Przejdź do treści
D W
EU AI Act: Niskie ryzyko Q1

Sick Leave Processing Agent

Przetwarzanie zwolnień lekarskich w minuty, nie dni - z pełnym śledzeniem compliance.

Waliduje zwolnienia lekarskie, oblicza wynagrodzenie chorobowe, zarządza terminami powiadomień do ZUS i prowadzi ścieżkę audytu.

Przeanalizować proces
Airbus Volkswagen Shell Renault Evonik Vattenfall Philips KPMG

Ekstrakcja e-ZLA przez AI, obliczanie wynagrodzenia chorobowego przez reguły, eskalacja działań zdrowotnych

Agent ekstrahuje dane e-ZLA przez AI z pobrania ZUS, deterministycznie oblicza okresy wynagrodzenia chorobowego według Kodeksu pracy i układu zbiorowego oraz regułowo wykrywa obowiązek rehabilitacji zawodowej przy 6 tygodniach niezdolności w ciągu 12 miesięcy - dane o zdrowiu pozostają ściśle ograniczone w dostępie.

Wynik: Obowiązek e-ZLA od stycznia 2023 u wszystkich ubezpieczonych w ZUS, przy średnim poziomie absencji 17 do 22 dni na pracownika rocznie przez payroll przechodzi kilka tysięcy spraw e-ZLA w tym zaświadczenia kontrolne i aktualizacje statusu.

56% Silnik reguł
44% Agent AI
0% Człowiek

Architektura chroni wrażliwe dane o zdrowiu przez ścisły podział ról między zbieraniem a oceną:

48 000 e-ZLA rocznie, brak tolerancji błędów w terminach wynagrodzenia chorobowego

Każdego ranka w systemie pojawiają się nowe e-ZLA. W poniedziałki po fali grypy bywają ich dziesiątki. Każde pojedyncze zwolnienie uruchamia kaskadę: przypisanie do pracownika, sprawdzenie czy to pierwsze zwolnienie czy kontynuacja, obliczenie okresu wynagrodzenia chorobowego od pracodawcy, analiza historii nieobecności pod kątem wcześniejszych zwolnień, powiadomienie ZUS, korekta payroll, informacja do przełożonego - bez diagnozy. A przy przypadkach długoterminowych: monitorowanie progu nieobecności.

To nie jest sytuacja wyjątkowa. To normalność. Przeciętnie od 14 do 18 dni chorobowych na pracownika rocznie w Polsce, trend stabilny na podwyższonym poziomie. W organizacji z 2 000 pracowników oznacza to 28 000 do 36 000 dni chorobowych rocznie - każdy z nich akt administracyjny z ustawowymi terminami i konsekwencjami przy zaniedbaniu. Same koszty wynagrodzenia chorobowego od pracodawcy (art. 92 Kodeksu Pracy: 33 dni, potem zasiłek ZUS) stanowią ogromne obciążenie budżetowe. Problem nie tkwi w złożoności pojedynczego zwolnienia. Problem tkwi w wolumenie przy zerowej tolerancji na błąd.

Gdzie powstają błędy

Agent działa zgodnie z zasadą Decision Layer: każda decyzja jest oparta na regułach, wspierana przez AI lub przypisana człowiekowi.

Obliczenie okresu wynagrodzenia chorobowego na podstawie art. 92 Kodeksu Pracy brzmi prosto: 33 dni wynagrodzenia od pracodawcy (14 dni dla osób powyżej 50. roku życia), potem zasiłek chorobowy z ZUS. W praktyce jest to jedno z najczęstszych źródeł błędów w naliczeniu wynagrodzeń. Trzy konstelacje powodują najwięcej problemów:

Sumowanie nieobecności. Gdy pracownik w ciągu roku kalendarzowego choruje wielokrotnie, dni wynagrodzenia chorobowego od pracodawcy kumulują się. W praktyce regularnie zawodzi to na ręcznym śledzeniu sumy dni. Rezultat: pracodawca płaci wynagrodzenie chorobowe, choć uprawnienie już się wyczerpało - albo przechodzi na zasiłek ZUS zbyt wcześnie.

Ciągłość i kontynuacja. Gdy wpływa e-ZLA, trzeba natychmiast ustalić: czy to nowa niezdolność do pracy, czy przedłużenie istniejącej? Od tego zależy, czy 33-dniowy limit biegnie dalej, czy od nowa. Przy ręcznym przetwarzaniu wystarczy jedno błędne porównanie dat, by cała kalkulacja się posypała.

