Hvorfor EU’s direktiv om løngennemsigtighed er mere end blot en complianceøvelse

David Rice: EU’s direktiv om løngennemsigtighed er ikke en rapporteringsøvelse. Det er en gennemgribende ændring af driftsmodellen. Men de fleste organisationer ser kun på den synlige del af isbjerget, så at sige. I dagens udsendelse taler jeg med Tom Heys, som er ekspert i lønrapportering hos Lewis Silkin, om hvorfor han beskriver direktivet som Storbritanniens ordning for kønsbestemte lønforskelle på steroider.

For i modsætning til tidligere rapporteringskrav kombinerer dette direktiv rapportering af lønforskelle på virksomhedsniveau med individuelle medarbejderrettigheder, nye begrænsninger for, hvad man må spørge om under rekruttering, samt kravet om at kategorisere job af samme værdi og kunne forsvare disse beslutninger over for medarbejderrepræsentanter. Det sidste er det punkt, hvor mange organisationer kommer til at få problemer.

Nøjagtighed og forklarlighed er ikke det samme. Et svar kan være statistisk korrekt og stadig umuligt at forsvare. Og denne lovgivning beder ikke kun om svar, den beder jer vise jeres arbejde. Hvis en medarbejderrepræsentant vender sig om og siger: “Vis os jeres model”, og jeres sorte boks har genereret tallet, er I udsatte.

Toms bredere advarsel rækker langt ud over løn. Vi går ind i en tid, hvor ledere træffer beslutninger, som delvist påvirkes af systemer, de ikke selv har bygget og ikke fuldt ud forstår. Det flytter forklarlighed fra at være et teknisk spørgsmål til at være en ledelsesmæssig kompetence. Derfor skal vi i dag gennemgå, hvad der gør direktivet grundlæggende anderledes end tidligere krav til lønrapportering, hvorfor jobarkitektur er fundamentet, som alt andet hviler på, forskellen mellem det dokumenterede arbejde og det, folk faktisk gør, hvorfor kunstig intelligens kan fremskynde denne proces, men ikke kan eje beslutningerne, og hvorfor forklarlighed bliver lige så vigtig som effektivitet.

Jeg hedder David Rice. Dette er People Managing People, og hvis jeres organisation behandler løngennemsigtighed som et afkrydsningsfelt i compliance, viser denne samtale jer, hvor meget arbejde der faktisk ligger under overfladen. Så lad os komme i gang.

Hvis du driver en virksomhed, startede du den sikkert ikke, fordi du elsker bogføring. Her kan QuickBooks Online hjælpe. Det automatiserer daglige opgaver som fakturering, udgiftssporing og bogføring, så du bruger mindre tid på administration og mere tid på at udvikle din virksomhed. Det er en enkel måde at holde orden på og få økonomien til at arbejde for dig. Hvis du vil spare tid og gøre virksomhedens økonomi enklere, så se nærmere på QuickBooks Online.

Tom, velkommen til udsendelsen. Det er godt at have dig med.

Tom Heys: Tak, fordi jeg måtte være med, David.

David Rice: Da vi talte sammen før udsendelsen, beskrev du EU’s direktiv om løngennemsigtighed som lidt af den britiske ordning på steroider.

Hvad gør dette anderledes end tidligere krav til lønrapportering, og hvorfor tror du, at så mange organisationer undervurderer den mængde arbejde, der følger med?

Tom Heys: Jeg kom til direktivet med en baggrund, hvor jeg gennem de seneste år har arbejdet meget for britiske virksomheder med britisk rapportering af kønsbestemte lønforskelle.

På et overordnet niveau sammenligner den ikke ens med ens; det er i højere grad en repræsentationsforskel, man ser på. Direktivet begynder et lignende sted, fordi man også skal rapportere forskelle på organisationsniveau. Men derefter er fokus i langt højere grad på et større spørgsmål, nemlig ligeløn, og det sker gennem rapporteringsforpligtelser, men også gennem yderligere rapporteringsforpligtelser sammenlignet med det, man eksempelvis ser i Storbritannien.

