ਪੇਰੋਲ ਵੈਲੀਡੇਸ਼ਨ ਲਈ AI Agents ਬਣਾਉਣਾ
ਪੇਰੋਲ ਲਈ AI agents ਬਾਰੇ ਜ਼ਿਆਦਾਤਰ ਲੇਖ HR ਖਰੀਦਦਾਰਾਂ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਂਦੇ ਹਨ। ਉਹ ਬਣਾਉਣ ਵਾਲਿਆਂ (builders) ਨੂੰ ਨਿਸ਼ਾਨਾ ਨਹੀਂ ਬਣਾਉਂਦੇ।
ਜੇਕਰ ਤੁਸੀਂ ਛੋਟੀਆਂ ਅਕਾਊਂਟਿੰਗ ਫਰਮਾਂ ਲਈ ਪੇਰੋਲ agents ਬਣਾਉਂਦੇ ਹੋ, ਤਾਂ ਤੁਹਾਨੂੰ ਇੱਕ ਵਧੇਰੇ ਔਖੀ ਸਮੱਸਿਆ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ। ਤੁਸੀਂ ਇੱਕ ਕੰਪਨੀ ਦਾ ਪ੍ਰਬੰਧਨ ਨਹੀਂ ਕਰ ਰਹੇ ਹੋ। ਤੁਸੀਂ ਇੱਕੋ ਸਮੇਂ ਕਈ ਕਲਾਇੰਟਸ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰ ਰਹੇ ਹੋ। ਇਹ ਇੱਕ multi-tenant ਸਮੱਸਿਆ ਹੈ, single-tenant ਨਹੀਂ।
ਇੱਥੇ ਦੱਸਿਆ ਗਿਆ ਹੈ ਕਿ ਅਜਿਹੀ ਆਰਕੀਟੈਕਚਰ ਕਿਵੇਂ ਬਣਾਈ ਜਾਵੇ ਜੋ ਅਸਲ ਵਿੱਚ ਕੰਮ ਕਰਦੀ ਹੈ।
ਤਿੰਨ-ਪਰਤ ਵਾਲੀ ਆਰਕੀਟੈਕਚਰ (The Three-Layer Architecture)
- Agent Layer: ਤਰਕ (reasoning), ਆਰਕੈਸਟਰੇਸ਼ਨ (orchestration) ਅਤੇ ਅਨੋਮਲੀਆਂ (anomalies) ਦੀ ਨਿਸ਼ਾਨਦੇਹੀ ਕਰਨ ਲਈ LLMs ਦੀ ਵਰਤੋਂ ਕਰੋ।
- Deterministic Tax Engine: ਗਣਨਾਵਾਂ ਲਈ rules-based ਸਿਸਟਮਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ। ਟੈਕਸ ਦੀ ਗਣਨਾ ਕਰਨ ਲਈ ਕਦੇ ਵੀ LLM ਦੀ ਵਰਤੋਂ ਨਾ ਕਰੋ। LLMs ਸੰਭਾਵਨਾਤਮਕ (probabilistic) ਹੁੰਦੇ ਹਨ। ਟੈਕਸ ਦੀ ਗਣਨਾ ਬਿਲਕੁਲ ਸਹੀ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।
- Explainability Layer: ਇੱਕ ਅਜਿਹਾ ਸਿਸਟਮ ਬਣਾਓ ਜੋ ਇਹ ਦਸਤਾਵੇਜ਼ੀ ਰੂਪ ਵਿੱਚ ਦੱਸੇ ਕਿ ਹਰ ਅੰਕ ਤੱਕ ਕਿਵੇਂ ਪਹੁੰਚਿਆ ਗਿਆ।
Multi-Tenant ਸਿਸਟਮਾਂ ਲਈ ਡਿਜ਼ਾਈਨ ਨਿਯਮ
ਜਦੋਂ ਤੁਸੀਂ ਕਈ ਕਲਾਇੰਟਸ ਨੂੰ ਸੰਭਾਲਦੇ ਹੋ, ਤਾਂ ਤੁਹਾਨੂੰ ਉਹਨਾਂ ਨੂੰ ਵੱਖ (isolate) ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ।
• Data Isolation: ਕਲਾਇੰਟ A ਲਈ ਬਣਾਇਆ ਨਿਯਮ ਕਦੇ ਵੀ ਕਲਾਇੰਟ B ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਨਹੀਂ ਕਰਨਾ ਚਾਹੀਦਾ। • Client Baselines: ਇੱਕ ਸਥਿਰ ਦਫ਼ਤਰ ਲਈ ਅਨੋਮਲੀ ਥ੍ਰੈਸ਼ਹੋਲਡ (anomaly threshold) ਇੱਕ ਉਸਾਰੀ ਵਾਲੀ ਥਾਂ (construction site) ਲਈ ਫੇਲ ਹੋ ਜਾਵੇਗਾ ਜਿੱਥੇ ਓਵਰਟਾਈਮ ਜ਼ਿਆਦਾ ਹੁੰਦਾ ਹੈ। ਹਰੇਕ ਕਲਾਇੰਟ ਨੂੰ ਆਪਣੇ ਵੱਖਰੇ ਬੇਸਲਾਈਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। • Audit Trails: ਤੁਹਾਨੂੰ ਹਰੇਕ ਕਲਾਇੰਟ ਲਈ ਸੁਤੰਤਰ ਲੌਗਸ (logs) ਐਕਸਪੋਰਟ ਕਰਨੇ ਚਾਹੀਦੇ ਹਨ।