Podstawa wymiaru wynagrodzenia chorobowego. Obliczenie podstawy z 12 lub 6 miesięcy wstecz, z uwzględnieniem składników stałych i zmiennych, premii i dodatków - to algorytm o wielu zmiennych. Ręczna kalkulacja przy złożonych strukturach wynagrodzenia jest podatna na błędy przy każdym drugim przypadku.

Cztery terminy, cztery odbiorcy, zero marginesu

Pojedyncze zwolnienie lekarskie dotyczy równolegle kilku procesów i systemów:

Wpływ e-ZLA
    |
    +-- Payroll: wynagrodzenie chorobowe czy zasiłek ZUS?
    |
    +-- ZUS: powiadomienie (termin ustawowy)
    |
    +-- Przełożony: informacja bez diagnozy
    |
    +-- Monitor nieobecności: kumulacja dni, kontrola progu

Każdy z tych czterech wątków ma własne terminy, własnych odbiorców, własne reguły ochrony danych. Powiadomienie do ZUS musi wyjść terminowo. Przełożony może się dowiedzieć, że ktoś jest chory - ale nie na co. Payroll musi wiedzieć, czy obowiązuje wynagrodzenie chorobowe, czy zasiłek. A monitor nieobecności musi w tle sumować dni - przez miesiące, przez przerwy.

Ręcznie oznacza to: cztery różne systemy, cztery różne kroki przetwarzania, przy każdym pojedynczym zwolnieniu. Przy stu zwolnieniach miesięcznie beherrschowalny proces zamienia się w kruchy konstrukt z przypomnień, arkuszy Excel i zasady nadziei.

Silnik reguł zamiast zgadywania

Sick Leave Processing Agent rozkłada ten proces na poszczególne kroki i dla każdego przypisuje decydenta: silnik reguł, analiza AI lub człowiek.

Zdecydowana większość tych kroków jest deterministyczna. Przypisanie e-ZLA na podstawie numeru pracownika: silnik reguł. Porównanie dat - pierwsze zwolnienie czy kontynuacja: silnik reguł. Obliczenie wynagrodzenia chorobowego wg art. 92 KP: silnik reguł. Powiadomienie ZUS: silnik reguł. Informacja do przełożonego bez danych diagnostycznych: silnik reguł.

Tylko w jednym miejscu proces wymaga analizy: przy kumulacji i nakładaniu się nieobecności. Tu trzeba zbadać historię zwolnień pod kątem powiązań i ciągłości. To nie jest prosta odpowiedź tak/nie, lecz rozpoznawanie wzorców w złożonej historii nieobecności. Wspomagane AI, ale z transparentnym protokołem decyzyjnym - bo każda kalkulacja musi wytrzymać weryfikację przed sądem pracy.

Próg długoterminowej nieobecności: gdzie automatyzacja się kończy

Przy długotrwałych chorobach agent monitoruje kumulatywną długość nieobecności. Gdy pracownik zbliża się do 182 dni zasiłku chorobowego (lub 270 dni przy gruźlicy), zmienia się traktowanie prawne i finansowe. Agent rozpoznaje ten próg niezawodnie - nawet gdy dni składają się z kilku krótszych nieobecności, rozłożonych na miesiące, z przerwami.

Ale: samej decyzji o dalszym postępowaniu agent nie podejmuje. Zgłasza przekroczenie progu do HR. Człowiek decyduje o formie i czasie działania. To nie jest ograniczenie techniczne - to świadoma decyzja architektoniczna. Kwestie związane z rentą, rehabilitacją zawodową czy dalszym zatrudnieniem to rozmowy między ludźmi o przyszłości stosunku pracy. Żaden algorytm nie decyduje, kiedy jest odpowiedni moment na taką rozmowę.

To rozgraniczenie jest symptomatyczne dla całego procesu: agent przejmuje wolumen, terminy i obowiązki meldunkowe. Człowiek zachowuje decyzje wymagające osądu.

Dane zdrowotne wymagają własnej architektury ochrony

Zwolnienia lekarskie zawierają szczególne kategorie danych osobowych wg art. 9 RODO. To wymaga czegoś więcej niż uprawnień dostępu i szyfrowania. Wymaga architektury wymuszającej minimalizację danych.

