Trong lĩnh vực tiền lương, những lỗi AI nguy hiểm nhất lại trông có vẻ đúng

Tiền lương là một trong số ít quy trình kinh doanh mà mỗi sai sót đều gắn với một cái tên, một khoản tiền và một ngày tháng. Vì vậy, AI trong lĩnh vực tiền lương cần được bàn luận thận trọng hơn, bởi phần lớn cuộc thảo luận tập trung vào những gì AI phát hiện. Câu hỏi khó hơn là AI làm thay đổi điều gì khi không ai để ý.

Tôi đã làm việc trong lĩnh vực tài chính suốt 17 năm, đầu tiên là giám đốc tài chính, sau đó xây dựng cơ sở hạ tầng tiền lương xuyên biên giới. Trong thời gian đó, tôi học được cách xem tự động hóa như một sự đánh đổi: ta từ bỏ những công việc thủ công hữu hình và đổi lại phải chấp nhận những hoạt động vô hình của hệ thống.

Quy định thực sự yêu cầu điều gì

Theo Đạo luật AI của EU, AI tại nơi làm việc được xếp vào nhóm rủi ro cao khi hỗ trợ đưa ra quyết định về một người: tuyển dụng, thăng chức hay sa thải ai; phân công công việc cho họ như thế nào; đánh giá hiệu suất ra sao; hoặc thay đổi các điều khoản công việc của họ thế nào. Những quyết định này định hình công việc và thu nhập của một người, vì vậy công ty sử dụng công cụ phải bảo đảm con người nắm quyền kiểm soát và lưu hồ sơ về cách đưa ra từng quyết định. Theo mặc định, việc tính lương không thuộc danh sách đó, bởi áp dụng mức lương đã thỏa thuận cho số giờ làm việc được duyệt là phép tính số học. Việc này trở thành rủi ro cao khi dữ liệu tiền lương bắt đầu được dùng làm căn cứ cho các quyết định về con người, hoặc khi một công cụ được bán dưới tên gọi “tiền lương” âm thầm bắt đầu đưa ra những quyết định đó.

Tại Mỹ, Viện Tiêu chuẩn và Công nghệ Quốc gia (NIST), một cơ quan liên bang nổi tiếng với việc xây dựng các tiêu chuẩn kỹ thuật và bảo mật, đã công bố từ năm 2023 Khung Quản lý Rủi ro AI chuyên biệt mà các tổ chức có thể dễ dàng điều chỉnh cho phù hợp với hoàn cảnh của mình. Khung này đưa ra một quy trình thực tiễn gồm bốn bước cho các công ty, và tôi sẽ quay lại nội dung này bên dưới.

AI có thể hỗ trợ tiền lương đến đâu một cách an toàn ở thời điểm hiện tại

Thoạt nhìn, AI trong lĩnh vực tiền lương giống như một đôi tay làm việc nhanh hơn. Tuy nhiên, siêu năng lực đồng thời cũng là lời nguyền của AI nằm ở khả năng tự động hóa hoàn hảo, liền mạch và gây nghiện. Khi hệ thống đã vận hành, rất khó nhận ra và khắc phục mọi cách nó tác động đến những người thụ hưởng cuối cùng — những người đang làm việc. Đây là lý do AI trong lĩnh vực nhân sự được xem là rủi ro cao: nó ảnh hưởng trực tiếp đến sinh kế, thành công trong công việc và triển vọng nghề nghiệp tương lai của mọi người.

Hầu hết công cụ tính lương chỉ đi qua một quy trình ngắn. Trước tiên, chúng kiểm tra và chuẩn bị dữ liệu bằng cách đối chiếu, đánh dấu vấn đề và soạn thảo. Sau đó, chúng bắt đầu đưa ra khuyến nghị, chẳng hạn đề xuất giữ lại một khoản chi trả hoặc yêu cầu xác minh một hóa đơn, trong khi con người đưa ra quyết định. Ở bước thứ ba, khi công cụ hành động theo cách ảnh hưởng đến công việc, địa vị hoặc thu nhập của một người, nó cần dừng lại và trả quyền quyết định cho con người. Khó khăn nằm ở chỗ các bước này dễ hòa lẫn vào nhau. Việc đánh dấu số giờ làm bất thường chỉ là một bước đối chiếu vô hại ở bước đầu, nhưng lại trở thành phán xét hiệu suất ở bước thứ ba. Mô hình không thay đổi giữa hai bước; điều thay đổi là cách con người sử dụng kết quả đầu ra của nó.

