FAQ-бот для співробітників

FAQ-бот для співробітників обробляє типові HR-питання в корпоративних каналах зв'язку і відповідає посиланнями на першоджерела — внутрішні регламенти, політики, FAQ і довідники. AI-агент знімає з HR-команди рутину повторюваних запитів і водночас прискорює отримання відповіді для співробітника — з годин і днів до секунд.

Що робить автоматизація

1. Приймає питання співробітника в Slack, Microsoft Teams, Telegram або іншому корпоративному месенджері.
2. Розпізнає намір запиту — наприклад, «уточнення політики відпусток», «розрахунок зарплати», «процес оформлення лікарняного», «умови щодо бенефітів».
3. Шукає релевантні фрагменти в корпоративній базі знань HR (PDF, Notion, Confluence, Google Docs, внутрішні вікі) за допомогою RAG-пошуку.
4. Формує відповідь природною мовою з посиланням на вихідний документ і точною цитатою потрібного розділу.
5. Фіксує кожен запит в аналітичному лозі: тему звернення, впевненість моделі у відповіді, час реакції, оцінку від співробітника.
6. Ескалює складні або чутливі питання живому HR-спеціалісту з повним контекстом переписки та посиланням на профіль співробітника з HRIS.
7. Оновлює базу знань — коли HR публікує новий документ або змінює наявний, бот автоматично індексує зміни та посилається на них у наступних відповідях.
8. Збирає статистику за темами звернень, яка допомагає HR-команді зрозуміти, які політики написані незрозуміло і де потрібне доопрацювання.

Що НЕ робить автоматизація

• Не приймає HR-рішення. Бот не затверджує відпустку, не погоджує підвищення, не оформляє звільнення. Ці дії залишаються за HR-командою та керівниками.
• Не замінює живе спілкування в чутливих ситуаціях. Конфлікти, скарги, питання про здоров'я, адаптаційні розмови з новими співробітниками — такі теми автоматично маршрутизуються до людини.
• Не створює HR-документи. Бот шукає відповіді в наявній базі знань, але не пише нові політики, регламенти і довідники — це робота HR-департаменту та юристів.

FAQ-бот побудований на архітектурі RAG (Retrieval-Augmented Generation): AI-агент не генерує відповідь із внутрішньої пам'яті моделі, а спочатку знаходить потрібний фрагмент у документах компанії, а потім формулює відповідь суворо на основі знайденого контексту. Це знижує ризик галюцинацій і дозволяє надавати посилання на першоджерело в кожній відповіді.

Компоненти системи

Технічний потік запиту

1. Співробітник пише питання в корпоративному месенджері, бот отримує подію через webhook.
2. Запит перетворюється на векторний ембединг — числове представлення змісту питання.
3. Векторна база шукає top-k найближчих фрагментів із HR-документів.
4. LLM отримує системний промпт, питання співробітника та знайдені фрагменти як контекст.
5. Модель формулює відповідь, посилаючись лише на надані фрагменти, і вказує джерело.
6. Класифікатор оцінює впевненість у відповіді: якщо confidence нижче порогу — запит іде до людини.
7. Відповідь надсилається в чат, співробітник може поставити 👍/👎 або задати уточнювальне питання.
8. Весь діалог логується з таймстампами та оцінками для подальшого аналізу та покращення бази знань.

Порядок впровадження

1. Аудит HR-документів. Збираються чинні політики, регламенти, FAQ. Дублікати та застарілі версії видаляються, структура приводиться до єдиного формату.
2. Завантаження до векторної бази. Документи нарізаються на семантичні фрагменти (chunks) по 300–800 токенів та індексуються з метаданими (категорія, дата оновлення, автор).
3. Підключення месенджера. Налаштовується бот у Slack, Microsoft Teams або Telegram з правами на читання повідомлень у призначених каналах та особистих переписках.
4. Конфігурація ескалації. Визначаються теми, які завжди йдуть до людини (звільнення, конфлікт, здоров'я), і пороги впевненості для автоматичних ескалацій.
5. Тестовий прогін. HR-команда проганяє 50–100 реальних питань з історії звернень і коригує промпти та базу знань за результатами.
6. Пілот на обмеженій групі. 10–20 співробітників отримують доступ до бота на 1–2 тижні, їхній фідбек використовується для донаштування.
7. Масштабування на всю компанію. Бот відкривається для всіх співробітників, HR-команда продовжує моніторити якість відповідей і оновлювати базу знань.
8. Ітеративне покращення. Щотижневий розбір погано оцінених відповідей, додавання відсутніх документів, уточнення промптів і правил ескалації.

Інтеграція з HRIS (BambooHR, Factorial, HiBob та аналоги) дає боту контекст про співробітника — посаду, відділ, дату найму, узгоджені відпустки. Це дозволяє відповідати персоналізовано: наприклад, повідомляти залишок відпускних днів конкретного співробітника, а не загальну формулу розрахунку.

Для запуску FAQ-бота потрібна підготовлена база HR-знань і доступ до корпоративного месенджера. Що якіснішими є документи на вході, то вища точність відповідей на виході — це головний фактор успіху проєкту.

Дані та доступи

• Актуальні HR-політики та регламенти в текстовому вигляді (PDF, Notion, Confluence, Google Docs, Word — будь-який формат із текстом, що витягується).
• Доступ адміністратора до корпоративного месенджера (Slack, Microsoft Teams, Telegram) для встановлення бота та налаштування прав.
• Доступ на читання до HRIS (BambooHR, Factorial, HiBob та аналоги), якщо потрібні персоналізовані відповіді з урахуванням даних співробітника.
• Каталог частих запитань за останні 3–6 місяців — історія тикетів HR-служби або вивантаження з пошти для налаштування промптів.

Готовність команди

• Відповідальний з боку HR для валідації відповідей бота та оновлення бази знань — 4–8 годин на тиждень перші два місяці.
• Власник процесу з боку IT або керівництва для погодження політик доступу та роботи з персональними даними.
• Комунікація зі співробітниками: пояснення, що таке бот, на які запитання він відповідає і коли писати живому HR.

Терміни впровадження

Типовий проєкт FAQ-бота для компанії 5–50 співробітників займає 2–4 тижні: тиждень на аудит і підготовку бази знань, тиждень на інтеграції та налаштування, 1–2 тижні на тестування і пілот із доопрацюваннями.