A bértranszparenciára való felkészülés egyik legnagyobb kihívása a megvalósításhoz szükséges adatok hatalmas mennyisége. Egy nagyobb szervezetben több száz vagy akár több ezer munkakört, béradatot, besorolást és egyéb szempontot kell összevetni ahhoz, hogy láthatóvá váljanak az eltérések és azok lehetséges okai. Ezen a ponton az AI komoly segítséget jelent, mivel az adatok tengerében gyorsabban talál összefüggéseket és olyan mintázatokat, amelyek manuálisan nehezen vagy jóval lassabban lennének felismerhetők.

Ugyanakkor nagyon fontos annak a meghatározása, hogy a folyamat során pontosan mire is használjuk az AI-t, amely ahhoz nagyon hasznos segítség, hogy megmutassa, hol érdemes alaposabban körülnézni, ahhoz azonban már nem, hogy azt is eldöntse helyettünk, hogy mit kell tennünk.

Segíthet rendet vágni az adatok tengerében

A bértranszparenciára való felkészülés sokszor egy nagyon prózai feladattal kezdődik: rendbe kell tenni az adatokat. Előfordulhat, hogy ugyanazt a munkakört többféle néven tartják nyilván, eltérnek a besorolások, hiányoznak bizonyos adatok, vagy különböző rendszerekből származó információkat kell egységes formába rendezni. Néhány tucat munkakörnél ez még manuálisan is kezelhető, több száz vagy több ezer pozíciónál azonban már egészen más léptékű feladatról van szó.

Az AI használata gyorsíthatja az adattisztítást, jelezheti az inkonzisztenciákat, és segíthet megtalálni azokat a munkaköröket, amelyek eltérő elnevezésük ellenére is hasonló tartalmat takarhatnak. Nem véletlenül használunk azonban feltételes módot, mert például két hasonló pozíciónév nem jelent feltétlenül azonos vagy egyenlő értékű munkát. Az AI javaslatát tehát minden esetben ellenőrizni kell, mert a szakmai értékelés továbbra is a HR szakemberek feladata.

Az eltérések megtalálásában különösen erős lehet

Az AI egyik legérdekesebb felhasználási területe a béradatokban megjelenő mintázatok és szokatlan eltérések felismerése lehet. Megmutathatja például, hogy egy adott munkaköri csoportban a férfiak és nők bére között a szervezeti átlagnál nagyobb eltérés látható, vagy hogy bizonyos telephelyeken, szervezeti egységekben vagy munkaköri szinteken rendszeresen más mintázat rajzolódik ki.

Az uniós bértranszparencia-irányelv többek között a nemek közötti átlagos és medián bérkülönbség, a változó bérelemek, a bérkvartilisek és a munkavállalói kategóriák szerinti eltérések vizsgálatát is előírja a jelentéstételre kötelezett munkáltatóknál, így ezeknek az adatoknak az elemzésében is érdemi segítséget adhat a mesterséges intelligencia.

Fontos azonban kihangsúlyozni, hogy egy kiugró adat még nem feltétlenül bizonyíték arra, hogy a bérezés indokolatlan vagy diszkriminatív, inkább azt jelzi a számunkra, hogy az adott területet érdemes közelebbről megvizsgálni. Az AI tehát ezen a ponton elsősorban radarként szolgálhat.

A benchmarking és a szimuláció is gyorsabbá válhat

A bértranszparenciára való felkészülés során annak megértésén túl, hogy hogyan működtek eddig a folyamataink, azt is látnunk kell, hogy milyen következményekkel járhat egy-egy változtatás a rendszerünkben.

Mi történik például, ha módosítunk egy bérsávot, mekkora költséget jelentene bizonyos indokolatlan eltérések korrekciója vagy hogyan változna ennek hatására a vállalatunk bérstruktúrája vagy a nemek közötti bérkülönbség?

Az AI-val támogatott modellezés több lehetséges forgatókönyv gyors összehasonlításában segíthet, és ugyanez igaz a benchmarkingra is. A megfelelően jogtisztán és megbízható forrásból rendelkezésre álló piaci adatok strukturálásával könnyebben érthetjük meg, hogy a vállalatunk bérsávjai hogyan viszonyulnak a piachoz.

