Każde rozliczenie płac zaczyna się od przeglądu zmian: godziny, urlop, choroba, zmiany umów. Ktoś pobiera te dane z różnych systemów, sprawdza je i przygotowuje do dalszej obróbki. Zadanie kończy się na tym kompletnym przeglądzie — samo rozliczenie to już inny etap. Pytanie brzmi, czy AI może przejąć to zbieranie i przygotowywanie.
Odpowiedź brzmi: częściowo. Nie dlatego, że zadanie jest zbyt skomplikowane, ale dlatego, że dwie osie w profilu zdecydowanie przemawiają przeciwko automatyzacji i nie równoważy tego resztę czynników.
Zadanie jest dość dobrze ustrukturyzowane: zmiany pochodzą ze stałych systemów, według stałych kategorii, w powtarzającym się rytmie miesięcznym lub czterotygodniowym. To przemawia za automatyzacją. Wolumen jest również znaczny — przy większych zespołach personalnych mowa o setkach pozycji na jedno rozliczenie, co czyni to zadanie interesującym pod względem automatyzacji.
Ale dwie osie mają większą wagę: koszty błędów i zgodność z przepisami znajdują się obie na najniższym poziomie. Przeoczone zgłoszenie choroby, niewetworzona wygasła umowa czy dzień urlopu policzony podwójnie mają bezpośredni wpływ na wynagrodzenie pracownika i na deklarację podatku od wynagrodzeń. To nie są błędy, które łatwo naprawić po fakcie — dotykają czyjegoś dochodu i relacji z urzędem skarbowym. Swoboda oceny, na poziomie 2, jest również niska: jest mało miejsca na interpretację, zmiany są poprawne albo niepoprawne, kompletne albo niekompletne.
Połączenie wysokiego poziomu strukturyzacji z niskimi kosztami błędów i niskim poziomem zgodności to właśnie sytuacja, w której pasuje model agentowy: AI zbiera, dopasowuje i sygnalizuje odchylenia, ale człowiek zatwierdza lub odrzuca przed wysłaniem przeglądu do rozliczenia płac. Nie pełne przejęcie, lecz przesunięcie od zbierania do kontrolowania.
Firma z stu pięćdziesięcioma pracownikami, systemem hr i osobnym systemem płacowym, które nie są połączone. Każdego miesiąca pracownik hr ręcznie przechodzi przez karty urlopowe, zgłoszenia choroby i zmiany umów oraz przepisuje je. Tutaj agent AI może dokonać porównania, gdy systemy zostaną faktycznie połączone: automatyczne pobieranie zmian, sygnalizowanie duplikatów, oznaczanie brakujących dat końcowych umów. Agent dostarcza propozycję; specjalista od płac ocenia wyjątki i ostatecznie przygotowuje całość do rozliczenia. Praca związana z przeszukiwaniem i przepisywaniem zanika, praca związana z oceną pozostaje.
W firmie bez połączenia między systemem hr i systemem płacowym to zadanie jest dziś w dużej mierze pracą ludzką, po prostu ponieważ agent nie ma z czego odczytywać danych. W firmie z dużą liczbą pracowników tymczasowych, zmiennymi godzinami pracy lub systemem zmianowym złożoność wzrasta — więcej danych źródłowych, więcej szans na sprzeczne wprowadzenia danych, więc więcej momentów, w których musi zaingerować człowiek. A w firmie z układem zbiorowym, który przewiduje wiele szczególnych dodatków, swoboda oceny jest znów odrobinę wyższa niż w tym profilu, co przesuwa równowagę bardziej w kierunku pracy ludzkiej.
Warunek, który powtarza się we wszystkich przypadkach: połączenie systemów źródłowych i moment kontrolny przed ostatecznym rozliczeniem. Bez tych dwóch elementów to zadanie pozostaje niemożliwe do samodzielnej automatyzacji.
To zadanie nie jest odosobnione. Jest ono powiązane z innymi zadaniami hr, które znajdują się wcześniej w łańcuchu: jak ustalane są grafiki, jak przetwarzane są zmiany w grafikach, jak obliczane są nadgodziny i jak rejestrowana jest absencja. Tam, gdzie te zadania są już częściowo wykonywane przez AI, automatycznie dostępne stają się czystsze, bardziej ustrukturyzowane dane źródłowe dla przygotowania płac — co ułatwia tutaj zastosowanie podejścia agentowego. Tam, gdzie te zadania są wciąż w pełni wykonywane ręcznie, także przygotowanie płac pozostaje bardziej zależne od pracy ludzkiej, po prostu ponieważ dane wejściowe są nieporządne.
To jest przesunięcie, które obecnie zachodzi: nie jedno zadanie, które nagle zostaje przejęte, ale łańcuch zadań, które jedno po drugim staje się bardziej podatne na automatyzację, gdy systemy leżące za nimi są uporządkowane. W jednej firmie ten łańcuch jest już w dużej mierze połączony, w innej jeszcze nie — i ta różnica, a nie sama technologia, decyduje o tym, ile godzin dziś już się uwalnia.
Kto chce wiedzieć, ile to konkretnie godzin, musi liczyć w czasie, nie w głowach — a dlaczego to rozróżnienie ma znaczenie, opisano na stronie o liczeniu w godzinach, a nie w ludziach. Ważne jest również to, co nie powinno trafić do systemu AI: dane płacowe i informacje medyczne o chorobie podlegają danym objętym dodatkową ochroną, a które dane pana/pani firma nie może po prostu przekazać do przetwarzania przez system AI, opisano na stronie o danych, których pana/pani firma nie może wykorzystywać.
Ostatnia uwaga: jeśli ta analiza gdzieś wskazuje w kierunku decyzji personalnej, obowiązuje dla niej inny zestaw ram prawnych. Dla zwolnienia, zmiany funkcji lub reorganizacji obowiązują własne wymogi prawne, a ta strona nie stanowi dla nich żadnej podstawy.
Aby zobaczyć, jak ten profil odnosi się do reszty procesu hr i płac w pana/pani firmie, można wypełnić bezpłatny quickscan: dwanaście pytań, bez konta, a wynikiem jest wskazanie, jaka część godzin w danej sytuacji już dziś może zostać przejęta przez AI. Pełny workscan, który mapuje pracę całej firmy zadanie po zadaniu, jest jeszcze w budowie — i celowo nie oferujemy go tutaj na razie.
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.