Ayush Sharma，Warp 创始人兼首席执行官——专访

Ayush Sharma是 Warp 的创始人兼首席执行官。他于 2023 年创立 Warp，此前曾亲身经历在美国多个州和不同国家管理薪资事务的复杂性。他在印度一座小镇长大，后就读于 MIT，学习计算机科学和物理学。他的硕士研究聚焦于缓解分布式机器学习训练中运行缓慢的环节，探索当个别机器落后时，大规模系统如何更高效地运行。Warp 入选 Y Combinator 2023 年冬季批次，最初专注于薪资税务合规。Sharma 的理念强调由 AI 智能体执行完整工作流程，并从一开始就将权限设置、人工审批和可审计性纳入其中。

Warp是一款原生 AI 员工管理平台，围绕统一的员工档案整合薪资、人力资源、税务合规、福利和 IT。该平台利用智能体处理州税登记、薪资核查、税务通知处理、福利登记和员工入职等任务。企业可以针对每项工作流程分别设置自主程度，决定智能体是提出行动建议、等待审批，还是自行采取行动。智能体的活动会被记录下来以供审查；需要人工介入的任务则可转交给企业管理员或 Warp 专家处理。Warp 还支持为员工开通设备和账户、向全球承包商付款，并提供专属客户管理和福利支持。

你从印度小镇一路成长，在 MIT 学习计算机科学和物理学，之后又在 Yelp 从事机器学习基础设施工作，这样的经历相当与众不同。最终是什么促使你在 2023 年创立 Warp？你又为何决定围绕薪资和员工管理这两个领域，借助 AI 重新打造相关解决方案？

创立 Warp 之前，我曾在一家初创公司工作。新冠疫情期间，公司员工人数从大约 10 人增长到 40 人，并在多个州远程招聘。我由此看到，薪资和合规工作中有多少环节仍靠手工完成。后来，我独自招聘第一批员工时，花了一整天才弄清楚如何向纽约州劳工部登记；如果错过截止日期，还要面临罚款。公司其他地方也处处有紧急问题要处理，但那一天让我印象深刻。

人力资源团队每天都要处理程序繁琐、重复性高的工作，这些事务挤占了他们本该用于与员工打交道的时间。这里正是应用 AI 的理想场景，但所有主流人力资源平台都是在智能体出现之前构建的，因此很难在旧软件上轻松增添这类能力。

2023 年参加 YC 面试时，我们还没有成熟的产品，也没有任何收入，只有一个让我们念念不忘的问题。YC 有五个人参加了通话，前十到十二分钟里，他们一直围绕一个问题追问：薪资税务合规能否成为切入其他领域的重要突破口？这还只是一个假设，但背后的推理说得通。企业进入多个州开展业务的时间比过去早得多，因此复杂性只会不断增加。此外，薪资税比销售税更严苛，销售税要达到相当宽松的门槛后，相关规定才会生效；而在薪资税方面，只要在某个州雇用一名员工，企业就会受该州整套税务体系的管辖。

因此，合规显然是最合适的起点。我在 MIT 多年来一直从事机器学习研究；当大型语言模型和智能体开始走向现实应用时，我意识到，薪资和合规领域那些没人愿意碰的工作，即将变得可以自动处理。Warp 的第一个版本只做一件事：让你可以在任何州雇用员工，而无须亲自处理政府文书。我们当时认为，只要能把薪资税务处理好，其他事情就会容易得多。

你曾表示，ADP 和 Workday 等公司的系统早在现代 AI 出现之前就已设计完成，因此它们处于根本性劣势。从技术层面看，人力资源领域的原生 AI 架构是什么样的？Warp 能做到哪些仅仅在传统平台上添加 AI 智能体难以实现的事情？

大多数人力资源软件都是围绕这样的使用方式设计的：由用户坐在屏幕前，逐步点击完成每个操作。因此，这些平台加入 AI 后，通常只是提供一个 AI 智能体，告诉你下一步该做什么，而实际工作仍得由你完成。我们采用了相反的架构设计思路：从一开始就围绕智能体处理工作、人们在需要时介入这一目标，设计 API、权限机制和审计记录。

假设你是一家拥有 350 名员工的公司的首席人事官，刚刚有四份录用协议签署，其中两名新员工在俄勒冈州，另外两名在科罗拉多州，而公司此前从未在这两个州雇用过员工。在任何人能领到工资之前，你必须向两个州的税务部门登记、开设失业保险账户、注册参加各州的带薪休假计划、核算每个地址适用的地方税，并设置各项扣款。一般的 AI 助手可以告诉你需要填写哪些表格，但我们的智能体会直接填好并提交；如果你已授权它自行处理，那么等所有事情办妥后，你才会收到通知。