Agent przetwarza okresy niezdolności i typy zwolnień - ale tylko tam, gdzie jest to absolutnie konieczne do kalkulacji. Konkretne diagnozy nie są przekazywane przełożonym, nie są zapisywane w treści powiadomień, nie są protokołowane w Decision Log. Każda reguła przetwarzania jest udokumentowana w porozumieniu z radą zakładową i dostępna do wglądu.

Brzmi jak oczywistość. W praktyce procesów ręcznych tak nie jest. Kto przesyła zwolnienia lekarskie jako PDF mailem do przełożonego, ma problem z ochroną danych - nawet jeśli nikt nie wywołał go celowo. Agent regułowy strukturalnie tego problemu nie ma, ponieważ architektura informacyjna określa, które dane trafiają do którego odbiorcy.

Tabela mikrodecyzji

Kto decyduje w tym agencie?

9 kroków decyzyjnych, podział według decydenta

56%(5/9)
Silnik reguł
deterministyczne
44%(4/9)
Agent AI
modelowe z poziomem pewności
0%(0/9)
Człowiek
jawnie przypisane
Człowiek
Silnik reguł
Agent AI
Każdy wiersz to decyzja. Rozwiń, aby zobaczyć protokół decyzyjny i możliwość sprzeciwu.
Przyjęcie zwolnienia Klasyfikacja typu dokumentu (początkowe, kontynuacja, rehabilitacja) Agent AI

Klasyfikacja dokumentów z ustrukturyzowanych i półustrukturyzowanych wejść

Protokół decyzyjny

Wersja modelu i wynik pewności
Dane wejściowe i wynik klasyfikacji
Uzasadnienie decyzji (wyjaśnialność)
Ścieżka audytu z pełną identyfikowalnością

Możliwość sprzeciwu: Tak - w pełni udokumentowane, weryfikowalne przez ludzi, sprzeciw przez formalny proces.

Walidacja danych zwolnienia Sprawdzenie kompletności, dat, danych lekarza Silnik reguł

Walidacja regułowa względem wymogów ustawowych

Protokół decyzyjny

ID reguły i numer wersji
Dane wejściowe które uruchomiły regułę
Wynik obliczenia i zastosowana formuła

Możliwość sprzeciwu: Tak - zastosowanie reguły weryfikowalne. Sprzeciw przy błędnych danych lub złej wersji reguły.

Dopasowanie do rekordu pracownika Powiązanie zwolnienia z właściwym pracownikiem i historią nieobecności Silnik reguł

Deterministyczne dopasowanie na ID pracownika i zakresach dat

Protokół decyzyjny

ID reguły i numer wersji
Dane wejściowe które uruchomiły regułę
Wynik obliczenia i zastosowana formuła

Możliwość sprzeciwu: Tak - zastosowanie reguły weryfikowalne. Sprzeciw przy błędnych danych lub złej wersji reguły.

Kontrola nakładających się nieobecności Wykrycie konfliktów z istniejącym urlopem lub innymi okresami chorobowymi Silnik reguł

Wykrywanie nakładania zakresów dat względem kalendarza nieobecności

Protokół decyzyjny

ID reguły i numer wersji
Dane wejściowe które uruchomiły regułę
Wynik obliczenia i zastosowana formuła

Możliwość sprzeciwu: Tak - zastosowanie reguły weryfikowalne. Sprzeciw przy błędnych danych lub złej wersji reguły.

Obliczenie prawa do wynagrodzenia chorobowego Ustalenie pozostałych dni wynagrodzenia od pracodawcy per art. 92 KP Silnik reguł

Obliczenie ustawowe na podstawie stażu i historii nieobecności

Protokół decyzyjny

ID reguły i numer wersji
Dane wejściowe które uruchomiły regułę
Wynik obliczenia i zastosowana formuła

Możliwość sprzeciwu: Tak - zastosowanie reguły weryfikowalne. Sprzeciw przy błędnych danych lub złej wersji reguły.

Uruchomienie powiadomień ustawowych Wysłanie wymaganych powiadomień do ZUS w terminie Agent AI

Automatyczne powiadamianie ze śledzeniem terminów

Protokół decyzyjny

Wersja modelu i wynik pewności
Dane wejściowe i wynik klasyfikacji
Uzasadnienie decyzji (wyjaśnialność)
Ścieżka audytu z pełną identyfikowalnością

Możliwość sprzeciwu: Tak - w pełni udokumentowane, weryfikowalne przez ludzi, sprzeciw przez formalny proces.

