top of page

Mercans abre el acceso anticipado a Agentic Payroll

hace 17 minutos
14 min de lectura
Illustrative photograph. Photo: Yan Krukau / Pexels.

Mercans anunció Agentic Payroll el 19 de noviembre de 2026, ofreciendo agentes de IA que preparan las nóminas mientras los empleadores conservan la autoridad de aprobación y pago. La empresa afirma que los grandes empleadores pueden acceder anticipadamente a través de NovAI, con un lanzamiento completo previsto para 2027. Por tanto, Mercans Agentic Payroll presenta una propuesta específica: delegar más procesamiento sin otorgar al software la autoridad para transferir salarios.

La distinción importa porque la aprobación de nóminas depende de todo lo que ocurre antes de la pantalla de aprobación. Una firma humana ofrece una protección limitada cuando quien revisa no puede rastrear un cálculo, identificar información faltante o cuestionar una recomendación automatizada. La tensión central está entre ampliar la ejecución automatizada y preservar un control significativo por parte del empleador.

Workday ya comercializa agentes de IA junto con software de nóminas, lo que convierte la participación de agentes en una dirección competitiva consolidada, en lugar de una categoría sin competencia. El anuncio de Mercans pone el énfasis en cuánto trabajo realizan los agentes a lo largo del ciclo de nómina. Ahora los compradores necesitan pruebas de que una delegación más amplia reduce el esfuerzo sin dificultar la investigación de excepciones.

Mercans Agentic Payroll comienza con acceso anticipado

El anuncio verificado se refiere al acceso anticipado, mientras que el lanzamiento comercial más amplio sigue siendo un plan para 2027.

Según el anuncio de Agentic Payroll de la empresa, NovAI coordina la recopilación de datos, los cálculos, las comprobaciones, la preparación de pagos, las declaraciones y las consultas de los empleados. Aquí, agentes de IA significa software que realiza tareas conectadas, en lugar de limitarse a generar respuestas. Mercans describe la aprobación del empleador como el límite de ese trabajo.

La fuente exige una identificación cuidadosa. La página de USA Today identifica el material como contenido de comunicado de prensa de pago distribuido por XPR Media. Su redacción no creó el comunicado. La publicación en ese dominio establece dónde apareció el anuncio, no una validación independiente de sus afirmaciones sobre el producto.

Mercans denomina a su oferta el primer modelo integral de prestación de nóminas mediante agentes y afirma que su motor de nóminas opera en más de 100 países. Son declaraciones del proveedor. El anuncio no establece una clasificación de mercado probada de forma independiente ni demuestra una funcionalidad equivalente en todas las jurisdicciones.

El comunicado también afirma que los empleadores autorizan las nóminas y liberan los pagos, mientras que los sistemas de Mercans no pueden liberar pagos por sí mismos. Indica que los datos de los clientes no se utilizan para entrenar modelos de IA. Son límites declarados importantes, aunque la verificación operativa requiere más que su inclusión en un anuncio de lanzamiento.

“Modelo” también necesita contexto. Mercans describe un modelo de prestación de nóminas, es decir, una forma de realizar el trabajo. El anuncio no identifica un modelo fundacional recién lanzado, la IA de propósito general que subyace a muchas aplicaciones. Los lectores deberían evaluarlo como software de flujos de trabajo empresariales y prestación de servicios.

El acceso anticipado da al anuncio un significado más limitado que la disponibilidad universal. No establece que todos los empleadores interesados puedan activar el servicio de inmediato. Tampoco un año de lanzamiento previsto identifica un mes de entrega, un calendario de implementación o un conjunto de funciones garantizado.

El cambio práctico es una invitación a evaluar un alcance más amplio del procesamiento automatizado de nóminas. Eso es relevante sin asumir que la oferta ya ha alcanzado un despliegue maduro. Los posibles clientes deberían distinguir entre lo que pueden probar durante el acceso anticipado y lo que pertenece a la hoja de ruta posterior.

Por la misma razón, un anuncio de lanzamiento no puede sustituir a la evidencia de despliegue. Una demostración puede mostrar una secuencia que se completa correctamente. La evidencia de producción debe explicar qué ocurrió cuando la información llegó tarde, cambió una regla o un empleado cuestionó el resultado.

Esa distinción enmarca el resto de la historia. Mercans ha anunciado una propuesta operativa con límites declarados claros. Su importancia ahora depende de si esos límites siguen siendo eficaces a medida que los empleadores delegan más trabajo de preparación.

Los equipos de nóminas afrontan una carga de revisión diferente

La automatización gana su lugar cuando reduce el trabajo necesario para llegar a una decisión de nómina defendible.

