Choć wielu pracodawców wciąż podchodzi do tego tematu z ostrożnością czy niepokojem, jest to kierunek, który może znacząco zwiększyć zaangażowanie pracowników, a także poprawić działanie polityki wynagradzania. Warto zaznaczyć, że z roku na rok spada niepokój związany z wdrażaniem technologii AI, a wzrasta optymistyczne nastawienie. Specjaliści często podkreślają, że zmiana ta pozwala zaoszczędzić czas i podnieść efektywność działań dzięki innowacyjnym rozwiązaniom. Zmienia się także nastawienie osób sceptycznie nastawionych. Od obaw przed zastąpieniem przez technologię, w kierunku troski o dezinformację wynikającą z niedoskonałości obecnych narzędzi AI.
Personalizacja
W kontekście dostosowywania przez działy HR wynagrodzeń i benefitów warto zwrócić uwagę na jedną z teorii ekonomii behawioralnej – teorię perspektywy Daniela Kahnemana i Amosa Tversky’ego, która może być kluczowa dla zrozumienia znaczenia personalizacji.
Jedna z podstawowych zasad tej teorii zakłada, że nasze oceny różnych sytuacji zawsze opierają się na osobistym, unikalnym dla nas punkcie odniesienia. To, z czym zestawiamy daną sytuację czy rozwiązanie, wpływa na to, czy odbieramy ją jako korzystną, czy niekorzystną. Innymi słowy, nasze interpretacje są uzależnione od tego, jakie mamy tło porównawcze.
A więc sposób, w jaki oferowane benefity i wynagrodzenie są postrzegane przez pracowników, zależy od ich sytuacji życiowej, problemów oraz indywidualnych punktów odniesienia. To czy dany benefit lub poziom wynagrodzenia ma dla pracownika realną wartość, jest w dużej mierze kwestią subiektywną. Coś, co dla jednej osoby może być atrakcyjne i motywujące, dla innej może nie mieć żadnego znaczenia.
W procesie analizy wynagrodzeń i benefitów warto zauważyć, że zupełnie inne potrzeby i oczekiwania będzie miał młody stażysta czy osoba na stanowisku juniorskim, a inne doświadczony specjalista w średnim wieku. Innych benefitów będą oczekiwać pracownicy biurowi, a zupełnie inne potrzeby mogą mieć pracownicy medyczni.
Jak zatem możemy wykorzystać w tym przypadku sztuczną inteligencję?
AI może być pomocna w stworzeniu „person” pracowników, podobnie jak robią to działy marketingu przy analizie potencjalnych klientów. Może scharakteryzować i podzielić pracowników ze względu na różne cechy, a w przypadku międzynarodowych przedsiębiorstw, również ze względu na region. Szczególnie przydatne może to być w firmach, gdzie występują duże różnice pomiędzy pracownikami takie jak: wiek, kultura, a także różnice wynikające ze specyficznych cech danego działu czy stanowiska. Dzięki temu możemy stworzyć obraz „typowego pracownika” z danej grupy. Taka metoda może skrócić czas naszej pracy i zwrócić uwagę na specyficzne aspekty każdej grupy, które łatwo jest przeoczyć, a które w dłuższej perspektywie mogą nas kosztować sporo pieniędzy czy poskutkować utratą pracownika.
Model Total Rewards
Przydatnym narzędziem wspierającym personalizację wynagrodzeń i benefitów może być Model Total Rewards. Obejmuje on 156 różnych elementów, pogrupowanych w pięć kluczowych kategorii:
• wynagrodzenie finansowe,
• świadczenia (benefity),
• równowaga między pracą a życiem osobistym,
• wyniki pracy i uznanie,
• rozwój zawodowy i planowanie kariery.
Dysponując tak szerokim wachlarzem narzędzi, możemy w sposób przemyślany i efektywny dopasować ofertę benefitów do potrzeb i oczekiwań konkretnych grup pracowników, tworzonych na podstawie person. Taka spersonalizowana strategia nie tylko sprzyja zwiększeniu zaangażowania pracowników, ale może również przyczynić się do optymalizacji kosztów wynagrodzeń oraz pozytywnie wpłynąć na wizerunek firmy jako atrakcyjnego pracodawcy.
Więcej informacji o tej metodologii znajdziesz
tutaj.
Case study
Mając w ten sposób posegmentowanych pracowników, możemy znacznie skuteczniej planować politykę wynagrodzeń, dopasowaną do ich zróżnicowanych potrzeb. Omówmy to na przykładach, korzystając z przygotowanych person i Modelu Total Rewards, precyzyjnie dobierając wynagrodzenie i benefity do ich subiektywnych punktów odniesienia.
Przykładowe zastosowanie
|
kategoria
|
opis
|
|
dane
|
Natalia 23 lata
|
Tomasz 45 lat
|
|
profil zawodowy
|
studentka informatyki, młody talent
w IT
|
starszy księgowy, doświadczony specjalista
|
|
doświadczanie
|
1 rok stażu na
stanowisku
junior front-end
deweloper
|
20 lat w biurze
rachunkowym
|
|
wartości
|
rozwój, elastyczność, otwartość
|
stabilność,
komfort pracy
|
|
cele zawodowe
|
awans, możliwość uczestniczenia w
realnych projektach
|
spokojna
stabilna praca, bezpieczne środowisko
|
|
wynagrodzenie
|
dolny pułap wynagrodzenia rynkowego
+ premie
|
powyżej średniej
wynagrodzenia rynkowego
|
|
preferowane
benefity
|
dofinasowane do szkoleń i
konferencji, programy mentoringowe, karta sportowa, opieka medyczna z
rozszerzonym pakietem okulistycznym, elastyczny hybrydowy model pracy by
pogodzić karierę i studia
|
opieka medyczna i ubezpieczenie dla całej rodziny, dodatkowe
dni wolne, elastyczna forma pracy np. 4 dniowy tydzień pracy, nagrody
jubileuszowe
|
Opracowanie Sedlak & Sedlak na postawie Modelu Total Rewards
Podsumowanie
Co warto podkreślić, nie ma potrzeby od razu wdrażania zaawansowanych systemów sztucznej inteligencji czy uczenia maszynowego. W początkowych etapach wdrażania wystarczy skorzystać z jednego z popularnych modeli generatywnej sztucznej inteligencji i sprawdzić czy sprawdza się w naszej organizacji. Koszt takiego narzędzia jest stosunkowo niewielki w porównaniu do oferowanych możliwości.
Nie istnieje także jeden idealny pakiet wynagrodzeń. Skuteczna polityka to polityka elastyczna, zróżnicowana i otwarta na potrzeby ludzi. To właśnie ona pozwala firmom budować przewagę konkurencyjną, przyciągając i zatrzymując u siebie najlepsze talenty.
