Tankeledare

Från experiment till genomförande: så kan AI höja nivån inom HR och lönehantering

Wesley Bryan
Lägg till Unite.AI bland dina föredragna källor på Google
Viktiga punkterHR AI kräver säkra HIPAA-kompatibla plattformar för att skydda känslig personaldata.
Visa mer
  • HR AI kräver säkra HIPAA-kompatibla plattformar för att skydda känslig personaldata.
  • Mänsklig tillsyn förblir avgörande för att validera AI-analys och säkerställa korrekt löneprocessering.
  • AI kan effektivisera HR-uppgifter som förmånsadministration genom att tolka komplexa plan- och policydokument.

AI har dominerat diskussionerna om företagsteknik de senaste åren, eftersom de utlovade förbättringarna av produktivitet och effektivitet verkligen kan förändra verksamheten. Men en rapport från McKinsey om AI i företag visar att de flesta som besvarade undersökningen fortfarande befinner sig i experimentfasen, trots att nästan alla använder AI-verktyg på något sätt.

Nästan två tredjedelar av de tillfrågade företagen har ännu inte breddat användningen till hela organisationen och omsatt tekniken i värdeskapande verksamhet. Samtidigt utvecklas tekniken snabbt. AI är ett rörligt mål, vilket innebär ytterligare en utmaning för företagsledare som vill gå från AI-hype till mätbara resultat.

HR och lönehantering håller på att bli en testmiljö för övergången från experiment till genomförande. Här följer en översikt över några utmaningar som HR-chefer möter i detta avgörande skede, varför mänsklig tillsyn förblir nödvändig och hur man kan gå vidare för att ge verksamheten största möjliga positiva effekt.

Särskilda utmaningar med AI i HR- och löneprocesser

I teorin är HR och lönehantering idealiska områden för AI, eftersom de rymmer många omfattande, dataintensiva processer som kräver precision och effektivitet. Men information om anställdas hälsa, arbetsprestationer och lön hör till de allra känsligaste uppgifterna.

Mot denna bakgrund står chefer som vill införa AI inom HR och lönehantering inför två huvudutmaningar. Den första är datasäkerhet. Att lägga personidentifierande information, PII, i en oskyddad offentlig AI-miljö är helt enkelt en oacceptabel risk.

AI-funktioner för HR och lönehantering måste köras i en säker miljö som uppfyller HIPAA-kraven, inte i en offentlig ChatGPT-instans. Det är den första skyddsåtgärden, och den går inte att kompromissa om.

Den andra utmaningen är att avgöra hur tekniken ska användas. AI-verktyg kan utföra arbetskrävande uppgifter som jämförande analyser och granskning av lönekörningar för att hitta avvikelser, men korrekta uppgifter är nyckeln till framgång. Inom HR och lönehantering finns inget utrymme för fel, eftersom de påverkar anställda direkt. Inom HR ger ett resultat på 99 procent ändå underkänt.

Därför behöver HR-chefer plattformsspecifik kompetens och ett starkt fokus på styrning för att använda AI effektivt inom HR och lönehantering. Allmän kunskap om AI-teori räcker inte. Det är också nödvändigt att välja en plattform där AI-verktygen kan lära av organisationens egna data, inte bara av offentligt tillgänglig information på internet.

Mänsklig tillsyn är en avgörande framgångsfaktor

När tillämpningar inom HR och lönehantering visar att AI kan ge mätbara resultat blir det allt tydligare att effektiva AI-strategier inte bara bygger på styrning och dataintegritet, utan också på mänsklig tillsyn, som är en avgörande framgångsfaktor.

Det bästa tillvägagångssättet är att integrera AI i faktiska arbetsflöden med organisationens egna data och låta människor kontrollera analyserna. Då undviker man den vanliga fallgropen att använda AI som ett fristående verktyg som hämtar offentliga data från nätet. Det är riskfyllt, eftersom AI, som även dess mest entusiastiska förespråkare medger, inte är hundraprocentigt korrekt och behöver granskas som en skyddsåtgärd för att minimera riskerna.