Những lĩnh vực AI thực sự hữu ích

Một kết quả tích cực của việc tự động hóa quy trình tính lương là giảm đáng kể sai sót — lên tới 78%, theo Blair McQuillen từ Ignite HCM, một dịch vụ tư vấn về tiền lương. Công cụ ứng dụng AI nhằm giảm sai sót trong tính lương về cơ bản thực hiện các thao tác sau để quét và khắc phục hệ thống tính lương:

• Phát hiện bất thường là khi các thuật toán học máy đối chiếu dữ liệu tiền lương với hồ sơ lịch sử để chỉ ra các khoản thanh toán tăng đột biến, mục ghi trùng lặp và khoản khấu trừ bất thường.
• Xác thực dữ liệu theo thời gian thực nghĩa là AI xem xét cả dữ liệu hiện tại của nhân viên (ví dụ: dữ liệu chấm công được ghi tự động) lẫn các hệ thống nguồn (ví dụ: bảng chấm công), qua đó chỉ ra lỗi sao chép và dán thủ công.
• Ngăn ngừa sai sót bằng dự đoán giúp dự báo lỗi trước khi hoàn tất bảng lương.
• AI cũng có thể tự động hóa một phần hoạt động tuân thủ thông qua các tác nhân AI. Các tác nhân này giám sát nhân viên và việc tính lương, đồng thời lập tức cảnh báo bộ phận nhân sự, thậm chí trước khi đến đợt kiểm toán hằng quý. Để AI tham gia vào hoạt động tuân thủ với vai trò người tố giác, cần xác định rõ ràng năng lực của AI và bảo đảm con người thực sự tham gia vào quá trình ra quyết định.
• Dự báo bằng AI dự đoán những thay đổi trong tổ chức hoặc biến động thị trường sẽ ảnh hưởng thế nào đến chi phí và ngân sách tiền lương.

Theo Báo cáo OpenLadger, một API kế toán tích hợp ứng dụng AI, các công ty đã hoàn tất sổ sách tài chính nhanh hơn 19% và cải thiện mức độ tuân thủ ngân sách 34%.

Khi hệ thống lấy những sai lầm của bạn làm chuẩn

Phần lớn AI tính lương được tiếp thị với khả năng học hỏi liên tục. Theo thời gian, hệ thống xác định thế nào là mức lương bình thường đối với tổ chức của bạn rồi đối chiếu từng kỳ tính lương với chuẩn đó. Điều này thực sự hữu ích, nhưng cũng chính là nơi những trục trặc âm thầm bắt đầu.

Một hệ thống học từ dữ liệu lịch sử để xác định điều gì là “bình thường” cũng học cả những sai sót trong dữ liệu đó. Giả sử một khoản khấu trừ bị áp dụng sai trong sáu tháng. Hệ thống phát hiện sẽ ngừng đánh dấu khoản này, vì khi so với sai sót lặp lại suốt sáu tháng, nó không còn có vẻ bất thường nữa.

Công việc xuyên biên giới càng làm rõ vấn đề này. Khi trả tiền cho nhà thầu ở nhiều quốc gia, bằng nhiều loại tiền tệ và qua nhiều phương thức chi trả, điều “bất thường” thường lại là hợp lệ: một mốc dự án, phương thức thanh toán được chuyển đổi, một hợp đồng phát sinh một lần hoặc một tuyến thanh toán mới được mở. Nếu được tinh chỉnh để giảm cảnh báo sai, theo thời gian mô hình sẽ bắt đầu loại bỏ cả những trường hợp thực sự bất thường cùng với chúng.

Khi một khoản thanh toán bị giữ lại, bị gắn cờ hoặc bị điều chỉnh, cần có người giải thích lý do: với nhà thầu đang chờ nhận tiền, với kiểm toán viên nhiều tháng sau đó và cuối cùng là với cơ quan quản lý.

