# Техническое задание: ИИ для HR-процессов ## 1. Общее описание **Название:** HR AI Assistant — интеллектуальная система автоматизации HR-процессов. **Цель:** Внедрение искусственного интеллекта во все процессы управления персоналом: от подбора до прогнозирования текучести. Система работает как единый AI-агент, доступный через чат-интерфейс, HR-портал и API. **Пользователи:** - HR-директор — стратегические запросы, прогнозы, бюджет - HR-менеджеры — операционные задачи, документы, коммуникации - Руководители отделов — KPI, текучесть, обучение подчинённых - Сотрудники — самообслуживание, вопросы, заявки --- ## 2. Технический стек | Слой | Технология | |------|-----------| | LLM-модель | OpenAI GPT-4o / локальная Llama 3 70B | | RAG (поиск по документам) | LangChain + ChromaDB / Pinecone | | Векторная БД | Pinecone / Qdrant / pgvector | | Аналитика | Python (pandas, scikit-learn, XGBoost) | | Бэкенд API | FastAPI (Python) | | Чат-интерфейс | React + WebSocket | | Очереди задач | Celery + Redis | | Мониторинг | LangSmith / MLflow | | Безопасность | Azure AD / Keycloak, RBAC | --- ## 3. Модули ИИ по HR-процессам ### 3.1. ИИ для подбора персонала **Функции:** 1. **Автоматический скрининг резюме:** - Парсинг резюме (PDF, DOCX, HH) - Оценка соответствия вакансии по 10+ критериям - Ранжирование кандидатов (score 0-100) - Выявление red flags (частые смены работы, пробелы) 2. **Генерация описаний вакансий:** - На основе должностной инструкции и требований руководителя - Адаптация под площадку (HH, LinkedIn, Telegram) - A/B-тестирование текстов вакансий 3. **Чат-бот для первичного интервью:** - Автоматические вопросы кандидату в Telegram/WhatsApp - Оценка ответов по компетенциям - Назначение собеседования при score > 70 4. **Прогнозирование успешности кандидата:** - ML-модель на исторических данных (кто прошёл ИС, кто уволился) - Факторы: опыт, образование, навыки, частая смена работы - Score успешности найма (вероятность пройти ИС) **API:** ``` POST /ai/recruiting/screen-resume — скрининг резюме POST /ai/recruiting/generate-job-post — генерация вакансии POST /ai/recruiting/interview-bot — чат-бот интервью GET /ai/recruiting/predict-success/:id — прогноз успешности ``` --- ### 3.2. ИИ для адаптации **Функции:** 1. **Персональный план адаптации:** - Генерация Welcome-письма и плана на 3 месяца - На основе должности, отдела, опыта сотрудника - Автоматическая постановка задач в трекер 2. **Чат-бот для новичка:** - Ответы на частые вопросы (где столовая, как получить доступ, к кому обратиться) - Еженедельный чекин: «Как проходит адаптация? Оценка 1-5» - Эскалация проблем HR-менеджеру при низких оценках 3. **Прогноз риска увольнения на испытательном сроке:** - ML-модель: активность на портале, оценки чекинов, фидбек наставника - Alert HR-менеджеру при риске > 60% **API:** ``` POST /ai/onboarding/generate-plan — план адаптации POST /ai/onboarding/chatbot — чат-бот новичка GET /ai/onboarding/risk/:employeeId — прогноз риска ИС ``` --- ### 3.3. ИИ для обучения и развития **Функции:** 1. **Рекомендательная система обучения:** - На основе должности, грейда, пробелов в навыках - Учёт пройденных курсов и оценок - Персональный трек обучения на год 2. **Генерация учебных материалов:** - Создание тестов и квизов по внутренним регламентам - Саммаризация длинных документов в короткие гайды - Перевод материалов на казахский / английский 3. **Оценка эффективности обучения:** - Сравнение KPI до и после обучения - Анализ применения знаний (опрос + данные из рабочих систем) **API:** ``` GET /ai/training/recommend/:employeeId — рекомендации курсов POST /ai/training/generate-quiz — генерация теста POST /ai/training/summarize — саммаризация документа GET /ai/training/effectiveness/:courseId — эффективность курса ``` --- ### 3.4. ИИ для кадрового резерва **Функции:** 1. **Выявление HiPo (high potential):** - ML-модель на основе: KPI, OKR, оценки 360°, стаж, обучение, инициативы - Автоматический список кандидатов в резерв (ежеквартально) 2. **План развития резервиста:** - Генерация