Mercans 推出 Agentic Payroll 搶先體驗
Mercans 於 2026 年 11 月 19 日公布 Agentic Payroll,提供可協助準備薪酬處理的 AI agents,同時由僱主保留審批及付款授權。該公司表示,大型僱主可透過 NovAI 參與搶先體驗,完整版本則計劃於 2027 年推出。因此,Mercans Agentic Payroll 提出了一項明確主張:委派更多處理工作,卻不把調動薪金的權限交予軟件。
這項分野相當重要,因為薪酬審批取決於審批畫面出現前所發生的一切。若審核者無法追溯計算過程、識別遺漏資料,或質疑自動化建議,人手簽署能提供的保障便十分有限。核心張力在於擴大自動化執行,同時保留有實質意義的僱主控制權。
Workday 已經將 AI agents 與薪酬軟件一併推廣,使 agents 參與薪酬工作成為既定競爭方向,而非尚無定論的類別。Mercans 的公告著重 agents 在整個薪酬週期中承擔多少工作。買方現時需要證據證明,更廣泛的委派既能減少工作量,又不會令例外情況更難調查。
Mercans Agentic Payroll 以搶先體驗起步
經核實的公告涉及搶先體驗,而更廣泛的商業推出仍只是 2027 年的計劃。
根據該公司的 Agentic Payroll 公告,NovAI 協調資料收集、計算、檢查、付款準備、申報及員工查詢。在此,AI agents 指的是執行相連任務的軟件,而不只是生成答案。Mercans 將僱主審批描述為這些工作的界線。
該來源需要審慎標示。USA Today 的頁面指出,該材料屬由 XPR Media 發布的付費新聞稿內容,其新聞編採部並未撰寫這份公告。刊載於該網域僅能確認公告出現的位置,並不構成對產品主張的獨立驗證。
Mercans 稱其方案為首個端對端 agentic payroll 交付模式,並表示其薪酬引擎覆蓋逾 100 個國家。這些均屬供應商說法。該公告未有確立經獨立測試的市場排名,亦未有證明每個司法管轄區均具備同等功能。
公告亦指出,僱主負責授權薪酬及放行付款,而 Mercans 系統本身無法放行付款。公告稱客戶資料不會用於訓練 AI models。這些是重要的已聲明界線,但要作營運驗證,不能只憑其出現在發布公告中。
「Model」亦需要放在語境中理解。Mercans 所指的是薪酬交付模式,即執行工作的安排。公告沒有指出推出了新的 foundation model,即支撐許多應用程式的通用 AI。讀者應將其視為企業工作流程軟件及服務交付方案來評估。
搶先體驗令公告的含義較普遍供應更為狹窄。這並不表示每名有興趣的僱主都可立即啟用服務。計劃推出的年份亦沒有列出交付月份、實施時間表或保證的功能組合。
實際改變是,這是一項邀請,讓企業評估更大範圍的自動化薪酬處理。即使不假設該方案已達成熟部署階段,這仍具重要性。潛在客戶應分辨哪些內容可在搶先體驗期間測試,哪些則屬後續路線圖的一部分。
同樣地,發布公告不能取代部署證據。示範可展示一個流程成功完成;生產環境證據則必須說明,當資料延遲到達、規則變更,或員工對結果提出爭議時,實際發生了甚麼。
這項分野界定了故事餘下部分。Mercans 已宣布一項具清晰聲明限制的營運主張。其重要性現時取決於,當僱主委派更多準備工作時,這些限制能否持續有效。
薪酬團隊面對不同的審核負擔
自動化的價值,在於減少作出可辯護薪酬決定所需的工作。
直接壓力落在正評估企業 AI 的薪酬主管及財務團隊身上。他們必須評估,較廣泛的自動化工作流程是消除了日常處理,還是只把未解決的問題集中到審批前。兩種情況在示範中看似相近,但在發薪日前的感受卻大不相同。
因此,Mercans payroll automation 應按僱主現有流程來評估。有用的基準包括收集輸入資料、解決差異、審核計算及記錄審批。若只量度 agent 準備輸出所花的時間,便把人手工作量排除在比較之外。
