Deel запускает модели ИИ Pangaea для HR и расчёта зарплат, делая ставку на то, что специализированные модели снизят стоимость ответов

Команде по работе с персоналом, которая задаёт ИИ-помощнику вопрос об отпуске сотрудника, недостаточно убедительного объяснения. Ей нужно быстро получить верное правило для нужной страны — так, чтобы помочь принять решение до того, как ошибка отразится в расчётном листке.

Сегодня компания Deel, разработчик программного обеспечения для расчёта зарплат и управления персоналом, делает ставку на то, что небольшие ИИ-модели, обученные разбираться в таких вопросах, смогут отвечать на многие из них эффективнее, чем крупнейшие универсальные модели.

Сегодня компания объявила о запуске Pangaea — пары специализированных языковых моделей — и Emet, бизнеса, который предоставляет обучающие материалы, подготовленные экспертами, и оценивает эффективность ИИ.

Вместе они позволяют Deel улучшать собственного помощника и продавать другим разработчикам ИИ экспертизу, лежащую в его основе.

Самый наглядный ранний результат касается Pangaea K1 — модели для работы со знаниями. В оценке Deel модель K1 набрала 70 баллов при лучшем результате 75, при этом медианное время формирования ответа составило 7,7 секунды. Четырём моделям, показавшим более высокие результаты, требовалось от 14,8 до 28,4 секунды, согласно материалам, предоставленным Deel изданию VentureBeat.

Это результаты, опубликованные самой компанией и полученные на разработанном ею тесте. Но они иллюстрируют практический вопрос для бизнеса: сколько стоит разработчику программного обеспечения обращаться к внешней модели ИИ, если он может обучить небольшую модель самостоятельно отвечать на часто задаваемые вопросы?

Две модели для разных задач

Pangaea включает K1, которая отвечает на вопросы о правилах трудоустройства и рабочих процедурах, и P1, специализирующуюся на расчёте зарплат.

Deel адаптировала существующие модели с доступными для скачивания весами, а не обучала совершенно новые базовые модели. В письменных ответах VentureBeat компания сообщила, что K1 создана на основе неназванной модели с 9 млрд параметров — числовых значений, определяющих её поведение.

Deel продолжила обучать эту модель на внутренних справочных материалах, а затем научила её формировать ответы на примерах, сгенерированных более мощной моделью-учителем. Этот процесс изменяет саму модель, позволяя ей воспроизводить информацию без предварительного поиска каждого релевантного документа.

По словам компании, её справочная база включает более 43 500 страниц, которые поддерживают свыше 2 000 специалистов в области трудового права, управления персоналом, расчёта зарплат и нормативных требований. Обучающие материалы K1 содержат переработанные версии этих сведений и небольшое количество общих текстов — всего около 1,2 млрд токенов.

P1 создана иначе. Deel сообщила, что в её основе лежит семейство моделей Nemotron от Nvidia, а AI21 Labs провела дополнительное обучение на примерах расчёта зарплат, подготовленных с помощью Emet. Deel не раскрыла точную версию Nemotron или базовую модель, на которой построена K1.

Важно для работодателей: Deel утверждает, что ни одна из запущенных моделей не обучается на идентифицируемых данных сотрудников или фактических расчётных ведомостях клиентов. Для обучения используются документы и примеры, подготовленные специалистами.

Обновление происходит внутри Deel

Клиенты будут пользоваться Pangaea через Deel AI — помощника, уже встроенного в программное обеспечение компании. Он предназначен, в частности, для разъяснения местных требований к трудоустройству, прав на отпуск и вопросов расчёта зарплаты.

Это не означает, что каждый вопрос будет направляться в Pangaea. Deel продолжит использовать универсальные модели для запросов, требующих их возможностей, в том числе более широкого рассуждения и сложных агентных рабочих процессов.

В интервью VentureBeat Абхиджит Мехта, которого Deel представляет как старшего директора по продукту, описал систему, выбирающую модель в зависимости от вопроса.

«Мы выбрали лучшую модель для каждой задачи», — сказал Мехта.

Клиентам не придётся делать этот выбор самостоятельно.

«Они просто будут получать наилучший ответ так быстро, как только мы сможем», — сказал VentureBeat сооснователь и генеральный директор Deel Алекс Буазиз.

Отдельное подключение Deel к Claude через Model Context Protocol, или MCP, работает иначе. Как пояснила компания, пользователь, задающий вопрос о Deel из Claude, по-прежнему получает ответ от Claude на основе информации, передаваемой через это подключение. Подключение Deel не переключает Claude автоматически на Pangaea.

Deel также отмечает, что поиск по документам остаётся полезным дополнением к K1: он позволяет указывать источники, проверять сведения и учитывать изменения, произошедшие после обучения. Знание трудовых правил не отменяет необходимости проверять, не изменились ли они.

Что на самом деле показывает тест

EmBench Global Work проверяет 601 вопрос о корпоративных процедурах и международных трудовых вопросах. Deel предоставила конкурирующим моделям доступ к той же справочной базе и использовала другую модель ИИ для оценки отдельных фактов в ответах.

