How Papaya Global Built a Production Compliance Agent With Claude, Lovable, and Supabase. And No Engineers
Компания Papaya Global, работающая с расчётом зарплат и комплаенсом в 160 странах, построила производственного AI-агента Papaya 1 на базе Claude, Lovable и Supabase — без инженеров и UX-дизайнеров. Главную идею на SaaStr AI Annual 2026 представили VP по Client Success Сиванне Фишель и глава продуктового дизайна Хагит Бен-Цур: реальный конкурент — не другой вендор, а бесплатный ChatGPT, которому клиент уже доверяет, а одна неверная подсказка в комплаенсе может стоить $250 000. Бен-Цур превращала каждую ошибку модели в правило, собрав библиотеку из 22 правил, и добавила второй проверяющий ИИ — получился трёхэтапный конвейер «аналитик → ревьюер → финализатор». Рабочий агент был готов за четыре недели, но завоевание доверия клиентов заняло четыре месяца: запуск шёл на 5–10 доверенных клиентах, с пометкой «guidance, а не юридическая консультация» и аварийным «kill switch», отключающим страну при падении точности. Доверие измеряют по трём сигналам: возвраты пользователей, усложнение вопросов и сокращение обращений к внешним юристам. Вывод: движок (AI) скопировать можно, а топливо — доменную экспертизу по 160 странам и тысячам контрактов — нет.
How Papaya Global Built a Production Compliance Agent With Claude, Lovable, and Supabase. And No Engineers
Как Papaya Global построила производственного комплаенс-агента на Claude, Lovable и Supabase. И без инженеров
by | Blog Posts, Sponsored Posts
автор Jason Lemkin | Blog Posts, Sponsored Posts
Payroll compliance is a business where one wrong answer can cost $250,000. Papaya Global runs it across 160 countries, and they kept losing a quiet battle. At 2am, when a client has a real question, like whether they can terminate a worker in Germany, the client does not open Papaya’s knowledge base. They open ChatGPT. It answers in seconds, sounds completely sure of itself, and is sometimes completely wrong.
Комплаенс в расчёте зарплат — это бизнес, где один неверный ответ может стоить $250 000. Papaya Global ведёт его в 160 странах — и проигрывала тихую битву. В 2 часа ночи, когда у клиента возникает реальный вопрос — например, может ли он уволить сотрудника в Германии, — клиент открывает не базу знаний Papaya. Он открывает ChatGPT. Тот отвечает за секунды, звучит абсолютно уверенно и иногда оказывается полностью неправ.
That is the problem Papaya’s VP of Client Success, Sivanne Fishel, and Head of Product Design, Hagit Ben-Tzur, came to SaaStr AI Annual 2026 to solve. Their session was titled “Your AI agent will get you sued. Here’s how we fixed ours,” and it is a clinic in what it takes to ship an agent in a domain where being wrong is expensive.
Именно эту проблему VP по Client Success компании Papaya Сиванне Фишель и глава продуктового дизайна Хагит Бен-Цур приехали решать на SaaStr AI Annual 2026. Их сессия называлась «Ваш AI-агент доведёт вас до суда. Вот как мы исправили своего» — и это наглядный разбор того, что нужно, чтобы выпустить агента в области, где ошибка стоит дорого.
Start with the part most founders miss. Papaya’s competition was never another payroll vendor. It was a free chatbot the client already had open in another tab and already trusted enough to ask. Every B2B company selling into a regulated workflow is now in this position. Your customers are running your domain through a general model whether you build anything or not. The only question is whether you can be more trustworthy than that model at 2am, on the exact question that carries the liability.
Начнём с того, что большинство основателей упускают. Конкурентом Papaya никогда не был другой вендор по расчёту зарплат. Им был бесплатный чат-бот, который у клиента уже открыт в соседней вкладке и которому он уже доверяет достаточно, чтобы задать вопрос. Любая B2B-компания, продающая в регулируемый рабочий процесс, теперь оказалась в этом положении. Ваши клиенты прогоняют вашу предметную область через универсальную модель — построите вы что-то или нет. Единственный вопрос — сможете ли вы быть надёжнее этой модели в 2 часа ночи, на том самом вопросе, который несёт юридический риск.
