دیل از مدل‌های هوش مصنوعی Pangaea رونمایی کرد؛ پاسخ سریع و ارزان به پرسش‌های حقوق‌ودستمزد

وقتی یک تیم منابع انسانی درباره مرخصی کارکنان از دستیار هوش مصنوعی سؤال می‌پرسد، صرفاً به یک توضیح قانع‌کننده نیاز ندارد؛ بلکه به قانون دقیق و درستِ همان کشور نیاز دارد، آن‌هم با سرعتی که پیش از ثبت خطا در فیش حقوقی، امکان تصمیم‌گیری را فراهم کند.

امروز شرکت نرم‌افزاری دیل (Deel) که در حوزه منابع انسانی و حقوق‌ودستمزد فعالیت می‌کند، روی این ایده سرمایه‌گذاری کرده است که مدل‌های هوش مصنوعی کوچک‌تر، در صورت آموزش اختصاصی برای درک این فرایندها، می‌توانند به بسیاری از این سؤالات بسیار کارآمدتر از مدل‌های غول‌پیکر و چندمنظوره پاسخ دهند.

این شرکت از دو مدل زبانی تخصصی به نام Pangaea در کنار واحد تجاری جدیدی به نام Emet رونمایی کرد؛ کسب‌وکاری که داده‌های آموزشی تولیدشده توسط کارشناسان را تأمین کرده و عملکرد سیستم‌های هوش مصنوعی را ارزیابی می‌کند.

این دو بخش در کنار یکدیگر به دیل امکان می‌دهند علاوه بر ارتقای دستیار هوشمند خود، دانش تخصصی پشتیبان آن را به سایر توسعه‌دهندگان هوش مصنوعی نیز عرضه کند.

واضح‌ترین نتیجه اولیه به مدل دانش‌محور Pangaea K1 مربوط می‌شود. در ارزیابی‌های دیل، این مدل به امتیاز ۷۰ دست یافت (در حالی که بالاترین امتیاز ثبت‌شده ۷۵ بود) و پاسخ‌ها را در مدت میانه ۷٫۷ ثانیه تولید کرد. این در حالی است که چهار مدل مقایسه‌شده با امتیاز بالاتر، طبق اطلاعات ارائه‌شده از سوی دیل، بین ۱۴٫۸ تا ۲۸٫۴ ثانیه زمان نیاز داشتند.

اگرچه این نتایج گزارش رسمی شرکت بر پایه آزمایشی داخلی است، اما پرسش کاربردی و مهمی را برای سازمان‌ها مطرح می‌کند: یک شرکت نرم‌افزاری تا چه اندازه باید برای فراخوانی مدل‌های هوش مصنوعی خارجی هزینه کند، در حالی که می‌تواند مدلی کوچک‌تر را برای پاسخ‌گویی به سؤالات پرتکرار آموزش دهد؟

دو مدل، طراحی‌شده برای وظایف متفاوت

پروژه Pangaea با دو مدل آغاز می‌شود: مدل K1 که به قوانین کار و رویه‌های اجرایی می‌پردازد و مدل P1 که به‌صورت اختصاصی بر امور حقوق‌ودستمزد متمرکز است.

دیل به‌جای آموزش پایه‌ای یک مدل بنیادین از نقطه صفر، مدل‌های موجود با وزن‌های قابل‌دانلود (وزن‌باز) را بهینه‌سازی کرده است. به گفته این شرکت، توسعه مدل K1 با یک مدل ۹ میلیارد پارامتریِ بدون نام آغاز شد؛ پارامترهایی که مقادیر عددی تعیین‌کننده رفتار مدل هستند.

دیل این مدل را با استفاده از مستندات مرجع داخلی خود پیش‌آموزش داد و سپس با استفاده از نمونه‌های تولیدشده توسط یک مدل معلمِ قدرتمندتر، نحوه پاسخ‌دهی را به آن آموخت. این فرایند خودِ مدل را دستخوش تغییر می‌کند و به آن اجازه می‌دهد بدون نیاز به جستجو و بازیابی تک‌تک اسناد، اطلاعات را مستقیماً از حافظه درونی خود به یاد بیاورد.

این شرکت اعلام کرده که مجموعه مراجع آن شامل بیش از ۴۳٬۵۰۰ صفحه است که توسط بیش از ۲٬۰۰۰ متخصص حقوق کار، منابع انسانی، مدیریت حقوق‌ودستمزد و الزامات قانونی نگهداری و به‌روزرسانی می‌شود. داده‌های آموزشی K1 شامل نسخه‌های بازنویسی‌شده از این اطلاعات واقعی به‌همراه حجم محدودی از متن‌های عمومی است که در مجموع به حدود ۱٫۲ میلیارد توکن می‌رسد.

