Ayush Sharma, Pendiri dan CEO Warp – Seri Wawancara

Ayush Sharma adalah Pendiri dan CEO Warp, yang ia luncurkan pada 2023 setelah merasakan rumitnya mengelola penggajian di berbagai negara bagian di AS dan negara lain. Ia dibesarkan di sebuah kota kecil di India, lalu mempelajari ilmu komputer dan fisika di MIT. Penelitian magisternya berfokus pada upaya mengatasi komponen yang berjalan lambat dalam pelatihan pembelajaran mesin terdistribusi, serta mengkaji cara agar sistem berskala besar dapat beroperasi lebih efisien ketika mesin-mesin individual tertinggal. Warp bergabung dengan angkatan musim dingin Y Combinator 2023 dengan fokus awal pada kepatuhan pajak penggajian. Pendekatan Sharma menitikberatkan pada agen AI yang menjalankan alur kerja secara menyeluruh, dengan izin, persetujuan manusia, dan kemampuan audit yang terintegrasi sejak awal.

Warp adalah platform pengelolaan karyawan berbasis AI yang menyatukan penggajian, HR, kepatuhan pajak, tunjangan, dan TI dalam satu data karyawan bersama. Platform ini menggunakan agen untuk menangani tugas seperti pendaftaran pajak negara bagian, pemeriksaan penggajian, penyelesaian pemberitahuan pajak, pendaftaran tunjangan, dan orientasi karyawan baru. Perusahaan dapat mengatur tingkat otonomi secara terpisah untuk setiap alur kerja, dengan menentukan apakah agen hanya menyarankan tindakan, menunggu persetujuan, atau bertindak sendiri. Aktivitas agen dicatat untuk ditinjau, dan tugas yang memerlukan keterlibatan manusia dapat diteruskan kepada administrator perusahaan atau spesialis Warp. Warp juga mendukung penyediaan perangkat dan akun karyawan, pembayaran kepada kontraktor di seluruh dunia, serta layanan khusus untuk pengelolaan akun dan tunjangan.

Perjalanan Anda, dari tumbuh besar di kota kecil di India hingga mempelajari ilmu komputer dan fisika di MIT, lalu bekerja di bidang infrastruktur pembelajaran mesin di Yelp, terbilang tidak lazim. Apa yang akhirnya mendorong Anda mendirikan Warp pada 2023, dan mengapa Anda memutuskan untuk membangun ulang penggajian dan pengelolaan karyawan dengan AI?

Sebelum mendirikan Warp, saya bekerja di sebuah perusahaan rintisan yang berkembang dari sekitar 10 menjadi 40 karyawan selama pandemi COVID, dengan merekrut karyawan dari jarak jauh di berbagai negara bagian. Saya melihat betapa banyak proses penggajian dan kepatuhan yang masih dilakukan secara manual. Kemudian, saat merekrut karyawan pertama untuk perusahaan saya sendiri, saya menghabiskan satu hari penuh mencari tahu cara mendaftar ke Departemen Tenaga Kerja New York. Denda menanti jika saya melewatkan tenggatnya. Di tengah berbagai masalah lain yang harus ditangani di perusahaan, pengalaman hari itu terus membekas di benak saya.

Tim HR setiap hari menangani pekerjaan prosedural yang berulang-ulang, sehingga waktu yang seharusnya mereka gunakan untuk mengurus karyawan tersita. Inilah bidang yang sangat cocok untuk menerapkan AI. Namun, semua platform HR utama dikembangkan sebelum agen hadir, dan kemampuan tersebut tidak mudah ditambahkan ke perangkat lunak lama.

Saat mengikuti wawancara YC pada 2023, kami belum memiliki produk jadi ataupun pendapatan—hanya sebuah masalah yang terus kami pikirkan. Lima orang dari YC ikut dalam panggilan itu, dan selama sepuluh atau dua belas menit pertama, mereka berulang kali mengajukan satu pertanyaan: apakah kepatuhan pajak penggajian benar-benar bisa menjadi titik masuk yang cukup kuat untuk merambah bidang lain? Itu masih hipotesis, tetapi alasannya masuk akal. Perusahaan mulai beroperasi di banyak negara bagian jauh lebih dini dibandingkan sebelumnya, sehingga kompleksitasnya terus meningkat. Selain itu, pajak penggajian lebih ketat daripada pajak penjualan, yang memberikan ambang batas cukup tinggi sebelum aturan mulai berlaku. Dalam hal penggajian, merekrut satu orang saja di suatu negara bagian membuat perusahaan tunduk pada seluruh sistem perpajakan negara bagian tersebut.

