Trí tuệ nhân tạo có trách nhiệm trong lĩnh vực lương thưởng: Loại bỏ định kiến, Đảm bảo tuân thủ

Fidelma McGuirk là Giám đốc điều hành & người sáng lập tại Payslip.

Khám phá tin tức và sự kiện fintech hàng đầu!

Đăng ký nhận bản tin của FinTech Weekly

Được đọc bởi các giám đốc điều hành tại JP Morgan, Coinbase, Blackrock, Klarna và nhiều đơn vị khác

Ngành tiền lương đang phát triển nhanh chóng, được thúc đẩy bởi những tiến bộ trong trí tuệ nhân tạo (AI). Khi năng lực của AI mở rộng, thì trách nhiệm của những người áp dụng nó cũng tăng theo. Theo Đạo luật AI của EU (có hiệu lực từ tháng 8 năm 2026) và các khung toàn cầu tương tự đang được xây dựng, các giải pháp tiền lương ảnh hưởng đến quyết định của nhân viên hoặc xử lý dữ liệu nhạy cảm của lực lượng lao động sẽ phải chịu sự giám sát nghiêm ngặt hơn nhiều so với các nhóm sử dụng AI khác.

Trong lĩnh vực tiền lương, nơi độ chính xác và tuân thủ đã là điều không thể thương lượng, việc phát triển và sử dụng AI một cách có đạo đức là yếu tố then chốt. Đó là lý do dữ liệu được hợp nhất và chuẩn hoá là nền tảng thiết yếu, và lý do việc áp dụng phải thận trọng, có chủ ý, và trên hết là có đạo đức.

Khi đã có nền tảng đó, AI hiện đã chứng minh giá trị trong tiền lương bằng cách hợp lý hoá các tác vụ như xác thực và đối soát, đưa ra các hiểu biết từ trong dữ liệu mà nếu không có AI có thể sẽ vẫn bị che khuất, tăng cường các kiểm tra tuân thủ, và xác định các bất thường. Những tác vụ này vốn đòi hỏi nhiều thời gian và công sức đáng kể. Và thường, chúng bị bỏ dở do hạn chế về nguồn lực, hoặc buộc các đội ngũ phải làm việc trong áp lực cao dưới khung thời gian hẹp của từng chu kỳ tiền lương.

Quản lý tiền lương là một chức năng quan trọng đối với mọi tổ chức, trực tiếp định hình niềm tin của nhân viên, tuân thủ pháp lý và tính toàn vẹn tài chính. Truyền thống, tiền lương dựa vào các quy trình thủ công, hệ thống kế thừa và các nguồn dữ liệu rời rạc, thường dẫn đến sự kém hiệu quả và lỗi lầm. AI mang tiềm năng để biến đổi chức năng này bằng cách tự động hoá các tác vụ thường quy, phát hiện bất thường và đảm bảo tuân thủ ở quy mô lớn. Tuy nhiên, lợi ích chỉ có thể đạt được nếu dữ liệu nền tảng được hợp nhất, chính xác và chuẩn hoá.

Vì sao hợp nhất dữ liệu phải đi trước

Trong tiền lương, dữ liệu thường bị phân tán giữa các nền tảng HCM, các nhà cung cấp phúc lợi và các nhà cung cấp địa phương. Nếu để rời rạc, điều đó tạo ra rủi ro: định kiến có thể len lỏi vào, lỗi có thể tăng lên, và các lỗ hổng tuân thủ có thể mở rộng. Ở một số quốc gia, hệ thống tiền lương ghi nhận nghỉ phép của cha mẹ là thời gian nghỉ không lương, trong khi các nước khác phân loại đó là nghỉ phép có lương tiêu chuẩn hoặc có thể sử dụng các mã địa phương khác nhau. Nếu dữ liệu phân mảnh này không được chuẩn hoá trong toàn tổ chức, thì một mô hình AI có thể dễ dàng hiểu sai rằng ai đã vắng mặt và vì sao. Đầu ra từ AI có thể là các khuyến nghị về hiệu suất hoặc thưởng có xu hướng phạt phụ nữ.

