薪酬设定引入AI：人力资源部门谨慎试水

薪酬实践正悄然跻身受人工智能影响的人力资源职能前列。从2025年至2026年初，企业在薪酬、福利与整体奖酬领域对AI的试验有所增加，但据光辉国际2026年2月的一项调查，多数组织仍处于早期采用阶段，57%的受访者表示尚未开始尝试将AI用于整体奖酬流程。

这一现状与美世全球奖酬解决方案负责人戈登·弗罗斯特等顾问的观察相符。弗罗斯特告诉HR Dive，由于风险顾虑，AI在薪酬设定中的应用进展缓慢。但他指出，AI显然已在许多组织中占据一席之地，因为它能增强薪酬专业人员的工作能力。

设定薪酬需要综合内外部多种数据源，AI正被用于加快数据收集、提升分析一致性。“我们看到人们开始从这个角度使用它，”弗罗斯特说。

至少到目前为止，雇主通常并未使用OpenAI的GPT或Anthropic的Claude等大型语言模型为某个岗位或个人分配具体薪酬数字，Offit Kurman律师事务所律师杰米·艾斯纳在邮件中表示。她更常看到的是，雇主将AI部署为“塑造数据、假设和决策框架的系统，这些框架最终影响薪酬结果”。

Littler Mendelson律师事务所高级法律顾问布里特尼·托雷斯表示，雇主在考虑设定薪酬时希望纳入哪些因素之际，也试图将AI融入更全面的整体薪酬战略。人们还希望AI能提升跨组织薪酬实践的一致性，尤其是对拥有庞大员工队伍的企业而言。

“归根结底，提高薪酬设定程序的准确性是为了准确奖励员工，”托雷斯说，“AI在此的吸引力在于提升这一输出的质量。”

但人力资源部门不能未经准备就采用AI。弗罗斯特表示，在AI融入任何人力资源流程之前，必须完成一定的基础工作，其中很大一部分是将组织所有相关数据汇集到一处，并确保数据无错误、无意外偏见。

“这项工作已持续多年，但几乎是做这一切的基础前提，”弗罗斯特说。他补充道，当组织经历多次收购，被收购公司使用不同职位名称或代码，或有多名员工从事相似工作时，复杂性会显现。“所有数据都需要清理、简化和对齐，之后才能使用AI或进行复杂的数据分析。”

这还未涉及美国日益复杂的AI合规图景。

不确定的法律环境构成障碍

使用AI设定薪酬可能涉及多项联邦法律，包括《公平劳动标准法》。艾斯纳表示，如果AI影响的薪酬结构导致员工分类错误、最低工资违规或加班费计算错误，雇主可能违反FLSA。

艾斯纳还指出，基于历史薪酬或绩效数据训练的AI系统可能无意中复制或放大现有薪酬差距（如性别或种族差异），这可能根据联邦平等就业机会法律产生责任。

“了解安全参数和隐私护栏至关重要。”

——戈登·弗罗斯特，美世全球奖酬解决方案负责人

与此同时，多个州已通过限制AI在招聘中使用的法律，其中一些法规条款可能影响薪酬场景中的系统，托雷斯说。

例如，加州隐私法规要求某些雇主在使用自动化工具（如薪酬领域）前发布通知，告知消费者相关情况。其他州则规定雇主必须对其工具进行风险评估，或保留与AI使用相关的数据。

托雷斯补充说，各州在专门针对AI设定薪酬作用的法律方面进展较慢，尽管地方立法者已提出一些提案。虽然预测哪些法律或框架将率先出台为时尚早，但雇主可以识别某些“宏观概念”以应对未来要求。

多项AI相关立法中的一项关键条款涉及反偏见评估要求。托雷斯解释说，此类条款旨在确保自动化工具的决策既无歧视，又基于与员工岗位相关的合理因素。

州AI法律的其他部分可能影响薪酬策略。马里兰州的AI法律涉及招聘过程中面部识别技术的使用，艾斯纳表示，此类法律可能根据工具功能施加同意或使用限制。

“关键在于，AI不会将法律责任从雇主身上转移，”她补充道，“无论建议由人类还是算法做出，雇主仍需对薪酬结果负责。”

应避免哪些输入？

艾斯纳表示，避免歧视性AI输出并非简单提示工具忽略受保护特征。相反，雇主必须有意地管理AI，牢记技术质量取决于雇主提供的信息。

“雇主应明确定义哪些输入是允许的，并明确排除可能导致偏见输出或薪酬差距的输入，”艾斯纳继续说。

即使是看似中性的因素——如员工薪酬历史、对职业路径的假设、位置数据和绩效历史——也可能使结果偏向某些群体，艾斯纳说。雇主还可能因依赖“过于粗糙”的指标（如击键次数和鼠标移动）而制造风险。

托雷斯强调，雇主必须自问哪些因素可能被视为偏见的代理，并指出薪酬决定应基于非歧视、非报复性的理由。绩效可以是合理切入点，但人力资源部门仍需谨慎衡量绩效方式。

例如，托雷斯指出，如果绩效基于音视频监控数据，可能涉及受保护特征，如员工的国籍、种族、民族或残疾。

“不仅仅是配置工具以符合法律，”托雷斯说，“还需要规划有意义的人工监督和定期反偏见评估，以防范可能作为代理出现的歧视模式。”

数据安全是“重大”考量

雇主也可能对将敏感人力资源数据共享给AI工具持谨慎态度。美世的弗罗斯特表示，除非确定工具完全符合组织防火墙要求并专为私有内部使用设计，否则组织通常不愿在薪酬场景中启用AI。

“这就是我们尚未看到AI在薪酬领域广泛使用的原因之一，”弗罗斯特继续说，并补充说人力资源团队应知道切勿将员工薪酬信息输入公开可用的AI模型。“了解安全参数和隐私护栏至关重要。”

托雷斯表示，薪酬专业人员必须确保所用数据匿名化，并思考法律特权如何适用于基于AI贡献做出的任何决定。即使AI的建议未用于实施薪酬决定，情况也是如此。

艾斯纳说，AI工具还从薪酬数据以外的来源提取数据，包括跟踪员工数据、绩效、敬业度及其他指标的人力资源信息系统软件。她补充说，雇主应向员工透明说明所用数据类型、使用方式及收集必要性。

任何AI使用都可能涉及供应商，供应商关系也带来值得考虑的人力资源风险，包括供应商的数据处理以及数据所有权和安全保障的相关合同条款，艾斯纳说。

“此处的指导原则应是数据最小化：不要收集或处理你并不真正需要的数据，因为不必要的数据收集可能带来法律风险，却无相应价值，”艾斯纳继续说。

人力资源必须保持人工监督

弗罗斯特表示，人力资源专业人员必须审核AI输出并对所有薪酬决定做出最终判断。他指出，在这方面使用AI工具与使用Microsoft Excel并无不同——人类必须运用自身知识和经验批准给定平台的输出，“我们并非完全交给AI并免除自身责任。”

托雷斯说，这一点强化了良好治理程序的必要性，因为即使人类监督AI输出，若不知晓要查找什么，也难以检查偏见。培训有所帮助，但从系统层面看，雇主必须预算并采用审计、风险评估等一系列措施，以确保薪酬流程合规，她补充道。

在雇主决定在薪酬实践中采用AI之前，艾斯纳建议先明确引入该技术的目的、成功实施所需的数据，以及希望薪酬实践体现的价值观。

“AI应被视为决策支持工具，而非自主决策者，”艾斯纳说。