Eksperymentowanie do wykonania: Jak AI może podnieść poprzeczkę w HR i payroll

AI zdominowało rozmowy na temat technologii biznesowej w ciągu ostatnich kilku lat, ponieważ obiecane zyski w wydajności i efektywności są naprawdę przełomowe. Ale raport McKinsey na temat stanu AI w przedsiębiorstwie wykazał, że podczas gdy prawie wszyscy respondenci ankiety używają narzędzi AI w jakiejś formie, większość z nich nadal jest w fazie eksperymentowania.

Blisko dwie trzecie przebadanych firm jeszcze nie skalibruje technologii w całej organizacji i nie wykonuje jej w sposób, który dostarcza wartości. Równocześnie technologia ewoluuje bardzo szybko. AI jest ruchomym celem, co jest kolejnym wyzwaniem dla liderów biznesu, którzy szukają sposobów, aby przenieść się od szumu AI do mierzalnych wyników.

HR i payroll wyłaniają się jako pole doświadczalne w podróży od eksperymentowania do wykonania. Oto przegląd niektórych wyzwań, z którymi mierzą się liderzy HR w tym krytycznym momencie, dlaczego nadzór ludzki pozostanie krytyczny i jak przystąpić do działania w sposób, który dostarcza najbardziej pozytywny wpływ na biznes.

Unikalne wyzwania związane z zastosowaniem AI w procesach HR i payroll

W teorii, funkcja HR i payroll jest idealną dziedziną do zastosowania AI, ponieważ istnieje wiele procesów o wysokiej objętości i intensywności danych, które wymagają precyzji i efektywności. Jednak dane nie są bardziej wrażliwe niż informacje związane ze zdrowiem pracowników, wynikami pracy i płacą.

Biorąc pod uwagę ten kontekst, istnieją dwa podstawowe wyzwania, z którymi mierzą się liderzy, którzy chcą wdrożyć AI w kontekście HR i payroll. Pierwszym jest bezpieczeństwo danych. Jest to po prostu nieakceptowalne ryzyko, aby umieścić osobiste dane identyfikacyjne (PII) w niezabezpieczonym publicznym środowisku AI.

Funkcje AI HR i payroll muszą działać w zabezpieczonym, zgodnym z HIPAA środowisku, a nie w publicznej instancji ChatGPT. To jest pierwsza bariera ochronna, a jest niepodzielna.

Decyzja, jak zastosować technologię, jest drugim wyzwaniem. Narzędzia AI są w stanie wykonywać pracochłonne zadania, takie jak prowadzenie analiz porównawczych i skanowanie płac za anomalie, ale dokładność danych jest kluczem do sukcesu. Nie ma miejsca na błąd w przestrzeni HR i payroll ze względu na bezpośredni wpływ na pracowników. Wynik 99% daje stopień F w HR.

Z tych powodów liderzy HR potrzebują specjalistycznej wiedzy i silnego nacisku na zarządzanie, aby skutecznie zastosować AI w HR i payroll; ogólna znajomość teorii AI nie wystarczy. Jest również niezbędne, aby wybrać platformę, która umożliwia narzędziom AI uczenie się na danych własnych organizacji, a nie tylko na publicznie dostępnych informacjach z Internetu.

Nadzór ludzki jest krytycznym czynnikiem sukcesu

Podczas gdy aplikacje HR i payroll dowodzą, że AI może dostarczyć mierzalne wyniki, staje się coraz bardziej jasne, że skuteczne strategie AI są budowane nie tylko wokół zarządzania i integralności danych, ale także nadzoru ludzkiego, który jest krytycznym czynnikiem sukcesu.

Najlepsze podejście polega na wbudowaniu AI w rzeczywiste przepływy pracy, korzystając z danych własnych organizacji, z ludźmi walidującymi analizę AI. Ta strategia pomaga organizacjom uniknąć powszechnego błędu polegającego na używaniu AI jako samodzielnego narzędzia, które pobiera dane publiczne z Internetu. To podejście jest ryzykowne, ponieważ nawet najbardziej entuzjastyczni ewangeliczni przyznają, że AI nie jest 100% dokładne i wymaga przeglądu jako bariera ochronna, aby zminimalizować ryzyko.

