Tankeledere

Fra eksperimentering til gjennomføring: hvordan AI kan heve nivået innen HR og lønn

Wesley Bryan
Legg til Unite.AI blant dine foretrukne kilder på Google
Viktige punkterHR AI krever sikre HIPAA-kompatible plattformer for å beskytte sensitive ansattdata.
Vis mer
  • HR AI krever sikre HIPAA-kompatible plattformer for å beskytte sensitive ansattdata.
  • Menneskelig tilsyn forblir avgjørende for å validere AI-analyse og sikre nøyaktig lønn.
  • AI kan effektivisere HR-oppgaver som administrasjon av ytelser ved å tolke komplekse plandokumenter.

AI har dominert samtalene om bedriftsteknologi de siste årene, fordi de lovede forbedringene i produktivitet og effektivitet virkelig kan forandre virksomheten. Men en rapport fra McKinsey om AI i bedrifter fant at de fleste respondentene fortsatt befinner seg i eksperimenteringsfasen, selv om nesten alle bruker AI-verktøy på en eller annen måte.

Nesten to tredjedeler av bedriftene i undersøkelsen har ennå ikke skalert teknologien til hele organisasjonen og tatt den i bruk på en måte som skaper verdi. Samtidig utvikler teknologien seg raskt. AI er et bevegelig mål, noe som gir en ekstra utfordring for bedriftsledere som vil gå fra AI-hype til målbare resultater.

HR og lønnsarbeid er i ferd med å bli en prøvestein på veien fra eksperimentering til gjennomføring. Her følger en oversikt over noen utfordringer HR-ledere møter i denne avgjørende fasen, hvorfor menneskelig tilsyn fortsatt er nødvendig, og hvordan de kan gå videre for å gi virksomheten størst mulig positiv effekt.

Særlige utfordringer med AI i HR- og lønnsprosesser

I teorien er HR og lønnsarbeid ideelle områder for AI, fordi de omfatter mange omfattende, dataintensive prosesser som krever presisjon og effektivitet. Men informasjon om ansattes helse, arbeidsprestasjoner og lønn hører til de aller mest sensitive opplysningene.

Med dette som bakgrunn står ledere som vil innføre AI innen HR og lønn, overfor to hovedutfordringer. Den første er datasikkerhet. Å legge personlig identifiserbar informasjon, PII, inn i et usikret offentlig AI-miljø er ganske enkelt en uakseptabel risiko.

AI-funksjoner for HR og lønn må kjøre i et sikkert miljø som oppfyller HIPAA-kravene, ikke i en offentlig ChatGPT-instans. Dette er det første sikkerhetstiltaket, og det kan ikke forhandles bort.

Den andre utfordringen er å avgjøre hvordan teknologien skal brukes. AI-verktøy kan utføre arbeidskrevende oppgaver som sammenlignende analyser og kontroll av lønnskjøringer for å finne avvik, men korrekte data er nøkkelen til å lykkes. Innen HR og lønn er det ikke rom for feil, siden konsekvensene treffer ansatte direkte. I HR gir selv et resultat på 99 prosent strykkarakter.

Derfor trenger HR-ledere plattformspesifikk kompetanse og et sterkt fokus på styring for å bruke AI effektivt innen HR og lønn. Generell kjennskap til AI-teori er ikke nok. Det er også nødvendig å velge en plattform der AI-verktøy kan lære av organisasjonens egne data, ikke bare av offentlig informasjon på internett.

Menneskelig tilsyn er en avgjørende suksessfaktor

Etter hvert som anvendelser innen HR og lønn viser at AI kan gi målbare resultater, blir det stadig tydeligere at effektive AI-strategier ikke bare bygger på styring og dataintegritet, men også på menneskelig tilsyn som en avgjørende suksessfaktor.

Den beste tilnærmingen er å integrere AI i faktiske arbeidsflyter med organisasjonens egne data og la mennesker kontrollere analysene. Dette hjelper organisasjoner med å unngå den vanlige fallgruven å bruke AI som et frittstående verktøy som henter offentlige data fra nettkilder. Det er risikabelt, fordi AI, slik selv de mest entusiastiske forkjemperne erkjenner, ikke er hundre prosent nøyaktig og trenger gjennomgang som et sikkerhetstiltak for å minimere risiko.