Det handler altså om at se på job, der kan sammenlignes, sammenligne ens med ens eller i det mindste noget, der minder om ens med ens, og oveni kombinere det med nye individuelle rettigheder samt nye forbud mod, hvad man må og ikke må spørge om under rekruttering. Den tilgang, der tilsyneladende er valgt, er, at ligeløn er en grundlæggende EU-rettighed.

Den er en del af traktaterne, så hvordan kan vi ramme den fra alle sider for at sikre ligeløn i videst muligt omfang? Det synes at være den ledende filosofi bag, hvordan direktivet er blevet udformet. Det er derfor et meget omfattende nyt stykke lovgivning, og jeg tror, at det vil være meget forstyrrende i de næste et til tre år.

Det kommer til at hvirvle en masse støv op, og det vil tage tid, før støvet lægger sig.

David Rice: Det virker ikke rigtig som en rapporteringsøvelse, men snarere som en øvelse i driftsmodellen.

Tom Heys: Det tror jeg, du har ret i. Jeg tror, det indfører en ny måde at gøre tingene på, en ny normal. Og derfor tvinger det organisationer til langt mere disciplin omkring ting som lønfastsættelse, hvordan man gør det og ikke gør det, hvad man kan tage højde for, og hvad man ikke bør tage højde for.

Du ved, måder at gøre det på, som sikrer, at bias ikke sniger sig ind. Jeg nævnte for eksempel nogle af de nye forpligtelser omkring rekruttering. Man vil ikke kunne spørge folk om deres lønhistorik, så man kan ikke spørge: “Hvad tjener du nu?” Det må man ikke spørge om som en del af rekrutteringen. Og jeg tror, at det for rigtig mange virksomheder bare er den standardmåde, tingene har fungeret på i meget lang tid.

Så selv på dette ene meget specifikke område er det en stor ændring.

David Rice: Ja, det er det. Rapporteringsdelen føles som den synlige del af isbjerget, så at sige. Under overfladen har man jobarkitektur, niveaudeling, lønfilosofi, styring og alle mulige andre ting. På nogle måder føles det som det, der er sket med AI-parathed, hvor alle ønskede resultater, men først måtte reparere fundamentet.

Og jeg synes, det lyder, som om dette måske bliver noget lignende.

Tom Heys: Jeg tror, du rammer helt rigtigt. Isbjergseksemplet havde jeg ikke tænkt på før, men jeg synes, det passer virkelig godt. Og du nævnte jobarkitekturen. Den ligger til grund for de to største ting, som virksomhederne ser ud til at være mest bekymrede for.

I direktivet tales der om kategorisering, altså at gruppere folk i job, der har samme værdi. Det gælder med hensyn til færdigheder, indsats, beslutningstagning, ansvar og arbejdsvilkår, hvor man grupperer disse job sammen. For det første har alle medarbejdere ret til den gennemsnitlige løn for mænd og kvinder inden for deres kategori.

Allerede dér giver den nye rettighed, som understøttes af alt det vigtige arbejde med jobarkitektur, folk de oplysninger, de har brug for til at kunne identificere potentielle ligelønsproblemer. De kan se: “Vent, jeg får kun så meget i løn. Alle, der har job, der minder tilstrækkeligt om mit, får så meget, så jeg vil vide, hvad der foregår.”

Og for det andet er der den rapporteringsdel, du nævnte. Ud over de brede forskelle på virksomhedsniveau og forskellene i repræsentation vil der også være krav om internt at rapportere forskellene inden for hver kategori. Derfor får man en kombination af forpligtelser for arbejdsgivere og rettigheder for enkeltpersoner, og man stiller alle de oplysninger til rådighed, som folk har brug for for at kunne rejse ligelønssager.

Og som du siger, ligger jobarkitekturen og kategoriseringen lige under begge disse to meget store elementer.

David Rice: Et af de temaer, der blev ved med at dukke op, da vi talte sammen før udsendelsen, var forklarlighed, ikke? Det er også noget, jeg netop har skrevet om i forbindelse med rekrutteringssystemer. Hvor godt kan man for eksempel forklare, hvad AI gør?

AI kan producere svar meget hurtigt, men denne lovgivning kræver ikke kun svar; den kræver, at organisationerne kan forsvare dem. Hvorfor vil du sige, at den forskel er så vigtig?