На диаграмме результатов Deel K1 опережает Gemini 3.8 Flash, набравшую 69 баллов, GPT-6 Sol с результатом 59 и GPT-6 Luna с результатом 52. Лидирует DeepSeek V4.1 Flash с 75 баллами, за ней идут Claude Opus 5.5 с 74, GLM 5.3 Flash с 72 и Claude Sonnet 5.5 с 71 баллом.

Таким образом, сравнение не доказывает, что K1 — самый точный вариант. Оно показывает, что в рамках этой конкретной оценки специализированная модель приближается к лидерам, быстрее формируя ответы.

Обучение также существенно влияет на результат. Согласно диаграмме Deel, исходная модель с 9 млрд параметров набирает 19 баллов без поиска и 46 — с поиском, тогда как адаптированная K1 получает 70.

Эти баллы отражают результаты, полученные по методике оценки Deel. Сам по себе результат 70 не означает, что система правильно обрабатывает 70% операций по расчёту зарплат или может самостоятельно принимать решения о трудоустройстве.

Кроме того, тест сравнивает полноценные системы с разными подходами: K1 воспроизводит усвоенные сведения, а конкуренты используют поиск по документам. Это отражает устройство продукта Deel, но не является универсальным рейтингом базовых моделей.

Emet также представляет EmBench Payroll — оценку, основанную на знаниях специалистов о требованиях к расчёту зарплат в разных странах. Deel утверждает, что P1 приближается к ведущим моделям при ответах на сложные вопросы в рамках этого теста. Это отдельное утверждение, не связанное с результатами K1; ни одна из оценок не доказывает надёжную работу во всех странах и ситуациях, связанных с расчётом зарплат.

Во время подготовки материала VentureBeat не удалось получить доступ к общедоступному сайту с результатами теста, и издание не воспроизводило результаты самостоятельно.

Зачем Deel развивает бизнес по обучению ИИ

Emet предназначена не только для проверки собственного чат-бота Deel.

Компания описывает три направления: оценку моделей, обучающие примеры, подготовленные экспертами, и практические среды, в которых системы ИИ выполняют бизнес-задачи и получают обратную связь от автоматизированных проверок.

Коммерческая логика опирается на уже существующую инфраструктуру Deel. В публичном профиле компании указано, что у неё более 40 000 клиентов и она работает в 150 странах. Deel уже нанимает специалистов в разных юрисдикциях, проверяет их данные, заключает с ними договоры и выплачивает им вознаграждение; Emet применяет эту инфраструктуру для привлечения людей, которые создают и оценивают обучающие материалы для ИИ.

Буазиз сообщил, что Deel начала сотрудничать с крупными лабораториями ИИ, но не назвал их в интервью. По его мнению, бизнес-операции дают возможность предоставлять экспертизу, необходимую разработчикам при переходе от универсальных чат-ботов и инструментов для программирования к другим задачам.

Deel служит начальной испытательной площадкой. Эксперты выявляют недостатки, готовят дополнительные примеры и оценивают последующие версии. Мехта сообщил, что за предшествующие три недели команда ежедневно выпускала внутренние версии моделей, и предположил, что со временем может подойти график еженедельных обновлений.

Пока это лишь ожидание, а не обещанный график выпуска.

Новые продукты также дополняют Akai — отдельную платформу автоматизации Deel. Akai координирует работу агентов, выполняющих операционные процессы; Pangaea предоставляет специализированные ответы; Emet разрабатывает материалы и тесты, которые могут повысить эффективность моделей. Клиентам Akai не нужна отдельная подписка на расчёт зарплат или управление персоналом Deel.

Для корпоративных клиентов главное — стоимость и контроль

Для Deel более быстрые ответы — это преимущество для клиентов, а более дешёвые обращения к моделям могут повысить рентабельность внедрения ИИ во всём программном обеспечении компании.

Буазиз подчеркнул, что расходы на ИИ, с которым взаимодействуют клиенты, влияют на валовую маржу. Если переводить больше специализированных запросов на модели, контролируемые самой компанией, это может снизить зависимость от внешних поставщиков и упростить управление стоимостью обработки таких запросов.

Однако это не доказывает, что общие расходы на владение системой будут ниже. Обучение, размещение моделей, оценка, поддержка документов и экспертная проверка по-прежнему требуют вложений. Рассмотренные материалы не содержат независимо подтверждённых данных о ежемесячной экономии.

Deel заявляет, что помощник входит в существующие подписки на продукты компании и отдельная плата за каждый вопрос не взимается. Компания не объявляла о доступных для скачивания весах Pangaea или общедоступном API Pangaea с опубликованными тарифами. Emet предлагает потенциальным клиентам проекты с индивидуально определёнными условиями, а не общедоступный прайс-лист.

Поэтому для корпоративных клиентов непосредственное предложение — это обновление в рамках уже существующего сервиса. Разработчикам ИИ Emet предлагает потенциальный источник специализированных примеров и экспертных знаний для оценки моделей.

Главная проверка — сможет ли Deel сохранить преимущества в скорости и стоимости, поддерживая актуальность ответов во всех юрисдикциях. Уже собственные результаты компании показывают, какой баланс ей предстоит найти: специализация позволяет небольшой модели конкурировать с крупными, но некоторые универсальные системы всё же отвечают точнее.