At organisere og holde styr på obligatoriske uddannelser — GDPR, integritet, eller lignende obligatoriske moduler — er en af de opgaver, hvor AI allerede i dag kan udføre en stor del af arbejdet. Planlægning, udsendelse af invitationer og registrering af gennemførelser er stort set et spørgsmål om at anvende faste regler på struktureret data. Det er præcis den type arbejde, som automatisering, i dette tilfælde robotic process automation (RPA), passer godt til. Men der er en forudsætning, som gør denne vurdering mindre ligetil alle steder: kvaliteten af koblingen til HR-systemet.
Tre akser er afgørende her: struktureringsgrad, compliance og volumen.
Struktureringsgraden scorer højt med en 4. Et uddannelsesskema har faste tidspunkter, faste deltagerlister og faste registreringsfelter: hvem skal gennemføre uddannelsen, hvornår, og er den afsluttet. Det er ikke et åbent spørgsmål, hvor nogen hele tiden skal tænke sig om, hvad der skal ske; processen gentager sig kvartalsvist eller årligt efter et fast mønster.
Volumen scorer en 3, middel til høj. Hos en virksomhed med hundredvis af medarbejdere, der årligt skal gennemføre flere obligatoriske uddannelser, er der tale om en tilbagevendende strøm af invitationer, påmindelser og registreringer. Jo større den strøm er, desto mere tid frigøres, når et system overtager dette.
Compliance-aksen scorer netop lavt, en 2, og det er her gunstigt for automatisering — skal ikke forveksles med selve compliance-uddannelsen. Denne akse måler, hvor strengt reguleret opgaven *med at organisere* er, ikke indholdet af uddannelsen. Planlægning og registrering af, hvem der har gennemført et kursus, har i sig selv få lovmæssige krav til udførelsesmåden, i modsætning til for eksempel at føre en compliance-kalender med deadlines, hvor deadlines selv udspringer af lovgivning.
De øvrige akser — kundekontakt, fysisk arbejde, kreativitet og fejlomkostninger — scorer alle gunstigt, mellem 4 og 5. Der er ingen kundekontakt, ingen fysisk handling nødvendig, og der kræves kun lidt kreativitet: en invitationsmail følger en fast skabelon, en registrering er en simpel ja/nej-notering. Fejlomkostningerne er begrænsede, for en manglende invitation kan som regel afhjælpes med en påmindelse, ikke med uoprettelig skade.
Skønsrummet scorer en 4, hvilket betyder, at der kræves lidt vurdering i selve udførelsen. Men der er stadig en forudsætning: systemet skal vide, hvem der er berettiget til hvilken uddannelse, og det kræver en opdateret kobling til HR-systemet. Uden den kobling skal nogen manuelt sammensætte deltagerlister, og så flytter arbejdet sig tilbage til menneskeligt arbejde, på trods af de gunstige scorer på de øvrige akser.
En compliance officer hos en mellemstor tjenesteudbyder ordner i dag stadig selv, hvert kvartal, hvem der skal gennemføre GDPR-uddannelsen: finde ud af, hvem der er nyansat, hvem der har misset den forrige runde, sammensætte en liste, sende invitationer via læringsplatformen, og efter deadline manuelt tjekke, hvem der ikke har afsluttet, for at sende en påmindelse. Med en kobling mellem HR-systemet og læringsplatformen, og et fast uddannelsesskema indstillet, kan et system udføre disse trin automatisk: automatisk tilføje nye medarbejdere, sende invitationer på faste tidspunkter, og holde styr på registreringen uden manuel indgriben. Compliance officeren fører tilsyn med undtagelser — nogen med langvarig orlov, en funktion, der ikke falder ind under kravet — i stedet for selv at udføre hvert trin.
Hos en virksomhed uden læringsplatform, eller med et HR-system, der ikke kan kobles sammen, falder denne opgave stort set tilbage på menneskeligt arbejde, på trods af de gunstige scorer på de øvrige akser. Også hos organisationer med mange undtagelser — forskellige uddannelseskrav pr. funktion, pr. land, pr. kontraktform — øges det nødvendige skønsrum, og dermed graden af, hvor meget et menneske fortsat skal holde øje med det. Opgaven skifter da fra "AI kan overtage det" til "delvist, med tilsyn der vurderer undtagelser."
Denne opgave står i øvrigt ikke isoleret fra andre compliance-processer. Den, der ser på hvordan opbevaringsperioder anvendes og dokumenter destrueres, eller på hvordan kunder og partnere screenes mod sanktionslister, vil se et lignende mønster: strukturerede, tilbagevendende opgaver med et fast regelsæt egner sig godt til overtagelse, mens opgaver med mange undtagelser forbliver menneskeligt arbejde eller kræver tilsyn.
Dette er ikke personalerådgivning og ikke et argument for at nedskalere en compliance- eller HR-afdeling. Det handler om timer, der frigøres inden for en opgave, ikke om en vurdering af, hvordan en funktion udfyldes. Hvad en organisation gør med frigjort kapacitet, falder uden for denne vurderings omfang; beslutninger, der berører personale, har deres egne lovmæssige krav.
Om denne opgave i Deres organisation faktisk i vid udstrækning kan overtages, afhænger af de systemer, De allerede har, og af hvor mange undtagelser Deres uddannelseskrav indeholder. Den gratis quickscan fra FTE TO AI giver en første indikation af dette: tolv spørgsmål, uden konto, med en vurdering af, hvor stor en del af timerne i Deres profil der i dag kan overtages af AI. Den fulde arbejdsscan, som opdeler en hel virksomheds arbejde i opgaver og beregner det pr. opgave til fte-kapacitet, er stadig under udvikling.
Vraag maar. Ik ken de kennisbank van deze site; wat ik niet weet, zeg ik erbij.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.