Tom Heys: Jeg tror, det er vigtigt på grund af den rolle, lovgivningen forestiller sig, at medarbejderrepræsentanter skal have.

Det er en meget stærk rolle. De har rettigheder og forpligtelser, og de kan under visse omstændigheder reelt fungere som afgørende instans for, om forskelle er begrundede eller ej. De får adgang til metoder og til, hvordan tingene bliver gjort, og de er mennesker, der kan stille spørgsmål. Nogle af spørgsmålene kan være helt logiske og fornuftige, mens andre kan komme fra personer, der ikke er så velinformerede, fordi dette er nyt for mange.

Det vil tage tid for folk at opkvalificere sig på området. Man skal kunne forklare det til et menneske, og man skal virkelig vide, hvorfor man har gjort tingene på den måde, man har. Hvilken proces har man fulgt? For nogen vil spørge, de kan spørge, og det er næsten sikkert, at de på et tidspunkt vil gøre det.

Og medmindre man ved, hvorfor man har gjort alle de ting, man har gjort, vil det ikke kunne modstå granskning. Det endelige resultat kan være helt udmærket og fornuftigt, men hvis man ikke ved, hvordan det er blevet til, efterlader det en underliggende potentiel risiko, som kan give problemer senere.

David Rice: En af de ting, jeg tænkte på, da jeg skrev den artikel, var, at nøjagtighed og forklarlighed…

De er ikke det samme. De hører ikke nødvendigvis engang til i samme kategori, og det er et af de tilfælde, hvor to ting kan være sande på samme tid. Et svar kan være statistisk korrekt, men umuligt at forsvare. Mange af de AI-samtaler, jeg har i øjeblikket, handler om at gå fra fokus på resultater til fokus på udfald. Jeg er enig i idéen, men jeg har advaret mod at blive besat af udfaldet, for man skal stadig være opmærksom på ræsonnementet.

Hvordan nåede man frem til resultatet? Vi befinder os i en tid, hvor tilliden er meget lav, og jeg mener ikke, at tillid bliver opbygget, bare fordi man har et svar. Den bliver opbygget, fordi folk forstår, hvordan man gør det, man gør, og hvordan man tænker eller ræsonnerer sig frem til en beslutning. Så dette ligger meget tydeligt i samme spor.

Tom Heys: Jeg tror bestemt, der er en rolle for AI i alt dette, så medarbejdere kan blive klar, for ting som jobarkitektur er en enorm opgave.

Alt, der kan fremskynde processen, er særligt nyttigt for mange medarbejdere, der kommer ind i dette fra et sted uden nogen jobarkitektur. Det er en helt ny verden, som mange virksomheder er på vej ind i. Så hvis noget kan fremskynde processen, er det fantastisk. Men jeg synes, der er en afgørende forskel på at bruge AI til at fremskynde beslutningstagningen eller forbedre processerne og på at overlade beslutningerne til den.

Beslutningerne skal være jeres.

David Rice: Jeg tror, der er en åbenlys fristelse her. Hvis man står i denne situation, vil man måske uploade jobbeskrivelserne, køre dem gennem en AI-model og på den måde fremskynde jobevalueringen. Men problemet er, at jobbeskrivelser ofte afspejler, hvad en rolle skulle være, og ikke hvad den blev til, eller hvad folk faktisk gør.

Hvor stor tror du, forskellen typisk er mellem det dokumenterede arbejde og det virkelige arbejde?

Tom Heys: Jeg tror, det kan variere meget, og det kan variere mellem forskellige typer organisationer. Særligt i mindre organisationer, hvor tingene er mindre faste med hensyn til det job, man udfører, og også i nystartede og hurtigt voksende virksomheder, hvor roller kan ændre sig meget hurtigt, og papirerne måske ikke stemmer overens med det, en person faktisk laver.

Det klassiske eksempel med “skrald ind, skrald ud” er meget relevant her, fordi AI kun er så god som de oplysninger, der bliver lagt ind i den. Hvis man fodrer den med forældede oplysninger, kan den godt fremskynde processerne og komme med et resultat, men resultatet bliver ikke velinformeret, fordi det bygger på forældede oplysninger. Det kan skabe potentielle problemer.