La presión inmediata recae sobre los responsables de nóminas y los equipos financieros que evalúan la IA empresarial. Deben determinar si un flujo de trabajo automatizado más amplio elimina la gestión rutinaria o simplemente concentra las cuestiones no resueltas cerca de la aprobación. Estos resultados pueden parecer similares en una demostración, pero sentirse muy distintos antes del día de pago.

Por tanto, la automatización de nóminas de Mercans debería evaluarse frente al proceso actual del empleador. La línea base útil incluye recopilar datos de entrada, resolver discrepancias, revisar cálculos y documentar la aprobación. Medir solo el tiempo que un agente dedica a preparar resultados deja la carga de trabajo humana fuera de la comparación.

Consideremos un empleador hipotético que procesa un cambio salarial junto con una corrección tardía de la hoja de horas. El software podría recopilar ambas actualizaciones y calcular el salario revisado. Aun así, quien revisa necesita entender qué información determinó el resultado y si ambos cambios recibieron la autorización requerida.

Si el sistema proporciona esa explicación con registros de respaldo, la automatización puede hacer que la revisión sea más enfocada. Si solo produce un resumen tranquilizador, quien revisa debe reconstruir el caso en otro lugar. La aparente ganancia de procesamiento entonces desplaza el trabajo hacia la investigación, en vez de eliminarlo.

Por eso la gestión de excepciones merece atención junto con la finalización rutinaria. Una excepción es un caso que queda fuera de una regla o ruta de procesamiento prevista. Su importancia proviene del criterio que exige, no simplemente de su frecuencia.

Un equipo de nóminas podría aceptar el tratamiento automatizado de un complemento recurrente establecido mientras examina detenidamente un ajuste inusual. Un sistema útil debería preservar esa distinción. Tratar cada elemento como igual de seguro o igual de sospechoso hace que la atención humana sea menos eficaz.

La presión también alcanza a los equipos de compras. Necesitan establecer qué responsabilidades corresponden al proveedor de software, cuáles permanecen con el empleador y cómo se resuelven los desacuerdos. Una promesa amplia de automatizar las nóminas deja sin responder esas cuestiones operativas.

Los equipos de implementación enfrentan un problema relacionado: la información de origen debe contener suficiente contexto para respaldar la decisión final. Un importe correcto sin una fecha de vigencia aún puede entrar en el período de nómina equivocado. Un cambio aprobado sin un identificador fiable del empleado puede llegar al registro equivocado.

Ninguno de estos ejemplos establece un fallo en la nómina de NovAI. Describen las condiciones bajo las cuales su propuesta adquiere valor. Trasladar trabajo a los agentes aumenta la importancia de conservar el contexto durante toda la secuencia.

Para los empleados, el resultado relevante sigue siendo una remuneración comprensible y correcta, junto con una vía viable de corrección. Una respuesta conversacional más rápida solo ayuda cuando refleja la situación real del empleado. La confianza en la redacción no puede sustituir la precisión del registro subyacente.

Por tanto, el cambio organizativo es un desplazamiento hacia la revisión de evidencias. Los profesionales de nóminas necesitan menos pasos rutinarios y mayor visibilidad de los casos que requieren criterio. Sin esa visibilidad, el paso de aprobación retenido corre el riesgo de convertirse en el lugar donde se acumula el trabajo no resuelto de la automatización.

Preparar una nómina es diferente de autorizar dinero

El control humano depende de lo que una persona autorizadora puede inspeccionar, rechazar y modificar antes de que un pago salga del empleador.

La separación declarada por Mercans entre la preparación y la liberación de pagos crea un límite de evaluación útil. Distingue el software que organiza el trabajo del software autorizado a transferir dinero. Los compradores deberían examinar esa separación como un control operativo, en lugar de tratarla como un eslogan tranquilizador.

Una pantalla de aprobación es solo el punto final visible. Un control significativo también requiere una descripción precisa de la acción propuesta, acceso a la información de respaldo y una forma de detener el procesamiento. El empleador debe comprender qué cubre la aprobación.

Por ejemplo, aprobar un cálculo de nómina debería tener una relación claramente definida con las instrucciones de pago generadas posteriormente. Si cambia información relevante, el proceso necesita una respuesta explícita. De lo contrario, el resultado revisado y la preparación final del pago pueden divergir.

Esta es una cuestión general de control, no una afirmación sobre la implementación de NovAI. El anuncio establece el límite de autoridad declarado por la empresa. No explica todos los mecanismos técnicos utilizados para aplicar ese límite en sistemas conectados.