ИПР с конкретными шагами, курсами, проектами - Отслеживание прогресса и напоминания 3. **Анализ преемственности:** - Карта рисков: какие позиции без преемника - Рекомендация: кто из резерва может закрыть позицию **API:** ``` GET /ai/reserve/detect-hipo — выявление HiPo POST /ai/reserve/generate-idp — генерация ИПР GET /ai/reserve/succession-risk — анализ преемственности ``` --- ### 3.5. ИИ для мотивации и удержания **Функции:** 1. **Прогноз текучести (turnover prediction):** - ML-модель: признаки — стаж, зарплата относительно рынка, KPI, eNPS, больничные, опоздания, активность на HH - Score риска увольнения для каждого сотрудника (0-100) - Ежемесячный отчёт HR-директору: топ-20 сотрудников под риском 2. **Рекомендации по удержанию:** - Для каждого сотрудника под риском: что предложить (повышение, бонус, обучение, смена проекта) - Расчёт стоимости замены vs стоимости удержания 3. **Персонализация мотивации:** - Определение драйверов сотрудника: деньги / признание / развитие / комфорт - Рекомендация руководителю по работе с каждым сотрудником **API:** ``` GET /ai/retention/predict-turnover — прогноз текучести GET /ai/retention/retention-plan/:id — план удержания GET /ai/retention/motivation-driver/:id — драйверы мотивации ``` --- ### 3.6. ИИ для оценки персонала **Функции:** 1. **Автоматическая оценка KPI:** - Сбор данных из рабочих систем (CRM, трекер задач, финансы) - Расчёт KPI без ручного ввода - Визуализация: дэшборд с динамикой 2. **Генерация Performance Review:** - На основе KPI, OKR, 360°, проектов за период - Черновик отчёта для руководителя (текст + рекомендации) - Подсветка сильных сторон и зон роста 3. **360° анализ текста:** - Обработка текстовых отзывов коллег - Выделение ключевых тем (sentiment analysis) - Сводка: «Что ценят коллеги» / «Что建议уют улучшить» **API:** ``` GET /ai/performance/auto-kpi/:employeeId — авто KPI POST /ai/performance/generate-review — генерация review POST /ai/performance/analyze-360 — анализ 360° ``` --- ### 3.7. ИИ для кадрового администрирования **Функции:** 1. **Генерация документов:** - Приказы (приём, увольнение, перевод, отпуск) по шаблону - Трудовые договоры и доп. соглашения - Заполнение данными из HR-системы 2. **Проверка документов:** - Сканирование загруженных документов на соответствие - Выявление просроченных документов и отсутствующих полей 3. **Чат-бот для сотрудников:** - «Когда у меня отпуск?» → ответ из графика - «Сколько дней осталось?» → расчёт остатка - «Как оформить больничный?» → инструкция **API:** ``` POST /ai/admin/generate-document — генерация документа POST /ai/admin/check-documents — проверка документов POST /ai/admin/chatbot — чат-бот сотрудника ``` --- ### 3.8. ИИ для HR-аналитики и дашбордов **Функции:** 1. **Генерация отчётов на естественном языке:** - «Покажи текучесть по отделам за Q2» → таблица + текст - «Сравни бюджет найма с прошлым годом» → анализ - «Какие отделы перерасходуют бюджет?» → список 2. **Автоматические инсайты:** - Еженедельный дайджест: «На этой неделе: нанято 4, уволено 2, 5 договоров истекают, KPI маркетинга упал на 12%» - Аномалии: «Текучка в IT выросла на 5% за месяц — причина?» 3. **Прогнозирование HR-метрик:** - Прогноз численности, текучести, бюджета на 6-12 месяцев - Сценарный анализ: «Что если повысим зарплаты на 10%?» 4. **Бенчмаркинг:** - Сравнение HR-метрик с рынком (если доступны данные) - «Ваша текучесть — 14.2%, рынок — 16%. Вы лучше рынка.» **API:** ``` POST /ai/analytics/ask — вопрос на естественном языке GET /ai/analytics/insights/weekly — еженедельный дайджест GET /ai/analytics/forecast/:metric — прогноз метрики GET /ai/analytics/benchmark/:metric — бенчмаркинг ``` --- ## 4. Архитектура ИИ-системы ``` ┌─────────────────────────────────────────────────────────┐ │ Чат-интерфейс (React) │ │ HR-портал · Telegram бот · Slack │ └────────────────────┬────────────────────────────────────┘ │ ┌────────────────────▼────────────────────────────────────┐ │ API Gateway (FastAPI) │ │ Аутентификация · Rate Limiting │ └────────────────────┬────────────────────────────────────┘ │ ┌────────────────────▼────────────────────────────────────┐ │ Orchestrator (LangChain) │ │ Маршрутизация запросов · Выбор инструментов │ └──┬─────────┬──────────┬──────────┬──────────┬──────────┘ │ │ │ │ │ ▼ ▼ ▼ ▼ ▼ ┌──────┐ ┌──────┐ ┌────────┐ ┌────────┐ ┌──────────┐ │ LLM │ │ RAG │ │ ML │ │ Интег- │ │ Генерация│ │Модель│ │Поиск │ │Модели │ │ рации │ │документов│ │ │ │ │ │ │ │ (1С,HH)│ │ │ └──────┘ └──────┘ └────────┘ └────────┘ └──────────┘ │ │ │ │ │ ▼ ▼ ▼ ▼ ▼ ┌─────────────────────────────────────────────────────────┐ │ Данные │ │ PostgreSQL · Redis · Pinecone · S3 (документы) │ └─────────────────────────────────────────────────────────┘ ``` --- ## 5. RAG-система (Retrieval Augmented Generation) **5.1.** Все внутренние документы компании индексируются в векторной БД: - Кадровая политика - Должностные инструкции - Регламенты и процедуры - Трудовой кодекс РК - Исторические HR-данные **5.2.** При запросе система: 1. Ищет релевантные фрагменты в векторной БД 2. Передаёт их как контекст в LLM 3. LLM формирует ответ на основе контекста + данных из PostgreSQL **5.3.** Обновление индекса: - Автоматически при изменении документов (webhook) - Полная переиндексация — раз в неделю --- ## 6. ML-модели | Модель | Назначение | Входные признаки | Частота обучения | |--------|-----------|-----------------|-----------------| | Turnover Predictor | Прогноз увольнения | KPI, стаж, з/п, eNPS, больничные, опоздания | Раз в месяц | | HiPo Detector | Выявление талантов | KPI, 360°, обучение, инициативы | Раз в квартал | | Candidate Success | Успешность найма | Опыт, образование, навыки | Раз в месяц | | Burnout Risk | Риск выгорания | Стресс, переработки, больничные, eNPS | Раз в месяц | | Salary Benchmark | Рыночность зарплат | Должность, грейд, опыт, город | Раз в квартал | --- ## 7. Безопасность и этика **7.1.** Персональные данные: - Не передаются во внешние LLM-провайдеры в открытом виде - Анонимизация перед отправкой (замена имён на ID) - Все данные хранятся в контуре компании **7.2.** Bias (предвзятость): - Мониторинг ML-моделей на дискриминацию по полу, возрасту, национальности - Регулярный аудит рекомендаций **7.3.** Explainability: - Для каждого решения ИИ — объяснение причин (какие факторы повлияли) - «Сотрудник X под риском увольнения потому что: KPI снизился на 15%, з/п ниже рынка на 12%» **7.4.** Human-in-the-loop: - ИИ рекомендует — человек принимает решение - Критические действия (увольнение, изменение зарплаты) — только с подтверждением --- ## 8. Интеграции | Система | Назначение | |---------|-----------| | 1С:Зарплата и кадры | Данные сотрудников, оклады, приказы | | HeadHunter API | Вакансии, отклики, резюме | | ATS (Хантфлоу) | Воронка подбора | | LMS | Обучение, курсы, сертификации | | Active Directory | Авторизация | | Telegram / Slack | Чат-бот интерфейс | | Корпоративный портал | Виджет ИИ-ассистента | | ЭДО (Documentolog) | Генерация и отправка документов | --- ## 9. KPI эффективности ИИ | Метрика | Цель | |--------|------| | Точность прогноза текучести | ≥ 75% | | Конверсия найма (с ИИ-скринингом) | +15% к текущей | | Время закрытия вакансии | −20% | | Охват сотрудников чат-ботом | ≥ 60% | | Удовлетворённость ответами ИИ | ≥ 4.0/5 | | Снижение ручных операций HR | −30% | | Экономия HR-бюджета | ≥ 10% | --- ## 10. Этапы внедрения | Этап | Содержание | Срок | |------|-----------|------| | 1 | RAG-система: индексация документов, чат-бот вопросов/ответов | 3 недели | | 2 | ИИ для подбора: скрининг резюме + генерация вакансий | 3 недели | | 3 | ИИ для адаптации и обучения: планы + чат-бот новичка | 2 недели | | 4 | ML-модели: прогноз текучести + HiPo детектор | 4 недели | | 5 | ИИ для оценки: авто-KPI + генерация review | 2 недели | | 6 | ИИ для администрирования: генерация документов + чат-бот | 2 недели | | 7 | ИИ-аналитика: инсайты + прогнозы + дашборды | 3 недели | | 8 | Интеграция, тестирование, пилот | 3 недели | **Итого:** 22 недели, команда 4-5 специалистов (ML-engineer, Backend, Frontend, DevOps, HR-аналитик).