Künstliche Intelligenz in der Payroll : Blackbox reloaded
Auch einige Monate nach dem ersten KI-Boom, der durch die breite Zugänglichkeit über generative Sprachmodelle ausgelöst wurde, bleibt das Thema für die Payroll noch weitgehend im Dunkeln. Denn obwohl viele HR-Verantwortliche einen hohen Druck spüren, entsprechende Systeme einzusetzen, sieht es bei den Lösungen nach wie vor mau aus. Eine weltweite Spurensuche nach konkreten Anwendungsfällen – und ein Signal für mehr Entspannung.
Es ist ein bisschen paradox, künstliche Intelligenz (KI) zu nutzen, um KI aufzuspüren, und es gelingt auch nicht sonderlich gut. Denn wer etwa über ChatGPT nach konkreten Firmenbeispielen für den KI-Einsatz in der Payroll recherchiert, wird zwar fündig, allerdings weder konkret noch valide. So gäbe es eine ganze Reihe von Case Studies, behauptet der mäßig intelligente digitale Recherche- Helfer: Die KI von Workday sorge bei Netflix und Airbnb für „prädikative Analysen“ und „automatisiere komplexe Abrechnungsprozesse“, KITools von Paychex überprüften „automatisch die Einhaltung von Arbeitszeit- und Überstundengesetzen“ bei Sonic Drive-In oder 1-800-Flowers.
Gustos Tool helfe Plum Deluxe bei der automatischen Berechnung von „Steuern und Abzügen“ und Rippling sorge bei Expensify dafür, dass „Gehaltsabrechnungs- und Spesenmanagementsysteme in Echtzeit synchronisiert“ werden. Gebetsmühlenartig taucht der Satz auf: „Die KI analysiert kontinuierlich die Daten, um sicherzustellen, dass alle Zahlungen korrekt und gesetzeskonform sind.“
Viele schwammige Informationen
Payroll-Spezialistinnen und -Experten wissen, dass KIs halluzinieren, und erkennen in diesen Antworten sofort mindestens zwei Ungereimtheiten: Erstens sind einige der angesprochenen Aspekte schon länger Standard in gängigen Lösungen, zweitens mutet manches abenteuerlich an: So kann ein System schlecht die konkrete Einhaltung von Gesetzen überprüfen, sondern lediglich die Darstellung der Sachverhalte in den Daten. Die Verifizierung der Case Studies verläuft übrigens tatsächlich vergleichsweise erfolglos.
Fragt man ChatGPT selbst nach den Quellen für diese Aussagen, führt die KI sechs Websites an: allesamt unter der Domain des Anbieters ADP. Dieser taucht natürlich auch in den Aufzählungen auf und gibt sich zumindest in kommunikationstechnischer Hinsicht als marktführend. Ergänzend muss man wissen, dass auf dem deutschen Markt vertretene Anbieter abwinken, wenn sie nach konkreten Kundenbeispielen für den KI-Ansatz gefragt werden, zu early state, heißt es dann schon mal.
Druck, KI einzusetzen
Was bringt dieses Experiment nun an Erkenntnissen für Payrollerinnen und Payroller? Zunächst einmal die schlichte Bestätigung, dass offene generative Systeme alles andere als verlässliche Informationen liefern. Das mindert möglicherweise bereits etwas die Last, der sich viele laut einer Studie bei diesem Thema im Moment ausgesetzt sehen. So stellt etwa eine AI-Studie des Anbieters Workday aus dem Jahr 2023 fest, dass 75 Prozent der Führungskräfte aus HR, Finance und IT Druck verspüren würden, den Einsatz von KI voranzutreiben. Allerdings fehlten dafür die entsprechenden Voraussetzungen auf mehreren Ebenen, nämlich hinsichtlich der Datenqualität, der konkreten Anwendungsszenarien und der Kompetenzen.
Nun geht insbesondere Workday in seiner Kommunikation ganz offen dazu über, von „KI und Machine Learning“ als Begriffspaar zu sprechen – was natürlich keineswegs ein oberflächliches IT-Verständnis offenbart, sondern den Weg bereitet für die Aussage, man wäre bereits seit einem Jahrzehnt an der Technologie dran und daher führend. Diese Argumentation erklärt die Begriffsverwirrung, die ChatGPT eingangs produziert hatte und führt zur zweiten Erkenntnis für Payrollerinnen und Payroller: Wo KI draufsteht, ist noch längst nicht KI drin. Ist das nun überhaupt ein Problem? Jein.
