AI is de toekomst voor total rewards 

Collega's van het kantoor voeren een informele discussie tijdens de vergadering in de vergaderruimte   
Collega's van het kantoor voeren een informele discussie tijdens de vergadering in de vergaderruimte   
De toekomst van totale beloningen wordt steeds duidelijker nu kunstmatige intelligentie (AI) zich ontwikkelt op de werkplek.
Tegenwoordig is totale beloning zeer complex: de kosten stijgen, werknemers willen verschillende soorten beloningen en werkgevers hebben duurzamere manieren nodig om toptalent aan te trekken en te motiveren. Hoewel we nog niet precies weten wat de volledige impact van kunstmatige intelligentie (AI) zal zijn op beloningen, kunnen beloningsteams nu al beginnen met het gebruik van AI voor eenvoudigere werkprocessen, slimmere besluitvorming, betere investeringen en gepersonaliseerde programma's die ervoor zorgen dat werknemers succesvol zijn en bijdragen aan het succes van het bedrijf.

Verbetering van werkprocessen voor beloning met AI

Het vermogen van AI om te leren, analyseren, voorspellen en creëren kan tal van HR-taken stroomlijnen om de efficiëntie te verhogen en de resultaten te verbeteren. Om het volledige potentieel van kunstmatige intelligentie (AI) te benutten, is het nodig om niet alleen te investeren in nieuwe tools, maar ook in het ontwerp van werk: het proces waarbij banen worden opgesplitst in taken, deze taken worden toegewezen aan de beste combinatie van talent en technologie, en nieuwe manieren van werken worden gecreëerd die rekening houden met deze nieuwe verdeling van arbeid.

Een groot deel van het werk in totale beloningen bestaat uit transactionele taken die ideaal zijn voor samenwerking tussen mens en machine. Uit een recent onderzoek van Mercer bleek dat AI en automatisering meer dan de helft (52%) van de werklast van een beloningsteam zouden kunnen vervangen, inclusief taken met betrekking tot routinematige vragen van werknemers en de administratie van secundaire arbeidsvoorwaarden. Mercer's Global Talent Trends 2024 onderzoek toonde aan dat ongeveer 40% van HR-leiders nu AI gebruiken voor het beheer van secundaire arbeidsvoorwaarden, inzicht in vaardigheden en talentbeheer, met een extra 40% die in 2024 een voorbeeld zal volgen.

Organisaties gebruiken AI al om de beloningsfunctie breder te ondersteunen, met name op deze vijf gebieden:

  • Beleid en procedures
    AI kan compensatieprogramma's en gegevens over secundaire arbeidsvoorwaarden analyseren om het totale beloningsbeleid te stroomlijnen, waardoor meer eerlijkheid en consistentie wordt gegarandeerd. Dit kan met name van invloed zijn op fusie- en overnameactiviteiten wanneer grote hoeveelheden HR-materiaal binnen een kort tijdsbestek moeten worden beoordeeld, en in multinationale organisaties waar de grote verscheidenheid aan lokale programma's en ondersteunende documenten onbeheersbaar is geworden.
  • Functiebeschrijvingen
    Werkgevers kunnen AI gebruiken om functiebeschrijvingen te beoordelen, te verbeteren en te standaardiseren, ze te voorzien van meer inclusieve taal en ze in meerdere talen te vertalen. AI kan je functiebeschrijvingen ook verbeteren door het proces van het toevoegen van belangrijke vaardigheden aan functies te versnellen en door ervoor te zorgen dat ze aansluiten bij de bedrijfswaarden en wettelijke verplichtingen.
  • Functie architectuur
    AI is goed in het afstemmen van functieniveaus en functiefamilies, het sorteren ervan in functie- en vaardighedenstructuren en het aanbevelen van carrièrepaden voor specifieke functies. Sommige talentmarktplaatsen hebben deze functionaliteit al ingebouwd en gebruiken AI om individuele werknemers aan de algemene functiestructuur toe te wijzen.
  • Doelen stellen en afstemmen
    Sommige organisaties zijn begonnen met het gebruik van AI-tools om bedrijfsdoelen te verspreiden op basis van organisatorische doelstellingen en prestatiegegevens. Sommigen kunnen ook SMART-doelen (Specifiek, Meetbaar, Haalbaar, Relevant, Tijdgebonden) definiëren om de bedrijfsbrede consistentie en afstemming tussen diverse werknemersgroepen en teams te verbeteren.
  • Systemen voor prestatiebeheer
    Chatbots en andere AI-aangedreven tools kunnen het bijhouden van prestaties automatiseren, workflows volgen, realtime feedback geven, taakherinneringen verzenden op basis van bedrijfsprioriteiten en prestatierapporten genereren met aanbevelingen voor verbetering. Deze systemen kunnen een essentieel onderdeel worden van het ontwerp van werknemerservaringen (EX), waardoor het administratieve werk voor werknemers wordt verminderd en meer geïnformeerde persoonlijke gesprekken mogelijk worden om een cultuur van groei te ondersteunen.
Het is duidelijk dat het vermogen van AI om grote datasets te integreren en bepaalde taken te automatiseren de aard van het werk zal veranderen. De mogelijkheid voor totale beloningsteams om generatieve AI te gebruiken, helpt de functie te stroomlijnen en te vereenvoudigen, EX te verbeteren en tegelijkertijd hoogwaardigere resultaten te produceren en objectievere besluitvorming te stimuleren.

