Deel, società specializzata in software per la gestione internazionale delle risorse umane e delle retribuzioni, ha annunciato il lancio di Pangaea, una famiglia di modelli linguistici sviluppati specificamente per attività HR, amministrazione del personale e payroll, accompagnata da Emet, una nuova iniziativa dedicata alla produzione di dati di addestramento specialistici e alla valutazione delle prestazioni dei sistemi di intelligenza artificiale. La famiglia Pangaea comprende inizialmente due modelli distinti, K1, progettato per rispondere a domande riguardanti normative del lavoro, procedure aziendali e gestione dei rapporti di impiego, e P1, dedicato alle problematiche relative alle retribuzioni e agli adempimenti payroll. L’architettura adottata privilegia l’adattamento di modelli linguistici esistenti attraverso conoscenze specialistiche, anziché lo sviluppo di nuovi foundation model addestrati interamente da zero. L’obiettivo dichiarato è utilizzare modelli di dimensioni inferiori rispetto alle principali soluzioni generaliste per elaborare richieste ricorrenti in ambiti ben definiti, riducendo i tempi di risposta e il costo delle inferenze. Le nuove soluzioni verranno integrate nell’assistente Deel AI, già presente nei prodotti aziendali, attraverso un sistema che seleziona il modello più adatto in funzione delle caratteristiche della richiesta, mantenendo disponibili modelli generalisti per operazioni che richiedono capacità di ragionamento più ampie e workflow agentici complessi.
Pangaea K1 deriva da un modello di base non identificato pubblicamente, composto da 9 miliardi di parametri, sul quale Deel ha effettuato ulteriori fasi di addestramento utilizzando il proprio patrimonio di conoscenze normative e operative. La società dispone di una raccolta documentale superiore a 43.500 pagine, mantenuta e aggiornata da oltre 2.000 specialisti in diritto del lavoro, amministrazione delle risorse umane, gestione delle retribuzioni e conformità regolamentare. Questo materiale costituisce la base informativa del processo di specializzazione, che comprende la rielaborazione delle informazioni in esempi adatti all’apprendimento e l’integrazione di una quantità limitata di testo generalista, per un totale di circa 1,2 miliardi di token. Il processo prevede inoltre l’utilizzo di esempi di risposta generati da un modello insegnante più potente, impiegati per trasferire al modello specializzato modalità di elaborazione e conoscenze utili ai compiti previsti. Attraverso questa procedura, parte delle informazioni viene incorporata nei parametri del modello, consentendo a K1 di produrre risposte senza dover necessariamente recuperare ogni volta tutti i documenti pertinenti da una fonte esterna. Il meccanismo non elimina tuttavia il ricorso alla ricerca documentale, che rimane importante per fornire riferimenti verificabili, controllare le informazioni utilizzate e aggiornare le risposte quando intervengono modifiche legislative o regolamentari successive all’addestramento.
Pangaea P1 segue un percorso di sviluppo differente ed è basato sulla famiglia di modelli NVIDIA Nemotron, con ulteriori attività di addestramento realizzate da AI21 Labs utilizzando esempi specialistici relativi alle retribuzioni, prodotti attraverso Emet. Deel non ha specificato quale versione di Nemotron costituisca la base del modello, così come non ha comunicato l’identità del modello originario impiegato per K1. Una caratteristica dichiarata dell’intero processo riguarda la provenienza dei dati: secondo l’azienda, nessuno dei due modelli iniziali è stato addestrato utilizzando informazioni identificabili dei dipendenti o registrazioni effettive delle retribuzioni dei clienti. Il materiale comprende invece documentazione normativa e operativa, contenuti preparati dagli specialisti ed esempi costruiti per rappresentare le problematiche da affrontare. La distinzione è significativa per la struttura del sistema, poiché consente di sviluppare competenze relative a regole, procedure e casistiche amministrative senza basare l’addestramento sui cedolini effettivi o sui dati personali dei lavoratori gestiti dalla piattaforma.
