Внутренний AI-агент оценки компетенций и грейдов
Оценка по матрице компетенций для каждого специалиста — это 4–6 часов работы тимлида: пересмотреть код-ревью, разобрать кейсы, сопоставить с описанием грейда, написать обоснование. На команде даже из 10 человек это съедает ~50 часов руководителя в каждый цикл. Подавляющая часть рутины — не суждение, а сбор и сопоставление фактов из артефактов, к которым у тимлида и так есть доступ.
Собрали внутреннего AI-агента, который читает артефакты сотрудника (Jira, MR, тикеты, заметки 1-on-1, performance review предыдущих циклов), сопоставляет с матрицей компетенций и грейдами Likesoft, и готовит черновик оценки: текущий грейд, дельта по каждой компетенции, сильные/слабые стороны, рекомендации на следующий квартал. Тимлид валидирует и корректирует — обычно 20–40 минут вместо 4 часов. Eat-your-own-dogfood: тот же подход мы предлагаем как [AI-readiness/HR-аудит](/audit-90/) внешним клиентам.
- Claude / GigaChat (LLM с длинным контекстом для разбора артефактов)
- LangGraph (мульти-шаг агент с инструментами)
- Jira / GitLab MR API
- n8n (orchestration)
- Markdown + git (хранение матрицы и грейдов, версионирование)
« Главный сюрприз — не экономия времени, а то, что агент находит закономерности, которые я бы не увидел. Через цикл начинаешь доверять его «странным» наблюдениям больше, чем своим первым впечатлениям. »
Этот кейс — про то, что мы используем у себя то, что предлагаем клиентам. Сам подход к HR-агенту вырос из вопроса «можем ли мы автоматизировать болезненный процесс оценки в своей же команде?» — и через цикл превратился в готовый шаблон, который применяем как часть AI-аудита за 90 дней для клиентов с похожими процессами.
Текущая стадия — продакшен внутри Likesoft, упаковка для внешних клиентов идёт через формат AI-аудит → пилот → внедрение. Если у вас в компании 30+ сотрудников и регулярные ассессменты — это типовая точка входа.