David Rice: Det hører jeg ret ofte. Problemet med rolleudvidelse er, at man siger: Vi ansatte Janet til dette. Men i praksis, efter at hun kom ind i virksomheden, og hun nu har været her i tre år, er hendes rolle blevet udvidet til alle mulige andre områder, og vores dokumentation afspejler ikke nødvendigvis det.

Så den kontekst, der mangler, handler om den faktiske betydning af Janets rolle, alle de forskellige ting, hun gør, og alt det, der er kommet ind under hendes ansvarsområde. Vi taler hele tiden om, hvordan HR’s rolle eksempelvis hele tiden udvider sig. Den bliver bare større og større. Sådan har det været i årevis.

Men det bliver ikke nødvendigvis afspejlet på samme måde. Så jeg tror, der kan opstå problemer dér.

Tom Heys: Ja. Måske vil man se medarbejdere være mere proaktive med hensyn til at sikre, at deres jobbeskrivelser stemmer overens med det, de faktisk laver. Jeg kan sagtens forestille mig, at folk skriver til HR og siger: “Min jobbeskrivelse siger, at jeg skal lave dette, men jeg laver faktisk nu X, Y og Z, så det skal afspejles.”

David Rice: Det er jeg enig i, og jeg tror, at flere og flere bliver opmærksomme på, hvordan dette fungerer. Hvis de ved, at teknologien vil blive brugt på den måde, tror jeg bestemt, de vil ønske det.

Tom Heys: Det kommer helt sikkert også til at stige. På tværs af EU gælder direktivet for omkring 250.000 virksomheder.

Det drejer sig om titusinder af millioner mennesker, og pludselig hører de om kategorisering, jobniveauer og betydningen af alt dette. Jeg tror, bevidstheden vil blive langt større. Og som jeg sagde, indfører det også nye rettigheder for medarbejdere. Det skubber på en måde folk ind i en stærkere forhandlingsposition.

Måske er det ikke helt det rigtige ord, men det gør dem i hvert fald til stærkere fortalere for sig selv ved at give dem de rettigheder, de har brug for til at kunne gøre det.

David Rice: En kort pause. Hvordan ser din likviditet ud lige nu? Hvis du er freelancer eller ejer en lille virksomhed, kan et klart overblik over din økonomi gøre en stor forskel. QuickBooks Online giver dig økonomisk indsigt i realtid, hjælper dig med at oprette og sende professionelle fakturaer og gør det lettere at blive betalt hurtigere. Samtidig holder det dine indtægter og udgifter samlet ét sted, så du altid ved, hvordan det står til med virksomheden. Lær mere om, hvordan QuickBooks Online kan hjælpe dig med at styre din virksomhed med sikkerhed.

Vi har haft gæster i udsendelsen, der har talt om betydningen af dokumentation, og jeg tror, vi bliver ved med at tale om dokumentationspraksis et stykke tid endnu, fordi kontekst i forbindelse med AI på nogle måder er alt. Mange leverandører fremstiller AI som en hurtig vej til compliance, men hvis en medarbejderrepræsentant eller medarbejder spørger, hvorfor der er en lønforskel, og svaret i bund og grund er: “Systemet sagde det. Systemet markerede det”, så er det sandsynligvis ikke nok. Det holder ikke. Er organisationer efter din mening i fare for at skabe nye complianceproblemer, mens de forsøger at løse gamle?

Tom Heys: Jeg tror, der er risiko for det, og problemerne vil komme frem, fordi medarbejderrepræsentanternes rolle som sagt er tænkt som en stærk rolle, og der vil være meget offentlig omtale af de nye rettigheder, når de træder i kraft.

Det skulle efter planen træde i kraft den 7. juni, men implementeringen er meget fragmenteret, så mange lande vil implementere det sent, sandsynligvis flest omkring januar 2027. Men uanset det er der meget offentlig omtale af direktivet om løngennemsigtighed. Jo flere der ved noget, desto flere vil bede deres medarbejderrepræsentanter om at holde arbejdsgiveren ansvarlig.