Ba cách giúp tự động hóa tiền lương có thể kiểm toán được

1. Tách riêng các nhiệm vụ. Một trợ lý duy nhất tiếp nhận dữ liệu, phân loại người lao động, tính lương, kiểm tra việc tuân thủ và gửi phiếu lương thì tiện mua nhưng khó kiểm toán, vì khi kết quả sai, bạn không thể biết lỗi phát sinh ở bước nào. Một số nhà cung cấp dịch vụ tính lương đã chuyển sang thiết kế đa tác nhân, trong đó các thành phần riêng biệt xử lý việc tiếp nhận bảng chấm công, phân loại người lao động, tính lương, tuân thủ và liên lạc, đồng thời mỗi thành phần đều ghi vào nhật ký kiểm toán dùng chung. Cách thiết lập này tốn kém hơn để xây dựng, nhưng khoản đầu tư đó sẽ được bù đắp ngay lần đầu tiên cơ quan quản lý hỏi quyết định được đưa ra như thế nào. Bạn có thể lần theo chuỗi từng bước một.
2. Phân tầng hành động theo khả năng đảo ngược. Mô hình có con người tham gia giám sát, hiện phổ biến trong công nghệ nhân sự, chia các hành động tự động thành ba cấp: tự động thực hiện, chuyển cấp xử lý và chặn. Tôi sẽ phân cấp dựa trên một tiêu chí duy nhất: cái giá phải trả nếu quyết định sai. Những hành động có rủi ro thấp, có thể đảo ngược, chẳng hạn như gửi lời nhắc, yêu cầu tài liệu và kiểm tra định dạng, có thể tự thực hiện. Với những hành động có rủi ro trung bình, chẳng hạn như tạm giữ khoản thanh toán để làm rõ hoặc yêu cầu giải trình về hóa đơn, AI nên chuẩn bị bằng chứng để một người đưa ra quyết định. Các hành động không thể đảo ngược, cũng như bất cứ việc gì ảnh hưởng đến kế sinh nhai của một người, đều phải nằm ngoài phạm vi của máy móc: chấm dứt quan hệ làm việc, thay đổi tình trạng của người lao động hoặc giữ lại tiền lương vì lý do tuân thủ. Tôi dùng một câu hỏi để kiểm tra: nếu hành động này hóa ra là sai, liệu chúng ta có thể đảo ngược trước khi người ở phía bên kia nhận ra không? Nếu câu trả lời là không, con người phải phê duyệt.
3. Thiết lập cơ chế quản trị trước khi mở rộng quy mô. Khung quản lý rủi ro AI của NIST mà tôi đã nhắc đến trước đó dựa trên bốn chức năng: Quản trị, Lập bản đồ, Đo lường và Quản lý. Trong lĩnh vực tiền lương, chúng trở thành bốn câu hỏi. Ai chịu trách nhiệm về kết quả: bộ phận tính lương, bộ phận tài chính, bộ phận tuân thủ hay nhà cung cấp? Theo Đạo luật AI, nghĩa vụ của đơn vị triển khai thuộc về tổ chức vận hành hệ thống, vì vậy “nhà cung cấp” không phải là câu trả lời có thể chấp nhận, dù hiện nay có bao nhiêu sản phẩm mang nhãn “sẵn sàng cho Đạo luật AI của EU”. Những công cụ nào của bạn thực sự sử dụng AI, xét đến việc ngày càng nhiều phần mềm được mua với tư cách là phần mềm dựa trên quy tắc lại tích hợp công nghệ học máy? Mọi người ghi đè quyết định của AI thường xuyên đến mức nào — đây là chỉ số tôi sẽ theo dõi sát nhất, vì tỷ lệ ghi đè gần bằng không hiếm khi có nghĩa là mô hình hoàn hảo, mà thường là con người đã thôi đọc kết quả. Phương án dự phòng là gì khi mô hình không khả dụng trong kỳ khóa sổ, hoặc khi không còn có thể tin cậy đầu ra của nó, và liệu có ai trong nhóm vẫn biết cách xử lý tiền lương thủ công không? Với những lãnh đạo nhân sự và tiền lương dự định sử dụng AI trên quy mô lớn, cơ cấu đó rất đáng được xây dựng từ sớm.

Kỷ nguyên AI mở ra cho các công ty cơ hội thực hiện những công việc ít hào nhoáng: lập danh mục các công cụ tích hợp AI, lưu nhật ký ghi lại lập luận chứ không chỉ kết quả, chỉ định người chịu trách nhiệm cho từng quyết định tự động và thường xuyên rà soát các chỉ số về việc ghi đè quyết định của AI.

Khi các nghĩa vụ đối với hệ thống rủi ro cao bắt đầu được áp dụng, kiểm toán viên sẽ không hỏi: “Các anh có sử dụng AI không?” Họ sẽ hỏi: “Hãy cho tôi biết vì sao khoản thanh toán này được thực hiện, bị giữ lại hoặc bị thay đổi.” Những công ty có thể trả lời trong vài phút sẽ mở rộng quy mô tự động hóa thành công.