Itulah sebabnya kepatuhan menjadi titik awal yang jelas. Saya telah menghabiskan bertahun-tahun mempelajari pembelajaran mesin di MIT, dan ketika LLM serta agen mulai menjadi kenyataan, saya melihat bahwa pekerjaan penggajian dan kepatuhan yang tak ingin ditangani siapa pun sebentar lagi dapat dilakukan. Warp versi pertama hanya memiliki satu fungsi: perusahaan dapat merekrut seseorang di negara bagian mana pun tanpa perlu mengurus dokumen pemerintah. Kami berpikir, jika bisa menangani pajak penggajian dengan benar, hal-hal lainnya akan lebih mudah.

Anda berpendapat bahwa perusahaan seperti ADP dan Workday berada pada posisi yang secara mendasar kurang menguntungkan karena sistem mereka dirancang jauh sebelum AI modern hadir. Dari sisi teknis, seperti apa arsitektur berbasis AI untuk HR, dan apa yang dapat dilakukan Warp yang sulit dicapai hanya dengan menambahkan agen AI ke platform lama?

Sebagian besar perangkat lunak HR dirancang agar seseorang duduk di depan layar dan mengeklik setiap langkah. Karena itu, ketika platform tersebut menambahkan AI, biasanya wujudnya adalah agen AI yang memberi tahu pengguna langkah berikutnya, sementara pengguna tetap harus mengerjakan semuanya sendiri. Kami membangun arsitektur Warp dengan pendekatan sebaliknya: API, izin, dan jejak audit dirancang sejak awal agar agen dapat menangani pekerjaan, sementara manusia dapat turun tangan saat diperlukan.

Bayangkan Anda adalah Kepala SDM di perusahaan dengan 350 karyawan. Empat tawaran pekerjaan telah ditandatangani—dua di Oregon dan dua di Colorado—di negara bagian tempat perusahaan belum pernah mempekerjakan siapa pun. Sebelum para karyawan itu dapat menerima gaji, perusahaan harus mendaftar ke dua departemen pendapatan negara bagian, membuka rekening pengangguran, mendaftar ke program cuti berbayar di masing-masing negara bagian, menghitung pajak daerah untuk setiap alamat, dan menyiapkan potongan gaji. Asisten AI biasa dapat memberi tahu formulir apa yang perlu diisi, tetapi agen kami mengisi dan mengajukannya. Jika Anda memberinya izin untuk bertindak sendiri, Anda baru akan mendapat kabar setelah semuanya selesai.

Agen kami memiliki konteks, izin, dan infrastruktur untuk menjalankan berbagai langkah di seluruh sistem perusahaan, mulai dari memproses penggajian dan mengelola tunjangan hingga menangani kepatuhan pajak, tanpa seseorang harus mengelola semuanya secara manual. Menambahkan agen ke platform lama dapat membantu pengguna menjelajahi perangkat lunak, tetapi tidak mengubah cara kerja di baliknya. Agen Warp benar-benar mengubah cara pekerjaan dilakukan.

Warp menggambarkan agennya sebagai pengelola seluruh alur kerja, termasuk membuka akun pajak di tingkat negara bagian, mengajukan SPT, menyelesaikan pemberitahuan dari pemerintah, dan mengelola tunjangan. Bagaimana Anda menentukan tindakan mana yang dapat dilakukan agen secara mandiri dan mana yang harus mendapat persetujuan manusia?

Warp menetapkan batasan umum, sementara setiap perusahaan memutuskan seberapa mandiri agen mereka boleh bertindak di dalam batasan tersebut. Beberapa tindakan, seperti pembayaran, memiliki batasan tegas yang tidak dapat dihapus oleh pengaturan pelanggan. Dalam batasan itu, perusahaan mengatur tingkat kemandirian untuk setiap alur kerja. Jadi, di satu area agen mungkin hanya menyarankan tindakan, di area lain menunggu persetujuan, dan di area lainnya bertindak sendiri. Sebagian besar pelanggan memulai dengan menyetujui setiap tindakan, lalu memperluas kemandirian agen seiring meningkatnya kepercayaan mereka terhadap hasil kerjanya. Jika suatu keputusan menjadi wewenang pelanggan, agen akan meneruskannya kepada administrator mereka. Jika suatu tugas memerlukan campur tangan manusia, baik karena diwajibkan oleh hukum maupun karena instansi terkait tidak mau berurusan dengan perangkat lunak, tugas itu akan ditangani oleh spesialis Warp.

