Experimentatie naar uitvoering: Hoe AI de lat in HR en salarisadministratie kan verhogen

AI heeft de afgelopen jaren de gesprekken over bedrijfs technologie gedomineerd, omdat de beloofde winst in productiviteit en efficiëntie echt transformatief is. Maar een McKinsey-rapport over de staat van AI in het bedrijfsleven vond dat, hoewel bijna alle ondervraagde respondenten AI-hulpmiddelen in enige capaciteit gebruiken, de meeste nog steeds in de experimentele fase zitten.

Bijna twee derde van de ondervraagde bedrijven heeft de technologie nog niet geschaald over hun organisaties en uitgevoerd op een manier die waarde oplevert. Tegelijkertijd evolueert de technologie snel. AI is een bewegelijk doelwit, wat een andere uitdaging is voor bedrijfsleiders die op zoek zijn naar manieren om van AI-hype naar meetbare resultaten te komen.

HR en salarisadministratie zijn opkomende bewijsgronden in de reis van experimentatie naar uitvoering. Hier is een overzicht van enkele van de uitdagingen waarmee HR-leiders op dit kritieke punt worden geconfronteerd, waarom menselijke toezicht blijft essentieel en hoe te verder gaan op een manier die de meest positieve impact op het bedrijf oplevert.

De unieke uitdagingen van het toepassen van AI op HR- en salarisprocessen

In theorie is de HR- en salarisfunctie een ideale gebied om AI toe te passen, omdat er veel hoge-volumeprocessen zijn die precisie en efficiëntie vereisen. Echter, gegevens worden niet gevoeliger dan informatie met betrekking tot de gezondheid van werknemers, hun prestaties en salaris.

Gegeven deze achtergrond, zijn er twee primaire uitdagingen voor leiders die AI in de HR- en salariscontext willen inzetten. De eerste is gegevensbeveiliging. Het is eenvoudigweg een onaanvaardbaar risico om persoonlijk identificeerbare informatie (PII) in een niet-beveiligde openbare AI-omgeving te plaatsen.

HR- en salaris-AI-functies moeten draaien in een beveiligde, HIPAA-compliant omgeving, niet in een openbare ChatGPT-instantie. Dat is de eerste guardrail, en het is niet onderhandelbaar.

Beslissen hoe de technologie moet worden toegepast, is de tweede uitdaging. AI-hulpmiddelen zijn in staat om arbeidsintensieve taken uit te voeren, zoals het uitvoeren van vergelijkende analyses en het scannen van salarisruns op anomalieën, maar gegevensnauwkeurigheid is de sleutel tot succes. Er is geen ruimte voor fouten in de HR- en salarisruimte vanwege de directe impact op werknemers. Een score van 99% levert een F in HR op.

Om deze redenen hebben HR-leiders platformspecifieke expertise en een sterk focus op governance nodig om AI effectief in HR en salaris toe te passen; algemene bekendheid met AI-theorie is niet voldoende. Het is ook imperatief om een platform te kiezen dat AI-hulpmiddelen in staat stelt om te leren van de gegevens van de organisatie, niet alleen van openbaar beschikbare informatie van het internet.

Menselijke toezicht is een kritieke succesfactor

Aangezien HR- en salarisapplicaties aantonen dat AI meetbare resultaten kan opleveren, wordt het steeds duidelijker dat effectieve AI-strategieën zijn gebouwd niet alleen rond governance en gegevensintegriteit, maar ook menselijke toezicht, dat een kritieke succesfactor is.

De beste aanpak is om AI in echte workflows in te bedden met behulp van de gegevens van de organisatie, met mensen die AI-analyse valideren. Deze strategie helpt organisaties om de veelvoorkomende valkuil te vermijden van het gebruik van AI als een zelfstandig hulpmiddel dat openbaar gegevens van onlinebronnen trekt. Die aanpak is riskant, omdat, zelfs bij de meest enthousiaste evangelisten erkennen, AI niet 100% nauwkeurig is en een review vereist als een guardrail om risico’s te minimaliseren.