Verbeterde intelligentie in totale beloningen

Er is een spannender voordeel van AI in totale beloningen, dan alleen een verbeterde productiviteit. Versterkte intelligentie is wat er gebeurt wanneer AI hiaten in onze kennis overbrugt om nieuwe normen voor werkkwaliteit, besluitvorming en waardecreatie te stimuleren.

Totale beloningsteams werken al met enorme hoeveelheden gegevens om weloverwogen beslissingen te nemen over compensatie en secundaire arbeidsvoorwaarden. Maar te midden van veranderlijke marktomstandigheden, veranderende bedrijfsdoelen en de behoeften van een divers personeelsbestand is het nu moeilijker dan ooit om een eerlijk en concurrerend pakket te bieden dat de perfecte balans vindt.

AI kan helpen bij het afstemmen van onsamenhangende datasets, verborgen inzichten blootleggen en zelfs nieuwe beloningsstrategieën voorstellen, zodat werkgevers hun totale beloningsaanbod kunnen afstemmen op de meest gevraagde werknemerssegmenten. Naarmate AI vordert, zijn hier enkele manieren waarop toonaangevende bedrijven experimenteren met versterkte intelligentie:

  • Voorspellende prestatieanalyses
    AI kan prestatiegegevens analyseren voor trends, prestatiefactoren en kansen. Voorspellende modellen kunnen deze inzichten nog een stap verder brengen door verspreide datasets te integreren om talent met hoog potentieel te identificeren en de optimale set beloningsprogramma's en werkomstandigheden voor te stellen om toekomstige prestaties te maximaliseren.
  • Loongelijkheid en transparantie
    De enquête achter Mercer’s Global Talent Trends 2024 onderzoek heeft aangetoond dat florerende werknemers twee keer zo vaak melden dat hun bedrijven salaristransparantie bieden voor alle interne functies. Met duidelijkheid over de beloning die nu vereist is in ten minste 20 landen, naast de vereisten voor de salarisgelijkheid in veel rechtsgebieden, is AI een essentieel instrument om hiaten te identificeren, de oorzaken te lokaliseren en naleving mogelijk te maken. 
  • Beloningen en erkenning
    Generatieve AI kan beloningen en erkenningswaarden voorstellen op basis van prestatiestatistieken, bedrijfsrichtlijnen, marktbenchmarkgegevens, luisteren naar werknemers en het gebruik van secundaire arbeidsvoorwaarden. Sommige bedrijven laden zelfs hun analyses van salarisaandelen, concurrerende marktgegevens en individuele prestatiegegevens in AI-systemen die salarisaanbevelingen kunnen genereren voor nieuwe medewerkers, promoties en jaarlijkse aanpassingen voor personen in de hele organisatie. Hoewel er nog steeds ruimte is voor input van managers die een sterke zakelijke redenering weerspiegelt, zal de toevoeging van AI een toename van eerlijke en concurrerende salarisbeslissingen stimuleren en een solide basis bieden voor volledige loontransparantie.
  • Beloning van leidinggevenden
    AI kan worden gebruikt om informatie te verzamelen over de strategie en beloningsbeleid en -praktijken van vergelijkbare bedrijven, inclusief prestatie-indicatoren, doelstellingen en uitbetalingen van stimuleringsplannen. Op basis hiervan kan AI aanpassingen aanbevelen voor de beloningsprogramma's van leidinggevenden binnen een bedrijf.

De beloningsfunctie is altijd al op gegevens gebaseerd geweest, maar het effectief gebruik van AI vereist grote hoeveelheden hoogwaardige gegevens, mogelijk afkomstig uit verschillende bronnen. Als er sprake is van vooringenomenheid in historische bedrijfsgegevens, zoals loonverschillen tussen werknemersgroepen of individuen, kunnen AI-modellen die op deze gegevens worden getraind aanbevelingen doen die deze vooringenomenheid weerspiegelen en in stand houden Het is essentieel om mensen betrokken te houden die deze zorgen kunnen identificeren en aanpakken, naast de belangrijke kwesties van gegevensprivacy en algemeen gegevensbeheer, zowel proactief als in realtime.