La separación de funciones, que asigna pasos sensibles a diferentes roles autorizados, ofrece otra perspectiva útil. Una persona autorizada para modificar información de nómina no tiene por qué aprobar también el pago resultante. La incorporación de agentes debería preservar los límites de roles previstos por el empleador.

Lo mismo se aplica a los permisos del software. Un agente que recopila información necesita un acceso apropiado para esa tarea. Un acceso más amplio puede simplificar la integración, pero crear exposición adicional. Los compradores necesitan comprender los permisos reales concedidos, incluido cómo cambia el acceso cuando un empleado o administrador se marcha.

Para los empleadores estadounidenses, el IRS ofrece una referencia relevante sobre responsabilidad. Sus directrices sobre la externalización de las obligaciones de nómina advierten que los empleadores siguen siendo responsables de las obligaciones fiscales federales cuando los proveedores gestionan el trabajo de nómina. Estas directrices se refieren a la externalización en general y no evalúan a Mercans.

La implicación para este lanzamiento es directa: delegar el procesamiento no elimina la necesidad de verificar los resultados. Los empleadores deberían evitar asumir que la participación de un agente cambia sus responsabilidades. Los acuerdos y jurisdicciones aplicables aún requieren su propia revisión.

Una distinción comparable se aplica a preparar una declaración y confirmar que se presentó correctamente. La finalización dentro de un flujo de trabajo no equivale necesariamente a una confirmación por parte de la institución receptora. Un proceso de revisión fiable debería hacer visibles esos distintos estados.

La preparación de pagos también necesita un estado de fallo claro. Si un dato de entrada está incompleto o es contradictorio, retener una recomendación puede preservar mejor el control que producir una respuesta plausible. Los compradores deberían preguntar cómo llegan los casos no resueltos a una persona.

La versión más sólida de Mercans Agentic Payroll facilitaría defender la decisión de aprobación. Eso requiere una preparación rastreable y un límite de autoridad aplicable en conjunto. Cualquiera de los dos elementos por sí solo deja sin resolver parte del problema del empleador.

Las plataformas rivales de nóminas elevan el nivel de exigencia de la evidencia

La cuestión competitiva es qué tan bien manejan los agentes el trabajo conectado, no si un proveedor utiliza la etiqueta de agente.

Los materiales de nóminas de Workday describen la recopilación automatizada de datos, la detección de incidencias, el autoservicio para empleados y un Payroll Agent. La empresa también describe conexiones globales de nóminas mediante sistemas nativos y de socios. Estas declaraciones establecen un posicionamiento de producto superpuesto, no resultados equivalentes ni un alcance de servicio idéntico.

Mercans hace hincapié en su propio motor de nóminas y en la amplitud del trabajo delegado a los agentes. Workday destaca su plataforma conectada y sus capacidades de nómina. Sus descripciones aportan contexto, pero los compradores no pueden determinar un ganador a partir del lenguaje que emplea cada proveedor.

La comparación ilustra por qué «de extremo a extremo» necesita un punto de inicio y un final definidos. Un flujo de trabajo podría comenzar después de que un empleador haya depurado y aprobado cada dato de entrada. Otro podría incluir la recopilación de información incompleta y el envío de preguntas a la persona responsable.

Ambos pueden abarcar una secuencia extensa mientras eliminan cantidades distintas de esfuerzo por parte del empleador. Por tanto, la comparación relevante incluye el trabajo fuera de la secuencia anunciada. También incluye la investigación y las correcciones necesarias después de una ejecución nominalmente exitosa.

La automatización de nóminas de Mercans se enfrenta a la misma evaluación que otros sistemas empresariales: ¿qué sigue necesitando hacer el empleador? Esa pregunta mantiene el análisis centrado en el alcance operativo. Evita tratar cada función del producto como una competición independiente.

La arquitectura importa, pero no constituye un argumento completo sobre el rendimiento. Un motor común puede ofrecer un lugar coherente para aplicar controles. Los sistemas locales conectados pueden reflejar procesos establecidos en sus mercados. Ninguna de las dos disposiciones demuestra precisión sin evidencia del flujo de trabajo real.

Un único motor también debe representar correctamente las diferencias locales. A la inversa, las integraciones deben conservar la información y la responsabilidad a través de sus límites. Los compradores deben evaluar esos mecanismos directamente, en lugar de asumir que una entrega centralizada o distribuida resuelve automáticamente la cuestión.

Aquí es donde la afirmación de Mercans de ser la primera de su tipo exige prudencia. Establecer la prioridad requiere una definición estable y una comparación documentada con alternativas relevantes. El comunicado revisado presenta una afirmación de la empresa, no ese estudio de mercado independiente.

