Tekoäly palkka- ja henkilöstöhallinnossa

Kokoonnuimme Taloushallintoliiton palkka- ja henkilöstöhallinnon asiantuntijaryhmän kanssa pohtimaan, mihin kaikkeen tekoälyä voisi soveltaa.

Suomessa ja muissa EU-maissa tekoälyn käyttöä luonnollisia henkilöitä koskevissa aktiviteeteissa rajoittavat ja suitsivat lukuisat EU-säädökset ja kansalliset säädökset, kuten tietosuoja-asetus, tekoälyasetus ja työturvallisuuslaki. Ohitimme tässä kirjoituksessa paria mainitsemisen arvoista poikkeusta lukuun ottamatta säädösten rajoitukset ja pohdimme asiaa puhtaasti hyötyjen kannalta. Ohitimme myös erilaiset tekniset haasteet, kuten riittävän tietoturvatason määrittämisen ja datan saatavuuden erilaisista pilvipalveluista.

Tällaisten ajatusleikkien harjoittaminen on kiehtovaa ja hyödyllistä. Teknologian kehitys mahdollistaa yhä nopeamman arkielämän tarpeisiin vastaavan tuotekehityksen. Jos alan ammattilaiset keksivät tuotekehitysidean, joka on laajalti sovellettavissa ja tuo prosessiin tehokuutta ja mukavuutta, tarjontaa löytyy nykyään muutamien kuukausien kuluessa. Todennäköisesti osa näistä meidän ideoistamme on jo tuotantokäytössä, koska samat ideat on jo luultavasti keksitty muuallakin, ja ketterät IT-yritykset ovat vastanneet kysyntään.

Henkilöstön ohjeistus

Moni yritys laatii ja pitää yllä henkilöstökäsikirjaa esimerkiksi yhtenä dokumenttina tai verkkosivustona. Tekoälyä voi mainiosti hyödyntää käsikirjan laadinnassa. Generatiivisen tekoälyn sovelluksella voi laatia käsikirjan rungon ja hakea olemassa olevia tietoja ja asiakirjoja tiedostopalvelimen tai Teamsin syövereistä. Monikielisissä työympäristöissä tekoälyn käännöstoiminnot mahdollistavat sen, että dokumenttia ylläpidetään yhdellä kielellä ja tekoäly laatii käyttäjälle ajantasaisesta versiosta käännöksen aina tarpeen mukaan. Yrityksen liiketoiminnan ja henkilöstön turvallisuuden ja oikeuksien kannalta olennaisten dokumenttien käännöksen tarkastus kannattaa ainakin toistaiseksi jättää ihmiselle, mutta yrityksen lomamökin varausohjeiden kääntämiseen riittää tekoälyn tuottama laatutaso.

Tekoäly auttaa käyttäjää löytämään tarvittavan ohjeen intranetin ja Teamsin syövereistä.

Monessa yrityksessä henkilöstölle tarkoitettu ohjeistus on sekaisin intranetissa tai Teamsin syövereissä. Tekoäly auttaa käyttäjää löytämään tarvittavan ohjeen vaivattomammin. Tekoälyn avulla voidaan tarkastaa myös henkilöstölle tarkoitettujen ohjeiden ja muun henkilöstöhallinnon dokumentaation ajantasaisuus verrattuna lainsäädännön muutoksiin.

Rekrytoinnin suunnittelu ja toteutus

Koneoppimisen ja generatiivisen tekoälyn avulla on mahdollista arvioida ja simuloida yrityksen tulevaisuuden resurssitarpeita. Lähtötietona voidaan hyödyntää tarjouskantaa, yrityksen käynnistämättömien ja keskeneräisten projektien resurssi- ja aikataulutilannetta, henkilöstön kompetenssitietoja sekä liiketoiminnan ja henkilöstön osaamisen kehittämisen ­tunnistettuja muutostarpeita. Tällainen simulointi olisi ollut käytännössä mahdotonta toteuttaa perinteisen ohjelmoinnin keinoin, koska laskennassa on valtava määrä muuttujia ja määritettäviä parametreja.