Itt azonban már nemcsak az elemzés pontossága számít, hanem ezt is tudnunk kell, milyen adatokból dolgozik a rendszer, mennyire frissek és összehasonlíthatók ezek, illetve milyen feltételezésekre épül az eredmény. És itt érkezünk el egy újabb problémához.

A múlt adatai a múlt problémáit is magukkal hozhatják

Az AI ugyanis nem teszi automatikusan objektívvé azt az adatot, amelyet feldolgoz. Ha egy vállalat bérezési gyakorlatában éveken keresztül fennállt valamilyen torzítás, annak nyoma az adatokban is megmaradhat, egy erre épülő rendszer pedig könnyen újratermelheti a korábbi hibás gyakorlatot.

Ez pedig különösen fontos lehet azon a ponton, amikor az AI már nem egyszerűen eltéréseket keres, hanem bérezési döntéseket is javasol. A korábbi fizetésekből például önmagában nem következik, hogy azok megfelelő alapot jelentenek a jövőbeli bérek meghatározásához.

Éppen ezért az AI által feltárt összefüggések mellett azt is mindig érdemes megvizsgálni, hogyan és miért alakult ki az adott helyzet.

Nem mindegy, mire használjuk az AI-t

Az európai AI-szabályozás is különbséget tesz az egyes felhasználási módok között. Bizonyos, foglalkoztatáshoz és a munkavállalók irányításához kapcsolódó AI-rendszerek magas kockázatú kategóriába tartozhatnak, ilyen esetekben pedig különösen fontos az adatminőség, a dokumentálhatóság, a nyomon követhetőség és az emberi felügyelet.

Ez a bértranszparencia szempontjából is lényeges határvonalat jelent. Más kockázatot jelent, ha egy eszköz több ezer sor adatban keres duplikációkat, és mást, ha egy konkrét munkavállaló bérével kapcsolatos döntést támogat vagy befolyásol. Minél közelebb kerül az AI az egyéni döntéshez, annál fontosabbá válik, hogy érthető legyen, milyen adatok alapján és milyen logika mentén jutott az eredményre.

A béradatok érzékenysége miatt az adatvédelemre is gondolni kell már a folyamat elején. Nem mindegy, milyen munkavállalói adat kerül egy AI-rendszerbe, milyen célból használják, hol történik a feldolgozás, mennyi ideig őrzik meg az adatot, és ki fér hozzá.

Az emberi kontroll több egy jóváhagyó gombnál

És talán itt húzódik a legfontosabb határ az AI használat és az emberi kontroll között! Az AI jelezheti, hogy egy adott munkaköri csoportban szokatlan bérkülönbség van, segíthet feltárni a lehetséges okokat, és kiszámíthatja különböző korrekciók várható költségét is. Azt azonban már a HR szakembereknek és magának a szervezetnek kell megítélnie, hogy az eltérés indokolható-e objektív szempontokkal, szükség van-e beavatkozásra, és ha igen, milyen változtatás a megfelelő. Az emberi kontroll tehát azért elengedhetetlen, mert meg kell érteni az AI által kihozott eredmény mögötti logikát, képesnek kell lenni megkérdőjelezni azt, és szükség esetén más döntést hozni.

Ez pedig a HR szerepét is átalakíthatja. Kevesebb időt vihet el az adatok manuális rendezése és összevetése, miközben több figyelem juthat arra, amihez valóban emberi mérlegelés szükséges: az értelmezésre, a döntésre és a munkavállalókkal folytatott kommunikációra.

Az AI ezért a bértranszparenciában akkor lehet igazán hasznos, ha nem döntőbíróként, hanem radarként használjuk. Megmutathatja, hol érdemes alaposabban körülnézni, felismerhet mintázatokat és segíthet modellezni a lehetséges megoldásokat. Mindannyiunknak tisztában kell azonban lennünk azzal, hogy technológia ugyan jobb alapot teremt a döntésekhez, de a választott megoldásért és annak következményeiért továbbra is a HR szakértők által biztosított emberi kontroll felel.