La afirmación también resulta menos útil para un comprador que la adecuación demostrada. Ser el primero no demostraría que un producto gestiona los acuerdos de nómina de un empleador. Llegar después no demostraría que un enfoque competidor ofrece resultados inferiores.

Una evaluación justa proporcionaría a los proveedores datos de entrada y casos difíciles comparables. Los revisores deberían seguir si cada sistema identifica información faltante, conserva las aprobaciones, explica los ajustes y permite correcciones. El objetivo es comparar trabajo completado y revisable.

La presión competitiva se vuelve entonces concreta. Los proveedores deben explicar qué logran sus agentes más allá de la automatización existente y qué evidencia acompaña ese trabajo. Los equipos de nómina deberían esperar una explicación más clara de la responsabilidad delegada, en lugar de una disputa por la propiedad de la categoría.

El acceso anticipado deja abiertas las preguntas sobre fiabilidad y privacidad

El anuncio describe salvaguardas previstas, pero no establece la fiabilidad en producción en todo el alcance declarado.

El comunicado revisado no proporciona una metodología detallada del piloto, resultados a nivel de cliente ni una referencia de precisión auditada de forma independiente. Esa ausencia limita lo que los lectores pueden concluir. No demuestra que el sistema tenga un rendimiento deficiente.

Las afirmaciones sobre fiabilidad requieren una unidad de medición definida. Un resultado medido por cálculo difiere de uno medido por empleado o por nómina completada. Una cifra general de éxito también debe explicar cómo se incorporan al recuento los casos no resueltos y las correcciones humanas.

La composición de la evaluación importa tanto como su resultado principal. Los salarios recurrentes rutinarios ponen a prueba condiciones distintas de los cambios retroactivos o los registros incompletos. Una referencia dominada por casos sencillos ofrecería evidencia limitada sobre aprobaciones difíciles.

Otra pregunta sin respuesta se refiere a la división entre la IA y el software de cálculo existente. El comunicado describe agentes que realizan trabajo de nómina sin detallar qué componentes generan lenguaje, coordinan tareas o calculan importes. Los compradores no deben asumir que un modelo conversacional realiza cada operación.

Esa distinción importa porque los distintos componentes necesitan comprobaciones diferentes. Un motor de cálculo requiere validación frente a sus reglas y datos de entrada. Una explicación generada debe mantenerse fiel a esos resultados. Un agente coordinador debe seleccionar acciones autorizadas y reconocer cuándo debe detenerse.

El marco de riesgos de IA de NIST ofrece una referencia general para evaluar la fiabilidad de la IA durante todo su desarrollo y uso. Es una guía voluntaria, no una certificación de este producto. Su relevancia reside en tratar la gestión de riesgos como una actividad continua.

Para los compradores de soluciones de nómina, esto sugiere examinar los cambios posteriores al despliegue con tanto cuidado como la aceptación inicial. Las reglas actualizadas, las integraciones modificadas y el nuevo comportamiento de los agentes pueden afectar a un proceso establecido. Una demostración exitosa no resuelve cómo se revisarán esos cambios.

La declaración de Mercans de que los datos de los clientes no entrenarán modelos de IA aborda un uso importante de información sensible. Por sí sola, no explica la retención, el acceso, las ubicaciones de procesamiento ni la participación de otros proveedores de servicios. Esas cuestiones siguen siendo independientes.

Un compromiso de no entrenamiento tampoco significa que un servicio no procese información de los clientes. Los empleadores necesitan descripciones precisas de qué entra en cada componente y por qué. Deben distinguir una restricción contractual sobre el entrenamiento de los controles que rigen la operación habitual.

El perfil de IA generativa de NIST ofrece orientación adicional intersectorial para evaluar sistemas que generan contenido. Aplicar esa orientación a la nómina es una decisión analítica, no un respaldo de NIST. La publicación de la agencia no evalúa NovAI.

Las preguntas de los empleados ilustran lo que está en juego en la práctica. Una respuesta sobre una deducción podría parecer razonable y, sin embargo, basarse en una política desactualizada. Un servicio útil debe poner a disposición su contexto de respaldo y proporcionar una vía clara de escalamiento cuando la respuesta siga siendo incierta.

Las consultas sensibles también requieren límites de acceso adecuados. La capacidad de un empleado para hacer una pregunta en lenguaje natural no debe implicar acceso a la información de otro empleado. Los compradores necesitan evidencia de que la comodidad conversacional respeta las mismas restricciones subyacentes que otras interfaces.

Por lo tanto, la nómina NovAI necesita evaluarse en precisión, explicación, acceso y recuperación. Estos son requisitos conectados. Un resultado preciso que no puede investigarse plantea un problema distinto de un resultado comprensible basado en información incorrecta.