假設某僱主同時處理薪金變動及延遲提交的工時表修正。軟件或可收集兩項更新並計算修訂後薪酬。審核者仍須了解哪些資料決定了結果,以及兩項變動是否均已獲所需授權。
若系統能連同佐證記錄提供這些解釋,自動化可令審核更聚焦。若它只提供令人安心的摘要,審核者便須在其他地方重建個案。表面上的處理效率收益,便會把工作轉移至調查,而非消除工作。
這正是例外情況處理與日常完成同樣值得關注的原因。例外情況是指落在預期規則或處理路徑以外的個案。其重要性來自所需的判斷,而不僅是出現頻率。
薪酬團隊或會接受自動處理既定的經常性津貼,但對不尋常的調整作嚴格審查。有用的系統應保留這項分別。把每個項目一律視為同樣安全或同樣可疑,只會令人工注意力的效用降低。
壓力亦延伸至採購團隊。他們需要釐清哪些責任屬於軟件供應商、哪些仍由僱主承擔,以及如何處理分歧。泛泛承諾自動化薪酬,並未解答這些營運問題。
實施團隊面對相關難題:來源資料必須帶有足夠脈絡,才能支持最終決定。即使金額正確,若沒有生效日期,仍可能被納入錯誤的薪酬期。已獲批准的變動若欠缺可靠的員工識別碼,亦可能套用到錯誤紀錄。
這些例子都沒有證實 NovAI payroll 存在缺陷。它們描述的是其主張在哪些條件下才會產生價值。把工作交由 agents 處理,會提高在完整流程中保留脈絡的重要性。
對員工而言,有意義的結果仍是可理解、正確的薪酬,以及可行的更正途徑。較快的對話式答案,只有在反映員工實際情況時才有幫助。對措辭的信心不能取代底層紀錄的準確性。
因此,組織上的改變是轉向證據審核。薪酬專業人員需要更少的日常步驟,並更清楚看見需要判斷的個案。若缺乏這種可見性,保留的審批步驟便可能成為自動化未解決工作累積的地方。
準備薪酬有別於授權調動資金
人手控制取決於審批者在付款離開僱主前可檢查、拒絕及更改甚麼。
Mercans 聲稱在準備工作與放行付款之間作出分隔,提供了一個有用的評估界線。它區分了組織工作的軟件與獲授權轉移資金的軟件。買方應把這項分隔視為營運控制措施,而非令人安心的口號。
審批畫面只是可見的終點。有實質意義的控制亦需要準確描述擬議行動、可存取佐證資料,以及可停止處理的方法。僱主必須理解審批涵蓋甚麼。
例如,審批薪酬計算,應與其後產生的付款指示有清晰界定的關係。若相關資料有所變更,流程需要明確回應。否則,已審核的結果與最終付款準備便可能出現偏差。
這是一般控制問題,並非針對 NovAI 實施方式的主張。公告確立了該公司所聲明的授權界線,但沒有解釋在相連系統中用以執行這項界線的每一項技術機制。
職責分離,即把敏感步驟分配予不同獲授權角色,提供了另一個有用角度。獲准修改薪酬資料的人員,未必同時需要審批由此產生的付款。加入 agents 應保留僱主原定的角色界線。
同樣原則亦適用於軟件權限。收集資料的 agent 需要與該工作相稱的存取權。更廣泛的權限可簡化整合,卻會帶來額外風險。買方需要了解實際授予的權限,包括員工或管理員離職時存取權如何變更。
對美國僱主而言,IRS 提供了一項相關的問責參考。其有關 outsourcing payroll duties 的指引警告,即使供應商處理薪酬工作,僱主仍須就聯邦稅務責任負責。該指引針對一般外判情況,並非評估 Mercans。
這項發布的含意直接明確:委派處理工作不會免除核實結果的需要。僱主不應假設 agent 的參與改變其責任。適用安排及司法管轄區仍需要各自審核。
準備申報與確認成功提交之間,也存在相若分別。工作流程內的完成,不一定等於接收機構已確認。可信的審核流程應讓這些不同狀態清晰可見。
付款準備亦需要明確的失敗狀態。若輸入資料不完整或互相矛盾,不提出建議可能比給出看似合理的答案更能保留控制權。買方應詢問未解決個案如何轉交予人員處理。
