Gibrat_Auganov/hr-indicators
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
6abfeadf5b
hr-indicators/TZ_AI_HR.md

20 KiB
Raw Blame History

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).