Fastsettelse av lønnsspenn er et godt eksempel på en HR-oppgave som krever grundig menneskelig tilsyn. Bedrifter trenger konkurransedyktige lønnsspenn for å tiltrekke kvalifiserte kandidater, og flere delstater har innført lover om åpenhet rundt lønn. Det er viktig å sikre at HR-teamet fatter beslutninger basert på korrekte data.

Flere faktorer inngår i å optimalisere lønnsspenn, blant annet hensynet til geografisk plassering. Et HR-team som baserer seg på en ChatGPT-lignende plattform med offentlige data, ville derfor være dårlig stilt hvis det utilsiktet brukte data fra New York City til å fastsette lønnsspenn for Orlando i Florida.

Når HR-team har tilgang til en plattform som oppfyller HIPAA, har sterke styringsmekanismer og bygger analysene på organisasjonens egne data, kan de begynne å vise reelle resultater. Men også da er mennesket avgjørende, fordi nøyaktighet ikke er valgfritt innen HR og lønn. Derfor er rollen som gis til AI, viktig.

I stedet for å be AI fastsette lønnsspenn eller identifisere skattesatser bør HR-ledere bruke det til analyser som deretter bekreftes av mennesker, og til å opprette andre oppgaver som mennesker senere utfører. AI kan for eksempel lage påminnelser som sikrer at skatt betales i tide, og gi brukerne rapporter basert på data fra systemet, ikke fra internett.

Innføre AI for å skape verdi

Et særtrekk ved AI er den utrolig raske utviklingen. Fordi teknologien stadig lærer og utvider evnene sine, vil avgjørelser om hvor og hvordan den skal innføres, alltid ligne på et forsøk på å treffe et bevegelig mål.

En strategi å vurdere er at HR-ledere identifiserer sine tre til fem mest tidkrevende prosesser og undersøker hvordan AI kan gjøre dem mer effektive. Hjelp finnes allerede i flere former, enten som agentbasert AI som kan integreres i arbeidsflyter for å fullføre oppgaver, eller som en stor språkmodell som kan analysere data.

Programvareselskaper begynner for eksempel å bruke AI for å gjøre administrasjonen av personalytelser betydelig enklere. AI fungerer som en intelligent oversetter mellom informasjonstette, komplekse dokumenter om ytelsesordninger og de strengt strukturerte konfigurasjonsreglene som HR-informasjonssystemer, HRIS, krever. Med avansert behandling av naturlig språk, NLP, kan AI lese kompliserte juridiske avtaler eller oversikter over ytelser og automatisk hente ut viktige opplysninger som kvalifikasjonskriterier, dekningsnivåer, egenandeler og øvre grenser for innbetalinger. Deretter kobler og omformer den variablene direkte til de konkrete digitale formatene og den logikken HR-programvaren forstår. Automatiseringen endrer den tradisjonelt møysommelige og feilutsatte manuelle datainntastingen. HR-avdelinger kan gjennomføre årlige endringer i ordningene, oppdatere regler for etterlevelse eller innføre helt nye ytelser med en hastighet, nøyaktighet og enkelhet man ikke har sett før.

Dette viser en grunnleggende sannhet om AI når HR- og lønnsledere går fra eksperimentering til gjennomføring. Spennende muligheter som samtaler mellom autonome agenter er i sikte og vil endre forutsetningene vesentlig. Men til slutt må menneskelige ledere ta avgjørelsene.

Når HR-ledere bygger systemer som setter styring i sentrum, sikrer dataintegritet og integrerer menneskelig tilsyn som en nødvendig del, kan AI i arbeidsflytene ta arbeidsbyrden. Ansvaret blir likevel hos menneskene. Slik bør det være når ledere bruker AI for å heve nivået innen HR og lønnsarbeid.

Wesley Bryan er president for BPaaS Services i Veritas Prime, og bringer tiår med erfaring med å lede KI-støttede SaaS-plattformer, skytransformasjon og bedriftsproduktinnovasjon på verdensmarkedene.