Att fastställa löneintervall är ett bra exempel på en HR-uppgift som kräver noggrann mänsklig tillsyn. Företag behöver konkurrenskraftiga löneintervall för att locka kvalificerade kandidater, och flera delstater har infört lagar om lönetransparens. Det är viktigt att säkerställa att HR-teamet fattar beslut utifrån korrekta uppgifter.

Flera faktorer påverkar hur löneintervall optimeras, däribland hänsyn till den geografiska platsen. Ett HR-team som förlitar sig på en ChatGPT-liknande plattform med offentliga data skulle därför hamna i underläge om det av misstag använde löneuppgifter från New York City för att fastställa löneintervall i Orlando i Florida.

När HR-team får tillgång till en plattform som uppfyller HIPAA-kraven, har starka styrmekanismer och baserar analyserna på den egna organisationens data, kan de börja visa verkliga resultat. Men även då är människan avgörande, eftersom korrekthet inte är valfri inom HR och lönehantering. Därför spelar det roll vilken uppgift AI får.

I stället för att be AI fastställa löneintervall eller identifiera skattesatser bör HR-chefer använda det för analyser som sedan bekräftas av människor och för att skapa uppgifter som människor därefter utför. AI kan exempelvis skapa påminnelser som säkerställer att skatter betalas i tid och ge användare rapporter baserade på systemets data, inte på internet.

Införa AI för att skapa värde

En sak som utmärker AI är dess otroligt snabba utveckling. Eftersom tekniken ständigt lär sig och utökar sina förmågor kommer beslut om var och hur den ska införas alltid att likna ett försök att träffa ett rörligt mål.

En strategi värd att överväga är att HR-chefer identifierar sina tre till fem mest tidskrävande processer och undersöker hur AI kan effektivisera dem. Hjälp finns redan i flera former, exempelvis agentbaserad AI som kan integreras i arbetsflöden för att slutföra uppgifter eller en stor språkmodell som kan analysera data.

Programvaruföretag börjar till exempel använda AI för att kraftigt förenkla administrationen av personalförmåner. Tekniken fungerar som en intelligent översättare mellan informationstäta, komplicerade förmånsdokument och de strikt strukturerade konfigurationsregler som HR-informationssystem, HRIS, kräver. Med avancerad bearbetning av naturligt språk, NLP, kan AI läsa komplicerade juridiska avtal eller förmånsöversikter och automatiskt plocka ut viktiga uppgifter som behörighetskriterier, täckningsnivåer, självrisker och högsta tillåtna inbetalningar. Därefter kopplar den samman och omvandlar variablerna direkt till de specifika digitala format och den logik som HR-programvaran förstår. Automatiseringen förändrar den traditionellt tidsödande och felkänsliga manuella datainmatningen. HR-avdelningar kan genomföra årliga ändringar i förmånsplaner, uppdatera regler för regelefterlevnad eller införa helt nya förmåner med en tidigare oöverträffad snabbhet, precision och enkelhet.

Detta visar en grundläggande sanning om AI:s förmågor när HR- och lönechefer går från experiment till genomförande. Spännande möjligheter som samtal mellan autonoma agenter närmar sig och kommer att förändra förutsättningarna, men i slutänden måste mänskliga ledare fatta besluten.

När HR-chefer bygger system där styrning står i centrum, dataintegriteten säkras och mänsklig tillsyn är en nödvändig del kan AI bära arbetsbördan som en del av arbetsflödena. Människor förblir dock ansvariga. Så bör det vara när ledare använder AI för att höja kvaliteten i HR och lönehantering.

Wesley Bryan är president för BPaaS Services på Veritas Prime, med decenniers erfarenhet av att leda AI-aktiverade SaaS-plattformar, molntransformering och företagsproduktinnovation på globala marknader.