Eksperymentowanie do wykonywania: Jak AI może podnieść poprzeczkę w HR i płacach

AI zdominowało rozmowy o 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 przedsiębiorstwach wykazał, że chociaż prawie wszyscy respondenci używają narzędzi AI w jakiejś formie, większość z nich nadal znajduje się w fazie eksperymentowania.

Blisko dwie trzecie przebadanych firm jeszcze nie wdrożyło tej technologii w swoich organizacjach i nie wykonuje jej w sposób, który dostarcza wartości. W tym samym czasie 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 płace wyłaniają się jako pole doświadczalne w drodze od eksperymentowania do wykonywania. Oto przegląd niektórych wyzwań, z którymi borykają się liderzy HR na tym krytycznym etapie, dlaczego nadzór ludzki pozostaje kluczowym czynnikiem sukcesu i jak przejść do przodu w sposób, który dostarcza najbardziej pozytywnego wpływu na biznes.

Unikalne wyzwania związane z zastosowaniem AI w procesach HR i płac

W teorii, funkcja HR i płac jest idealnym obszarem do zastosowania AI, ponieważ istnieją wiele procesów o wysokiej objętości i wymagających danych, które wymagają precyzji i wydajności. 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 borykają się liderzy, którzy chcą wdrożyć AI w kontekście HR i płac. Pierwszym z nich jest bezpieczeństwo danych. Jest to po prostu nieakceptowalne ryzyko, aby umieścić osobiste dane identyfikujące (PII) w niezabezpieczonej publicznej środowisku AI.

Funkcje AI HR i płac muszą działać w bezpiecznym, zgodnym z HIPAA środowisku, a nie w publicznej instancji ChatGPT. To jest pierwsza bariera ochronna, a jest to niezmienna.

Decyzja, jak zastosować tę technologię, jest drugim wyzwaniem. Narzędzia AI są w stanie wykonywać zadania wymagające dużego nakładu pracy, takie jak prowadzenie analiz porównawczych i skanowanie płac w poszukiwaniu anomalii, ale dokładność danych jest kluczem do sukcesu. Nie ma miejsca na błąd w obszarze HR i płac ze względu na bezpośredni wpływ na pracowników. Wynik 99% otrzymuje ocenę F w HR.

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

Nadzór ludzki jest kluczowym czynnikiem sukcesu

Podczas gdy aplikacje HR i płac 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 kluczowym czynnikiem sukcesu.

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

Proces polegający na definiowaniu widełek płac jest dobrym przykładem zadania HR, które wymaga starannego nadzoru ludzkiego. Firmy potrzebują konkurencyjnych widełek 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.

Wiele czynników wpływa na optymalizację widełek płac, w tym uwzględnienia dotyczące 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 ustalaniu widełek 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 kluczowy, ponieważ dokładność nie jest opcjonalna w HR i płacach. Dlatego rola przypisana do AI jest ważna.

Zamiast prosić AI o ustalenie widełek płac lub identyfikację stawek podatkowych, liderzy HR powinni używać go do analiz, które są potwierdzane przez ludzi, oraz do tworzenia innych zadań, które ludzie wykonują. Na przykład AI może generować przypomnienia, aby upewnić się, że HR płaci podatki na czas, oraz 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 AI ciągle się uczy i rozwija swoje możliwości, decyzja, gdzie i jak wdrożyć AI, zawsze będzie jak strzał w ruchomy cel.

Jedną ze strategii, której warto rozważyć, jest dla liderów HR, aby zidentyfikować swoje trzy do pięciu najbardziej czasochłonnych procesów i określić, jak AI może pomóc w usprawnieniu tych zadań. Pomoc jest już dostępna w kilku formach, czy to w postaci agenty AI, które mogą być wbudowane w przepływy pracy, aby wykonać zadania, czy modelu LLM, który może wykonywać analizy danych.

Na przykład, firmy oprogramowania zaczynają używać sztucznej inteligencji, aby znacznie usprawnić administrację 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 kluczowe 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 zautomatyzowanie przekształca tradycyjnie nużący i podatny na błędy proces ręcznego wprowadzania danych, umożliwiając działom HR wdrożenie zmian planu rocznego, aktualizację reguł zgodności lub wdrożenie nowych ofert z niezwykłą szybkością, dokładnością i łatwością.

To demonstruje fundamentalną prawdę o możliwościach AI, gdy liderzy HR i płac przechodzą od eksperymentowania do wykonywania. Ekscytujące możliwości, takie jak rozmowy między autonomicznymi agentami, są na horyzoncie, i to będzie zmiana gry, ale ostatecznie decyzje będą wymagać ludzkich liderów, aby podjąć ten telefon. As HR leaders build systems that center governance, ensure data integrity and integrate human oversight as an essential component, AI can shoulder the load when embedded in workflows, but humans will remain accountable. That’s how it should be as leaders use AI to raise the bar in HR and payroll performance.