我们的智能体具备相应的背景信息、权限和基础设施，能够在企业的多个系统中完成多步操作，从运行薪资、管理福利到处理税务合规，无须有人手动管理整个流程。在传统平台上添加智能体可以帮助用户操作软件，却无法改变底层工作的完成方式。Warp 的智能体则会真正改变工作的完成方式。

Warp称，其智能体能够负责完整的工作流程，包括开设州税务账户、申报税表、处理政府部门通知以及管理福利。你们如何判断哪些操作可以由智能体自主执行，哪些操作需要经过人工批准？

Warp设定外部边界，各家公司则决定智能体在这些边界内可以拥有多大自主权。有些操作（例如付款）有严格限制，客户无法通过任何设置取消这些限制。在这些防护边界内，各家公司可以按工作流程逐一设定自主权限，因此智能体在某个环节可能只提出操作建议，在另一个环节等待批准，也可以在其他环节自行处理。大多数客户一开始会批准所有操作，随着对智能体工作越来越有信心，再逐步扩大其自主权限。如果某项决定应由客户作出，智能体就会将其提交给客户管理员。如果某项任务需要人工处理，无论是因为法律要求，还是因为相关机构不接受通过软件办理，都会交由Warp的专员处理。

工资发放和税务合规几乎容不得幻觉或概率性回答。Warp在数千个税务辖区开展业务，并应对不断变化的法规。你们如何确保AI系统依据权威信息作答、衡量其可靠性，并处理智能体不确定正确操作方式的情况？

三年来，我们一直在工资税务合规领域测试各项管控措施；这是人力资源领域容错率最低的环节。Warp追踪超过10,000个税务辖区的信息，智能体从不凭记忆回答税务问题。它所依据的每一项税率、表格和截止日期都直接来自相关机构；在任何规则变更进入系统之前，我们的税务团队都会进行审核。今年，我们预计处理超过20亿美元的工资款；与此同时，我们的客户已避免缴纳超过2亿美元的罚款。

每次发薪前，智能体都会检查是否存在异常情况，例如某人的薪酬意外大幅增加，或员工在新州缺少税务设置。如果它不确定该怎么做，或者没有权限执行操作，就会停下来将任务交给管理员处理，而不是猜测。

税务通知可以说明这一流程的运作方式。智能体会自动处理其中80%，依据的是公司的工资数据和相关机构自身的指引；其余通知则交由Warp的税务专员处理，因此每一份通知最终都会得到解决。在工资发放中，错误回答的代价很高，所以我们宁愿让智能体转交人工处理，也不愿让它猜测。

人力资源系统包含公司的一些最敏感信息，从薪资和社会安全号码到银行账户和福利数据。自主智能体的出现会如何改变这些数据的安全模式？你们认为是否有某些类别的员工信息绝不应交由AI自主控制？

智能体改变了安全问题的性质，因为它们在公司系统中的操作速度远超任何人，这也意味着权限漏洞会更快遭到利用。最大的风险是有人利用智能体获取自己原本无权访问的数据。我们从一开始就围绕这一风险进行设计，因此每个Warp智能体都会继承其所代表用户的确切权限。所以，如果员工看不到薪酬数据，也不能要求智能体把这些数据展示给自己。每位员工的数据都留在其所在公司的独立账户中，绝不会与其他客户共享。Warp符合SOC 2 Type II标准、强制实行多因素身份验证，并为需要符合HIPAA要求的企业客户签署《业务伙伴协议》。

至于哪些事情绝不应由AI独自控制，对我们而言，界限在于任何难以撤销的操作。资金转移是最明显的例子，因此付款有严格限制，智能体不得逾越，无论提出要求的人是谁。法律要求必须由人处理的任务也同样如此，这类任务始终会交由Warp的专员处理。

AI提出操作建议，与AI实际转移资金、申报税表或更改员工访问权限，两者之间有着显著区别。当AI智能体从向人提供建议转向执行影响重大的业务流程时，需要哪些防护措施、审计记录、回滚机制和升级处理系统？

智能体一旦开始采取行动，而不只是提出建议，你就必须能够回答：它代表谁行事、获准访问哪些内容、为何作出该选择，以及出错时如何撤销操作。Warp上的每项操作都会记录这些信息，因此智能体所做的一切都有迹可循。