مدل P1 مسیر متفاوتی را دنبال می‌کند. دیل اعلام کرد این مدل بر پایه خانواده نموترون (Nemotron) انویدیا ساخته شده و شرکت AI21 Labs آموزش‌های تکمیلی آن را با استفاده از نمونه‌های حقوق‌ودستمزدِ آماده‌شده در پلتفرم Emet انجام داده است. البته دیل هنوز نسخه دقیق مدل نموترون یا مدل پایه‌ای K1 را مشخص نکرده است.

نکته حائز اهمیت برای کارفرمایان این است که به گفته دیل، هیچ‌یک از این مدل‌ها بر اساس اطلاعات شناسایی‌پذیر کارکنان یا سوابق واقعی حقوق‌ودستمزد مشتریان آموزش ندیده‌اند؛ بلکه آموزش آن‌ها صرفاً با استفاده از اسناد و نمونه‌هایی انجام شده که کارشناسان آماده کرده‌اند.

ارتقای هوشمند درون زیرساخت دیل

مشتریان از طریق Deel AI، دستیاری که پیش از این در نرم‌افزار این شرکت تعبیه شده بود، با مدل‌های Pangaea تعامل خواهند داشت. مأموریت اصلی این دستیار مواردی همچون توضیح الزامات محلی استخدام، حق مرخصی و موضوعات مربوط به فیش حقوقی است.

این موضوع به این معنا نیست که تمام پرسش‌ها به سمت Pangaea هدایت می‌شوند. دیل برای درخواست‌هایی که نیازمند استدلال‌های گسترده‌تر و گردش‌کارهای پیچیده ایجنتی هستند، همچنان از مدل‌های چندمنظوره عمومی استفاده می‌کند.

ابهیجیت مهتا، مدیر ارشد محصول در دیل، سیستمی را توصیف می‌کند که بسته به نوع پرسش، مناسب‌ترین مدل را انتخاب می‌کند.

مهتا در این زمینه توضیح می‌دهد: «ما برای هر وظیفه، بهترین مدل ممکن را انتخاب کرده‌ایم.»

مشتریان نیازی به انتخاب دستی مدل‌ها ندارند.

الکس بوعزیز، هم‌بنیان‌گذار و مدیرعامل دیل، می‌گوید: «مشتریان در سریع‌ترین زمان ممکن، بهترین پاسخ را دریافت خواهند کرد.»

اتصال جداگانه دیل به مدل Claude از طریق پروتکل کانتکست مدل (MCP) ساختار متفاوتی دارد. این شرکت تصریح کرده است کاربری که از داخل Claude به داده‌های دیل دسترسی پیدا می‌کند، همچنان پاسخ‌های خود را از مدل Claude دریافت خواهد کرد که با اطلاعات حاصل از این اتصال غنی شده‌اند. اتصال به دیل باعث انتقال خودکار Claude به مدل Pangaea نمی‌شود.

دیل همچنین تأکید می‌کند که سیستم‌های بازیابی اسناد همچنان در کنار K1 کاربرد دارند؛ زیرا می‌توانند استنادها را ارائه دهند، جزئیات را اعتبارسنجی کنند و تغییرات پس از دوره آموزش را در نظر بگیرند. یادگیری قوانین کار بهتنهایی نیاز به بررسی آخرین تغییرات احتمالی آن قوانین را از بین نمی‌برد.

نتایج بنچمارک در عمل چه چیزی را نشان می‌دهد؟

بنچمارک EmBench Global Work شامل ۶۰۱ پرسش پیرامون رویه‌های شرکتی و موضوعات بین‌المللی استخدام است. دیل به مدل‌های رقیب امکان جستجو در همان پایگاه اسناد مرجع را داد و از مدل هوش مصنوعی دیگری برای نمره‌دهی به درستی تک‌تک فکت‌ها در پاسخ‌های آنها استفاده کرد.

نمودار بنچمارک این شرکت مدل K1 را بالاتر از Gemini 3.8 Flash با امتیاز ۶۹، GPT-6 Sol با امتیاز ۵۹ و GPT-6 Luna با امتیاز ۵۲ قرار می‌دهد. در رتبه‌های برتر، مدل DeepSeek V4.1 Flash با امتیاز ۷۵ پیشتاز است و پس از آن Claude Opus 5.5 با امتیاز ۷۴، GLM 5.3 Flash با امتیاز ۷۲ و Claude Sonnet 5.5 با امتیاز ۷۱ قرار دارند.