Mercans Agentic Payroll 最有力的版本,應可令審批決定更容易辯護。這需要可追溯的準備過程及可強制執行的授權界線兼備。單有其中一項,仍會令僱主問題的一部分未獲解決。
競爭對手的薪酬平台提高證據門檻
競爭問題在於 agents 如何處理相連工作,而非供應商是否使用 agent 這個標籤。
Workday 的薪酬資料提及自動化資料收集、問題偵測、員工自助服務及 Payroll Agent。該公司亦描述透過原生及合作夥伴系統建立的全球薪酬連接。這些說法確立了重疊的產品定位,並不代表效果相同或服務範圍一致。
Mercans 強調其自有的薪酬引擎,以及交由代理人處理的工作範圍。Workday 則強調其互連平台及薪酬能力。這些描述提供了背景,但買家無法單憑各供應商所用的措辭判斷誰勝出。
這項比較說明,「端到端」需要有明確的起點和終點。一個工作流程可能在僱主已清理並批准所有輸入資料後才開始。另一個則可能涵蓋收集不完整資料,以及將問題轉交予負責人處理。
兩者都可能覆蓋一段很長的流程,同時減少不同程度的僱主工作。因此,相關比較亦應包括宣傳流程以外的工作,並涵蓋名義上成功完成流程後所需的調查和修正。
Mercans 的薪酬自動化與其他企業系統面對相同的評估:僱主仍然需要做甚麼?這個問題讓分析聚焦於營運範圍,避免把每項產品功能都視為獨立的競爭比賽。
架構固然重要,但不足以構成完整的效能論據。共用引擎可以提供一致的控制套用位置。互連的本地系統則可反映其市場中既有的流程。若沒有實際工作流程的證據,兩種安排都不能證明準確性。
單一引擎亦需要正確呈現本地差異。反過來,整合方案亦須在跨界限時保留資訊和責任歸屬。買家應直接評估這些機制,而非假設集中式或分散式交付會自動解決問題。
這正是 Mercans「業界首創」的說法需要審慎看待的地方。要確立優先地位,必須有穩定的定義,以及與相關替代方案作有文件記錄的比較。所審閱的發布內容提供的是公司聲明,而非獨立市場研究。
這項聲稱對買家的實用性,也不及經證明的適配程度。即使屬於首創,也不能證明產品能處理僱主的薪酬安排。即使較後推出,也不能證明競爭方案會帶來較差結果。
公平的評估應為供應商提供可比較的輸入資料及難度相若的案例。審閱者應追蹤每個系統能否識別缺失資料、保留審批、解釋調整,以及支援修正。目標是比較已完成且可審閱的工作。
競爭壓力於是變得具體。供應商必須說明其代理人在現有自動化以外完成了甚麼工作,以及有甚麼證據佐證。薪酬團隊應期待更清楚交代被委派的責任,而不是圍繞類別歸屬的競賽。
早期存取仍未解答可靠性與私隱問題
公告描述了預期的保障措施,但未能證明系統在所聲稱的完整範圍內具備正式生產環境的可靠性。
所審閱的發布內容未提供詳細的試點方法、客戶層面的結果,或經獨立審核的準確度基準。這項缺失限制了讀者可作出的結論,但不代表系統表現欠佳。
可靠性聲稱需要有明確的衡量單位。按每次計算衡量的結果,與按每名僱員或每次完成的薪酬計算衡量,並不相同。整體成功率亦需要說明未解決個案和人工修正如何納入計算。
評估的組成與其標題結果同樣重要。例行的定期薪金與追溯性更改或不完整記錄,測試的是不同情況。若基準主要由簡單個案構成,便只能對困難審批提供有限證據。
另一個未解答的問題,是 AI 與既有計算軟件之間的分工。公告描述代理人執行薪酬工作,卻未詳細說明哪些元件負責產生文字、協調工作或計算金額。買家不應假設對話模型執行每一項操作。
這項區分相當重要,因為不同元件需要不同檢查。計算引擎需要根據其規則和輸入資料進行驗證。自動生成的解釋需要忠實反映這些結果。協調代理人則需要選擇獲授權的行動,並辨識何時應停止。
NIST 的 AI 風險框架為評估 AI 在開發和使用全程中的可信賴性提供一般參考。這是自願性指引,並非此產品的認證。其相關性在於將風險管理視為持續進行的活動。
對薪酬買家而言,這意味著部署後的變動應與初次驗收一樣受到仔細審視。更新規則、改動整合及新的代理人行為,都可能影響既有流程。一次成功示範並不能解決這些變動將如何被審閱的問題。