Deze gebruiksscenario’s laten zien hoe AI de aard van het werk in totale beloningen blijft veranderen. Vandaag de dag zijn mensen in de functie nog steeds handmatig bezig met het verzamelen, beheren en integreren van verschillende gegevenssets. In de toekomst zullen ze strategischer moeten werken om de prioriteiten van hun organisatie te bevorderen Succes in beloningen vereist meer verfijning bij het combineren van deze inzichten, het signaleren en oplossen van de discrepanties, en ervoor zorgen dat beloningsresultaten die worden aangedreven door AI in lijn zijn met beloningsfilosofieën en -praktijken.

AI voor impactvolle totale beloningsprogramma's en verbeterde werknemerservaring

AI zal de levering van totale beloningsprogramma's verbeteren, die essentieel zijn voor een aantrekkelijke werknemerservaring. Vandaag de dag ontwikkelen toonaangevende organisaties hun salarisprogramma's om belangrijk talent aan te trekken en tegelijkertijd de kosten op verantwoorde wijze te beheren. HR-leiders geven aan dat stijgende arbeidskosten en tekort aan vaardigheden in 2024 toppijnpunten zullen zijnen meer dan een derde (36%) van de leidinggevenden denkt niet dat hun huidige talentmodellen aan de vraag kunnen voldoen.

Wat hebben werknemers te zeggen over hun beloningen? Op de vraag hoe hun compensatie kon verbeteren, was de belangrijkste reactie van werknemers dit jaar meer soorten beloningen en personalisatie. Velen zouden zelfs een loonsverhoging van 10% opgeven voor andere stimulansen, van meer welzijnsuitkeringen (46%), tot betaalde trainingen (26%), tot instellingen die overal werken (21%). Deze bevindingen suggereren dat de beste total rewards programma's een breed scala aan behoeften voor een zeer divers personeelsbestand omvatten.

AI heeft een enorm potentieel om total rewardspakketten te personaliseren en programma-uitgaven en -levering te optimaliseren, waardoor topbedrijven de talentenoorlog kunnen winnen, het totale welzijn kunnen verhogen, het gebruik van secundaire arbeidsvoorwaarden kunnen verbeteren en de algehele werknemerservaring kunnen verbeteren. Overweeg deze mogelijke gebruiksscenario's:

  • Echt gepersonaliseerde gezondheids- en pensioenuitkeringen
    Generatieve AI kan leveranciers- en beleidsinformatie verwerken om vragen van alle werknemers te beantwoorden. Het kan in de loop van de tijd leren om aanbevelingen voor secundaire arbeidsvoorwaarden en spaarplannen aan te passen op basis van gedrags- en demografische gegevens die in het model zijn geladen. Dit kan leiden tot een echt gepersonaliseerde total rewardservaring die het begrip en de waardering van werknemers verbetert.
  • Geoptimaliseerde ex- en repatriëring
    AI kan meerdere gegevensbronnen afstemmen op werknemersinformatie om passende mobiliteitsondersteuning en compensatie voor expats voor te stellen. Het kan ook repatriëring vergemakkelijken door kansen te voorspellen op basis van vaardigheden, ervaring en voorkeuren van werknemers.
  • Planning van personeel en vergoedingen
    Beloningsexperts kunnen AI gebruiken om marktgegevens over beloningen, demografische en landinformatie, risicovoorspellingen en vraag en aanbod van belangrijke vaardigheden voor personeel en loonplanning samen te voegen. AI kan ook potentiële tekorten aan talent en de noodzaak van realtime salarisaanpassingen beoordelen om aan de toekomstige behoeften van het personeel te voldoen.
  • Prestatiebeoordelingen AI/Werknemer
    AI-gestuurde platforms kunnen werknemers in staat stellen om zelfbeoordeling en peer reviews uit te voeren. Generatieve AI zou dan begeleiding bieden en ervoor zorgen dat de evaluaties objectief, constructief en afgestemd zijn op de organisatiedoelen. Door managers betrokken te houden bij het valideren en bespreken van feedback van AI, kan worden voorkomen dat dit de werknemerservaring schaadt.
  • Sentimentanalyses en neurowetenschappelijke beoordelingen
    Generatieve AI kan digitale communicatiepatronen, gezichtsuitdrukkingen, verbale aanwijzingen en andere gegevens analyseren om de teamdynamiek, het sentiment van het personeel en het emotionele welzijn te meten. Organisaties kunnen vervolgens de bevindingen toepassen om de samenwerking, communicatie en andere problemen die van invloed zijn op de teamprestaties en de algehele EX te verbeteren.