ਬੇਸਲਾਈਨ ਦੀ ਸਮੱਸਿਆ (The Baseline Problem)
ਇੱਕ agent ਅਨੋਮਲੀ ਨਹੀਂ ਲੱਭ ਸਕਦਾ ਜੇਕਰ ਉਸਨੂੰ ਇਹ ਨਹੀਂ ਪਤਾ ਕਿ ਆਮ (normal) ਕੀ ਹੈ।
ਐਕਟਿਵ ਵੈਲੀਡੇਸ਼ਨ ਸ਼ੁਰੂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਤੁਹਾਨੂੰ ਪਿਛਲੇ ਤਿੰਨ ਤੋਂ ਛੇ ਪੇਅ ਸਾਈਕਲ (pay cycles) ਲੈਣੇ ਚਾਹੀਦੇ ਹਨ। ਜੇਕਰ ਤੁਸੀਂ ਇਸ ਨੂੰ ਛੱਡ ਦਿੰਦੇ ਹੋ, ਤਾਂ ਤੁਹਾਨੂੰ ਬਹੁਤ ਸਾਰੇ ਗਲਤ ਪੋਜ਼ੀਟਿਵ (false positives) ਮਿਲਣਗੇ। ਇਸ ਨਾਲ ਅਲਰਟ ਫੈਟੀਗ (alert fatigue) ਹੁੰਦੀ ਹੈ। ਉਪਭੋਗਤਾ ਫਲੈਗਸ ਵੱਲ ਦੇਖਣਾ ਬੰਦ ਕਰ ਦੇਣਗੇ। ਇਹ ਸੁਰੱਖਿਆ ਦਾ ਇੱਕ ਝੂਠਾ ਅਹਿਸਾਸ ਪੈਦਾ ਕਰਦਾ ਹੈ।
ਕੀ ਫਲੈਗ ਕਰਨਾ ਹੈ (What to Flag)
ਤੁਹਾਡੇ ਲੌਜਿਕ ਨੂੰ ਇਹਨਾਂ ਖਾਸ ਚੀਜ਼ਾਂ ਦੀ ਭਾਲ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ:
- ਔਸਤ ਦੇ ਮੁਕਾਬਲੇ ਰੇਟ ਜਾਂ ਘੰਟਿਆਂ ਦੀਆਂ ਅਨੋਮਲੀਆਂ।
- ਟਾਈਮ ਟ੍ਰੈਕਿੰਗ ਅਤੇ ਪੇਰੋਲ ਸਿਸਟਮਾਂ ਵਿਚਕਾਰ ਡੇਟਾ ਦਾ ਮੇਲ ਨਾ ਖਾਣਾ।
- ਅਧਿਕਾਰ ਖੇਤਰ (Jurisdiction) ਵਿੱਚ ਤਬਦੀਲੀਆਂ। ਜੇਕਰ ਕੋਈ ਕਰਮਚਾਰੀ ਨਵੇਂ ਰਾਜ ਵਿੱਚ ਚਲਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਟੈਕਸ ਨਿਯਮ ਤੁਰੰਤ ਬਦਲ ਜਾਂਦੇ ਹਨ।
- ਨਵੇਂ ਭਰਤੀ ਕੀਤੇ ਗਏ ਕਰਮਚਾਰੀਆਂ ਲਈ ਅਧੂਰੇ ਓਨਬੋਰਡਿੰਗ ਫਾਰਮ।
ਬਣਾਉਣਾ ਹੈ ਜਾਂ ਖਰੀਦਣਾ ਹੈ (When to Build vs. Buy)
ਫੈਸਲਾ ਤੁਹਾਡੇ ਕਲਾਇੰਟਾਂ ਦੀ ਗਿਣਤੀ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ।
• 10 ਤੋਂ ਘੱਟ ਕਲਾਇੰਟ: Gusto ਜਾਂ QuickBooks ਵਰਗੇ ਮੌਜੂਦਾ ਪਲੇਟਫਾਰਮਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ। ਉਹ ਤੁਹਾਡੇ ਲਈ ਉੱਚ-ਜੋਖਮ ਵਾਲੇ ਟੈਕਸ ਇੰਜਣ ਨੂੰ ਸੰਭਾਲਦੇ ਹਨ। • 10 ਤੋਂ ਵੱਧ ਕਲਾਇੰਟ: ਪੇਰੋਲ APIs ਦੇ ਉੱਪਰ ਇੱਕ ਵੈਲੀਡੇਸ਼ਨ ਲੇਅਰ ਬਣਾਓ। • ਵੱਡੇ ਪੱਧਰ 'ਤੇ: ਵੋਲਯੂਮ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਇੱਕ ਕਸਟਮ ਮਲਟੀ-ਏਜੰਟ ਸਿਸਟਮ ਬਣਾਓ।
ਅਸਲ ਇੰਜੀਨੀਅਰਿੰਗ ਚੁਣੌਤੀ LLM ਨਹੀਂ ਹੈ। ਇਹ ਉਹ ਬੋਰਿੰਗ ਕੰਮ ਹੈ: tenant isolation, access scoping, ਅਤੇ audit trails। ਬੁਨਿਆਦ ਸਹੀ ਬਣਾਓ, ਅਤੇ AI ਉਪਯੋਗੀ ਹੋ ਜਾਵੇਗਾ।
ਸਰੋਤ: https://dev.to/claritywithai/building-ai-agents-for-payroll-validation