Experimentatie naar uitvoering: hoe AI de lat in HR en salarisverwerking kan verhogen

AI heeft de afgelopen jaren de gesprekken over bedrijfstechnologie gedomineerd, omdat de beloofde voordelen in productiviteit en efficiëntie echt transformatief zijn. Maar een McKinsey-rapport over de staat van AI in het bedrijfsleven vond dat, hoewel bijna alle respondenten AI-tools in enige vorm 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 levert. Tegelijkertijd evolueert de technologie snel. AI is een bewegend doelwit, wat een andere uitdaging is voor bedrijfsleiders die op zoek zijn naar manieren om van AI-hype naar meetbare resultaten te gaan.

HR en salarisverwerking 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 essentieel blijft en hoe ze vooruit kunnen gaan op een manier die de meest positieve impact op het bedrijf heeft.

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

In theorie is de HR- en salarisverwerkingsfunctie een ideale gebied om AI toe te passen, omdat er veel hoogvolume-, gegevensintensieve processen zijn die precisie en efficiëntie vereisen. Echter, gegevens worden niet gevoeliger dan informatie die verband houdt met de gezondheid, prestaties en salaris van werknemers.

Gezien deze achtergrond zijn er twee primaire uitdagingen voor leiders die AI in de HR- en salarisverwerking 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 salarisverwerkingsfuncties van AI 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-tools zijn in staat om arbeidsintensieve taken uit te voeren, zoals het uitvoeren van vergelijkende analyses en het scannen van salarisruns op afwijkingen, maar gegevensnauwkeurigheid is de sleutel tot succes. Er is geen ruimte voor fouten in de HR- en salarisverwerking vanwege de directe impact op werknemers. Een score van 99% levert een F op in HR.

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

Menselijke toezicht is een kritische succesfactor

Naarmate HR- en salarisverwerkingsapplicaties aantonen dat AI meetbare resultaten kan leveren, wordt het steeds duidelijker dat effectieve AI-strategieën zijn gebouwd rond governance en gegevensintegriteit, evenals menselijke toezicht, wat een kritische 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 openbare gegevens van internetbronnen trekt. Deze aanpak is riskant, omdat, zelfs bij de meest enthousiaste evangelisten erkennen, AI niet 100% nauwkeurig is en validatie nodig heeft als een guardrail om risico’s te minimaliseren.

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

Meerdere factoren spelen een rol bij het optimaliseren van salarisschalen, waaronder overwegingen over locatie. Dus, een HR-team dat afhankelijk is van 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 governance-controles die analyses baseren op de gegevens van hun eigen organisatie, kunnen ze beginnen met het aantonen van meetbare resultaten. Maar zelfs dan blijft de menselijke factor essentieel, omdat nauwkeurigheid in HR en salarisverwerking geen optie is. Dus, de rol die aan AI is toegewezen, is van belang.

In plaats van AI te vragen om salarisschalen te definiëren of belastingtarieven te identificeren, moeten HR-leiders het gebruiken voor analyses die vervolgens door mensen worden bevestigd en om andere taken te creëren die mensen vervolgens uitvoeren. Bijvoorbeeld, AI kan herinneringen genereren om ervoor te zorgen dat HR belastingen op tijd betaalt en rapporten aan gebruikers verstrekken op basis van gegevens uit het systeem, niet van 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, zal het beslissen waar en hoe AI moet worden ingezet altijd een bewegend doelwit zijn.

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 werknemer voordelen aanzienlijk te stroomlijnen door te fungeren als een intelligente vertaler tussen dichte, complexe voordeelplan documenten en de sterk gestructureerde configuratieregels die door Human Resources Information Systems (HRIS) worden vereist. Met behulp van geavanceerde Natural Language Processing (NLP) kan AI doorheen complexe juridische contracten of voordeeloverzichten lezen om kritieke gegevenspunten automatisch te extraheren – zoals criteria voor in aanmerking komend, dekkingstiers, eigen bijdragen en bijdragebeperkingen. Vervolgens worden deze variabelen direct omgezet in de specifieke digitale formaten en logica die het HR-software inherent begrijpt. Deze automatisering transformeert het traditioneel tijdrovende en foutgevoelige proces van handmatige gegevensinvoer, waardoor HR-afdelingen jaarlijkse wijzigingen in het plan kunnen implementeren, compliance-regels kunnen bijwerken of geheel nieuwe aanbiedingen kunnen lanceren met ongekende snelheid, nauwkeurigheid en gemak.

Dit demonstreert een fundamentele waarheid over AI-mogelijkheden, terwijl HR- en salarisverwerkingsleiders 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 opbouwen die governance centrereren, gegevensintegriteit waarborgen en menselijke toezicht als een essentiële component integreren, kan AI de last dragen wanneer het in workflows wordt ingebed, maar mensen zullen verantwoordelijk blijven. Dat is hoe het zou moeten zijn, terwijl leiders AI gebruiken om de lat in HR- en salarisverwerking te verhogen.