Het proces dat betrokken is bij het definiëren van salarisschalen is een goed voorbeeld van een HR-taak die zorgvuldig menselijk toezicht vereist. Bedrijven hebben concurrerende salarisschalen nodig om hoogwaardige kandidaten aan te trekken, en een aantal staten heeft salaristransparantiewetten in werking. Het is belangrijk om ervoor te zorgen dat het HR-team beslissingen neemt op basis van nauwkeurige gegevens.

Verschillende factoren gaan in op het optimaliseren van salarisschalen, waaronder overwegingen over locatie. Dus, een HR-team dat vertrouwt op een ChatGPT-achtig platform dat openbaar beschikbare gegevens toegang geeft, zou in het nadeel zijn als ze onbewust salarissen baseren op gegevens uit New York City bij het bepalen van salarisschalen voor Orlando, Florida.

Wanneer HR-teams toegang hebben tot een HIPAA-compliant platform met sterke governancecontroles die analyses baseren op de gegevens van hun organisatie, kunnen ze beginnen met het aantonen van echte resultaten. Maar zelfs dan blijft het menselijke element kritiek, omdat nauwkeurigheid niet optioneel is in HR en salaris. Dus, de rol die aan AI wordt toegekend, is belangrijk.

In plaats van AI te vragen om salarisschalen vast te stellen of belastingtarieven te identificeren, moeten HR-leiders het gebruiken voor analyse die vervolgens door mensen wordt bevestigd en om andere taken te creëren die mensen vervolgens uitvoeren. Bijvoorbeeld, AI kan herinneringen genereren om ervoor te zorgen dat HR-timely belastingen betaalt en rapporten aan gebruikers bieden op basis van gegevens uit het systeem, niet van het internet.

AI inzetten om waarde te creëren

Een factor die AI uniek maakt, is zijn ongelooflijk snelle evolutie. Omdat het constant leert en capaciteiten uitbreidt, is beslissen waar en hoe AI in te zetten altijd als proberen om een bewegelijk doelwit te raken.

Een strategie die het overwegen waard is, is voor HR-leiders om hun top drie tot vijf tijdrovende processen te identificeren en te bepalen hoe AI kan helpen om deze taken te stroomlijnen. Hulp is al beschikbaar in verschillende vormen, of het nu gaat om agente AI die in workflows kan worden ingebed om taken uit te voeren, of een LLM-model dat gegevensanalyse kan uitvoeren.

Bijvoorbeeld zijn softwarebedrijven begonnen met het gebruik van kunstmatige intelligentie om de administratie van werknemersvoordelen aanzienlijk te stroomlijnen door te fungeren als een intelligente vertaler tussen dichte, complexe voordelenplannen en de hooggestructureerde configuratieregels die door Human Resources Information Systems (HRIS) worden vereist. Met behulp van geavanceerde Natural Language Processing (NLP) kan AI ingewikkelde juridische contracten of voordelensamenvattingen lezen om kritieke gegevenspunten automatisch te extraheren – zoals criteria voor gerechtigdheid, dekkingstiers, eigen bijdragen en bijdragegrenzen. Het kaart en converteert deze variabelen rechtstreeks naar de specifieke digitale formaten en logica die de HR-software inherent begrijpt. Deze automatisering transformeert het traditioneel saaie en foutgevoelige proces van handmatige gegevensinvoer, waardoor HR-afdelingen jaarlijkse planwijzigingen, updates van compliance-regels of het uitrollen van geheel nieuwe aanbiedingen met ongekende snelheid, nauwkeurigheid en gemak kunnen implementeren.

Dit demonstreert een fundamentele waarheid over AI-mogelijkheden, terwijl HR- en salarisleiders van experimentatie naar uitvoering gaan. Opwindende mogelijkheden, zoals discussies tussen autonome agenten, zijn in zicht, en dat zal een game-changer zijn, maar uiteindelijk zullen beslissingen vereisen dat menselijke leiders de beslissing nemen.

Terwijl HR-leiders systemen bouwen die governance, gegevensintegriteit en menselijke toezicht als een essentieel onderdeel integreren, kan AI de last dragen wanneer het in workflows is ingebed, maar mensen zullen verantwoordelijk blijven. Dat is hoe het zou moeten zijn, terwijl leiders AI gebruiken om de lat in HR- en salarisprestaties te verhogen.