Trước khi xếp thêm AI lên trên, các tổ chức phải hài hoà và chuẩn hoá dữ liệu tiền lương của mình. Chỉ khi có nền tảng dữ liệu được hợp nhất, AI mới có thể mang lại những gì nó hứa hẹn: gắn cờ các rủi ro tuân thủ, nhận diện các bất thường và cải thiện độ chính xác mà không khuếch đại định kiến. Nếu không có điều đó, AI không chỉ “bay mù”; nó còn có nguy cơ biến tiền lương thành một nghĩa vụ tuân thủ hơn là một tài sản chiến lược.

Những thách thức đạo đức của AI trong tiền lương

AI trong tiền lương không chỉ là một bản nâng cấp mang tính kỹ thuật; nó đặt ra những câu hỏi đạo đức sâu sắc về minh bạch, trách nhiệm và sự công bằng. Nếu được sử dụng thiếu trách nhiệm, nó có thể gây ra tác hại thực sự. Hệ thống tiền lương xử lý dữ liệu nhân viên nhạy cảm và trực tiếp định hình kết quả chi trả, khiến các biện pháp bảo vệ về đạo đức trở thành điều không thể thương lượng. Rủi ro nằm ngay trong bản thân dữ liệu.

1. Định kiến theo thuật toán

AI phản ánh thông tin mà nó được huấn luyện, và nếu các hồ sơ tiền lương lịch sử có khoảng chênh lệch về lương theo giới tính hoặc chủng tộc, công nghệ có thể lặp lại hoặc thậm chí khuếch đại những khác biệt này. Trong các ứng dụng gần với HR, như phân tích công bằng về lương hoặc các khuyến nghị về thưởng, nguy cơ này còn trở nên rõ rệt hơn.

Chúng tôi đã thấy các trường hợp nổi tiếng, chẳng hạn như AI rà soát hồ sơ ứng viên của Amazon, nơi định kiến trong dữ liệu huấn luyện dẫn đến các kết quả mang tính phân biệt đối xử. Ngăn chặn điều này đòi hỏi nhiều hơn thiện chí tốt. Nó cần các biện pháp chủ động: kiểm toán nghiêm ngặt, tinh chỉnh để giảm định kiến một cách có chủ ý đối với tập dữ liệu, và minh bạch hoàn toàn về cách các mô hình được thiết kế, huấn luyện và triển khai. Chỉ khi đó, AI trong tiền lương mới có thể nâng cao tính công bằng thay vì làm suy giảm nó.

2. Quyền riêng tư dữ liệu và tuân thủ

Định kiến không phải là rủi ro duy nhất. Dữ liệu tiền lương nằm trong số những thông tin nhạy cảm nhất mà một tổ chức nắm giữ. Việc tuân thủ các quy định về quyền riêng tư như GDPR chỉ là mức cơ bản; quan trọng không kém là duy trì niềm tin của nhân viên. Điều đó có nghĩa là áp dụng các chính sách quản trị chặt chẽ ngay từ đầu, ẩn danh dữ liệu khi có thể, và đảm bảo các dấu vết kiểm toán rõ ràng.

Minh bạch là điều không thể thương lượng: các tổ chức phải có khả năng giải thích cách các hiểu biết do AI tạo ra được tạo lập, cách chúng được áp dụng, và khi các quyết định ảnh hưởng đến lương thì phải truyền đạt điều đó một cách rõ ràng đến nhân viên.

3. Tính tin cậy và trách nhiệm giải trình

Trong tiền lương, không có chỗ cho các “ảo giác” của AI. Một lỗi không chỉ là sự bất tiện; đó là một vi phạm tuân thủ kèm theo hệ quả pháp lý và tài chính ngay lập tức. Đó là lý do AI trong tiền lương phải tập trung vào các ca sử dụng hẹp, có thể kiểm toán được như phát hiện bất thường, thay vì chạy theo “trào lưu” quanh các mô hình ngôn ngữ lớn.

Các ví dụ bao gồm việc nêu bật khi một nhân viên đã được trả lương hai lần trong cùng một tháng, hoặc khi khoản chi trả của một nhà thầu cao hơn đáng kể so với mức thông thường trong lịch sử. Đây là việc đưa ra những khả năng sai sót, và thực sự là những sai sót có thể xảy ra, mà nếu không có AI có thể sẽ bị bỏ lỡ, hoặc ít nhất là sẽ tốn rất nhiều thời gian để xác định thủ công.