L’integrazione di Pangaea avviene all’interno di Deel AI, l’assistente utilizzato dai clienti per ottenere informazioni sulle disposizioni nazionali in materia di lavoro, sui diritti relativi ai congedi, sulle procedure di assunzione e sulle questioni connesse al calcolo e alla gestione delle retribuzioni. Il sistema non prevede che ogni richiesta venga obbligatoriamente elaborata da K1 o P1. La selezione avviene in funzione del compito, permettendo di indirizzare le domande specialistiche verso i nuovi modelli e di utilizzare soluzioni generaliste per ragionamenti più articolati, richieste trasversali e processi agentici che richiedono capacità non comprese nella specializzazione dei modelli Pangaea. L’utente finale non deve effettuare manualmente questa scelta, che viene gestita dall’infrastruttura applicativa. Rimane distinta l’integrazione già disponibile tra Deel e Claude attraverso il Model Context Protocol, o MCP: quando un utente interroga i servizi Deel tramite Claude, la risposta continua a essere generata da Claude utilizzando le informazioni rese accessibili dal collegamento. L’attivazione del connettore non determina quindi il passaggio automatico dell’elaborazione ai modelli Pangaea.
Per misurare le prestazioni di K1, Deel ha sviluppato EmBench Global Work, un benchmark composto da 601 domande relative alle procedure aziendali e alle normative internazionali del lavoro. Il protocollo di valutazione prevede che i modelli concorrenti possano accedere attraverso strumenti di ricerca alla medesima raccolta documentale di riferimento, mentre un ulteriore modello AI valuta i singoli elementi fattuali contenuti nelle risposte. Nei risultati comunicati dall’azienda, Pangaea K1 ottiene un punteggio di 70, collocandosi a breve distanza dai modelli con i risultati più elevati. DeepSeek V4.1 Flash raggiunge 75, Claude Opus 5.5 ottiene 74, GLM 5.3 Flash registra 72 e Claude Sonnet 5.5 arriva a 71. K1 supera invece Gemini 3.8 Flash, che totalizza 69, GPT-6 Sol con 59 e GPT-6 Luna con 52. Il risultato rappresenta una valutazione delle risposte secondo il sistema di attribuzione dei punteggi predisposto da Deel e non una percentuale direttamente interpretabile come accuratezza nelle operazioni retributive reali. I dati provengono da test sviluppati e comunicati dalla stessa azienda e non risultano accompagnati da una riproduzione indipendente dei risultati.
La differenza più marcata emerge dal confronto tra accuratezza relativa e latenza. Pangaea K1 completa le risposte con un tempo mediano di 7,7 secondi, mentre i quattro modelli che lo precedono nella graduatoria richiedono tempi compresi tra 14,8 e 28,4 secondi. L’azienda presenta quindi K1 come un’alternativa capace di avvicinarsi alle prestazioni dei principali modelli generalisti nel dominio specifico delle risorse umane, utilizzando tempi di elaborazione inferiori. Un ulteriore confronto riguarda gli effetti dell’addestramento specialistico: il modello originario da 9 miliardi di parametri ottiene un punteggio di 19 senza accesso alla ricerca documentale e di 46 quando dispone della possibilità di consultare le fonti, mentre K1 raggiunge 70 dopo le procedure di adattamento. L’incremento documenta, nelle condizioni sperimentali riportate, il contributo della specializzazione sul dominio lavoristico e amministrativo. La comparazione presenta tuttavia differenze metodologiche tra i sistemi, poiché K1 utilizza conoscenze incorporate durante l’addestramento, mentre i modelli concorrenti vengono valutati con accesso a strumenti di recupero delle informazioni. I risultati descrivono pertanto configurazioni operative complete e non costituiscono una graduatoria universale della qualità intrinseca dei singoli modelli.
Accanto a EmBench Global Work, Emet introduce EmBench Payroll, una valutazione dedicata ai requisiti retributivi specifici dei diversi paesi, sviluppata sulla base delle conoscenze degli specialisti del settore. Deel sostiene che Pangaea P1 raggiunga risultati prossimi a quelli dei principali modelli concorrenti anche su domande payroll particolarmente complesse, ma questa indicazione riguarda un benchmark distinto da quello utilizzato per misurare K1. Le informazioni pubblicate non dimostrano che P1 possa gestire correttamente tutte le casistiche retributive nelle diverse giurisdizioni, né che i punteggi ottenuti dai modelli siano sufficienti per autorizzare autonomamente decisioni riguardanti assunzioni, diritti dei lavoratori o pagamenti. In particolare, la capacità di rispondere a domande sulle disposizioni normative e sulle procedure amministrative deve essere distinta dall’esecuzione corretta di un intero processo payroll. La validazione delle risposte, l’aggiornamento delle informazioni e il controllo delle regole applicabili rimangono pertanto componenti necessari dell’architettura operativa.