And the lesson underneath the whole build is the one most teams get backwards. Papaya had a working agent in four weeks. Getting their clients to trust it enough to stop opening ChatGPT took four months. The build was the easy part.
А урок, лежащий в основе всей разработки, — тот, который большинство команд понимает наоборот. У Papaya рабочий агент был готов за четыре недели. А чтобы клиенты стали доверять ему настолько, чтобы перестать открывать ChatGPT, потребовалось четыре месяца. Разработка была лёгкой частью.
The test that started it
Тест, с которого всё началось
Ben-Tzur started simple. She took a real Brazilian employment contract, a CLT contract, and handed it to Claude. Then she handed the same contract, with the same question, to ChatGPT.
Бен-Цур начала просто. Она взяла реальный бразильский трудовой договор — контракт по CLT — и передала его Claude. Затем передала тот же контракт с тем же вопросом ChatGPT.
Both looked confident. Both gave completely different answers. When she checked both against the actual law, neither got it fully right.
Оба выглядели уверенно. Оба дали совершенно разные ответы. Когда она сверила оба с реальным законом, ни один не оказался полностью прав.
This is the trap every vertical AI founder walks into: assume the model plus your data equals a product. The Brazilian contract proved the opposite. A general model does not know what it does not know about your domain, and it will say the wrong thing with total conviction. The problem was not which model she picked. The problem was that nobody had taught any of the models to think about compliance. So she stopped asking which AI was better and started asking why they were wrong.
Это ловушка, в которую попадает каждый основатель вертикального AI: предположить, что модель плюс ваши данные равны продукту. Бразильский контракт доказал обратное. Универсальная модель не знает того, чего она не знает о вашей предметной области, и она скажет неверное с полной убеждённостью. Проблема была не в том, какую модель она выбрала. Проблема была в том, что никто не научил ни одну из моделей думать о комплаенсе. Поэтому она перестала спрашивать, какой AI лучше, и начала спрашивать, почему они ошибаются.
Turn every failure into a rule
Превращайте каждую неудачу в правило
Every time she found a mistake, she wrote a rule. Rule four: do not guess jurisdiction. Rule eight: do not sound confident if you are unsure. Rule eighteen: do not flag an issue without citing the right law. One at a time, over weeks, until there were 22 rules.
Каждый раз, находя ошибку, она писала правило. Правило четыре: не угадывай юрисдикцию. Правило восемь: не звучи уверенно, если не уверен. Правило восемнадцать: не отмечай проблему, не сославшись на нужный закон. По одному, неделя за неделей, пока не набралось 22 правила.
What she was actually building was an eval-driven rules library, and that library is the part competitors cannot shortcut. Each rule is a piece of institutional knowledge made executable, the kind of judgment a senior compliance lawyer carries in their head and a model has no access to. The library compounds. Every new failure Papaya catches makes the product permanently better, and a competitor starting today has zero of those rules. This is what “domain expertise as a moat” looks like in practice. It is not a slide. It is 22 specific corrections, each one earned from a specific way the model got it wrong.
На самом деле она строила библиотеку правил, управляемую evals, и именно эту часть конкуренты не могут обойти. Каждое правило — это кусок институционального знания, сделанный исполняемым: то самое суждение, которое старший юрист по комплаенсу держит в голове и к которому у модели нет доступа. Библиотека накапливается. Каждая новая ошибка, которую ловит Papaya, делает продукт навсегда лучше, а у конкурента, который начинает сегодня, этих правил ноль. Вот как «доменная экспертиза как защитный ров» выглядит на практике. Это не слайд. Это 22 конкретные поправки, каждая из которых добыта из конкретного способа, которым модель ошибалась.
The difference showed up the moment she ran the same Brazilian contract through all three:
Разница проявилась в тот момент, когда она прогнала тот же бразильский контракт через все три:
Same document, same question. The gap between the general models and the domain agent was not intelligence. It was knowing what to look for and what to ignore.
Тот же документ, тот же вопрос. Разрыв между универсальными моделями и доменным агентом был не в интеллекте. Он был в знании того, что искать и что игнорировать.
One model was not enough, so they built a second to check the first
Одной модели было недостаточно, поэтому они построили вторую, чтобы проверять первую
Even with 22 rules, the agent still made mistakes. Fewer, but enough to matter when a wrong answer carries a six-figure liability. Rules fix what the model knows. They do not fix how the model behaves, and the most dangerous behavior in compliance is confident wrongness.