Hvis virksomhederne derfor ikke har ordentlige forklaringer på, hvordan de gør tingene, vil det helt sikkert komme frem.

David Rice: Det er interessant, for vi har set dette mønster overalt med AI. Organisationer ønsker fart, og den fart kan nogle gange skabe en ny risikokategori. Fristelsen er at sige, at vi bør automatisere kompleksiteten væk, men for mig lyder dette som en situation, hvor forklaringen faktisk er vigtigere end selve svaret.

Tom Heys: Det tror jeg, den er, fordi direktivet naturligvis handler om gennemsigtighed, men om gennemsigtighed i den måde, tingene bliver gjort på. Det dikterer ikke en bestemt fremgangsmåde. Det siger ikke, at alle skal have præcis det samme i løn. Forskelle er acceptable. Forskelle forventes. Der vil naturligvis altid være lønforskelle, men målet er, at disse forskelle skal være objektive.

De skal kunne forklares. De må ikke skyldes partiske, subjektive, urimelige eller ulovlige grunde, men grunde, der giver mening og står i et rimeligt forhold til hinanden. Hvis en person har mere erfaring end en anden, er det en god grund til, at personen kan få mere i løn. Men hvis én person har 30 års erfaring i en bestemt rolle, og en anden har fem år, og man bliver lige så god, som man nogensinde bliver i den type job efter tre år, men stadig betaler personen med 30 års erfaring meget mere, så begynder man at få problemer. Man startede med en potentielt objektiv grund, men anvender den ikke på en proportional måde.

Disse nuancer vil komme frem med tiden, og som sagt kaster direktivet lys over og synliggør, hvordan tingene bliver gjort.

David Rice: Det er interessant, for historisk set har løn, i hvert fald i USA, været en af de mindst gennemsigtige dele af organisationslivet i lang tid. Ret mig, hvis jeg tager fejl med hensyn til Europa, men hvad tror du sker, når folk pludselig får ret til at stille alle disse spørgsmål, som mange organisationer aldrig rigtig har skullet besvare før?

Tom Heys: Tendensen til ikke at tale om penge findes bestemt også på denne side af Atlanten. I nogle lande er folk dog ikke bange for at sige: “Jeg får så meget. Hvad får du?” Men mange steder er der helt sikkert en tendens til at undgå at tale om penge.

Hvad bliver resultatet, når folk får alle disse rettigheder, og virksomheder får alle disse forpligtelser, og alle disse måder at gøre tingene på bliver belyst? Storbritannien giver et meget lærerigt eksempel, fordi vi for omkring 10-15 år siden fik mange krav mod lokale myndigheder og kommuner på tværs af forskellige områder og byer i landet.

Det var krav, der ikke blev rejst af folk med samme job, men af personer i overvejende kvindedominerede job som rengøringsassistenter og plejepersonale, der sammenlignede sig med overvejende mandedominerede job som gadefejere og gravere. De mandedominerede job havde store bonusser, som reelt blev en del af deres løn. De fremmede ikke ekstra produktivitet eller præstation og belønnede ikke noget særligt. De var reelt en del af den ekstra løn.

Bonusserne var meget store. Nogle steder var de flere gange så store som kvindernes løn. Det var omfanget af forskellen. Det hele kom frem på grund af sektorens karakter. I den offentlige sektor gælder reglerne om aktindsigt, så folk kunne spørge: “Hvad er den gennemsnitlige løn for denne type job og den type job?”

Det hele var også blevet forhandlet gennem fagforeninger. Oplysningerne var tilgængelige. Folk vidste, at der var disse lønforskelle og forskellige bonusser. Hvad skete der så? De underbetalte ønskede naturligvis at få rettet deres løn, og derfor blev der rejst krav, store flerpartskrav med hundredvis eller i nogle tilfælde tusindvis af personer. Effekten var enorm.

Birmingham City Council, en af de største arbejdsgivere i Storbritannien og muligvis også den største lokale myndighed i Europa, med omkring en million mennesker, havde et enormt ligelønsansvar. Jeg mener, det var over en milliard. Det viser efter min mening konsekvenserne af, hvad der sker.