Proces polegający na definiowaniu pasm płac jest dobrym przykładem zadania HR, które wymaga starannego nadzoru ludzkiego. Firmy potrzebują konkurencyjnych pasm płac, aby przyciągnąć wysokiej jakości kandydatów, a wiele stanów ma prawo o przejrzystości wynagrodzeń. Ważne jest, aby upewnić się, że zespół HR podejmuje decyzje na podstawie dokładnych danych.

Kilka czynników wpływa na optymalizację pasm płac, w tym uwzględnienie lokalizacji. Dlatego zespół HR, który polega na platformie w stylu ChatGPT, która dostęp do publicznie dostępnych danych, byłby w niekorzystnej sytuacji, gdyby nieumyślnie opierał poziomy wynagrodzeń na danych z Nowego Jorku przy określaniu pasm płac dla Orlando, na Florydzie.

Gdy zespoły HR mają dostęp do platformy zgodnej z HIPAA, z silnymi kontrolami zarządzania, które opierają analizy na danych własnych organizacji, mogą zacząć wykazywać rzeczywiste wyniki. Ale nawet wtedy element ludzki pozostaje krytyczny, ponieważ dokładność nie jest opcjonalna w HR i payroll. Dlatego rola przypisana do AI ma znaczenie.

Zamiast prosić AI o ustalenie pasm płac lub identyfikację stawek podatkowych, liderzy HR powinni używać go do analizy, która jest potwierdzona przez ludzi i tworzyć inne zadania, które ludzie wykonują. Na przykład AI może generować przypomnienia, aby upewnić się, że HR płaci podatki na czas, i dostarczać raporty użytkownikom na podstawie danych z systemu, a nie z Internetu.

Wdrożenie AI w celu tworzenia wartości

Jednym z czynników, który sprawia, że AI jest wyjątkowe, jest jego niezwykle szybka ewolucja. Ponieważ ciągle uczy się i rozwija swoje możliwości, decyzja, gdzie i jak wdrożyć AI, zawsze będzie jak strzał w ruchomy cel.

Jedną ze strategii, której warto rozważyć, jest to, aby liderzy HR zidentyfikowali swoje trzy do pięciu najbardziej czasochłonnych procesów i określili, jak AI może pomóc w usprawnieniu tych zadań. Pomoc jest już dostępna w kilku formach, czy to w postaci agentywnego AI, które można wbudować w przepływy pracy, aby wykonać zadania, czy modelu LLM, który może wykonywać analizy danych.

Na przykład, firmy oprogramowania zaczynają używać sztucznej inteligencji do znacznego usprawnienia administracji świadczeń pracowniczych, działając jako inteligentny tłumacz między gęstymi, złożonymi dokumentami planu świadczeń a ściśle ustrukturyzowanymi regułami konfiguracyjnymi wymaganymi przez Systemy Informacji o Pracownikach (HRIS). Za pomocą zaawansowanego przetwarzania języka naturalnego (NLP), AI może czytać skomplikowane umowy prawne lub podsumowania świadczeń, aby automatycznie wyodrębnić krytyczne punkty danych — takie jak kryteria kwalifikacji, poziomy pokrycia, franszyzy i limity składek. Następnie mapuje i konwertuje te zmienne bezpośrednio do określonych formatów cyfrowych i logiki, które oprogramowanie HR naturalnie rozumie. To automatyzuje tradycyjnie nużący i podatny na błędy proces ręcznego wprowadzania danych, umożliwiając działom HR wdrożenie zmian w planie rocznym, aktualizację reguł zgodności lub wypuszczanie nowych ofert z bezprecedensową szybkością, dokładnością i łatwością.

To demonstruje fundamentalną prawdę o możliwościach AI, gdy liderzy HR i payroll przechodzą od eksperymentowania do wykonania. Ekscytujące możliwości, takie jak dyskusje między autonomicznymi agentami, są na horyzoncie, i to będzie zmiana gry, ale ostatecznie decyzje będą wymagać ludzkich liderów, aby podjąć decyzję.

Gdy liderzy HR budują systemy, które koncentrują się na zarządzaniu, zapewniają integralność danych i integrują nadzór ludzki jako niezbędny składnik, AI może podjąć ciężar, gdy jest wbudowane w przepływy pracy, ale ludzie pozostaną odpowiedzialni. To jest tak, jak powinno być, gdy liderzy używają AI, aby podnieść poprzeczkę w HR i payroll.