Даже с 22 правилами агент всё ещё делал ошибки. Меньше, но достаточно, чтобы это имело значение, когда неверный ответ несёт шестизначную ответственность. Правила исправляют то, что модель знает. Они не исправляют то, как модель себя ведёт, а самое опасное поведение в комплаенсе — уверенная неправота.
So Papaya built a second AI whose only job is to check the first one. The result is a three-stage pipeline that mirrors how a law firm actually works:
Поэтому Papaya построила второй AI, единственная задача которого — проверять первый. В результате получился трёхэтапный конвейер, повторяющий то, как на самом деле работает юридическая фирма:
Аналитик. Применяет все 22 правила комплаенса — привязанные к юрисдикции и к фактам, — как составляет документ младший юрист. Ревьюер. Отдельный AI со своим набором проверок, который ловит избыточную уверенность, ложную неуверенность и смешение юрисдикций — так старший проверяет работу младшего. Финализатор. Объединяет правки, структурирует вывод и выпускает его — так партнёр ставит подпись.
The architecture is worth naming because it generalizes: generation, adversarial review, then synthesis. A single model grading its own work inherits its own blind spots. A second model with a different job catches the meta-failures the first one cannot see in itself.
Эту архитектуру стоит назвать, потому что она обобщается: генерация, состязательная проверка, затем синтез. Одна модель, оценивающая собственную работу, наследует собственные слепые зоны. Вторая модель с другой задачей ловит мета-ошибки, которые первая не может разглядеть в себе самой.
Ben-Tzur’s framing for the whole thing: the rules made it accurate, the validation layer made it reliable, and the UX made it good. Three separate problems, and the model only touches the first.
Формулировка Бен-Цур по поводу всего этого: правила сделали его точным, слой валидации сделал его надёжным, а UX сделал его хорошим. Три отдельные проблемы, и модель касается только первой.
Built with no engineers and no UX designers
Построено без инженеров и без UX-дизайнеров
Ben-Tzur built Papaya 1 without engineers and without UX designers. For anyone vibe coding in production, this is the part to study.
Бен-Цур построила Papaya 1 без инженеров и без UX-дизайнеров. Для всех, кто занимается vibe coding в продакшене, это та часть, которую стоит изучить.
In the first phase, she ran design exploration in Claude, then moved to Claude Code, then ran a back-and-forth between Claude Code, Figma’s MCP, and Papaya’s design system. Once it looked right, she connected it to Lovable for the live prototype and deploy, with Supabase handling authentication, database, and edge functions. In the second phase, Claude’s design tooling replaced Figma entirely, and the loop tightened to Claude design, to Claude Code, to Lovable.
На первом этапе она вела исследование дизайна в Claude, затем перешла в Claude Code, а затем гоняла туда-сюда между Claude Code, MCP от Figma и дизайн-системой Papaya. Когда всё стало выглядеть правильно, она подключила это к Lovable для живого прототипа и деплоя, а Supabase отвечал за аутентификацию, базу данных и edge-функции. На втором этапе инструментарий дизайна Claude полностью заменил Figma, и цикл сузился до: дизайн в Claude, затем Claude Code, затем Lovable.
The strategic point is bigger than the tool list. When the cost of the build collapses to near zero, the build stops being a differentiator. Everything that makes the product defensible moves to the parts the tools cannot give you: the methodology, the domain knowledge, and the trust. Her words were blunt. The real work was the compliance methodology, not the code. A payroll compliance company validated the vibe coding thesis on a main stage, and they were not a dev tools vendor trying to sell it.
Стратегический вывод больше, чем список инструментов. Когда стоимость разработки падает почти до нуля, разработка перестаёт быть отличительным признаком. Всё, что делает продукт защищённым, перемещается в те части, которые инструменты дать не могут: методология, доменное знание и доверие. Её слова были прямыми. Реальной работой была методология комплаенса, а не код. Компания по комплаенсу в расчёте зарплат подтвердила тезис о vibe coding с главной сцены — и это был не вендор инструментов для разработчиков, пытающийся его продать.