Lønforskellene i disse sager var ofte store, men forskellen behøver ikke engang være særlig stor, især ikke når man taler om en arbejdsstyrke med mange mennesker. I en lignende situation har detailhandlere i Storbritannien været udsat for store flerpartskrav.

Forskellene har været mindre, men når man taler om titusinder af medarbejdere, 40 timer om ugen og op til seks års efterbetaling, behøver forskellen ikke at være særlig stor. Det kan være to eller tre pund her eller der. Men når det ganges op så mange gange, bliver ansvaret enormt.

Den type sager handler for eksempel om ansatte på butiksgulvet, der sammenligner sig med lageransatte. Det er forskellige job, men når man ser på dem gennem ligelinspektivet, altså med hensyn til færdigheder, indsats, ansvar og arbejdsvilkår, er det præcis den måde, direktivet om løngennemsigtighed beder arbejdsgivere se på deres job.

Forskellene bliver synlige, folk rejser krav, og jeg tror, at mange af den slags krav vil brede sig i Europa. I Storbritannien kan man kræve seks års efterbetaling. Jeg ved, at det i andre dele af Europa og i nogle EU-lande er længere. Nogle steder er der ingen begrænsning.

En person, der har været underbetalt i 30 år, kan altså få 30 års efterbetaling. Jeg tror derfor, at der vil blive rejst mange af den slags krav i de næste år.

David Rice: Det er interessant, for det føles, som om regningen for en “stol på os”-kultur omkring løn er forfalden.

Tom Heys: Ja…

David Rice: Nu bevæger vi os ind i et “vis os det”-miljø, og jeg forestiller mig, at det bliver ret ubehageligt for mange organisationer, som aldrig har skullet formulere en lønfilosofi i et klart sprog udadtil. Det bliver fascinerende at følge.

Tom Heys: Jeg tænker på matematikprøver i skolen. Man får point for det rigtige svar, men man får flere point for at vise sin udregning. Det er dér, den egentlige substans ligger.

David Rice: Det er en god måde at formulere det på. Det lyder, som om mange organisationer opdager, at de ikke kan overholde kravene om løngennemsigtighed, før de først får styr på jobarkitekturen, graderingen og niveaudelingssystemerne.

Vil du sige, at denne lovgivning egentlig er en complianceudfordring, eller handler den i højere grad om at afdække dybere organisatoriske problemer, som har været ignoreret i lang tid?

Tom Heys: Jeg tror, det er begge dele. De dybere problemer skaber ligelønsrisikoen, og direktivet bringer den risiko frem i lyset, så alt bliver lagt åbent frem.

Som følge af det bliver complianceproblemerne tydelige. Jeg synes ikke, man skal tænke på direktivet som en complianceøvelse, hvor man sætter flueben og derefter ikke behøver bekymre sig mere. Det handler snarere om at kassere den gamle måde at gøre tingene på og erstatte den med en ny normal.

Jeg tror, det bliver utroligt forstyrrende. Som du nævnte, vil det hvirvle en masse støv op i mange organisationer. Når støvet lægger sig, vil der være en ny normal, normal 2.0, som indebærer en mere objektiv og tydelig måde at fastsætte løn på og potentielt også en mere ærlig måde. Det er ikke bare: “Stol på os, vi gør det rigtigt”, men: “Vis os det.”

Det handler altså ikke kun om, at man skal stole på os; man skal også kunne vise det. Sådan synes jeg, man bør forstå det. Det indvarsler en ny æra. Det er ikke en opgave, hvor man bare sætter flueben.

David Rice: Det føles næsten som en MR-scanning af organisationen, så at sige. Den afslører strukturer og uoverensstemmelser, som måske har eksisteret i lang tid. På overfladen ligner det lønproblemer, men jeg tror i virkeligheden, at det i højere grad er et styringsproblem.

Tom Heys: Det er en fornuftig måde at formulere det på. I sidste ende handler det om, hvor meget folk får i løn, men problemerne opstår, når man for eksempel har for meget ledelsesmæssigt skøn og ikke tilstrækkeligt tydelige retningslinjer for, hvordan tingene skal gøres. Hvis ledere ikke har en klar måde at tildele bonusser på eller bruge det budget, de har til at belønne deres team, får man uforklarede forhold, der påvirker lønnen og dermed skaber en potentiel ligelønsrisiko.