智能体的大部分工作通过例程完成。例程是智能体按计划运行或在特定事件发生时执行的任务，例如新员工签署聘用合同。每个例程都会持续记录创建者、批准时间以及智能体执行的每一步，让人力资源团队和审计人员能够清楚追踪整个过程。

如何撤销操作取决于操作的类型。更改某人的访问权限或福利选择等操作都带有回滚机制，因此可以撤销。工资发放和付款最难撤销，所以受到最严格的管控，包括智能体无法更改的严格限制。任何超出智能体权限范围的事项都会直接提交给客户管理员决定。

有些情况仍然需要人工处理，比如州税务机关只接受电话沟通。当智能体遇到这类阻碍时，Warp 的专员会接手完成任务，让工作继续推进，而不是卡在某人的收件箱里。

Warp 最近完成了 6000 万美元的 B 轮融资，使总融资额达到 8500 万美元，并计划进一步投资于 AI 智能体以及税务与合规基础设施。在智能体驱动的人力资源自动化领域，还有哪些技术难题尚未解决？您预计这笔投资的大部分会投向哪些方面？

AI 智能体或许能让一个人的工作效率提高 20%，这当然有帮助，但更大的机遇在于让智能体把工作彻底完成。难点在于，人力资源相关事务并不集中在一个地方。薪资、福利、设备和 IT 账户通常分散在不同系统中，只有能够同时查看这些信息，智能体才能有效地采取行动。另一个挑战是大量零散的例外情况：每个州政府机构、承保机构和税务机关都有各自的特殊要求，其中很多机构从未被设计成能够与软件协同工作。这正是我们认为机遇最大的领域，也是我们投入资金的方向。

我们的客户中，往往只有一两个人负责管理数百名员工的人力资源事务，因此随着公司发展壮大，智能体需要承担更多责任。我们正致力于将所有事务整合到一个智能体可以采取行动的系统中，并让客户更容易根据公司的运作方式编写自己的工作流程。我们也在扩大客户支持团队、加强税务与合规基础设施，并拓展智能体在人力资源生命周期各个阶段能够处理的事务。

智能体软件的一项优势在于，企业可以用规模小得多的行政团队运营，同时让人力资源专业人士有更多时间投入战略性工作和以人为本的事务。您认为未来几年 AI 智能体将主要自动化人力资源工作的哪些部分？又有哪些决策本质上仍须由人来作出？

依赖判断力的人力资源工作仍将由人来负责，无论是决定聘用谁、塑造公司文化、在某人遭遇困难时给予支持，还是判断员工是否已准备好迎接更大的挑战。这些正是人才团队存在的意义，也是大多数人力资源主管最希望能投入更多时间的工作。

智能体能够接手的是那些悄然占去一周大部分时间的行政工作：逐项核对薪资、追踪税务机关的事务、回答带薪休假问题、处理福利登记，以及每逢有人入职或离职时配置或停用笔记本电脑和账户。在大型公司，这些工作足以让整个部门忙个不停；在小公司，它们往往会落到创始人头上，等其他人都下班回家后，还得在深夜处理。

员工入职是一个很好的例子，能说明这项技术可以节省多少时间。据我们估计，快速发展的公司通常要花 10 至 20 小时，在新员工入职的第一个月内处理相关事务；而我们的客户告诉我们，如今同样的工作不到两小时就能完成，这让人力资源团队有更多时间投入与员工相关的工作。

展望五年后，您认为人力资源软件仍会围绕着员工需要主动操作的仪表盘、表单和工作流程运转，还是随着 AI 智能体在后台处理大多数员工管理事务，界面最终会消失？

我们预计，在未来一年内，智能体将负责在 Warp 上执行大多数操作，涉及的范围远不止税务。这包括为新员工办理入职、运行薪资流程，以及处理人们如今仍需点击操作的日常人力资源事务。这将改变人们对所用软件的需求。人力资源团队不必再登录系统查看流程进度或推动流程，而只会在有事项需要他们关注时收到 Warp 的通知，例如需要他们作出决定，或快速告知他们另一州的新员工已完成所有设置、可以领取薪资。其他工作都会在后台悄然完成，就像大多数人早已习惯邮件自动送达，或银行无需他们盯着每个步骤就能处理付款一样。

企业软件的几乎每个领域都已出现专为 AI 打造的新挑战者，而员工管理是仍在等待这一转变到来的最后几个领域之一。我们相信，自己正在打造 Workday 之后的新一代产品。

感谢您接受这次精彩的采访。希望了解更多信息的读者，请访问 Warp。