ในงานบัญชีเงินเดือน ข้อผิดพลาดจาก AI ที่อันตรายที่สุดกลับดูเหมือนถูกต้อง

งานบัญชีเงินเดือนเป็นหนึ่งในกระบวนการทางธุรกิจไม่กี่อย่างที่ข้อผิดพลาดทุกครั้งมีทั้งชื่อ จำนวนเงิน และวันที่กำกับอยู่ นั่นจึงเป็นเหตุผลที่เราควรพูดคุยเรื่อง AI ในงานบัญชีเงินเดือนอย่างรอบคอบมากขึ้น เพราะการพูดคุยส่วนใหญ่มักมุ่งเน้นว่า AI ตรวจจับอะไรได้บ้าง แต่คำถามที่ยากกว่าคือ AI เปลี่ยนแปลงอะไรไปบ้างในช่วงที่ไม่มีใครเฝ้าดู

ฉันทำงานด้านการเงินมาแล้วสิบเจ็ดปี เริ่มจากการเป็น CFO ก่อนจะมาสร้างโครงสร้างพื้นฐานด้านบัญชีเงินเดือนข้ามพรมแดน ตลอดช่วงเวลานั้น ฉันเรียนรู้ที่จะมองระบบอัตโนมัติเป็นการแลกเปลี่ยนอย่างหนึ่ง กล่าวคือ เราสละงานที่ต้องลงมือทำและมองเห็นได้ แล้วแลกกับพฤติกรรมของระบบที่มองไม่เห็น

ข้อกำหนดถามอะไรไว้จริง ๆ

ตามกฎหมาย AI ของสหภาพยุโรป AI ในสถานที่ทำงานถือว่ามีความเสี่ยงสูงเมื่อมีส่วนช่วยตัดสินใจเรื่องใดเรื่องหนึ่งเกี่ยวกับบุคคล เช่น ใครจะได้รับการจ้างงาน เลื่อนตำแหน่ง หรือถูกเลิกจ้าง มอบหมายงานอย่างไร ประเมินผลงานอย่างไร หรือเปลี่ยนแปลงเงื่อนไขการทำงานอย่างไร การตัดสินใจเหล่านี้ส่งผลต่อหน้าที่การงานและรายได้ของบุคคล บริษัทที่ใช้เครื่องมือดังกล่าวจึงต้องให้มนุษย์ควบคุมการตัดสินใจ และเก็บบันทึกว่าการตัดสินใจแต่ละครั้งเกิดขึ้นได้อย่างไร โดยปกติแล้ว การคำนวณเงินเดือนจะไม่อยู่ในรายการดังกล่าว เพราะการนำอัตราค่าจ้างที่ตกลงกันไว้มาใช้กับชั่วโมงทำงานที่อนุมัติแล้วเป็นเพียงการคำนวณทางคณิตศาสตร์ แต่จะกลายเป็นเรื่องที่มีความเสี่ยงสูงเมื่อข้อมูลบัญชีเงินเดือนเริ่มถูกนำไปใช้ประกอบการตัดสินใจเกี่ยวกับบุคคล หรือเมื่อเครื่องมือที่ขายในชื่อ “บัญชีเงินเดือน” เริ่มตัดสินใจเรื่องเหล่านั้นอย่างแนบเนียน

ในสหรัฐฯ สถาบันมาตรฐานและเทคโนโลยีแห่งชาติ (NIST) ซึ่งเป็นหน่วยงานรัฐบาลกลางที่มีชื่อเสียงด้านการกำหนดมาตรฐานทางเทคนิคและความปลอดภัย ได้เผยแพร่กรอบการบริหารความเสี่ยงด้าน AIโดยเฉพาะเมื่อปี 2023 ซึ่งองค์กรต่าง ๆ สามารถปรับใช้ให้เหมาะกับสถานการณ์ของตนได้โดยสะดวก กรอบนี้เสนอวงจรการทำงานสี่ขั้นตอนที่นำไปใช้ได้จริง ซึ่งฉันจะกลับมากล่าวถึงด้านล่าง