David Rice: Du har nævnt rapporteringsforpligtelserne under direktivet. Hvilke problemer ser du ved at bruge AI til at løse den slags opgaver?

Tom Heys: Det er relevant i forbindelse med rapporteringen af forskelle efter kategori. Arbejdsgivere skal forklare alle forskelle inden for en kategori, der er større end fem procent.

Vi er nødt til at gå lidt ind i matematikken for at besvare spørgsmålet. Man kan forklare forskellene med henvisning til objektive grunde, for eksempel erfaring, men også muligvis præstation, markedsforhold og mange andre ting.

Målet er at kunne sige: “Vi ved, at vi har en forskel på otte procent inden for niveau 10. Men takket være vores analyse kan vi se, at fem procent faktisk kan forklares, så der kun er tre procent tilbage, som ikke kan forklares.” Der er en tærskel på fem procent for forskelle inden for en kategori.

Direktivet fastlægger dette. Hvis de uforklarede forskelle er større end fem procent, opstår der et krav om at gennemføre en fælles lønvurdering, i praksis en ligelønsrevision, hvor alle bøger åbnes for medarbejderrepræsentanter. De får mulighed for at se, hvordan man gør alting. Det kan være en stor distraktion fra faktisk at være produktiv og forklare, hvordan man arbejder.

Hvis man kan undgå det, er det naturligvis godt. Den almindelige måde at beregne størrelsen på den forklarede og uforklarede forskel er regressionsanalyse. I sin enkleste form tegner man en linje gennem en række punkter, den linje, der passer bedst. Problemet er, at denne type regressionsanalyse er subjektiv.

Den er ikke objektiv. Vi taler ikke om, at to plus to er lig med fire. Min sammenligning er, at det minder mere om at blande maling. Rød plus grøn giver brun. Men hvor meget af hver farve taler vi om? Skovgrøn og karminrød eller limegrøn og skarlagen? Hvor tykt påfører vi malingen?

Bruger vi oliefarver eller akvarel? På samme måde kan man tænke på regressionsanalyse. Hvor meget af hver variabel skal indgå? Hvordan skal modellen specificeres? Hvilke variabler tager vi højde for? Der er mange forskellige beslutningspunkter, og der findes ikke nødvendigvis én rigtig måde at gøre det på for en bestemt kategori.

Der er grader af rigtighed, vil jeg sige, og grader af forsvarlighed, fordi man som nævnt skal forklare det hele over for en medarbejderrepræsentant. Der kan være forskellige modeller, der fungerer, og andre modeller, der også fungerer rimeligt. Derfor er spørgsmålet, hvilke modeller man vil bruge, og hvilke man ikke vil bruge.

Risikoen opstår, når man overlader denne type analyse til AI. Her taler vi om analytisk eller prædiktiv AI snarere end generativ AI. Hvis man siger til en sort boks: “Jeg vil vide, hvor stor min justerede forskel er”, og den kommer med et svar, hvorefter man siger til medarbejderrepræsentanterne: “Den er tre procent, så alt er i orden”, kan de svare: “Vis os jeres model, vis os jeres udregning.”

Hvis den sorte boks har gjort det på en måde, der ikke kan forsvares, for eksempel med en overjusteret model eller for mange variabler, der ikke passer til situationen, er man i problemer. Jeg tror, det er uundgåeligt, at alle arbejdsgivere får mindst én lille gruppe, som de bliver nødt til at undersøge.

Når man begynder at arbejde med små grupper, fungerer regression dårligere, fordi man ikke har tilstrækkeligt med data at basere sig på. Der er ikke nok punkter til at kunne trække linjen på en klar eller pålidelig måde. Og medmindre man ved det og kan se det, kan man ikke stole på, at et resultat vil kunne modstå granskning.

Jeg vil derfor udvise en vis forsigtighed med at automatisere den analytiske proces. Man skal ikke kun se på svaret til sidst i matematikopgaven, men også sikre sig, at man forstår udregningen.