بنابراین این مقایسه ثابت نمی‌کند که K1 دقیق‌ترین گزینه است؛ بلکه نشان می‌دهد یک مدل تخصصی می‌تواند در این ارزیابی مشخص، بسیار نزدیک به صدرنشینان جدول عمل کند و در عین حال پاسخ‌ها را بسیار سریع‌تر به پایان برساند.

آموزش تخصصی نیز نتیجه را بهشکل چشمگیری متحول کرده است. در نمودار دیل، مدل اولیه ۹ میلیارد پارامتری بدون قابلیت جستجو به امتیاز ۱۹ و با جستجو به امتیاز ۴۶ رسیده بود، در حالی که مدل K1 پس از بهینه‌سازی تخصصی امتیاز ۷۰ را ثبت کرد.

این امتیازها نشان‌دهنده عملکرد تحت شیوه نمره‌دهی دیل هستند. کسب امتیاز ۷۰ به خودی خود به این معنا نیست که سیستم ۷۰ درصد از تراکنش‌های حقوق‌ودستمزد را بدون خطا پردازش می‌کند یا می‌تواند بهطور مستقل تصمیمات مرتبط با استخدام را تأیید نماید.

این آزمون در عین حال سیستم‌هایی با رویکردهای کاملاً متفاوت را مقایسه می‌کند: مدل K1 اطلاعات را مستقیماً از دانش آموخته‌شده به یاد می‌آورد، در حالی که رقبای آن از فرایند بازیابی اطلاعات (Retrieval) استفاده می‌کنند. این تفاوت، نوع طراحی محصول دیل را منعکس می‌کند، اما به معنای رتبه‌بندی جهان‌شمول برای مدل‌های زیربنایی نیست.

پلتفرم Emet همچنین بنچمارک EmBench Payroll را معرفی کرده است؛ ارزیابی جدیدی که بر پایه دانش کارشناسان از قوانین اختصاصی پرداخت در کشورهای مختلف شکل گرفته است. دیل می‌گوید مدل P1 در پاسخ به سؤالات دشوار این آزمون به عملکرد مدل‌های پیشتاز نزدیک می‌شود. این ادعا مجزا از نتایج K1 است و هیچ‌یک از این دو ارزیابی، عملکرد کاملاً بی‌نقص در تمامی کشورها و همه سناریوهای پرداخت را تضمین نمی‌کنند.

وب‌سایت عمومی این بنچمارک در زمان انتشار این اطلاعات در دسترس نبوده و امتیازهای اعلام‌شده هنوز به‌صورت مستقل مورد راستی‌آزمایی قرار نگرفته‌اند.

چرا دیل وارد بازار آموزش هوش مصنوعی می‌شود؟

فعالیت پلتفرم Emet فراتر از بررسی و ارزیابی چت‌بات اختصاصی دیل است.

این شرکت سه خدمت اصلی را برای این بخش معرفی کرده است: ارزیابی‌ها، نمونه‌های آموزشی تولیدشده توسط کارشناسان، و محیط‌های تمرینی که در آن‌ها سیستم‌های هوش مصنوعی وظایف تجاری را شبیه‌سازی کرده و از بررسی‌های خودکار بازخورد می‌گیرند.

توجیه اقتصادی این اقدام به زیرساخت‌های فعلی دیل بازمی‌گردد. بر اساس اطلاعات رسمی این شرکت، دیل بیش از ۴۰ هزار مشتری دارد و فعالیت‌های آن در ۱۵۰ کشور گسترده است. این مجموعه در حال حاضر فرایند جذب، احراز هویت، عقد قرارداد و پرداخت به متخصصان در حوزه‌های قضایی گوناگون را مدیریت می‌کند؛ اکنون Emet همین سازوکار را برای افرادی به کار می‌گیرد که داده‌های آموزشی هوش مصنوعی را تولید و ارزیابی می‌کنند.

بوعزیز اعلام کرد دیل همکاری با آزمایشگاه‌های بزرگ هوش مصنوعی را آغاز کرده است، هرچند نامی از آن‌ها نبرد. او فرایندهای عملیاتی سازمانی را فرصتی طلایی برای ارائه تخصص‌هایی می‌داند که توسعه‌دهندگان هنگام عبور از چت‌های عمومی و کدنویسی به آن‌ها نیاز دارند.

