Разработка AI-системы для автоматизации онбординга сотрудников

Автоматизация онбординга сотрудников с AI

Мы интегрируем AI-систему, которая берёт на себя информационную часть адаптации новых сотрудников: объяснение процессов, ответы на вопросы, доступ к документам. Человеческий контакт остаётся только для сложных или эмоциональных ситуаций — всё рутинное автоматизируется.

Типичная боль: HR тратит десятки часов на онбординг одного человека. Вопросы повторяются от месяца к месяцу, welcome-письма копируются, чек-листы заполняются вручную. Результат — задержки, ошибки доступа, низкая скорость выхода на продуктивность. Мы решаем эту проблему связкой LLM (Claude Sonnet и Haiku) + корпоративная база знаний + автоматические интеграции. При этом AI-онбординг в 3 раза быстрее ручного и даёт экономию до 70% бюджета HR.

Проблемы, решаемые AI-онбордингом

• Повторяющиеся вопросы одного типа. Новые сотрудники задают одно и то же: «Где скачать VPN?», «Как оформить пропуск?», «Кто ответственный за Git?». HR тратит до 5 часов в неделю на ответы — AI-агент отвечает мгновенно, ссылаясь на актуальные документы.
• Неединообразное onboarding-планирование. Менеджеры самостоятельно решают, какие шаги включить в план. В результате кто-то не получает доступы вовремя, кто-то пропускает важные встречи. Система генерирует персонализированный план на 30 дней, привязанный к базе знаний и конкретной роли.
• Задержки с IT-доступами. Заявки на доступы к системам (Jira, GitLab, Slack) теряются или выполняются с опозданием. AI-агент автоматически создаёт тикеты в Jira с нужным приоритетом и контролирует выполнение.

Как AI-система ускоряет онбординг?

Ядро системы — два AI-агента на Claude API:

• Планировщик (Sonnet 4-5): создаёт структуру онбординга: шаги, контакты, цели на недели, расписание первого дня.
• Ассистент (Haiku 4-5): отвечает на вопросы в реальном времени через Telegram/Slack, генерирует ежедневные чеклисты и проактивные советы.

Код ниже показывает архитектуру системы:

from anthropic import Anthropic from pydantic import BaseModel from typing import Literal, Optional import json from datetime import datetime, timedelta client = Anthropic() class NewEmployee(BaseModel): employee_id: str name: str department: str role: str start_date: str manager_id: str mentor_id: Optional[str] = None it_systems_access: list[str] = [] completed_steps: list[str] = [] class OnboardingPlan(BaseModel): employee_id: str steps: list[dict] # {id, title, description, due_day, completed, category} day_1_schedule: list[dict] week_1_goals: list[str] key_contacts: list[dict] class AIOnboardingSystem: def __init__(self, company_kb_path: str): self.company_kb = self._load_knowledge_base(company_kb_path) self.conversation_history: dict[str, list] = {} def _load_knowledge_base(self, path: str) -> str: """Загружает корпоративную базу знаний""" from pathlib import Path kb_parts = [] for md_file in Path(path).rglob("*.md"): kb_parts.append(md_file.read_text()) return "\n\n".join(kb_parts[:20]) # Топ-20 файлов def create_onboarding_plan(self, employee: NewEmployee) -> OnboardingPlan: """Создаёт персонализированный план онбординга""" response = client.messages.create( model="claude-sonnet-4-5", max_tokens=4096, messages=[{ "role": "user", "content": f"""Создай план онбординга для нового сотрудника. Сотрудник: - Имя: {employee.name} - Должность: {employee.role} - Отдел: {employee.department} - Дата выхода: {employee.start_date} Информация о компании: {self.company_kb[:2000]} Верни JSON: {{ "steps": [ {{ "id": "step_1", "title": "...", "description": "...", "due_day": 1, "category": "admin|technical|social|culture", "completed": false }} ], "day_1_schedule": [ {{"time": "09:00", "activity": "...", "with_whom": "..."}} ], "week_1_goals": ["..."], "key_contacts": [ {{"role": "...", "purpose": "..."}} ] }} Включи шаги на 30 дней.""" }] ) text = response.content[0].text data = json.loads(text[text.find("{"):text.rfind("}") + 1]) return OnboardingPlan(employee_id=employee.employee_id, **data) def answer_question( self, employee: NewEmployee, question: str, session_id: str, ) -> str: """Отвечает на вопрос нового сотрудника""" history = self.conversation_history.get(session_id, []) system_prompt = f"""Ты — AI-помощник по онбордингу для нового сотрудника {employee.name}. Должность: {employee.role}, отдел: {employee.department}. База знаний компании: {self.company_kb[:3000]} Правила: - Отвечай конкретно и структурированно - Если информации нет в базе — честно скажи и предложи к кому обратиться - Для срочных вопросов (доступы, оборудование) — направляй к HR/IT немедленно - Используй имя сотрудника в ответах""" messages = history + [{"role": "user", "content": question}] response = client.messages.create( model="claude-sonnet-4-5", max_tokens=1024, system=system_prompt, messages=messages, ) answer = response.content[0].text # Обновляем историю history.append({"role": "user", "content": question}) history.append({"role": "assistant", "content": answer}) self.conversation_history[session_id] = history[-20:] # Храним последние 10 обменов return answer def generate_daily_checklist(self, employee: NewEmployee, day: int) -> list[dict]: """Генерирует чеклист задач на конкретный день""" response = client.messages.create( model="claude-haiku-4-5", max_tokens=1024, messages=[{ "role": "user", "content": f"""Создай чеклист задач для нового сотрудника на день {day} онбординга. Сотрудник: {employee.role} в отделе {employee.department} Уже выполнено: {employee.completed_steps} Верни JSON: [{{ "task": "...", "category": "admin|technical|social|learning", "priority": "must|should|nice", "estimated_minutes": 30, "resources": ["ссылка или инструкция"] }}] 5-8 задач, реалистичных для одного дня.""" }] ) text = response.content[0].text start = text.find("[") end = text.rfind("]") + 1 return json.loads(text[start:end]) def send_proactive_tips(self, employee: NewEmployee, day: int) -> str: """Отправляет проактивные советы в начале дня""" tips_by_day = { 1: "знакомство с командой и рабочим местом", 3: "начало работы с основными инструментами", 5: "первые рабочие задачи", 14: "промежуточный чекин и вопросы", 30: "итоги первого месяца", } if day not in tips_by_day: return "" response = client.messages.create( model="claude-haiku-4-5", max_tokens=512, messages=[{ "role": "user", "content": f"""Напиши короткое (3-4 предложения) приветственное сообщение для нового сотрудника на день {day}. Фокус дня: {tips_by_day[day]}. Тон: дружелюбный, поддерживающий, конкретный. Имя: {employee.name}.""" }] ) return response.content[0].text 