Và do rủi ro về “ảo giác”, các AI theo ca sử dụng hẹp như thế này là lựa chọn phù hợp hơn trong tiền lương so với các Mô hình Ngôn ngữ Lớn (LLMs) đã trở thành một phần không thể tách rời trong cuộc sống của chúng ta. Không khó để hình dung một trong các LLM đó tự bịa ra một quy tắc thuế mới hoàn toàn hoặc áp dụng sai một quy tắc hiện có. Các LLM có thể không bao giờ sẵn sàng cho tiền lương, và điều đó không phải là điểm yếu của chúng, mà là lời nhắc rằng niềm tin trong tiền lương phụ thuộc vào độ chính xác, độ tin cậy và trách nhiệm giải trình. AI nên tăng cường phán đoán của con người, không thay thế nó.

Trách nhiệm cuối cùng phải thuộc về doanh nghiệp. Khi AI được áp dụng ở các lĩnh vực nhạy cảm, như so sánh chuẩn chi phí bồi thường hoặc các phần thưởng dựa trên hiệu suất, lãnh đạo HR và tiền lương phải cùng quản trị nó. Việc giám sát chung đảm bảo rằng AI trong tiền lương phản ánh các giá trị của công ty, các chuẩn mực công bằng và các nghĩa vụ tuân thủ. Sự hợp tác này là thứ giúp bảo vệ tính toàn vẹn đạo đức trong một trong những lĩnh vực rủi ro cao, tác động cao nhất của kinh doanh.

Xây dựng AI có đạo đức

Nếu AI trong tiền lương phải công bằng, tuân thủ và không mang định kiến, thì đạo đức không thể được “gắn thêm” ở cuối; nó phải được tích hợp ngay từ đầu. Điều đó đòi hỏi chuyển từ nguyên tắc sang thực hành. Có ba điều không thể thương lượng mà mọi tổ chức phải áp dụng nếu họ muốn AI nâng cao, thay vì làm xói mòn, niềm tin vào tiền lương.

1. Triển khai thận trọng

Bắt đầu nhỏ. Triển khai AI trước tiên ở những khu vực ít rủi ro, giá trị cao, như phát hiện bất thường, nơi kết quả đo được và việc giám sát là đơn giản. Cách làm này tạo không gian để tinh chỉnh mô hình, phát hiện sớm các điểm mù, và xây dựng sự tự tin của tổ chức trước khi mở rộng sang các khu vực nhạy cảm hơn.

2. Minh bạch và khả năng giải thích

AI dạng “hộp đen” không có chỗ trong tiền lương. Nếu các chuyên gia không thể giải thích cách một thuật toán tạo ra khuyến nghị, thì không nên sử dụng nó. Khả năng giải thích không chỉ là một biện pháp bảo vệ tuân thủ—nó là điều cần thiết để duy trì niềm tin của nhân viên. Các mô hình minh bạch, được hỗ trợ bởi tài liệu rõ ràng, đảm bảo AI nâng cao việc ra quyết định thay vì làm suy giảm nó.

3. Kiểm toán liên tục

AI không ngừng phát triển, và các rủi ro của nó cũng vậy. Định kiến có thể len lỏi theo thời gian khi dữ liệu thay đổi và các quy định phát triển. Kiểm toán liên tục, kiểm thử đầu ra dựa trên các bộ dữ liệu đa dạng và các chuẩn mực tuân thủ, là không thể lựa chọn; đó là cách duy nhất để đảm bảo AI trong tiền lương vẫn đáng tin cậy, có đạo đức và phù hợp với các giá trị của tổ chức trong dài hạn.

Con đường phía trước

Tiềm năng của AI mới chỉ bắt đầu lộ rõ, và tác động của nó đến tiền lương là điều không thể tránh khỏi. Chỉ tốc độ thôi sẽ không đảm bảo thành công; lợi thế thực sự thuộc về các tổ chức kết hợp sức mạnh của AI với quản trị vững chắc, giám sát có đạo đức và tập trung vào con người phía sau dữ liệu. Hãy xem giám sát AI như một chức năng quản trị liên tục: thiết lập nền tảng vững chắc, luôn tò mò, và điều chỉnh chiến lược của bạn phù hợp với các giá trị của mình. Các tổ chức làm được điều đó sẽ có vị trí tốt nhất để dẫn đầu trong kỷ nguyên AI.