К нам обратилась крупная компания- производитель ликероводочных изделий, ежегодно принимающая на работу до 500 специалистов, которых, в процессе адаптации, необходимо ознакомить с внутренней документацией предприятия, что требует со стороны HR-службы значительных временных затрат. В связи с чем было принято решение оптимизировать этот процесс.
Цели:
Как решали
Цели:
- Автоматизация процесса первичной адаптации персонала.
- Обеспечение круглосуточного бесперебойного доступа к базовой информации.
- Снижение нагрузки на HR-отдел.
- Стандартизация информации, предоставляемой новым сотрудникам.
- Снижение времени, затрачиваемого на адаптацию сотрудников предприятия.
Как решали
➊
АНАЛИЗ И ПРОЕКТИРОВАНИЕ
➋
РАЗРАБОТКА БАЗОВОЙ ВЕРСИИ
➌
ВНЕДРЕНИЕ NLP-ФУНКЦИОНАЛЬНОСТИ
➍
ТЕСТИРОВАНИЕ И ОПТИМИЗАЦИЯ
➎
ПИЛОТНЫЙ ЗАПУСК
I Этап: Анализ и проектирование: интервьюирование сотрудников компании Заказчика для определения наиболее часто задаваемых вопросов. Создание онтологии, включающей сведения о компании, правила безопасности, должностные инструкции и т.д., для структуризации знаний.
II Этап: Разработка базовой версии: создание базовой архитектуры системы и простой базы знаний с последующей интеграцией с Telegram. Разработка административной панели для управления контентом, а также механизма «интеллектуального» определения тематики и перенаправления запросов с использованием предобученной модели BERT, дообученной на уникальном корпусе текстов, относящихся производственной деятельности Заказчика.
III Этап: Внедрение NLP-функциональности, включая векторизацию запросов и поиск ответов в базе знаний, определение намерения пользователя (intent recognition), извлечение ключевых сущностей из запросов, логику поддержания контекста диалога.
IV Этап: Тестирование и оптимизация всех компонентов с нагрузочным тестированием (симуляцией одновременной работы до 100 пользователей), UX-тестирование с фокус-группой из реальных сотрудников, тестирование точности ответов на различные типы запросов. По результатам были внесены корректировки в алгоритмы, пороговые значения и интерфейс.
Этап 5: Пилотный запуск, в ходе которого отслеживались процент успешно обработанных запросов (без участия человека), среднее время получения ответа, частота использования бота разными категориями работников, количество переадресаций на HR-специалистов, удовлетворенность пользователей (на основе обратной связи) и другие.
Особенности проекта:
Пилотная версия распространялась на специалистов, занимающих основные должности предприятия, такие как операторы розлива, специалисты ОКК и др., а также на часть административного персонала.
Технологический стек:
Для реализации проекта были использованы следующие технологии:
Платформа для чат-бота: Тelegram Bot API, Python, Aiogram 3.0
Бэкенд: Django, PostgreSQL, Redis
NLP-компоненты: BERT (Sentence-BERT), FAISS, Natasha, SpaCy
Инфраструктура: Docker, Kubernetes, GitHub Actions, Prometheus + Grafana
Результаты внедрения:
В результате успешного завершения пилотного проекта и перехода в промышленную эксплуатацию, было достигнуто:
Количественные показатели:
Качественные результаты:
Заключение
Данная разработка - это успешный пример использования современных технологий искусственного интеллекта и обработки естественного языка для эффективного решения практических задач бизнеса.
Благодаря данному чат-боту значительно снизилась нагрузка на HR-службу и сократилось время интеграции новых сотрудников в рабочие процессы, что подчеркивает высокую практическую ценность реализованного проекта.
II Этап: Разработка базовой версии: создание базовой архитектуры системы и простой базы знаний с последующей интеграцией с Telegram. Разработка административной панели для управления контентом, а также механизма «интеллектуального» определения тематики и перенаправления запросов с использованием предобученной модели BERT, дообученной на уникальном корпусе текстов, относящихся производственной деятельности Заказчика.
III Этап: Внедрение NLP-функциональности, включая векторизацию запросов и поиск ответов в базе знаний, определение намерения пользователя (intent recognition), извлечение ключевых сущностей из запросов, логику поддержания контекста диалога.
IV Этап: Тестирование и оптимизация всех компонентов с нагрузочным тестированием (симуляцией одновременной работы до 100 пользователей), UX-тестирование с фокус-группой из реальных сотрудников, тестирование точности ответов на различные типы запросов. По результатам были внесены корректировки в алгоритмы, пороговые значения и интерфейс.
Этап 5: Пилотный запуск, в ходе которого отслеживались процент успешно обработанных запросов (без участия человека), среднее время получения ответа, частота использования бота разными категориями работников, количество переадресаций на HR-специалистов, удовлетворенность пользователей (на основе обратной связи) и другие.
Особенности проекта:
Пилотная версия распространялась на специалистов, занимающих основные должности предприятия, такие как операторы розлива, специалисты ОКК и др., а также на часть административного персонала.
Технологический стек:
Для реализации проекта были использованы следующие технологии:
Платформа для чат-бота: Тelegram Bot API, Python, Aiogram 3.0
Бэкенд: Django, PostgreSQL, Redis
NLP-компоненты: BERT (Sentence-BERT), FAISS, Natasha, SpaCy
Инфраструктура: Docker, Kubernetes, GitHub Actions, Prometheus + Grafana
Результаты внедрения:
В результате успешного завершения пилотного проекта и перехода в промышленную эксплуатацию, было достигнуто:
Количественные показатели:
- На 73% снизилось число базовых вопросов к HR-службе
- Время адаптации новых сотрудников на сократилось на 47%
- Достигнуто 89% точности в ответах на запросы пользователей
- Было обработано > 15000 запросов за первые 3 мес. эксплуатации
- В течение 1-го месяца работы 67% сотрудников активно пользуются ботом
Качественные результаты:
- Стандартизация материалов для адаптации новых сотрудников
- Разгрузка HR-специалистов для решения ими более сложных задач
- Бесперебойный доступ к информации
- Сокращение времени интеграции новых сотрудников в рабочие процессы
- Сбор аналитики часто задаваемых запросов для дальнейшей оптимизации
Заключение
Данная разработка - это успешный пример использования современных технологий искусственного интеллекта и обработки естественного языка для эффективного решения практических задач бизнеса.
Благодаря данному чат-боту значительно снизилась нагрузка на HR-службу и сократилось время интеграции новых сотрудников в рабочие процессы, что подчеркивает высокую практическую ценность реализованного проекта.