基于Mendix快速构建的原生AI全球薪酬管理平台
全球薪资服务提供商的目标看似简单：让客户的员工按时正确领到工资。然而，实现这一目标的幕后流程却异常复杂。
datascalehr 首席营收官兼联合创始人 Emmanuel Remy 表示：“最大的挑战是缺乏可扩展性。”
“随着薪资服务提供商的规模越来越大，他们很难保护自己的营业利润。随着他们覆盖的国家和个人越来越多，他们的业务也变得越来越复杂，唯一的解决办法就是在当地派出更多人员来弥补缺乏能够满足他们需求的软件。”
2022 年，三位行业专家着手填补薪资软件市场的这一空白，并开始 数据尺度人力资源. 他们的人工智能软件简化了跨国工资流程，使供应商能够将重点从技术实施转移到改进 客户体验.
为了快速将软件推向市场并保持灵活性和可扩展性，datascalehr 团队开发了其核心产品，并 Mendix 仅用 8 个月就建立了一个低代码平台。
一个有效的平台
datascalehr 首席执行官兼联合创始人 Jerome Gouvernel 在一家全球领先的薪资服务提供商工作了 15 年，亲眼目睹了该行业面临的挑战。Gouvernel 是团队的领军人物，该团队是第一个为客户提供跨国薪资服务的团队。
建立和维护多国工资单的成本极高。每个国家/地区的工资单处理方式都不同，因此支持数百个国家/地区意味着不同的扣除额、社会保险或税收——随着地缘政治关系变得更加紧张，所有这些都变得更加复杂。
在他的职业生涯中，Gouvernel 还负责领导同一家全球薪资提供商的创新实验室的产品战略。“我们发现，缺少的要素是一个既足够好进行实验，又足够好到可以投入生产的技术平台，”他说。
传统的 ERP 平台无法满足这些要求，因此 Gouvernel 的团队开始尝试低代码。他们评估了 OutSystems 和 Salesforce 等供应商， 最终选择 Mendix.
快速、灵活、可扩展
如今，软件创新和跨国薪酬管理的并行路径在 Gouvernel 看来已交织在一起。“我们意识到，即使过了 20 年，即使是最大的供应商，跨国薪酬管理方式仍然存在未解决的问题，”他说。
datascalehr 成立的目的是创建世界上第一个 预先训练的人工智能 “将工资外包行业从代码维护、数据集成和对帐的束缚中解放出来”。他们的软件的基础是多年前由 Gouvernel 和他的团队进行过压力测试的： Mendix.
Gouvernel 和他的联合创始人 Nicolas Delord 和 Emmanuel Remy 认为 Mendix 将提供：
- 灵活性 作为一家初创公司，需要制作原型并响应客户需求。
- 可靠性 扩展他们的解决方案而不会出现性能问题。
- 合规与 安全认证 – 例如 SOC2 和 ISO – 这些都是薪资行业任何可靠参与者的必备条件。
“我们完全信任该平台。它经过认证，在托管、正常运行时间、故障转移和数据安全方面，它的表现比我们独立完成的要好得多。传统上，如果没有 这些因素包括原料奶的可用性以及达到必要粉末质量水平所需的工艺。 Mendix 云 依靠，”扎瓦兹基说。
datascalehr 的首席技术官兼联合创始人 Nicolas Delord 认为，这种完整性对于快速将其旗舰解决方案推向市场至关重要。 所需的 AI 能力。“我能够专注于执行，而不是维护框架或担心部署等技术任务，”Delord 说。
数据集成变得容易
datascalehr 团队估计，薪资提供商通常要花费高达 75% 的研发预算来建立与客户数据和薪资合作伙伴网络的正确连接。
“连接只是成功的一半，”Gouvernel 解释道。“您必须将工资单结果重新传输到管道，并将其与最初给出的指令进行比较。但到那时，工资单中的数据看起来与原始数据完全不同，因为它已被多次转换。”
使用 datascalehr 的软件，只需付出很少的努力即可建立这些连接。每当用户（通常是薪资或人力资源团队成员）发起请求时， 人工智能模型引导他们 完成从设置到映射和构建连接器的步骤。
该团队在不到一年的时间内创建了其产品的第一个版本 - 同名的“datascalehr”。该解决方案提供以下功能：
- 无缝集成 几分钟内即可接入任何工资系统
- 高效对账 遗留文件或系统
- 实时追踪 并验证现场变化
- 连续监测 周期间变化
- 数据同步 跨组织生态系统
- 安全 用于下载数据的电子邮件链接
“构建一个理解这种映射的系统和 UI 变得非常复杂，”Zawadzki 说。“将人工智能引入这一过程 允许这些知识在下一次映射中重复使用。这就是我们的平台独一无二、自学、可持续和敏捷的原因。”
生成式人工智能和低代码的力量
datascalehr 的 AI 之旅始于机器学习。“我们发现 如何使用机器学习 并开始进一步丰富它。我们使用了所有标准的 ML 算法，这些算法都是开源的。然后我们将它们应用到我们特定的领域，”Gouvernel 说。
人们常常希望人工智能能够开箱即用地解决问题。但人工智能引擎是概率性的；你不能总是使用它们提供的答案。“关键是将输出转化为确定性结果，”Gouvernel 说。
Datascalehr 的 AI 原生模型通过解决较小的问题来解决较大的问题。它利用从国家、工资系统和员工数据等输入中得出的模式。ML 处理大约 85% 的工作量。专家验证 ML 的工作，系统相应地调整其未来的响应。
该平台的成功取决于 它有多直观 供主题专家使用。“datascalehr 最初是 ML，现在它是 ML 和大型语言模型 (LLM) 的混合体。这些流程非常简单，任何对工资单有一点了解的最终用户都可以自己配置它。这意味着你不需要分配软件开发人员来做这件事，”Gouvernel 说。
通过 Mendix的支持下，datascalehr可以迅速将信息从不确定状态转变为可用状态。
“现在，当工资单结果文件包含新的工资代码时，业务用户不必去找开发团队。我们利用知识模型进行调整。用户可以查看并确认决定，这就是您构建知识模型和解决可扩展性问题的方式，”Delord 说道。
快速实验和创新
datascalehr 为客户提供的是 Mendix 为 datascalehr 提供：能够减少对技术执行的关注，而更多地关注为客户解决问题。“我有时间专注于一个想法并解决一个业务用例，这为创造力和将客户放在第一位提供了更多空间，”Delord 说。
引入新功能（如报告原型和总账报告）以响应 客户的反馈意见 快速而高效。
加快速度往往意味着牺牲质量。然而， Mendix 提供测试自动化和预建连接器等护栏，以确保受管控的开发。
“我很惊喜地发现 像 Mendiect 这样的测试自动化工具 只存在于 Mendix 市场，”扎瓦兹基说。这 Mendix Marketplace 为 datascalehr 提供了其他几种改变游戏规则的连接器，用于以下服务： OpenAI 和 亚马逊Textract.
这些工具对于 datascalehr 的客户来说非常宝贵——他们的跨国工资单实施速度估计提高了 10 倍。“最终，我们的客户不需要我们长期维护他们的产品，因为我们的目标是为他们创建一个可持续的模式，”Remy 说。
“Mendix能够举例说明抽象概念，使理解速度提高了十倍。说到协作，你还能在哪个平台上做到这一点？真正的协作是与用户之间的协作，而不是与开发人员之间的协作，”Gouvernel 说道。
在那个时代 人工智能和机器学习, Mendix 使 datascalehr 等企业能够以快速且经济高效的方式提供企业级解决方案。“归根结底，如果没有 Mendix”雷米总结道。