Mercans 表示客戶資料不會用於訓練 AI 模型,這回應了敏感資訊使用的一項重要問題。不過,這本身並未說明資料保留、存取、處理地點,或其他服務供應商的參與情況。這些仍是不同的問題。
不作訓練的承諾,亦不代表服務不會處理任何客戶資訊。僱主需要精確了解哪些資料會進入各個元件,以及原因為何。他們應區分合約上限制訓練的條款,與規管日常運作的控制措施。
NIST 的 生成式 AI 概況為評估生成內容的系統提供額外的跨行業指引。把這類指引應用於薪酬,是分析上的選擇,而非 NIST 的背書。該機構的出版物並未評估 NovAI。
僱員問題說明了實際利害關係。有關扣款的回應可能聽起來合理,但其依據可能是過時政策。有用的服務應讓其支援背景可供查閱,並在答案仍不確定時提供清晰的升級處理途徑。
敏感查詢亦需要適當的存取界限。僱員能以自然語言提問,不應意味著可存取其他僱員的資訊。買家需要證據顯示,對話便利性遵守與其他介面相同的底層限制。
因此,NovAI 薪酬系統需要從準確性、解釋、存取及復原能力各方面評估。這些要求互相關連。無法調查的準確結果,與建基於錯誤資訊但容易理解的結果,會帶來不同問題。
下一批訊號是客戶結果、控制措施與發布範圍
下一項有意義的證據,將顯示僱主在日常薪酬運作中可以驗證甚麼。
第一項訊號,是具備可理解基準的早期存取部署文件。有效的說明應識別所涵蓋的工作、測試條件及所需人工介入,並應區分減少準備時間與減少總工作量。
若具名客戶證據能展示在實際薪酬週期中可重複出現的結果,便可加強公告的說服力。只著重熱情的推薦語價值較低。較強的訊號是解釋僱主流程有甚麼改變。
結果亦應承認尚未解決的個案。能適當升級處理困難工作的系統,可能比聲稱廣泛完成、卻未解釋例外情況的系統更有用。買家需要足夠細節,以了解自動化是否改善決策,還是僅僅推進工作流程。
第二項訊號,是說明僱主控制如何運作的文件。這包括已審閱的計算、付款準備與最終授權之間的關係。能證明這些狀態仍然相連的證據,將加強 Mercans 的核心主張。
實際示範應包括拒絕和修正,而不只是批准。它應展示當僱主質疑某項輸入資料或要求重新計算時會發生甚麼。這些時刻揭示控制機制是否能在壓力下使用。
控制文件亦應說明如何從中斷中復原。若處理停止或整合失敗,僱主需要可靠地了解已完成和待處理的工作。不確定目前狀態,可能削弱原本清晰的批准規則。
第三項訊號,是計劃於 2027 年發布的範圍。更清晰的時間表會有幫助,但範圍比單獨的日期更重要。僱主需要知道發布實際涵蓋哪些能力、司法管轄區和營運條件。
確認早期存取功能會延續至更廣泛的發布,將加強發布敘事。已示範功能與已發布能力若有重大差異,則會收窄這項敘事。在 Mercans 提供相關細節前,不應推定任何一種結果。
未來數月值得留意這些訊號,但不應虛構交付期限。公告所述年份並未承諾某一季度。同樣地,早期存取邀請並不能證明個別僱主可多快完成實施。
對關注企業 AI 的知識工作者而言,這次發布說明了一個更廣泛的產品問題:軟件能否產出仍然容易查閱的工作?相同關注亦見於研究、文件和內部決策。當人們需要解釋自己為何批准某件事時,可搜尋的背景資料相當重要。
獨立的知識庫可協助團隊整理一般政策和評估筆記。敏感薪酬記錄仍需要其本身經批准的處理和存取控制。知識整理應支援審閱流程,而不應被假設為薪酬整合。
應透過這些具體訊號追蹤 Mercans Agentic Payroll,而非只看類別聲稱。留意僱主描述已完成的工作、顯示可執行審批界限的文件,以及與證據相符的發布範圍。詢問審閱者能否追溯調整至來源、質疑結果,並了解哪些問題仍未解決。比較批准前後的總工作量與其取代的流程。應把付款授權和計算品質視為獨立的評估問題,因為保留其中一項並不能證明另一項。把更廣泛的代理人執行視為進展前,應要求示範困難個案:當薪酬團隊不同意系統時,會發生甚麼?