Flagowanie przekroczeń progów Alarmowanie HR przy osiągnięciu progu nieobecności długoterminowej Silnik reguł

Regułowy monitoring progów uruchamiający eskalację

Protokół decyzyjny

ID reguły i numer wersji
Dane wejściowe które uruchomiły regułę
Wynik obliczenia i zastosowana formuła

Możliwość sprzeciwu: Tak - zastosowanie reguły weryfikowalne. Sprzeciw przy błędnych danych lub złej wersji reguły.

Routing niejednoznacznych przypadków Eskalacja niejasnych wzorców lub niekompletnej dokumentacji do HR Agent AI

Rozpoznawanie wzorców dla przypadków brzegowych wymagających oceny człowieka

Protokół decyzyjny

Wersja modelu i wynik pewności
Dane wejściowe i wynik klasyfikacji
Uzasadnienie decyzji (wyjaśnialność)
Ścieżka audytu z pełną identyfikowalnością

Możliwość sprzeciwu: Tak - w pełni udokumentowane, weryfikowalne przez ludzi, sprzeciw przez formalny proces.

Aktualizacja systemów czasu pracy i payroll Rejestracja dni nieobecności i korekta obliczenia wynagrodzenia Agent AI

Automatyczna synchronizacja downstream po zwalidowanym przetwarzaniu

Protokół decyzyjny

Wersja modelu i wynik pewności
Dane wejściowe i wynik klasyfikacji
Uzasadnienie decyzji (wyjaśnialność)
Ścieżka audytu z pełną identyfikowalnością

Możliwość sprzeciwu: Tak - w pełni udokumentowane, weryfikowalne przez ludzi, sprzeciw przez formalny proces.

Protokół decyzyjny i prawo do sprzeciwu

Każda decyzja, którą ten agent podejmuje lub przygotowuje, jest dokumentowana w pełnym protokole decyzyjnym. Dotknięci pracownicy mogą przeglądać, rozumieć i kwestionować każdą pojedynczą decyzję.

Jaka reguła w jakiej wersji została zastosowana?
Na jakich danych oparto decyzję?
Kto (człowiek, silnik reguł czy AI) zdecydował - i dlaczego?
Jak osoba dotknięta może złożyć sprzeciw?
Jak Decision Layer wymusza to architektonicznie →

Czy ten agent pasuje do Twojego procesu?

Analizujemy Twój konkretny proces i pokazujemy, jak ten agent wpisuje się w Twój krajobraz systemowy. 30 minut, bez przygotowania.

Przeanalizować proces

Uwagi dotyczące governance

EU AI Act: Niskie ryzyko
Niesklasyfikowany jako wysokiego ryzyka w ramach EU AI Act - agent przetwarza dokumenty i stosuje deterministyczne reguły bez podejmowania decyzji o stosunku pracy. Jednakże art. 9 RODO ma zastosowanie, ponieważ dane o zwolnieniach lekarskich stanowią dane zdrowotne - kategorię szczególną. Przetwarzanie musi opierać się na obowiązkach wynikających z prawa pracy (art. 9 ust. 2 lit. b) i wymaga wzmocnionych środków bezpieczeństwa. Agent nie może przeprowadzać analizy wzorców, która mogłaby stanowić profilowanie zdrowotne. Ocena Skutków dla Ochrony Danych jest obowiązkowa.

Panel wyników

Agent Readiness 84-91%
Governance Complexity 21-28%
Economic Impact 68-75%
Lighthouse Effect 16-23%
Implementation Complexity 21-28%
Wolumen transakcji Codziennie

Wymagania wstępne

  • Możliwość przyjmowania zwolnień cyfrowych (portal, e-mail lub interfejs e-ZLA)
  • Historia nieobecności pracownika dostępna dla agenta
  • Reguły wynagrodzenia chorobowego skodyfikowane per jurysdykcja (art. 92 KP, ustawa zasiłkowa)
  • Interfejs raportowania do ZUS
  • Integracja z systemem ewidencji czasu i payroll
  • Umowa powierzenia przetwarzania danych obejmująca dane zdrowotne (art. 9 RODO - kategoria szczególna)