Penggajian dan kepatuhan pajak hampir tidak memberi ruang bagi halusinasi atau jawaban probabilistik. Warp beroperasi di ribuan yurisdiksi pajak dengan peraturan yang terus berubah. Bagaimana Anda memastikan sistem AI Anda berlandaskan informasi dari sumber yang berwenang, mengukur keandalannya, dan menangani situasi ketika agen tidak yakin tindakan yang tepat?

Kami telah menghabiskan tiga tahun menguji kontrol kami dalam hal kepatuhan pajak penggajian, bidang SDM yang paling tidak memberi toleransi terhadap kesalahan. Warp melacak lebih dari 10.000 yurisdiksi pajak, dan agennya tidak pernah menjawab pertanyaan pajak berdasarkan ingatan. Setiap tarif, formulir, dan tenggat yang menjadi dasar tindakannya berasal langsung dari instansi terkait, dan tim pajak kami meninjau setiap perubahan aturan sebelum diberlakukan dalam sistem. Tahun ini, kami berada di jalur yang tepat untuk memproses penggajian senilai lebih dari $2 miliar, dan selama proses itu pelanggan kami terhindar dari denda lebih dari $200 juta.

Sebelum setiap proses penggajian, agen memeriksa hal-hal yang tampak janggal, seperti lonjakan gaji seseorang yang tidak terduga atau belum adanya pengaturan pajak di negara bagian baru. Jika agen tidak yakin apa yang harus dilakukan atau tidak memiliki izin untuk bertindak, agen akan berhenti dan menyerahkan tugas tersebut kepada administrator alih-alih menebak-nebak.

Pemberitahuan pajak menunjukkan cara kerja sistem ini. Agen menyelesaikan 80% pemberitahuan secara otomatis dengan mengacu pada data penggajian perusahaan dan panduan dari instansi terkait. Sisanya ditangani oleh spesialis pajak Warp, sehingga semua pemberitahuan dapat diselesaikan. Dalam penggajian, jawaban yang keliru dapat menimbulkan kerugian besar, jadi kami selalu lebih memilih agen menyerahkan tugas kepada manusia daripada menebak-nebak.

Sistem SDM menyimpan sebagian informasi perusahaan yang paling sensitif, mulai dari gaji dan nomor Jaminan Sosial hingga data perbankan dan tunjangan. Bagaimana munculnya agen otonom mengubah model keamanan untuk data ini, dan apakah ada kategori informasi karyawan yang menurut Anda seharusnya tidak pernah berada di bawah kendali otonom AI?

Agen mengubah persoalan keamanan karena dapat menjelajahi sistem perusahaan jauh lebih cepat daripada siapa pun, sehingga celah dalam izin akses juga dapat dieksploitasi lebih cepat. Risiko terbesarnya adalah seseorang menggunakan agen untuk mengakses data yang tidak mungkin dapat mereka akses sendiri. Sejak awal, kami merancang sistem dengan mempertimbangkan risiko tersebut, sehingga setiap agen Warp mewarisi izin akses yang sama persis dengan orang yang diwakilinya. Jadi, jika seorang karyawan tidak dapat melihat data kompensasi, mereka juga tidak dapat meminta agen menampilkannya. Data pribadi setiap karyawan tetap berada di akun perusahaan masing-masing dan tidak pernah dibagikan kepada pelanggan lain. Warp mematuhi SOC 2 Type II, menerapkan autentikasi multifaktor, dan menandatangani Perjanjian Rekan Bisnis dengan pelanggan Enterprise yang memerlukan kepatuhan HIPAA.