Tekoälyä voidaan hyödyntää myös rekrytointikampanjan suunnittelussa ja ilmoitusten luonnostelussa. Myös hakijoiden esikarsinnassa voidaan hyödyntää tekoälyä, joskin EU:n tuore tekoälysäädös asettaa reunaehtoja toiminnalle. Tekoälyn avulla hakijoille voidaan myös automatisoida viestintää ja ohjeistusta rekrytointiprosessin aikana ja henkilövalintojen jälkeen.   

Työaikalaskenta

Työntekijä kirjaa työaikansa työaikajärjestelmään esimerkiksi leimauslaitteella tai selainkäyttöliittymällä. Työaikalaskennassa henkilöstön työaikakirjaukset lasketaan, eli ammattitermein tulkitaan palkkalajeille joko työaikalain tai työehtosopimuksen laskentasääntöjen mukaisesti. Asiaan vaikuttaa myös työntekijän kanssa työsopimuksella sovittu työaika ja sen vaikutus maksettaviin lisätunteihin. Tulkinta tehdään yleensä joko työaikajärjestelmässä tai palkanlaskentaohjelmistossa. Markkinoilla on tarjolla myös erillisiä työaikatulkintaohjelmistoja.

Käytännössä erityisesti pk-yrityksissä tulee jatkuvasti vastaan tilanteita, joissa työaikatulkinta joudutaan tekemään manuaalisesti laskemalla. Yrityksessä sovellettavan työehtosopimuksen mukaista työaikatulkintaa ei ole tarjolla sen käyttämässä työaikajärjestelmässä tai palkkaohjelmistossa. Toteutus perinteisen ohjelmoinnin keinoin voi olla kustannuksiltaan hintavaa, tai tulkinnan toteuttamiseen ohjelmiston parametrointia hyödyntämällä ei ole osaamista.

Tekoälyn avulla on mahdollista arvioida ja simuloida yrityksen tulevaisuuden resurssitarpeita.

Uskon, että tekoälysovellusten myötä työaikatulkinta saadaan jatkossa hoidettua kattavasti myös pk-yrityksissä ja paikallisen sopimisen erityistilanteissa. Vielä tällä hetkellä osa generatiivisen tekoälyn sovelluksista ei tee laskentaa aidosti laskutoimituksina vaan muodostaa lopputuloksen valmiita teksti- ja numerosisältöjä hyödyntämällä. Osa tekoälysovelluksista taas osaa jo kytkeä itsensä “laskinmoodiin”. Näin laskenta on luotettavaa.

Tehokkaassa palkanlaskennassa ei ole mielekästä, että palkanlaskija käsittelee tekoälyn avulla asiakkaiden työaikatiedostoja yksitellen, vaan niiden tulkinta pitää automatisoida massakäsittelyksi. Tekoälysovellusten laskentaominaisuuksien kehitys ja prosesseihin kytkettyjen AI-agenttien soveltaminen ratkaissee tämän asian lähitulevaisuudessa. Mahdollisesti jokin IT-palveluntarjoaja on tahollaan asian jo ratkaissutkin.

Raportointi, laadunvarmistus ja hälytykset

Yrityksen johto, esimiehet ja HR-asiantuntijat kaipaavat tietoa henkilöstön osaamisesta, palkkatasosta ja henkilöstöeduista. Näitä halutaan verrata henkilöittäin, tehtävittäin ja tiimeittäin. Usein yhtä tärkeää on verrata palkkatasoa alan muihin toimijoihin. Oman yrityksen tietoja voi verrata esimerkiksi Tilastokeskuksen koostamaan tietoon. Palkka-avoimuusdirektiivi lisää raportointivaatimuksiin myös sukupuolinäkökulman.