What Papaya 1 actually does
Что Papaya 1 на самом деле делает
The product reflects the same discipline. Onboarding is two clicks: pick your role, pick your countries of interest, no forms and no blank questionnaire. The homepage is not an empty chat box either, and that is a deliberate trust decision. An empty box invites the vague, badly framed question that produces the confident wrong answer in the first place. Instead it opens with predefined workflows and prompts built for who you are, so an HR lead focused on Germany sees a different product than someone else. Portfolio, countries, alerts, all tailored. Every user sees a different Papaya 1.
Продукт отражает ту же дисциплину. Онбординг — это два клика: выбираешь свою роль, выбираешь интересующие страны, никаких форм и пустых анкет. Главная страница — тоже не пустое окно чата, и это осознанное решение в пользу доверия. Пустое окно провоцирует тот самый расплывчатый, плохо сформулированный вопрос, который в первую очередь и порождает уверенный неверный ответ. Вместо этого она открывается заранее заданными рабочими сценариями и подсказками, построенными под того, кто ты есть, так что HR-руководитель, сосредоточенный на Германии, видит другой продукт, чем кто-то ещё. Портфель, страны, оповещения — всё подогнано. Каждый пользователь видит свою Papaya 1.
Upload a contract and it runs the three stages, returning a clean split: in the Brazilian contract demo, one concern flagged and thirteen items confirmed compliant, ready to hand to the legal team. Ask it to compare Germany and Brazil probation rules and the same three agents produce a side-by-side built to help you decide, not just a wall of text.
Загрузи контракт — и он прогоняет три этапа, возвращая чёткое разделение: в демо с бразильским контрактом — одна отмеченная проблема и тринадцать пунктов, подтверждённых как соответствующие, готовые передать юридической команде. Попроси сравнить правила испытательного срока в Германии и Бразилии — и те же три агента выдают сравнение бок о бок, построенное так, чтобы помочь тебе принять решение, а не просто стену текста.
Don’t launch to everyone, and say it’s guidance
Не запускайте для всех — и говорите, что это рекомендация
On go-to-market, Fishel was direct. Papaya did not launch Papaya 1 to every client at once. They picked a small pool, five to ten clients they trust, the ones who feel like partners and who already come to them with compliance questions. Those clients ask the right questions and give honest feedback instead of being polite, and the product gets better from real questions, not from internal testing. Every response is clearly marked as guidance, not legal advice.
По поводу выхода на рынок Фишель была прямой. Papaya не запустила Papaya 1 сразу для всех клиентов. Они выбрали небольшой пул — пять-десять клиентов, которым доверяют, тех, кто ощущается как партнёры и кто уже приходит к ним с вопросами по комплаенсу. Эти клиенты задают правильные вопросы и дают честную обратную связь вместо вежливости, и продукт становится лучше от реальных вопросов, а не от внутреннего тестирования. Каждый ответ чётко помечен как рекомендация, а не юридическая консультация.
Her advice to anyone deploying a domain-specific agent: do not launch to all customers in one day. The hardest question is not whether the agent works. It works. It can work after one day or after four weeks. The hardest question is whether you trust it enough to put your company’s name on it. That takes far longer to answer than the build.
Её совет всем, кто разворачивает доменно-специфичного агента: не запускайте для всех клиентов в один день. Самый сложный вопрос — не в том, работает ли агент. Он работает. Он может заработать и через день, и через четыре недели. Самый сложный вопрос — доверяете ли вы ему настолько, чтобы поставить под ним имя своей компании. На это уходит куда больше времени, чем на разработку.
How Papaya measures trust
Как Papaya измеряет доверие
Papaya tracks three signals to know whether trust is actually growing, and each one tells them something a satisfaction survey cannot:
Papaya отслеживает три сигнала, чтобы понять, действительно ли растёт доверие, и каждый из них говорит о том, чего не покажет опрос удовлетворённости:
Возвращаются ли пользователи? Возврат на следующий день или следующую неделю с новым вопросом означает, что прошлый ответ заслужил следующий. Повторное использование — первое доказательство того, что агент замещает привычку открывать ChatGPT в 2 часа ночи. Задают ли они более сложные вопросы? Вопросы с более высокими ставками со временем означают, что доверие растёт, и они же служат дорожной картой. Там, где клиенты начинают давить, Papaya понимает, что углублять в продукте дальше. Реже ли они обращаются к внешним юристам? Это тот сигнал, что важнее всего. Если клиенты всё ещё пересылают ответы агента своей штатной юридической команде, доверие ещё не сформировалось полностью, и Papaya пока не снижает их внешние издержки. Меньше обращений к внешним юристам — это твёрдое доказательство ROI, а не ощущение.
