Оцінка роботи співробітника

Автоматизація перетворює трудомістке збирання фактів про роботу співробітника на фоновий процес. AI-агент читає джерела даних, які HR уже веде — трекер завдань, HRIS, папки зі звітами — і формує чернетку ревʼю за єдиним шаблоном для кожного співробітника в циклі. Керівник витрачає час на судження й зворотний зв'язок, а не на відновлення хронології кварталу.

Покроковий процес

1. Тригер циклу ревʼю. HR-адмін запускає підготовку ревʼю разово для одного співробітника або пакетом для відділу через інтерфейс HRIS або окрему форму.
2. Збір артефактів. Агент підключається до HRIS та файлового сховища, вивантажує дані співробітника за період: закриті завдання, звіти, нотатки 1-on-1, результати попередніх ревʼю, цілі OKR або KPI.
3. Нормалізація джерел. Документи різних форматів — PDF, DOCX, таблиці, markdown — приводяться до єдиного текстового вигляду через парсери перед передачею до LLM.
4. Сумаризація.AI-модель стискає довгі артефакти в короткі пункти за заздалегідь узгодженими блоками: досягнення, зони зростання, відповідність цілям, залученість.
5. Генерація чернетки. Агент заповнює корпоративний шаблон performance review — ті самі заголовки, тон і довжина розділів, що в готових документах минулих циклів.
6. Вивантаження на погодження. Чернетка зберігається в папку керівника у файловому сховищі та в картку співробітника в HRIS для редагування й фінального затвердження.
7. Версіонування. Кожна ітерація зберігається окремим файлом — керівник бачить, що додано у ручному редагуванні, а що надійшло від AI.

Що ця автоматизація не робить

• Не приймає рішення про підвищення, бонус або звільнення. Чернетка — основа для розмови керівника та HR, не фінальний вердикт.
• Не підміняє зустріч 1-on-1. Факти про роботу збираються автоматично, але зворотний зв'язок співробітнику дає жива людина.
• Не оцінює soft skills без вхідних даних. Якщо в джерелах немає нотаток про командну роботу, лідерство або комунікацію — агент не домислює, а позначає розділ як такий, що потребує ручного введення.

Автоматизація побудована на low-code архітектурі — без custom backend. Основні компоненти: оркестратор (workflow-рушій або Zapier), LLM-шар на AI-моделі, конектори до HRIS та файлового сховища, сховище промптів і шаблонів. Потік працює у три логічних етапи: збір контексту → AI-обробка → вивантаження та сповіщення. На кожному етапі дані проходять через валідацію — якщо документ не знайдено або поле порожнє, агент помічає його і продовжує, а не падає.

Кроки впровадження

1. Налаштування конекторів HRIS. Створюється read-only API-ключ до HRIS (BambooHR, Hibob, Humaans, 1С:ЗУП або аналог) з доступом до карток співробітників, цілей та історії ревью. Для файлового сховища — OAuth-інтеграція з Google Drive, Dropbox Business або SharePoint.
2. Оцифровка шаблону ревью. HR-команда передає поточний корпоративний шаблон — структуру розділів, довжину, тон. Шаблон перетворюється на структурований промпт із плейсхолдерами.
3. Маппінг джерел на розділи. Для кожного розділу ревью (наприклад, «Досягнення кварталу») вказуються джерела: трекер задач зі статусом Done, закриті тикети, git-коміти, звіти з певної папки.
4. Налаштування промптів та огороджень. Промпт формується з explicit-інструкціями: не виходити за рамки фактів, не робити особистісних оцінок, позначати прогалини в даних, використовувати нейтральний тон.
5. Тест на 3-5 співробітниках. Прогін на реальних даних людей з минулого циклу, порівняння з оригінальним документом, калібрування промптів під стиль компанії.
6. Ручний gate перед відправкою. В усіх версіях чернетка потрапляє спочатку до керівника, ніколи напряму співробітнику.
7. Логування та аудит. Кожен запуск зберігається: які джерела використано, версія промпта, який LLM, скільки токенів. Потрібно для compliance і розбору помилок.

Склад системи

Безпека та compliance

Дані співробітників — чутливі. AI-агент працює в enterprise-режимі AI-моделі без відправки в публічні навчальні вибірки. Доступ обмежено HR та керівниками, логи зберігаються для GDPR-аудиту. За потреби LLM-обробка виноситься на self-hosted інфраструктуру. Шаблон обробки даних фіксується в DPIA (Data Protection Impact Assessment) до першого запуску.

Можливі підводні камені

AI галюцинує, якщо джерела суперечать одне одному — наприклад, задача закрита, але у звіті позначена як провалена. Агент має чесно відзначати суперечності, а не вибирати зручну версію. Другий ризик — одноманітність формулювань: якщо всі чернетки звучать однаково, довіра до інструменту падає. Вирішується варіативністю промптів і випадковістю порядку розділів. Третій ризик — керівник підписує чернетку без правок, перетворюючи AI на єдиний голос у ревью. Знімається обов'язковим ручним gate і чек-листом керівника перед фіналізацією.

Автоматизація запускається на середньому рівні зрілості HR-процесів. Не потрібна потужна HR-інфраструктура — потрібна регулярність і уніфікація джерел: однакові місця, куди потрапляють робочі артефакти співробітників.

Дані та доступи

• Активний HRIS з API або вивантаженням — BambooHR, Hibob, Humaans, HR-Link, 1С:ЗУП або аналог.
• Файлове сховище з організацією за співробітниками — Google Drive, Dropbox Business, SharePoint, Notion.
• Узгоджений шаблон performance review хоча б на одній мові.
• Історія 3-5 минулих ревью для калібрування під стиль компанії.
• Регулярний цикл ревью — квартальний, піврічний або річний.

Готовність команди

• HR-менеджер або HRBP, готовий вкласти 10-15 годин у налаштування та тест пілота.
• Одна технічна людина — внутрішня або партнер — для налаштування low-code конекторів.
• Узгоджене рішення щодо політики даних: де зберігається контекст ревью, хто бачить логи, скільки часу зберігається історія.

Терміни

Складність: simple (week). 2-4 тижні від старту до першого робочого циклу. З них: тиждень на конектори й оцифрування шаблону, тиждень на промпти й калібрування, 1-2 тижні на тест із 3-5 співробітниками та зворотний зв'язок від пілотних керівників.