Bestyrelser føler sig ofte pressede til at acceptere høje lønkrav fra siddende topchefer eller kandidater til topchefstillinger. Investorerne, der betaler regningen, sidder ofte frustrerede tilbage og fornemmer, at aflønningen er overdreven. Deres problem er, at selv om der findes masser af data om topcheflønninger og deres sammenhæng med performance, er det svært at samle og analysere dem. Netop det vil kunstig intelligens kunne hjælpe med.
Er det overhovedet korrekt at tale om et arbejdsmarked? Det er det selvfølgelig i den simple forstand, at parter mødes og indgår aftaler med hinanden.
Men det er langt fra et perfekt marked i teoretisk forstand. For skulle det være tilfældet, måtte aktørerne have frihed til at vælge mellem muligheder og frihed til selv at forhandle priser (altså lønninger), og de skulle have information om, hvilke priser og vilkår, andre handler til.
Netop det kniber det gevaldigt med for topchefer. Én forklaring kan være, at toplederlønningerne over de seneste årtier er steget mere end lønningerne for andre ansatte. Men kunstig intelligens kan ændre spillet, skriver dataanalytiker på Harvard Lawschools blog.
For de bestyrelser, der skal skrive kontrakt med en ny topchef (eller genforhandle med en eksisterende), er dilemmaet, at de sjældent har et godt sammenligningsgrundlag. Især i toppen af erhvervslivet er ledelse ikke en standardiseret opgave.
Under forhandlingerne vil kandidaten kunne nævne adskillige eksempler på virksomheder af samme størrelse, der får eksorbitante lønninger. Bestyrelsen vil måske være skeptisk, men alligevel ende med at acceptere kravet ud fra princippet better safe than sorry: Man er måske overbevist om, at kandidaten har evnerne, og de millioner, man måske kommer til at betale for meget, gør alligevel ikke nogen forskel i virksomhedens regnskab.
Men aktive investorer vil være mindre tilbøjelige til bare at acceptere tilstanden. Hvis lønniveauet er usagligt højt, kan de være med til at betale gildet i mange forskellige virksomheder. De kan markere deres synspunkt under afstemningerne på generalforsamlingerne. Men det er også nemmere sagt end gjort.
En stor investor har ingen praktisk mulighed for at analysere rimeligheden af topcheflønningerne i hvert af de selskaber, de ejer aktier i. Dertil kræver det et for stort arbejde at indsamle data.
Så kan de alliere sig med et af de konsulenthuse, der foretager disse analyser for efterfølgende at anbefale stemmeafgivning. Men heller ikke dette er ligefremt, for selv for konsulenthusene er det svært.
De skal ikke blot forholde sig til de tal, der står på topchefernes lønsedler, men også til hensigtsmæssigheden af bonusordninger og konkrete betingelser i ansættelseskontrakterne: Hvilken økonomisk risiko står man med, hvis topchefen viser sig ikke at besidde evnerne, eller hvis bestyrelsen af andre grunde ønsker at skifte topchefen ud?
Vil der være mulighed for at regulere lønniveauet nedad, hvis man vurderer, at lønniveauet for topchefer i ens brancher falder?
Dertil kommer, at konsulenternes standardiserede råd om stemmeafgivning ikke tager højder for, at investorerne kan have vidt forskellige strategier. De kan f.eks. have forskellige tidshorisonter for deres investeringer.
Investorer, såvel som bestyrelser og konsulenter, står altså grundlæggende med det problem, at nok har de masser af data til rådighed, når de skal forholde sig til topcheflønningerne i de selskaber, de har aktier i – det er bare svært, grænsende til umuligt, at finde hoved og hale i, hvad budskabet i disse data er.
Det er imidlertid netop den slags, AI kan hjælpe med, og dataanalytikerens budskab er, at investorerne godt kan begynde at stille krav om, at de konsulenter, der anbefaler stemmeafgivning, i det mindste forholder sig til de nye muligheder.
I USA findes data om topcheflønninger spredt ud over en masse forskellige indberetninger til blandt andet børsmyndighederne. Med en AI-analyse af disse data vil det snart være muligt ikke blot at komme med et bud på, hvad en typisk topchefløn i en given branche er. Man vil også kunne sammenligne lønninger og lønpakker med virksomhedernes økonomiske resultater over en periode.
På den måde får investorerne ikke bare et billede af, hvad lønniveauet bør være. De får en film.
Sten Thorup Kristensen