When all three move in the right direction, they expand. Until then, they hold.
Когда все три движутся в правильном направлении, они расширяются. До тех пор — держат паузу.
Build the guardrails before the features
Стройте защитные механизмы раньше функций
Papaya’s most important safeguard is mechanical, not a line in a prompt. They built a kill switch. If accuracy drops below a threshold in any single country, they turn that country off until it is fixed. They pull the plug rather than patch as they go.
Самая важная защита Papaya — механическая, а не строчка в промпте. Они построили «kill switch» (аварийный выключатель). Если точность падает ниже порога в любой отдельной стране, они отключают эту страну, пока всё не исправлено. Они выдёргивают вилку из розетки, а не латают на ходу.
The principle Fishel pulled out of it: build the guardrails before you build the features. In a high-stakes domain, the failure mode is not a missing feature. It is a confident wrong answer that ships to a customer who acts on it. The kill switch exists because at some point the system will be wrong, and the only question is whether you find out before the customer does or after.
Принцип, который Фишель из этого вывела: стройте защитные механизмы раньше, чем строите функции. В области с высокими ставками режим отказа — это не отсутствующая функция. Это уверенный неверный ответ, который доходит до клиента, действующего по нему. «Kill switch» существует, потому что в какой-то момент система ошибётся, и единственный вопрос — узнаете ли вы об этом раньше клиента или позже.
What you can copy and what you can’t
Что можно скопировать, а что нельзя
Fishel closed on what actually separates Papaya from anyone holding the same tools. Claude, Lovable, Supabase, anyone can sign up for tomorrow, and most of the room already had. What cannot be copied is the years of experience across 160 countries, the thousands of contracts and thousands of terminations Papaya has already reviewed. They are the dinosaurs in the industry, and that is the point.
Фишель завершила тем, что на самом деле отличает Papaya от любого, кто держит в руках те же инструменты. Claude, Lovable, Supabase — на них может подписаться кто угодно хоть завтра, и большинство в зале уже подписаны. Чего скопировать нельзя — это годы опыта в 160 странах, тысячи контрактов и тысячи увольнений, которые Papaya уже разобрала. Они — динозавры в отрасли, и в этом весь смысл.
The AI is the engine. The domain knowledge is the fuel. You can copy the engine. You can’t copy the fuel.
AI — это двигатель. Доменное знание — это топливо. Двигатель можно скопировать. Топливо — нельзя.
What to steal from Papaya’s playbook
Что стоит позаимствовать из плейбука Papaya
If you are building a domain-specific agent in 2026, here is the build order their session lays out:
Если вы строите доменно-специфичного агента в 2026 году, вот порядок разработки, который выстраивает их сессия:
Исходите из того, что ваш реальный конкурент — универсальная модель, которой ваш клиент уже доверяет. Стройте так, чтобы быть надёжнее ChatGPT в том единственном вопросе, который несёт юридический риск, а не богаче по функциям, чем прошлый вендор. Превращайте каждую неудачу в правило. Ваш набор evals — это ваш защитный ров. Конкурент может скопировать ваш UI за выходные и не может скопировать 22 поправки, которые вы добывали месяцами. Добавьте вторую модель для проверки первой. Генерация, состязательная проверка, синтез. Модель, оценивающая собственную работу, сохраняет собственные слепые зоны. Постройте «kill switch» раньше функций. Решите заранее, какой порог точности выводит рынок из эксплуатации, — и выводите. Запускайте для пяти-десяти клиентов, которые скажут вам правду. Реальные вопросы лучше внутреннего тестирования, а честные партнёры лучше вежливых. Измеряйте доверие, а не удовлетворённость. Повторное использование, более сложные вопросы и меньше обращений к внешним юристам — вот сигналы, которые говорят, когда расширяться.
Papaya had a working agent in four weeks. It took four months to trust it. Plan for the four months, because that is the part that actually wins the account.
У Papaya рабочий агент был готов за четыре недели. Чтобы начать доверять ему, ушло четыре месяца. Планируйте на четыре месяца, потому что именно эта часть на самом деле выигрывает клиента.