ปัจจุบัน AI ในงานบัญชีเงินเดือนทำอะไรได้อย่างปลอดภัยบ้าง

เมื่อมองเผิน ๆ AI ในงานบัญชีเงินเดือนดูเหมือนมืออีกคู่ที่ทำงานได้เร็วกว่า อย่างไรก็ตาม จุดแข็งและในขณะเดียวกันก็เป็นคำสาปของ AI คือระบบอัตโนมัติที่ทำงานได้อย่างไร้ที่ติ ราบรื่น และชวนให้พึ่งพาจนถอนตัวได้ยาก เมื่อระบบเริ่มทำงานแล้ว การมองเห็นและแก้ไขผลกระทบทั้งหมดที่มีต่อผู้รับผลประโยชน์โดยตรง ซึ่งก็คือคนทำงาน ย่อมเป็นเรื่องยาก นี่จึงเป็นเหตุผลที่ AI ในงานทรัพยากรบุคคลถือว่ามีความเสี่ยงสูง เพราะส่งผลโดยตรงต่อความเป็นอยู่ ความสำเร็จในการทำงาน และโอกาสก้าวหน้าในอาชีพของผู้คน

เครื่องมือบัญชีเงินเดือนส่วนใหญ่มีขั้นตอนการทำงานไม่ซับซ้อนนัก ขั้นแรก เครื่องมือจะตรวจสอบและเตรียมข้อมูล โดยเปรียบเทียบ ทำเครื่องหมายรายการที่น่าสงสัย และร่างเอกสาร จากนั้นจึงเริ่มให้คำแนะนำ เช่น เสนอให้ระงับการจ่ายเงินหรือตั้งข้อสงสัยเกี่ยวกับใบแจ้งหนี้ ขณะที่มนุษย์เป็นผู้ตัดสินใจ ขั้นที่สามคือจุดที่เครื่องมือเริ่มลงมือทำสิ่งที่ส่งผลต่อหน้าที่การงาน สถานะ หรือรายได้ของบุคคล ซึ่งเป็นจุดที่ควรหยุดและส่งการตัดสินใจกลับคืนให้มนุษย์ ปัญหาคือขั้นตอนเหล่านี้คาบเกี่ยวกัน การทำเครื่องหมายชั่วโมงทำงานที่ผิดปกติเป็นเพียงการตรวจสอบเพื่อกระทบยอดที่ไม่เป็นอันตรายในขั้นแรก แต่กลายเป็นการตัดสินผลงานในขั้นที่สาม ตัวแบบไม่ได้เปลี่ยนไป สิ่งที่เปลี่ยนคือวิธีที่มนุษย์นำผลลัพธ์ของตัวแบบไปใช้

จุดที่ AI ช่วยได้จริง

ผลลัพธ์เชิงบวกประการหนึ่งของการใช้ระบบอัตโนมัติในงานบัญชีเงินเดือนคือการลดข้อผิดพลาดได้อย่างมาก สูงสุดถึง 78% ตามข้อมูลจากBlair McQuillen จาก Ignite HCM ซึ่งเป็นบริการให้คำปรึกษาด้านบัญชีเงินเดือน เครื่องมือที่ขับเคลื่อนด้วย AI เพื่อช่วยลดข้อผิดพลาดด้านบัญชีเงินเดือนจะดำเนินการเหล่านี้เป็นหลัก เพื่อตรวจสอบและแก้ไขระบบบัญชีเงินเดือน:

• การตรวจจับความผิดปกติคือการที่อัลกอริทึมการเรียนรู้ของเครื่องเปรียบเทียบข้อมูลบัญชีเงินเดือนกับบันทึกย้อนหลัง เพื่อชี้ให้เห็นยอดจ่ายที่พุ่งสูง รายการที่ซ้ำกัน และรายการหักเงินที่ผิดปกติ
• การตรวจสอบความถูกต้องของข้อมูลแบบเรียลไทม์หมายถึง AI ตรวจดูทั้งข้อมูลพนักงานปัจจุบัน (เช่น บันทึกเวลาเข้างานที่จัดเก็บโดยอัตโนมัติ) และระบบต้นทาง (เช่น ใบบันทึกเวลาทำงาน) พร้อมชี้ให้เห็นข้อผิดพลาดจากการคัดลอกและวางด้วยตนเอง
• การป้องกันข้อผิดพลาดเชิงคาดการณ์ช่วยคาดการณ์ข้อผิดพลาดก่อนสรุปบัญชีเงินเดือน
• AI agents ยังช่วยทำให้การปฏิบัติตามข้อกำหนดเป็นระบบอัตโนมัติได้ในระดับหนึ่ง โดยจะติดตามพนักงานและการคำนวณบัญชีเงินเดือน พร้อมแจ้งฝ่ายทรัพยากรบุคคลทันที แม้ก่อนถึงกำหนดตรวจสอบประจำไตรมาส การให้ AI ทำหน้าที่เป็นผู้แจ้งเบาะแสด้านการปฏิบัติตามข้อกำหนด หมายถึงการระบุความสามารถของ AI ให้ชัดเจน และกำหนดให้บุคคลจริงมีส่วนร่วมในการตัดสินใจ
• การพยากรณ์ที่ขับเคลื่อนด้วย AIคาดการณ์ว่าการเปลี่ยนแปลงภายในองค์กรหรือความผันผวนของตลาดจะส่งผลต่อต้นทุนและงบประมาณด้านบัญชีเงินเดือนอย่างไร

ตามรายงาน OpenLadger ซึ่งเป็น API ด้านบัญชีที่ผสาน AI ไว้ในระบบ บริษัทต่าง ๆ ปิดบัญชีการเงินได้เร็วขึ้น 19% และปฏิบัติตามงบประมาณได้ดีขึ้น 34%

เมื่อค่าฐานเรียนรู้จากข้อผิดพลาดของคุณ

AI สำหรับงานบัญชีเงินเดือนส่วนใหญ่จำหน่ายโดยชูจุดเด่นเรื่องการเรียนรู้อย่างต่อเนื่อง เมื่อเวลาผ่านไป ระบบจะเรียนรู้ว่าบัญชีเงินเดือนตามปกติขององค์กรคุณเป็นอย่างไร แล้วนำการจ่ายเงินเดือนแต่ละรอบมาเทียบกับรูปแบบนั้น ซึ่งเป็นประโยชน์อย่างแท้จริง และเป็นจุดที่ความผิดพลาดซึ่งซ่อนเร้นเริ่มต้นขึ้นด้วย

ระบบที่เรียนรู้ว่าอะไรคือ “ปกติ” จากข้อมูลย้อนหลัง ย่อมเรียนรู้ข้อผิดพลาดที่อยู่ในข้อมูลเหล่านั้นด้วย สมมติว่ามีการหักเงินผิดพลาดต่อเนื่องเป็นเวลาหกเดือน ระบบตรวจจับจะเลิกแจ้งเตือน เพราะเมื่อเทียบกับข้อผิดพลาดแบบเดิมที่เกิดซ้ำมานานหกเดือนแล้ว รายการดังกล่าวก็ไม่ดูผิดปกติอีกต่อไป

การทำงานข้ามพรมแดนยิ่งทำให้ปัญหานี้ชัดเจนขึ้น เมื่อจ่ายเงินให้ผู้รับจ้างในหลายประเทศ หลายสกุลเงิน และผ่านวิธีจ่ายเงินหลายรูปแบบ สิ่งที่ “ผิดปกติ” มักเป็นเรื่องที่เกิดขึ้นได้อย่างสมเหตุสมผล เช่น การจ่ายเงินตามหมุดหมายของโครงการ การเปลี่ยนช่องทางการชำระเงิน งานที่จ้างทำเพียงครั้งเดียว หรือการเปิดเส้นทางการจ่ายเงินใหม่ โมเดลที่ปรับแต่งมาเพื่อลดการแจ้งเตือนผิดพลาดจะเริ่มระงับการแจ้งเตือนที่ถูกต้องไปพร้อมกันเมื่อเวลาผ่านไป