Emet costituisce il secondo elemento dell’annuncio e rappresenta un’estensione delle attività di Deel verso la produzione di risorse specialistiche destinate allo sviluppo di sistemi AI da parte di organizzazioni esterne. L’offerta comprende tre categorie principali di servizi: valutazioni delle prestazioni dei modelli, creazione di esempi di addestramento da parte di esperti del settore e ambienti di esercitazione nei quali i sistemi AI possono svolgere attività aziendali ricevendo riscontri attraverso controlli automatizzati. La piattaforma utilizza l’infrastruttura organizzativa di Deel per individuare, verificare, contrattualizzare e retribuire specialisti distribuiti in diverse giurisdizioni. La società dichiara di servire oltre 40.000 clienti e di operare in 150 paesi, una presenza internazionale che intende utilizzare anche per organizzare attività di produzione e verifica di dati specialistici. Secondo il cofondatore e CEO Alex Bouaziz, Deel ha già avviato collaborazioni con importanti laboratori di intelligenza artificiale, senza però comunicarne i nomi. L’obiettivo commerciale di Emet consiste nel fornire ai produttori di modelli competenze umane e materiali di valutazione per ambiti operativi nei quali la conoscenza generalista non è sufficiente a rappresentare dettagli normativi, vincoli amministrativi e procedure aziendali.
Il rapporto tra Emet e Pangaea prevede un ciclo di miglioramento progressivo, nel quale gli specialisti individuano errori e carenze delle versioni esistenti, producono esempi aggiuntivi e verificano le prestazioni delle successive iterazioni. Abhijit Mehta, senior director of product di Deel, ha dichiarato che durante le tre settimane precedenti al lancio il gruppo di sviluppo aveva realizzato revisioni interne dei modelli con frequenza giornaliera. L’azienda ritiene che in futuro potrebbe essere appropriato passare a un ciclo di aggiornamento settimanale, senza aver tuttavia annunciato un calendario vincolante per i rilasci. L’impostazione consente di collegare l’evoluzione dei modelli ai risultati delle valutazioni e alle modifiche delle conoscenze specialistiche impiegate durante l’addestramento. Pangaea ed Emet si affiancano inoltre ad Akai, la piattaforma di automazione di Deel disponibile separatamente, che coordina agenti AI impegnati nell’esecuzione di workflow operativi. All’interno di questa articolazione, Akai gestisce l’orchestrazione delle attività, Pangaea fornisce risposte specialistiche e Emet contribuisce alla produzione di dati, esempi e valutazioni per migliorare le prestazioni dei sistemi. L’utilizzo di Akai non richiede necessariamente la sottoscrizione di un abbonamento ai servizi payroll o HR di Deel.
Sul piano economico, la strategia di Deel è orientata a ridurre la dipendenza dalle chiamate a modelli esterni per le richieste specialistiche più frequenti. L’impiego di modelli adattati e controllati direttamente dall’azienda può consentire una gestione più prevedibile dei costi di inferenza e dei tempi di risposta, con possibili effetti sui margini lordi dei servizi che incorporano funzionalità AI. La documentazione disponibile non fornisce però una quantificazione indipendente dei risparmi effettivi né una valutazione completa del costo totale di proprietà, che dovrebbe comprendere addestramento, infrastruttura di serving, manutenzione documentale, aggiornamenti normativi, valutazioni e interventi degli esperti. Deel ha dichiarato che l’assistente AI continua a essere incluso negli abbonamenti esistenti, senza una tariffa separata per ogni domanda. Non sono stati annunciati il rilascio pubblico dei pesi di Pangaea o la disponibilità di un’API self-service con prezzi di utilizzo pubblicati. I servizi Emet vengono invece proposti attraverso progetti definiti individualmente con i clienti, senza un listino pubblico standardizzato. Il lancio introduce quindi, da una parte, un aggiornamento delle capacità AI disponibili nei prodotti Deel e, dall’altra, una linea commerciale dedicata ai dati specialistici e alle valutazioni per sviluppatori esterni. Le prestazioni comunicate indicano che un modello relativamente compatto, adattato a un dominio circoscritto, può ottenere risultati competitivi in un benchmark specifico con tempi di risposta inferiori a quelli di modelli più generali, pur senza superare i migliori concorrenti in termini di punteggio e senza dimostrare automaticamente l’affidabilità necessaria per l’esecuzione autonoma di tutte le operazioni HR e payroll.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)