Konkrete Anwendungsszenarien entscheiden
Tatsächlich macht diese Verwässerung zwar die Abgrenzung dessen, was man denn da einkauft, schwieriger, im Hinblick auf die unternehmensstrategische Seite ist das aber im Grunde egal. Denn beim Einsatz von KI in der Payroll kommt es immer auf zwei Dinge an: den konkreten Nutzen, der aus der Anwendung entstehen soll, und die Datenqualität, auf die sich das maschinelle Lernen – denn mehr ist es in der Regel nicht – stützt.
Hier kommt der offensivste Kommunikator in Sachen KI in der Payroll ins Spiel, der Anbieter ADP. Eines der Key- Elemente des Tools „ADP Assist“ ist der „Payroll Inspector“, der dafür sorgen soll, die Exaktheit der Payroll zu verbessern. Diese und andere Funktionen werden in der Pressemitteilung folgendermaßen beschrieben: „Es ist nicht nur eine weitere technische Lösung, sondern eine umfassende Erfahrung, die ADPs unübertroffenen HCM-Datenbestand und Fachwissen kombiniert, um HR-Fachleute, Führungskräfte und Mitarbeiter zu unterstützen.“*
Das wollten die Tech-Journalisten des US-amerikanischen Magazins „VentureBeat“ genauer wissen und fragten bei ADP an, welche Art von Basismodell „ADP Assist“ antreibe – und ob es sich dabei um ein Large Language Model (LLM) wie GPT-3.5/4/4 Turbo von OpenAI, Claude von Anthropic, Command von Cohere oder Open- Source-Alternativen wie Llama 2 von Meta oder Mixtral von Mistral handele.
Keine Auskünfte zur verwendeten Technologie
ADP Chief Product Owner Naomi Lariviere ließ per E‑Mail über einen Sprecher antworten: „Wir sind uns des großen Potenzials bewusst, das neue Technologien wie generative KI bei der Konzeption und Entwicklung innovativer Lösungen für die kritischen Bedürfnisse unserer Kunden und Mitarbeiter bieten können. Als Teil unserer breit angelegten generativen KI-Strategie verfügen wir über die Infrastruktur, um diese neuen Innovationen auf die richtige Art und Weise und aus den richtigen Gründen einzubinden und sie in unserem gesamten Unternehmen zu skalieren. ADPs umfangreicher und einzigartiger Datensatz wird verwendet, um die KI von ADP zu trainieren, damit sie antizipieren kann, was Nutzer wollen und brauchen. Während die Leistung der KI wächst, konzentrieren wir uns weiterhin auf die menschliche Erfahrung.“*
Daraus wird deutlich, dass man sich nicht in die Karten schauen lässt und Fragen zur verwendeten Technologie nicht beantworten möchte. Über die Gründe lässt sich nur spekulieren. Worauf das Unternehmen aber sicherlich zu Recht als Asset verweist, ist der umfangreiche Datensatz, den es durch seinen Marktanteil zu Trainingszwecken nutzen kann – allerdings stammt dieser wiederum von den Kundinnen und Kunden selbst. Und ob allein die Datenquantität nun bereits die vollmundigen Erwartungen erfüllen hilft, die dem KI-Einsatz zugesprochen werden, darf offen bleiben.
Nur ein Marketing-Gag? Eine qualifizierte Einschätzung aus dem Februar 2024 ist hierzu sicherlich interessant. So zitiert das US-amerikanische IT-Online-Magazin „TechTarget“ Evelyn McMullen, eine Expertin von Nucleas Research, einem globalen Anbieter von ROI-orientierter Technologieforschung und Beratungsdienstleistungen, folgendermaßen: Die ADP-Produkt-Upgrades sollen die Personalabteilung dabei unterstützen, durch die Automatisierung von Routineaufgaben „mehr mit weniger zu tun“*. Es sei jedoch schwierig, die Gesamtwirkung vorherzusagen, da ADP über einen breit gefächerten Kundenstamm verfüge und sich die Einführung in einem frühen Stadium befinde.„Es ist immer noch fraglich, ob generative KI wirklich disruptiv sein wird oder nur ein Marketing-Gag ist“, so McMullen.*
* Die zitierten Aussagen sind in den angesprochenen Quellen in englischer Sprache enthalten und wurden ins Deutsche übersetzt.