خودِ دیل بهعنوان نخستین میدان آزمایش عمل می‌کند؛ کارشناسان نقاط ضعف را شناسایی کرده، نمونه‌های بیشتری آماده می‌کنند و نسخه‌های بعدی را می‌سنجند. به گفته مهتا، این تیم در سه هفته گذشته هر روز نسخه‌های بازنگری‌شده‌ای از مدل‌های داخلی تولید کرده و انتظار دارد که در نهایت برنامه به‌روزرسانی هفتگی را در پیش بگیرد.

البته این موضوع در حد یک برنامه احتمالی است و جدول زمانی تعهدشده‌ای برای انتشار عمومی محسوب نمی‌شود.

محصولات جدید همچنین مکمل پلتفرم خودکارسازی Akai هستند که به‌صورت مجزا عرضه می‌شود. پلتفرم Akai هماهنگی ایجنت‌هایی را بر عهده دارد که گردش‌کارهای عملیاتی را اجرا می‌کنند؛ Pangaea پاسخ‌های تخصصی را فراهم می‌آورد؛ و Emet داده‌ها و آزمون‌هایی را توسعه می‌دهد که کیفیت مدل‌ها را ارتقا می‌بخشند. مشتریان Akai برای استفاده از آن به اشتراک جداگانه حقوق‌ودستمزد یا منابع انسانی دیل نیازی ندارند.

توجیه سازمانی: کنترل داده‌ها و کاهش هزینه‌ها

برای دیل، پاسخ‌گویی سریع‌تر یک مزیت رقابتی مهم برای مشتریان به‌همراه دارد و فراخوانی ارزان‌ترِ مدل‌ها نیز می‌تواند توجیه اقتصادی ارائه خدمات هوش مصنوعی را در سراسر نرم‌افزار این شرکت بهبود ببخشد.

بوعزیز تأکید می‌کند که هزینه‌های مرتبط با هوش مصنوعیِ سمت کاربر تأثیر مستقیمی بر حاشیه سود ناخالص شرکت‌ها دارد. هدایت درخواست‌های تخصصی به سوی مدل‌هایی که مستقیماً تحت کنترل شرکت هستند، می‌تواند وابستگی به ارائه‌دهندگان خارجی را کم کند و مدیریت هزینه‌های پردازش این درخواست‌ها را بسیار آسان‌تر سازد.

با این حال، این مزیت به معنای اثبات کاهش قطعی هزینه کل مالکیت نیست. آموزش، میزبانی، ارزیابی، نگهداری مستندات و بررسی کارشناسان همچنان نیازمند سرمایه‌گذاری پیوسته است؛ علاوه بر این، در مستندات ارائه‌شده هیچ رقم دقیقی از میزان صرفه‌جویی ماهانه که توسط مراجع مستقل تأیید شده باشد، به چشم نمی‌خورد.

دیل اعلام کرده که این دستیار هوشمند همچنان بخشی از طرح‌های اشتراک فعلی خواهد بود و هزینه جداگانه‌ای به ازای هر سؤال از مشتریان دریافت نمی‌شود. این شرکت هنوز اوزان قابل دانلود مدل Pangaea یا یک API عمومی و خودکار با لیست قیمت مشخص را ارائه نکرده است. پلتفرم Emet نیز مشتریان بالقوه را به‌جای فهرست قیمت عمومی، به سمت پروژه‌های سفارشی متناسب با نیازهای اختصاصی هدایت می‌کند.

بنابراین برای خریداران سازمانی، ارزش فعلی این طرح در ارتقای امکانات درون یک سرویس موجود خلاصه می‌شود؛ و برای سازندگان هوش مصنوعی، Emet منبع بالقوه‌ای از داده‌های تخصصی و دانش ارزیابی به شمار می‌آید.

چالش و آزمون بزرگ‌تر این خواهد بود که آیا دیل می‌تواند مزیت‌های سرعت و هزینه را در کنار به‌روز نگه‌داشتن اطلاعات قوانین در تمام حوزه‌های قضایی حفظ کند یا خیر. نتایج اولیه این شرکت بهخوبی نشان می‌دهد که ایجاد تعادل میان این دو چقدر دشوار است: تخصصی‌سازی می‌تواند یک مدل کوچک‌تر را رقابت‌پذیر کند، اما برخی سیستم‌های عمومی و چندمنظوره همچنان با دقت بالاتری پاسخ می‌دهند.