で実行するに至っていません。同時に、テクノロジーは急速に進化しています。AIは動く標的であり、AIの誇大広告から測定可能な結果へと移行する方法を模索するビジネスリーダーにとって、これはもう一つの課題です。 人事と給与計算は、実験から実行への旅路における実証の場として台頭しつつあります。ここでは、この重要な岐路に立つ人事リーダーが直面している課題の一部、人的監視がなぜ今後も重要であり続けるのか、そしてビジネスに最もポジティブな影響を与える方法で前進するにはどうすればよいかについて概説します。 人事・給与計算プロセスへのAI適用に伴う特有の課題 理論上、人事・給与計算機能はAIを適用する理想的な領域です。なぜなら、大量のデータを扱う、精度と効率性を要求されるプロセスが数多く存在するからです。しかし、従業員の健康、職務遂行能力、給与に関連する情報ほどセンシティブなデータはありません。 そのような背景から、人事・給与計算の文脈でAIを導入したいリーダーが直面する主な課題は2つあります。1つ目はデータセキュリティです。個人を特定できる情報（PII）を、セキュリティが確保されていない公開AI環境に置くことは、単純に許容できないリスクです。 人事・給与計算のAI機能は、公開されたChatGPTインスタンスではなく、安全でHIPAA準拠の環境で実行される必要があります。これが最初のガードレールであり、交渉の余地はありません。 技術の適用方法を決定することが2つ目の課題です。AIツールは、比較分析の実施や給与計算実行の異常スキャンといった労力を要するタスクを実行できますが、データの正確性が成功の鍵となります。従業員への直接的な影響があるため、人事・給与計算の領域では誤りの余地はありません。99%のスコアは人事では「F」評価です。 これらの理由から、人事リーダーは、人事・給与計算にAIを効果的に適用するために、プラットフォーム固有の専門知識とガバナンスへの強い焦点が必要です。AI理論に関する一般的な知識だけでは不十分です。また、AIツールがインターネット上の公開情報だけでなく、組織自身のデータから学習できるプラットフォームを選択することが不可欠です。 人的監視は重要な成功要因 人事・給与計算アプリケーションがAIが測定可能な結果をもたらし得ることを証明するにつれ、効果的なAI戦略はガバナンスとデータの完全性だけでなく、重要な成功要因である人的監視の周りにも構築されることがますます明らかになっています。 最善のアプローチは、組織自身のデータを使用してAIを実際のワークフローに組み込み、人間がAIの分析を検証することです。この戦略は、オンラインソースから公開データを取得する単独のツールとしてAIを使用するという一般的な落とし穴を組織が回避するのに役立ちます。そのアプローチは危険です。なぜなら、最も熱心な推進者でさえ認めているように、AIは100%正確ではなく、リスクを最小限に抑えるためのガードレールとしてレビューを必要とするからです。 給与帯を定義する際のプロセスは、慎重な人的監視を必要とする人事タスクの好例です。企業は質の高い候補者を惹きつけるために競争力のある給与帯が必要であり、多くの州では給与透明性に関する法律が施行されています。人事チームが正確なデータに基づいて意思決定を行っていることを確認することが重要です。 給与帯を最適化するには、立地に関する考慮事項を含むいくつかの要素が関わってきます。したがって、公開されているデータにアクセスするChatGPT形式のプラットフォームに依存する人事チームは、フロリダ州オーランドの給与帯を決定する際に、誤ってニューヨーク市のデータに基づいて給与水準を設定していた場合、不利な立場に立たされることになります。 人事チームが、自組織のデータに基づいた分析を行う強力なガバナンスコントロールを備えたHIPAA準拠のプラットフォームにアクセスするとき、彼らは真の結果を示し始めることができます。しかし、それでもなお、人的要素は重要であり続けます。なぜなら、人事・給与計算において正確性は選択肢ではないからです。したがって、AIに割り当てられる役割が重要です。 AIに給与帯の設定や税率の特定を求めるのではなく、人事リーダーは、AIを分析に使用し（その分析はその後人間によって確認される）、人間がその後実行する他のタスクを作成するために使用すべきです。例えば、AIは、人事が税金を期日通りに支払うことを確実にするためのリマインダーを生成したり、インターネットではなくシステムのデータに基づいてユーザーにレポートを提供したりすることができます。 価値を創造するためのAIの導入 AIをユニークなものにしている要因の一つは、その信じられないほど急速な進化です。AIは常に学習し、能力を拡張しているため、どこに、どのようにAIを導入するかを決定することは、常に動く標的を狙うようなものになるでしょう。 検討に値する一つの戦略は、人事リーダーが最も時間を要する上位3〜5のプロセスを特定し、AIがそれらのタスクを効率化するのにどのように役立つかを決定することです。支援はすでにいくつかの形で利用可能です。タスクを完了するためにワークフローに組み込むことができるエージェント型AIであれ、データ分析を実行できるLLMモデルであれ。 例えば、ソフトウェア企業は、複雑で難解な福利厚生プラン文書と人事情報システム（HRIS）が要求する高度に構造化された設定ルールとの間のインテリジェントな翻訳者として機能することで、従業員福利厚生の管理を大幅に効率化するために人工知能の使用を開始しています。高度な自然言語処理（NLP）を使用して、AIは複雑な法的契約や福利厚生の要約を読み込み、資格基準、適用範囲の階層、控除額、拠出限度額などの重要なデータポイントを自動的に抽出できます。そして、これらの変数を、HRソフトウェアが本質的に理解する特定のデジタル形式とロジックに直接マッピングし変換します。この自動化は、従来は退屈でエラーが発生しやすい手動データ入力プロセスを変革し、人事部門が年間計画の変更を実施し、コンプライアンスルールを更新し、または全く新しいサービスを前例のない速さ、正確さ、容易さで展開することを可能にします。 これは、人事・給与計算リーダーが実験から実行へと移行する際のAI能力に関する基本的な真実を示しています。自律エージェント間の対話のようなエキサイティングな可能性が目前に迫っており、それはゲームチェンジャーとなるでしょうが、最終的には、意思決定には人間のリーダーが判断を下すことが必要になります。 人事リーダーがガバナンスを中心とし、データの完全性を確保し、不可欠な構成要素として人的監視を統合するシステムを構築するにつれて、AIはワークフローに組み込まれたときに負担を肩代わりすることができますが、人間が責任を負い続けることになります。リーダーがAIを使用して人事・給与計算のパフォーマンスの水準を引き上げる際には、それがあるべき姿です。