Mengenai hal-hal yang seharusnya tidak pernah dikendalikan AI secara mandiri, bagi kami batasannya adalah apa pun yang sulit dibatalkan. Memindahkan uang adalah contoh paling jelas, sehingga pembayaran memiliki batasan tegas yang tidak boleh dilampaui agen, siapa pun yang memintanya. Hal yang sama berlaku untuk tugas apa pun yang menurut hukum harus dilakukan oleh manusia; tugas tersebut selalu ditangani oleh spesialis Warp.

Ada perbedaan besar antara AI yang menyarankan suatu tindakan dan AI yang benar-benar memindahkan uang, mengajukan SPT, atau mengubah hak akses karyawan. Perlindungan, jejak audit, mekanisme pembatalan, dan sistem eskalasi apa yang diperlukan ketika agen AI beralih dari memberi saran kepada manusia menjadi menjalankan proses bisnis yang berdampak besar?

Begitu agen mulai bertindak alih-alih sekadar memberi saran, Anda harus dapat menjawab untuk siapa agen bertindak, apa saja yang boleh diaksesnya, mengapa agen mengambil keputusan tersebut, dan bagaimana membatalkannya jika terjadi kesalahan. Setiap tindakan di Warp mencatat informasi itu, sehingga tidak ada tindakan agen yang berlangsung tanpa jejak.

Sebagian besar pekerjaan agen berlangsung melalui rutinitas, yaitu tugas yang dijalankan agen sesuai jadwal atau saat terjadi sesuatu, misalnya ketika karyawan baru menandatangani surat penawaran kerja. Setiap rutinitas menyimpan catatan berkelanjutan tentang siapa yang membuatnya, kapan rutinitas itu disetujui, dan setiap langkah yang dilakukan agen. Catatan ini memberi tim SDM dan auditor jejak yang jelas untuk ditelusuri.

Cara membatalkan suatu tindakan bergantung pada jenis tindakannya. Perubahan seperti memperbarui akses seseorang atau pilihan tunjangannya dapat dibatalkan. Proses penggajian dan pembayaran paling sulit dibatalkan, sehingga keduanya dikenai kontrol paling ketat, termasuk batasan tegas yang tidak dapat diubah oleh agen. Apa pun yang berada di luar wewenang agen langsung diteruskan kepada administrator pelanggan untuk diputuskan.

Beberapa situasi tetap memerlukan campur tangan manusia, seperti saat kantor pajak negara bagian hanya bersedia melayani melalui telepon. Ketika agen menemui kendala seperti itu, spesialis Warp akan menyelesaikan urusannya agar pekerjaan terus berjalan, alih-alih terhenti di kotak masuk seseorang.

Warp baru-baru ini menggalang pendanaan Seri B sebesar $60 juta, sehingga total pendanaannya mencapai $85 juta, dengan rencana untuk berinvestasi lebih lanjut pada agen AI serta infrastruktur perpajakan dan kepatuhannya. Masalah teknis apa seputar otomatisasi HR berbasis agen yang masih belum terpecahkan, dan ke mana Anda memperkirakan sebagian besar investasi itu akan dialokasikan?

Agen AI mungkin dapat membuat seseorang bekerja 20% lebih cepat, dan itu memang membantu. Namun, peluang yang lebih besar adalah menghadirkan agen yang dapat menuntaskan pekerjaan. Tantangannya, urusan HR tidak hanya ditangani di satu tempat. Penggajian, tunjangan, perangkat, dan akun TI biasanya berada di sistem yang terpisah. Agen hanya dapat bekerja dengan baik jika bisa melihat semuanya secara terpadu. Tantangan lainnya adalah banyaknya pengecualian yang sulit ditangani, karena setiap lembaga negara bagian, penyedia asuransi, dan kantor pajak memiliki ketentuan tersendiri, dan banyak di antaranya bahkan tidak pernah dirancang untuk bekerja dengan perangkat lunak. Di situlah kami melihat peluang terbesar, dan ke sanalah pendanaan kami akan diarahkan.

Pelanggan kami sering kali hanya memiliki satu atau dua orang yang mengelola HR untuk ratusan karyawan. Karena itu, agen perlu mengambil lebih banyak tanggung jawab seiring pertumbuhan perusahaan mereka. Fokus kami adalah menyatukan semuanya ke dalam satu sistem yang dapat digunakan agen untuk bertindak, sekaligus memudahkan pelanggan menyusun rutinitas mereka sendiri sesuai cara kerja perusahaan. Kami juga sedang memperbesar tim dukungan pelanggan, memperkuat infrastruktur perpajakan dan kepatuhan, serta memperluas cakupan pekerjaan yang dapat ditangani agen kami sepanjang siklus hidup karyawan.