Wkład w infrastrukturę

Sick Leave Processing Agent ustanawia wzorce klasyfikacji dokumentów, śledzenia terminów i powiadomień ustawowych reużytkowane przez Leave of Absence Agent, Compliance Training Agent i każdego agenta obsługującego powiadomienia regulacyjne wrażliwe na czas. Protokoły obsługi danych zdrowotnych zbudowane tutaj wyznaczają standard dla wszystkich przyszłych agentów przetwarzających dane kategorii szczególnej. Buduje Decision Logging i Audit Trail wykorzystywane przez Decision Layer do zapewnienia możliwości śledzenia i kwestionowania każdej decyzji.

Co zawiera ta ocena: 9 slajdów dla Twojego zespołu kierowniczego

Spersonalizowana z Twoimi danymi. Wygenerowana w 2 minuty w przeglądarce. Bez przesyłania, bez logowania.

  1. 1

    Strona tytułowa - Nazwa procesu, punkty decyzyjne, potencjał automatyzacji

  2. 2

    Podsumowanie - Uwolnione FTE, koszt na transakcję, data progu rentowności

  3. 3

    Stan obecny - Wolumen transakcji, koszty błędów, scenariusz wzrostu

  4. 4

    Architektura rozwiązania - Człowiek - silnik reguł - agent AI

  5. 5

    Governance - EU AI Act, rada zakładowa/GoBD, ścieżka audytu

  6. 6

    Analiza ryzyka - 5 ryzyk z prawdopodobieństwem i środkami zaradczymi

  7. 7

    Mapa drogowa - Plan 3-fazowy z konkretnymi datami

  8. 8

    Business case - Porównanie 3 scenariuszy plus matryca wrażliwości

  9. 9

    Propozycja dyskusji - Konkretne kolejne kroki

Zawiera: porównanie 3 scenariuszy

Brak działania vs. nowe zatrudnienie vs. automatyzacja - z Twoim poziomem wynagrodzeń, Twoją stopą błędów i Twoim planem wzrostu.

Pokaż metodologię obliczeń

Hourly rate: Annual salary (your input) × 1.3 employer burden ÷ 1,720 annual work hours

Savings: Transactions × 12 × automation rate × minutes/transaction × hourly rate × economic factor

Quality ROI: Error reduction × transactions × 12 × EUR 260/error (APQC Open Standards Benchmarking)

FTE: Saved hours ÷ 1,720 annual work hours

Break-Even: Benchmark investment ÷ monthly combined savings (efficiency + quality)

New hire: Annual salary × 1.3 + EUR 12,000 recruiting per FTE

Wszystkie dane pozostają w Twojej przeglądarce. Nic nie jest przesyłane na serwer.

Sick Leave Processing Agent

Initial assessment for your leadership team

A thorough initial assessment in 2 minutes - with your numbers, your risk profile and industry benchmarks. No vendor logo, no sales pitch.

30K120K
1%15%

All data stays in your browser. Nothing is transmitted.

Często zadawane pytania

Czy agent uzyskuje dostęp do informacji o diagnozie medycznej lub ją analizuje?

Nie. Agent przetwarza wyłącznie elementy danych prawnie wymagane do payroll i raportowania ustawowego: daty, czas trwania i ważność zwolnienia. Kody diagnoz nie są wyodrębniane, przechowywane ani analizowane.

Jak agent obsługuje elektroniczne zwolnienia lekarskie (e-ZLA)?

Agent obsługuje zarówno tradycyjny obieg dokumentów, jak i system e-ZLA. Logika przetwarzania jest taka sama - różni się tylko kanał przyjęcia.

Co dalej?

1

30 minut

Pierwsza rozmowa

Analizujemy Twój proces i identyfikujemy optymalny punkt startowy.

2

1 tydzień

Discover

Mapowanie logiki decyzyjnej. Reguły udokumentowane, Decision Layer zaprojektowany.

3

3-4 tygodnie

Build

Produkcyjny agent w Twojej infrastrukturze. Governance, audit trail, cert-ready od dnia 1.

4

12-18 miesięcy

Samodzielność

Pełny dostęp do kodu źródłowego, promptów i wersji reguł. Bez vendor lock-in.

Wdrożyć tego agenta?

Oceniamy Twój krajobraz procesowy i pokazujemy, jak ten agent pasuje do Twojej infrastruktury.