David Rice: Det gamle problem med skrald ind, skrald ud, ikke? Hvis de data, man baserer analysen på, er mangelfulde, er det naturligvis en risiko.

Der er også en risiko for, at vi føler os mere sikre, end vi burde, på baggrund af resultatet. Man får et poleret svar, uanset om det er et diagram, en anbefaling eller noget andet, og det føles autoritativt. Men hvis de underliggende antagelser, vurderinger og beslutninger, som nogen skal tage ansvar for, bygger på noget, der ikke er virkeligt…

Jeg siger altid: “Du kan ikke holde en maskine ansvarlig.” Den kan fremskynde analysen, men den overtager ikke dit ansvar i sidste ende.

Tom Heys: Maskinerne gør det, man beder dem om, men vi skal sikre os, at vi beder dem om at gøre de rigtige ting.

David Rice: Præcis. Og vi skal give den den rigtige kontekst, ikke bare sige: “Jeg fodrede den med en masse data.” Det er snarere: “Fint. Var noget af det meningsfuldt?”

Tom Heys: Hvilke data har du givet den, og hvad har den gjort med dem? Det er som at kaste en bold til en hund, der henter den. Maskinen henter dataene, men du ved ikke, om den gik ud af parken, ned ad gaden og rundt om hjørnet for at bringe bolden tilbage, eller om den kom direkte hen til dig.

David Rice: Netop. Og der er en bredere læring her, synes jeg. Det rækker ud over løn. Når AI bliver mere involveret i vores beslutninger, tror du så, at vi går ind i en tid, hvor forklarlighed er lige så vigtig som effektivitet?

Tom Heys: Det tror jeg. Effektivitet bliver vigtig, og det er fantastisk at bruge AI til at blive mere effektiv.

Vi har alle set, hvor imponerende det er, og hvordan det kan fremskynde beslutningstagningen. Men det er netop pointen: Brug det til at fremskynde beslutningstagningen. Overlad ikke tænkningen til det. Brug det til at forbedre din egen tænkning.

David Rice: Jeg synes, det er en af de største ledelsesudfordringer i AI-æraen.

I årevis har vi belønnet hurtigere beslutninger, hurtigere processer og hurtigere eksekvering. Kom nu, bevæg dig hurtigt og ødelæg ting, ikke? Men nu går vi ind i en verden, hvor ledere skal kunne forklare beslutninger, som delvist er blevet påvirket af systemer, de ikke selv har bygget, og som de i mange tilfælde ikke forstår særlig godt.

Det flytter forklarlighed fra at være et teknisk spørgsmål til at være en ledelsesmæssig kompetence.

Tom Heys: Som du siger, vil betydningen af styring omkring alt dette helt sikkert få større fokus.

David Rice: Tom, det har været en fascinerende samtale. Jeg føler, at jeg har lært meget af dig, for jeg vidste ikke særlig meget om denne regulering.

Det er godt for vores publikum at få et ordentligt greb om det. Tak, fordi du deltog i udsendelsen i dag.

Tom Heys: Det var så lidt. Tak, fordi jeg måtte være med.

David Rice: Til jer, der lytter: Hold øje med mere indhold af denne type. Hvis du vil vide mere om nye regler for AI, løngennemsigtighed og alt det, der sker på arbejdspladsen lige nu, så følg People Managing People på alle vores sociale platforme og gå også ind på peoplemanagingpeople.com/subscribe. Tilmeld dig nyhedsbrevet, så får du alt dette indhold direkte i din indbakke.

Indtil næste gang: Tænk over, hvordan du vil forklare tingene.

Før vi afslutter, får du et sidste tip. Hvis du holder orden hele året, bliver skattetiden meget lettere. QuickBooks Online hjælper med at holde styr på indtægter, udgifter og økonomiske poster, samtidig med at bogføring og rapportering bliver enklere undervejs. Uanset om du er freelancer, selvstændig eller ejer en virksomhed i vækst, får du værktøjerne til at holde styr på økonomien med mindre manuelt arbejde. Se, hvordan QuickBooks Online kan gøre virksomhedens økonomi enklere i dag.