เมื่อมีการระงับ ตั้งข้อสังเกต หรือปรับเปลี่ยนการจ่ายเงิน ก็ต้องมีใครสักคนอธิบายเหตุผลให้ผู้รับจ้างที่กำลังรอเงิน ผู้ตรวจสอบบัญชีที่อาจสอบถามในอีกหลายเดือนต่อมา และท้ายที่สุดคือหน่วยงานกำกับดูแลทราบ

สามวิธีทำให้ระบบอัตโนมัติด้านเงินเดือนตรวจสอบย้อนหลังได้

1. แยกงานออกจากกัน การมีผู้ช่วยเพียงตัวเดียวที่รับข้อมูล จัดประเภทผู้ปฏิบัติงาน คำนวณค่าจ้าง ตรวจสอบการปฏิบัติตามข้อกำหนด และส่งสลิปเงินเดือนนั้นสะดวกต่อการจัดซื้อ แต่ตรวจสอบย้อนหลังได้ยาก เพราะเมื่อผลลัพธ์ผิดพลาด คุณจะระบุไม่ได้ว่าขั้นตอนใดเป็นต้นเหตุ ผู้ให้บริการระบบเงินเดือนบางรายเริ่มเปลี่ยนมาใช้การออกแบบแบบหลายเอเจนต์แล้ว โดยแยกส่วนประกอบให้จัดการการรับข้อมูลจากใบบันทึกเวลา การจัดประเภทผู้ปฏิบัติงาน การคำนวณค่าจ้าง การปฏิบัติตามข้อกำหนด และการสื่อสาร พร้อมบันทึกข้อมูลลงในบันทึกการตรวจสอบร่วมกัน การจัดระบบเช่นนี้มีต้นทุนในการพัฒนาสูงกว่า แต่จะคุ้มค่าทันทีที่หน่วยงานกำกับดูแลสอบถามว่ามีการตัดสินใจอย่างไร คุณสามารถไล่ตรวจสอบกระบวนการได้ทีละขั้น
2. จัดระดับการดำเนินการตามความสามารถในการย้อนกลับ แนวทางที่ให้มนุษย์มีส่วนร่วมในการตัดสินใจ ซึ่งปัจจุบันพบได้ทั่วไปในเทคโนโลยีทรัพยากรบุคคล จะแบ่งการดำเนินการอัตโนมัติออกเป็นสามระดับ ได้แก่ ดำเนินการโดยอัตโนมัติ ส่งต่อให้ตรวจสอบ และระงับไว้ ผมจะกำหนดระดับโดยใช้เกณฑ์เพียงข้อเดียว คือผลกระทบจากการตัดสินใจผิดพลาด การดำเนินการที่มีความเสี่ยงต่ำและย้อนกลับได้ เช่น การส่งข้อความเตือน การขอเอกสาร และการตรวจสอบรูปแบบเอกสาร สามารถดำเนินการได้โดยอัตโนมัติ ส่วนการดำเนินการที่มีความเสี่ยงปานกลาง เช่น การระงับการจ่ายเงินไว้เพื่อขอคำชี้แจง หรือการสอบถามเกี่ยวกับใบแจ้งหนี้ ควรให้ AI เตรียมหลักฐาน แล้วให้บุคคลเป็นผู้ตัดสินใจ การดำเนินการที่ย้อนกลับไม่ได้ รวมถึงทุกเรื่องที่ส่งผลต่อการทำมาหากินของใครคนหนึ่ง ต้องไม่ปล่อยให้เครื่องจักรจัดการ เช่น การยุติการว่าจ้าง การเปลี่ยนสถานะของผู้ปฏิบัติงาน และการระงับค่าจ้างด้วยเหตุผลด้านการปฏิบัติตามข้อกำหนด เกณฑ์ที่ผมใช้มีคำถามเดียว หากภายหลังพบว่าการดำเนินการนี้ผิดพลาด เราจะแก้ไขให้กลับคืนได้ก่อนที่อีกฝ่ายจะรู้ตัวหรือไม่ หากคำตอบคือไม่ ต้องให้มนุษย์อนุมัติก่อน