Sommige van deze mogelijkheden kunnen controversieel zijn. Inspanningen om biometrische gegevens te verzamelen of werknemersgesprekken te volgen kunnen worden gezien als opdringerig en, gezien de wetgeving inzake gegevensbescherming in veel regio's, zelfs riskant zonder geïnformeerde toestemming en robuust bestuur. Gezien de andere uitdagingen rond AI, zoals hallucinaties en gegevensbeveiliging, is het duidelijk dat te zwaar vertrouwen op AI op deze gebieden een aanzienlijk risico met zich meebrengt.

Hoewel vooruitgang in generatieve AI deze toepassingen technologisch haalbaar zal maken, zullen de beste HR-teams voorzichtig en zorgvuldig zijn om de risico's te begrijpen en een duidelijk bestuursbeleid te ontwikkelen rond gegevensprivacy en ethisch AI-gebruik. De regels en voorschriften zullen zeker per rechtsgebied en regio verschillen, vooral omdat overheden hun eigen standpunten over deze kwesties innemen.

Welkom bij de toekomst van totale beloningen - waar begin je?

Kunstmatige intelligentie zal de totale beloningen transformeren door radicale personalisatie van beloningspakketten, totale optimalisatie van beloningsuitgaven en extreme vereenvoudiging van het beloningsecosysteem. Veel van de huidige HR-platforms bieden al nieuwe AI-functionaliteiten en andere zullen dat binnenkort ook doen. Deze veranderingen stellen totale beloningsteams in staat om hun werkprocessen te verbeteren en hun intelligentie te vergroten.
Total Rewards leiders kunnen deze opkomende oplossingen nog steeds voorblijven, en nu is het tijd om te beginnen, maar waar te beginnen? Hier zijn enkele suggesties:
  • Data, data, data
    De meeste organisaties denken dat hun gegevens in goede staat zijn, om te ontdekken dat zowel de kwaliteit als de kwantiteit van gegevens op werknemersniveau niet is waar ze moeten zijn. Zijn uw gegevens gerelateerd aan salaris, prestaties en secundaire arbeidsvoorwaarden gemakkelijk toegankelijk — en in systemen die zijn geïntegreerd? Zijn de gegevens op functieniveau correct en up-to-date? Zijn uw functies afgestemd op een consistente functiearchitectuur die belangrijke vaardigheden omvat? Hebt u uw salarisgegevens geanalyseerd om ongewenste vooroordelen te identificeren, onbillijke loonkloven aan te pakken en de drijfveren hiervan te begrijpen? Al dit werk vormt de basis waarop toekomstige AI-mogelijkheden kunnen worden gebouwd.
  • Pak de risico’s direct aan
    Het gebruik van persoonlijke gegevens op werknemersniveau binnen AI-modellen biedt een enorme kans, samen met een aanzienlijk risico. Dit is het moment om uw IT-, juridische en HR-teams samen te brengen om intern bestuur, beleid en praktijken te ontwikkelen om ervoor te zorgen dat AI-modellen worden gebruikt voor maximaal voordeel met minimale risico's.
  • Word slim en maak een plan
    Dit jaar hebben snelgroeiende bedrijven twee keer meer kans dan snelgroeiende bedrijven om een toegewijd HR-team of functie te creëren die gericht is op nieuwe technologie. Het begrijpen van hoe AI werkt, de mogelijke toepassingen binnen uw organisatie en het hebben van een routekaart die de belangrijkste stappen en prioriteiten voor implementatie beschrijft, zijn allemaal essentieel voor langetermijnsucces.
Weet u nog niet zeker hoe u moet beginnen? Luister naar onze New Shape of Work podcast om meer te horen van een beloningsleider die AI omarmt, of neem contact op met een consultant om op reis te gaan.
Over de auteur(s)
Gordon Frost

is de Global Rewards Solution Leader bij Mercer. Hij maakt gebruik van 30 jaar ervaring, zowel bij Mercer als als bedrijfsleider in Total Rewards. Gord werkt samen met een reeks teams en klanten om oplossingen te innoveren, zich te concentreren op de belangrijkste adviestools en -methodologieën en Mercer te onderscheiden als de toonaangevende consultancy in Rewards.

Gerelateerde producten om te kopen
    Gerelateerde oplossingen
      Gerelateerde inzichten