Автоматические задачи HR и IT

class OnboardingAutomation: """Автоматизирует административные задачи онбординга""" def create_it_request(self, employee: NewEmployee) -> dict: """Генерирует IT-запрос на доступы""" response = client.messages.create( model="claude-haiku-4-5", max_tokens=512, messages=[{ "role": "user", "content": f"""Создай IT-заявку на настройку рабочего места. Сотрудник: {employee.name} Должность: {employee.role} Отдел: {employee.department} Стандартный список доступов для роли + специфические системы. Верни JSON: {{"systems": [...], "priority": "high", "notes": "..."}}""" }] ) text = response.content[0].text return json.loads(text[text.find("{"):text.rfind("}") + 1]) def generate_welcome_email(self, employee: NewEmployee, plan: OnboardingPlan) -> str: """Генерирует персонализированное welcome письмо""" response = client.messages.create( model="claude-sonnet-4-5", max_tokens=1024, messages=[{ "role": "user", "content": f"""Напиши welcome email для нового сотрудника. Сотрудник: {employee.name}, {employee.role} День выхода: {employee.start_date} Первые три шага по плану: {json.dumps(plan.steps[:3], ensure_ascii=False)} Расписание первого дня: {json.dumps(plan.day_1_schedule, ensure_ascii=False)} Email должен быть: тёплым, конкретным, с чёткими инструкциями на первый день. Не более 300 слов.""" }] ) return response.content[0].text 

Что входит в работу (deliverables)

• API-агент с документацией по эксплуатации
• Интеграция с Telegram или Slack (webhook + event-driven)
• Автоматическое создание задач в Jira/Redmine
• База знаний в формате Markdown (до 85 файлов)
• Ежедневные чек-листы на 30 дней онбординга
• Welcome-письма и проактивные уведомления
• Обучение команды (1 день онлайн)

Практический кейс: IT-компания 150 сотрудников

Из нашей практики — компания нанимала 5–7 человек в месяц. HR тратил 60% времени на онбординг: одни и те же вопросы, объяснения, настройки.

Внедрение:

• База знаний: 85 MD-файлов о компании, процессах, инструментах
• Telegram-бот для вопросов нового сотрудника
• Автоматические чеклисты на каждый день первого месяца
• Интеграция с Jira (автосоздание задач)

Результаты:

• Время HR на одного нового сотрудника: 8 часов → 2.5 часа
• Вопросы первого месяца, решённые без HR: 73%
• Скорость до первой продуктивной задачи: 21 день → 12 дней
• Оценка онбординга сотрудниками: 3.4/5 → 4.6/5

Ключевой фактор: новые сотрудники не боялись задавать "глупые" вопросы боту — получали ответ немедленно, без ощущения что отвлекают коллег.

Свяжитесь с нами для обсуждения вашего кейса.

Сравнение затрат: ручной vs AI-онбординг

Как AI-тьютор сокращает время адаптации?

AI-тьютор — это ассистент на базе Claude, который в реальном времени отвечает на вопросы, генерирует чек-листы и напоминает о задачах. В отличие от традиционного обучения, он доступен 24/7 и не требует участия ментора для рутинных запросов. Это повышает удовлетворённость новых сотрудников и снижает нагрузку на IT и HR.

Сравнение моделей для онбординга

Процесс внедрения

1. Аналитика (1–2 дня): аудит текущих процессов, сбор базы знаний, опрос HR.
2. Проектирование (2–3 дня): конфигурация AI-агентов, промпты, интеграционные схемы.
3. Реализация (5–7 дней): подключение к мессенджеру и Jira, наполнение базы знаний, тестирование.
4. Тест (1–2 дня): пилот на 2–3 сотрудниках, корректировка.
5. Деплой (1 день): запуск на всех, обучение команды.

Сроки

• AI-ассистент для ответов на вопросы: 3–5 дней
• Персонализированный план онбординга: 1 неделя
• Автоматические чеклисты + уведомления: 1 неделя
• Полная интеграция с HR-системой и Jira: 2–3 недели

Итоговый срок — от 2 до 4 недель в зависимости от сложности интеграций. Стоимость рассчитывается индивидуально: оценим ваш проект, пришлём смету за 1 день.

Сократите время адаптации сотрудников. Закажите внедрение — покажем демо и определим оптимальный состав модулей для вашего бизнеса. Свяжитесь с нами для консультации.