3. วางระบบกำกับดูแลก่อนขยายการใช้งาน NIST AI Risk Management Framework ที่กล่าวถึงก่อนหน้านี้ตั้งอยู่บนฟังก์ชันสี่ประการ ได้แก่ กำกับดูแล ทำแผนที่ วัดผล และจัดการ เมื่อนำมาใช้กับระบบเงินเดือน ฟังก์ชันเหล่านี้จะกลายเป็นคำถามสี่ข้อ ใครเป็นเจ้าของผลลัพธ์: ฝ่ายเงินเดือน ฝ่ายการเงิน ฝ่ายกำกับดูแลการปฏิบัติตามข้อกำหนด หรือผู้ให้บริการ? ภายใต้ AI Act หน้าที่ของผู้ใช้งานระบบ เป็นความรับผิดชอบขององค์กรที่ดำเนินงานระบบ ดังนั้น «ผู้ให้บริการ» จึงไม่ใช่คำตอบที่ยอมรับได้ ไม่ว่าปัจจุบันจะมีผลิตภัณฑ์กี่รายการที่ติดป้ายว่า «พร้อมรองรับ EU AI Act» เครื่องมือใดของคุณใช้ AI จริงบ้าง เมื่อพิจารณาว่าซอฟต์แวร์ที่ซื้อมาโดยเข้าใจว่าใช้กฎเกณฑ์กำหนดนั้นมีเทคโนโลยีแมชชีนเลิร์นนิงรวมอยู่มากเพียงใด? ผู้คนสั่งให้ AI ดำเนินการใหม่บ่อยแค่ไหน ตัวเลขนี้เป็นสิ่งที่ผมจะจับตาดูใกล้ชิดที่สุด เพราะอัตราการสั่งให้ดำเนินการใหม่ที่เกือบเป็นศูนย์แทบไม่เคยหมายความว่าโมเดลไร้ข้อผิดพลาด และบ่อยครั้งกลับหมายความว่ามนุษย์เลิกอ่านผลลัพธ์แล้ว หากโมเดลใช้งานไม่ได้ในช่วงปิดรอบบัญชี หรือผลลัพธ์ของโมเดลไม่น่าเชื่อถืออีกต่อไป จะมีแผนสำรองอย่างไร และยังมีใครในทีมที่รู้วิธีจัดการระบบเงินเดือนด้วยตนเองอยู่หรือไม่? สำหรับผู้นำฝ่ายทรัพยากรบุคคลและฝ่ายเงินเดือนที่วางแผนจะใช้ AI ในวงกว้าง การสร้างโครงสร้างดังกล่าวไว้ตั้งแต่เนิ่น ๆ เป็นเรื่องที่คุ้มค่า

ยุค AI เปิดโอกาสให้บริษัทต่าง ๆ ทำงานเบื้องหลังที่ไม่หวือหวาแต่จำเป็น ไม่ว่าจะเป็นการจัดทำบัญชีรายการเครื่องมือที่ใช้ AI บันทึกที่เก็บเหตุผลประกอบ ไม่ใช่เพียงผลลัพธ์ การระบุผู้รับผิดชอบสำหรับการตัดสินใจอัตโนมัติทุกครั้ง และตัวชี้วัดการสั่งให้ระบบดำเนินการใหม่ ซึ่งมีการทบทวนเป็นประจำ

เมื่อถึงเวลาที่ข้อกำหนดสำหรับระบบความเสี่ยงสูงมีผลบังคับใช้ คำถามจากผู้ตรวจสอบบัญชีจะไม่ใช่ «คุณใช้ AI หรือไม่?» แต่จะเป็น «แสดงให้ดูว่าทำไมจึงจ่ายเงิน ระงับการจ่าย หรือเปลี่ยนแปลงการจ่ายเงินครั้งนี้» บริษัทที่ตอบคำถามนี้ได้ภายในไม่กี่นาทีจะสามารถขยายการใช้ระบบอัตโนมัติได้อย่างประสบความสำเร็จ