Salah satu janji perangkat lunak berbasis agen adalah bahwa perusahaan dapat beroperasi dengan tim administrasi yang jauh lebih kecil, sementara para profesional HR menghabiskan lebih banyak waktu untuk pekerjaan strategis dan yang berfokus pada karyawan. Bagian mana dari HR yang menurut Anda sebagian besar akan diotomatisasi oleh agen AI dalam beberapa tahun ke depan, dan keputusan apa yang pada dasarnya akan tetap menjadi tanggung jawab manusia?

Bagian HR yang memerlukan pertimbangan akan tetap ditangani manusia, baik dalam memilih siapa yang akan direkrut, membentuk budaya perusahaan, mendampingi seseorang melewati masa sulit, maupun mengenali saat seorang karyawan siap untuk mengambil peran yang lebih besar. Itulah alasan tim HR ada, dan bagian-bagian pekerjaan itulah yang paling diinginkan para pemimpin HR agar bisa mereka luangkan lebih banyak waktu.

Agen dapat mengambil alih pekerjaan administratif yang diam-diam menyita sebagian besar waktu kerja dalam seminggu, mulai dari mencocokkan setiap baris penggajian dan menindaklanjuti urusan dengan lembaga pajak hingga menjawab pertanyaan tentang cuti berbayar, menangani pendaftaran tunjangan, serta menyiapkan atau menonaktifkan laptop dan akun setiap kali seseorang bergabung atau keluar. Di perusahaan besar, pekerjaan itu menyibukkan seluruh departemen. Di perusahaan kecil, biasanya pekerjaan tersebut harus ditangani pendiri pada larut malam, setelah semua orang pulang.

Proses orientasi karyawan baru merupakan contoh yang baik tentang betapa banyak waktu yang dapat dihemat. Menurut perkiraan kami, perusahaan yang berkembang pesat biasanya menghabiskan 10 hingga 20 jam untuk mengurus setiap karyawan baru selama bulan pertamanya. Pelanggan kami mengatakan bahwa pekerjaan yang sama kini hanya memerlukan kurang dari dua jam, sehingga tim HR memiliki jauh lebih banyak waktu untuk berfokus pada aspek pekerjaan yang berkaitan dengan karyawan.

Jika melihat 5 tahun ke depan, apakah menurut Anda perangkat lunak HR masih akan berpusat pada dasbor, formulir, dan alur kerja yang harus digunakan langsung oleh karyawan, atau pada akhirnya antarmukanya akan menghilang ketika agen AI menangani sebagian besar operasional pengelolaan karyawan di latar belakang?

Dalam setahun ke depan, kami memperkirakan agen akan menangani sebagian besar tindakan di Warp, jauh melampaui urusan perpajakan. Ini mencakup orientasi karyawan baru, menjalankan penggajian, dan tugas-tugas HR sehari-hari yang saat ini masih dilakukan orang dengan mengeklik berbagai menu. Hal itu mengubah kebutuhan orang terhadap perangkat lunak yang mereka gunakan. Alih-alih masuk ke sistem untuk memeriksa atau melanjutkan suatu proses, tim HR sebagian besar akan menerima kabar dari Warp saat ada hal yang memerlukan perhatian mereka, seperti keputusan yang hanya dapat mereka ambil atau pemberitahuan singkat bahwa karyawan baru di negara bagian lain sudah siap sepenuhnya untuk mulai menerima gaji. Pekerjaan lainnya akan berlangsung tanpa banyak terlihat di latar belakang, seperti yang sudah diharapkan kebanyakan orang saat email mereka terkirim atau bank mereka memproses pembayaran tanpa perlu mengawasi setiap langkahnya.

Hampir setiap bidang perangkat lunak perusahaan kini memiliki pendatang baru yang dikembangkan untuk AI, dan pengelolaan karyawan adalah salah satu bidang terakhir yang masih menunggu perubahan itu. Kami yakin sedang membangun generasi penerus Workday.

Terima kasih atas wawancara yang menarik ini. Pembaca yang ingin mengetahui lebih lanjut dapat mengunjungi Warp.