Las próximas señales son los resultados de clientes, los controles y el alcance del lanzamiento

La próxima evidencia significativa mostrará lo que los empleadores pueden verificar durante las operaciones ordinarias de nómina.

La primera señal es un despliegue de acceso anticipado documentado con una línea de base comprensible. Un informe útil identificaría el trabajo incluido, las condiciones probadas y la intervención humana requerida. Debería distinguir la reducción del tiempo de preparación de la reducción del esfuerzo total.

La evidencia de clientes identificados reforzaría el anuncio si mostrara resultados repetibles a lo largo de ciclos reales de nómina. Un testimonio centrado solo en el entusiasmo aportaría menos. La señal más sólida es una explicación de lo que cambió en el proceso del empleador.

Los resultados también deberían reconocer los casos no resueltos. Un sistema que escala adecuadamente el trabajo difícil puede ser más útil que uno que informa una finalización amplia sin explicar las excepciones. Los compradores necesitan suficiente detalle para entender si la automatización mejora la decisión o simplemente hace avanzar el flujo de trabajo.

La segunda señal es la documentación que muestra cómo funciona el control del empleador. Esto incluye la relación entre los cálculos revisados, la preparación de pagos y la autorización final. La evidencia de que estos estados permanecen conectados reforzaría la propuesta central de Mercans.

Una demostración práctica debería incluir el rechazo y la corrección, no solo la aprobación. Debería mostrar qué ocurre cuando un empleador cuestiona un dato de entrada o solicita un recálculo. Esos momentos revelan si el control es utilizable bajo presión.

La documentación de control también debería explicar la recuperación ante interrupciones. Si el procesamiento se detiene o falla una integración, el empleador necesita una descripción fiable del trabajo completado y pendiente. La incertidumbre sobre el estado actual puede socavar reglas de aprobación que, por lo demás, sean claras.

La tercera señal es el alcance del lanzamiento previsto para 2027. Un calendario más claro ayudaría, pero el alcance importa más que una fecha por sí sola. Los empleadores necesitan saber qué capacidades, jurisdicciones y condiciones operativas cubre realmente el lanzamiento.

La confirmación de que la funcionalidad de acceso anticipado pasa al lanzamiento más amplio reforzaría la narrativa de lanzamiento. Diferencias sustanciales entre las funciones demostradas y las capacidades publicadas la limitarían. Ninguno de los dos resultados debe inferirse antes de que Mercans proporcione los detalles pertinentes.

Estas señales merecen atención durante los próximos meses sin inventar una fecha límite de entrega. El año anunciado no promete un trimestre concreto. Del mismo modo, una invitación de acceso anticipado no establece con qué rapidez un empleador individual puede completar la implementación.

Para los trabajadores del conocimiento que siguen la IA empresarial, este lanzamiento ilustra una pregunta de producto más amplia: ¿puede el software producir trabajo que siga siendo fácil de inspeccionar? La misma preocupación aparece en la investigación, la documentación y las decisiones internas. El contexto consultable importa cuando las personas deben explicar por qué aprobaron algo.

Una base de conocimientos independiente puede ayudar a los equipos a organizar políticas generales y notas de evaluación. Los registros sensibles de nómina siguen requiriendo su propia gestión y controles de acceso aprobados. La organización del conocimiento debe respaldar el proceso de revisión sin convertirse en una integración de nómina asumida.

Siga Mercans Agentic Payroll a través de esas señales concretas, en lugar de basarse únicamente en la afirmación sobre la categoría. Busque a un empleador que describa trabajo completado, documentación que muestre límites de aprobación exigibles y un alcance de lanzamiento que coincida con la evidencia. Pregunte si los revisores pueden rastrear un ajuste hasta su origen, cuestionar el resultado y comprender qué sigue sin resolverse. Compare el trabajo total que rodea la aprobación con el proceso que reemplaza. Mantenga la autoridad de pago y la calidad del cálculo como cuestiones de evaluación separadas, porque preservar una no demuestra la otra. Antes de considerar la ejecución más amplia de agentes como un avance, solicite una demostración del caso difícil: ¿qué ocurre cuando el equipo de nómina no está de acuerdo con el sistema?

 
 

Empieza gratis

Un asistente de IA local-first con gestión del conocimiento personal

Para ofrecer una mejor experiencia con la IA,

actualmente remio solo es compatible con Windows 10+ (x64) y M-Chip Macs.

Tu aliado de IA para el trabajo
Haz más con remio

Planifica. Crea. Entrega.
Todo en un solo lugar.

bottom of page