Generatiivista tekoälyä voidaan hyödyntää tällaisessa raportoinnissa eri tavoilla. Monissa yrityksissä ei ole käytössä HR-järjestelmiä, joissa vertailuraportointia on valmiina. Tällöin tekoälyä voidaan käyttää raportointivälineenä, joka hyödyntää esimerkiksi palkkajärjestelmän ja mahdollisesti työsopimusten tietosisältöä. Aidoissa HR-järjestelmissä puolestaan tekoäly mahdollistaa käyttäjäystävällisempien käyttöliittymien kehittämisen. Perinteisen valikoilla toimivan “filtteröinnin ja sorttaamisen” sijaan käyttäjä voi kirjoittaa tai sanella tiedontarpeensa ja sen, missä muodossa haluaisi ohjelmiston esittävän tiedot.

Tekoälyä voidaan käyttää raportointivälineenä, joka hyödyntää palkkajärjestelmän ja mahdollisesti työsopimusten tietosisältöä.

Palkkaprosessissa tekoälyä voidaan soveltaa myös laadunvarmistukseen. Onko lähdeaineistoissa, kuten työaikalistoissa tai provisiolaskelmissa, ristiriitaisuuksia tai olennaisesti tavanmukaisesta poikkeavia tai puuttuvia eriä? Myös palkanlaskennan lopputulos voidaan tarkastaa. Onko henkilöstön palkkasummien välillä huomattavan suuria poikkeamia? Puuttuuko henkilöiltä palkkaeriä, jotka ovat aiemmin olleet säännöllisiä? Onko samaa tehtävää suorittavien tai samassa tiimissä toimivien henkilöiden palkoissa eroja palkkasumman tai sen erien osalta? Tekoälyä voisi hyödyntää myös palkanlaskennan ja tulorekisterin tietojen täsmäyttämisessä.

Tiedon koostaminen

Palkanlaskijat, HR-ammattilaiset ja esimiehet joutuvat säännöllisesti koostamaan aineistoja esimerkiksi kehityskeskusteluja, palkkatukihakemuksia, työtodistuksia tai avustustukihakemuksia varten. Tiedot saattavat olla hajallaan eri järjestelmissä, esimerkiksi palkkaohjelmistossa, HR-järjestelmässä ja projektinhallintajärjestelmässä sekä asiakirjoina Teamsissa tai tiedostopalvelimella. Tekoälyn avulla lähtötiedot on mahdollista kerätä vaivattomammin eri lähteistä. Samalla voidaan usein myös luonnostella laadittava asiakirja.

Prosessien ja projektien suunnittelu ja seuranta

Yritysjohto, HR-ammattilaiset sekä projekti- ja asiakaspalvelupäälliköt suunnittelevat monenlaisia henkilöstöön vaikuttavia prosesseja ja projekteja. Esimerkkejä prosesseista ovat yrityksen palkkaprosessin mallinnus tai palkkaprosessin kontrollien suunnittelu ja toteutus. Suunnittelussa tekoälyä voidaan hyödyntää työtehtävien resurssointiin työntekijöittäin ja laadunvarmistuksessa esimerkiksi palkanlaskennassa tehtävien korjausten määrien ja syiden selvittämiseen.

Projekteja voivat olla esimerkiksi yrityksen työehtosopimuksen vaihto, yt-neuvottelujen läpivienti tai vaikkapa palkka-avoimuussääntelyn vaatimat työtehtävien ja palkkauksen määrittely. Lähdeaineistona voidaan yhdistellä aikaisempien projektien toteutusten dataa ja toimintaa säätelevää lainsäädäntöä, viranomaisohjeistusta ja yrityksen tai tilitoimiston sisäistä työohjeistusta.

Ajantasaisen säännöstietojen ja ohjeiden varmistaminen

Yhä useammat palkanlaskijat kysyvät tekoälyltä vastausluonnoksia palkka- ja henkilöstöhallinnon substanssikysymyksiin. Tekoälyn antaman vastauksen laadun ja oikeellisuuden arviointi vaatii kysyjältä vielä ammattiosaamista. Tällä hetkellä eri tekoälyillä on haasteita koostaa oikeistakin lähteistä oikeita vastauksia esimerkiksi palkanlaskennan säädösten normihierarkiasta ja työehtosopimusten tekstien tulkinnanvaraisuudesta johtuen.