Главное отличие в том, кто выполняет всю рутинную работу "под капотом".
В классическом флоу кадровику приходилось быть живым мостом между разными инструментами (от Jira и Google-таблиц до бухгалтерии) и людьми, а с ИИ-агентом вся эта координация происходит за секунды в автоматическом режиме. Кадровик больше не занимается логистикой данных и ручным пинг-понгом, а подключается только в самом конце, чтобы поставить финальную подпись. Для HR-отдела это колоссальная экономия времени и сокращение рутины.
Спасибо за бдительность, вопросы ПД и комплаенса при работе с ИИ — это всегда тонкий лед. Но безопасность у нас в приоритете и все продумано на старте.
Вся логика расчетов и ПД крутятся на нашем бэкенде в закрытом облаке, а ИИ-агент выступает только интерфейсом в Mattermost, мы не скармливаем чувствительные данные сторонним зарубежным LLM-сервисам (ZeroClaw позволяет крутить модели в своем контуре). Гугл-таблицы мы использовали на этапе легаси-схемы, а сейчас как раз переезжаем на собственный внутренний кабинет. Ну а согласия на обработку ПД сотрудники, само собой, подписывают еще при приеме в штат.
Так что обойдемся без штрафов и явок с повинной :) За техническую оценку статьи отдельное спасибо!
1С и Excel — классика, но в этой схеме руководителям все равно нужно вручную опрашивать сотни людей, утрясать накладки и заполнять таблицы. Бот автоматизирует именно этот этап общения, избавляя менеджеров от рутины.
За зарплату можно не переживать: ИИ ее не считает, все расчеты автоматизированы на уровне бэкенда по жестким формулам. Бот лишь удобный интерфейс для общения с системой.
Любопытно, как характер моделей в симуляции бьется с тем, что мы видим при практическом внедрении ИИ. Claude сейчас действительно один из самых стабильных и послушных «оркестраторов», а Grok и Gemini часто ведут себя более хаотично и непредсказуемо.
Вывод эксперимента о том, что агенты начинают адаптироваться и искать обходные пути — это прямо база. В разработке ИИ-агентов 90% времени уходит не на то, чтобы научить модель пользоваться инструментами, а на то, чтобы выстроить систему сдержек, противовесов и валидации, которая просто не позволит агенту проигнорировать критические правила. Давать ему свободу действий без жесткого бэкенд-каркаса — это и правда путь к хаосу :)
Да, для сотрудника процесс действительно начинается с одной фразы боту в свободной форме. Конечно, за кулисами нет бесконтрольной автономии, документы генерируются только после апрува руководителя. Но на стороне пользователя это выглядит как магия в один клик.
Облачная бухгалтерия — отличный калькулятор, но она не умеет общаться с сотрудниками и ничего не знает о других наших инструментах. ИИ здесь в роли интеллектуального координатора, рулит всем процессом коммуникации и интеграции.
Правила у вас и правда дельные, как здесь уже отметили. Вообще ИТ-найм теперь не столько про подбор дисциплинированного исполнителя, сколько про поиск единомышленника, готового к позиции "взрослый–взрослый".
Проблема "самоуверенности" кандидатов (и не только зумеров) лечится прозрачностью системы. Когда в компании выстроена культура обратной связи и виден реальный вклад каждого, завышенные ожидания быстро приходят в норму.
Ну а задача руководителя — создавать среду, где не нужно заставлять работать, а результат становится вопросом личной репутации сотрудника. Неважно, к какому поколению относится кандидат, если у него есть драйв созидания и ответственность за свою работу.
Светлана, как вы проверяете эту самую "взрослость" и готовность к ответственности на этапе интервью? Есть какие-то любимые вопросы-маркеры?
Согласен, для зрелой компании "неудобный" сотрудник не проблема, а важный датчик системы. Если он задает острые вопросы и спорит, значит, ему не все равно на результат. Из своего опыта скажу, что обычно именно такие сотрудники искренне хотят улучшить продукт и подсветить ошибки, которые остальные привыкли не замечать. И задача руководителя здесь — не "причесать" человека, а направить его энергию на исправление кривых процессов.
И дельное дополнение, мы как раз экспериментируем с RAG-системами и базами знаний для агентов. А какие книги/ресурсы вы бы подсунули агенту в первую очередь?
Разделение прав идет через ролевую модель (маркетинг, sales и др.). И в зависимости от прав роли агент в Битрикс может как читать, так и писать. Инженер занят, так что насчет вебвизорного пайплайна я спросил напрямую у бота. Вот его ответ
В тексте упоминал, что опус мы использовали для изначальной разработки. Сейчас используем GLM 5 / Gemini 3 Flash, Gemini 3.1 Pro для сложных задач. Подключить можно любые LLM, хоть qwen, хоть kimi, хоть Алису.
Справедливое замечание, если есть свободный программист, который напишет скрипт за 2-4 часа, поддержит его при изменениях API/верстки и будет на связи для багфиксов. Тогда Python + cron действительно дешевле. Но openclaw решает другие задачи:
- Маркетологам не нужно зависеть от разработчика, они пишут задачу в Telegram и получают результат сразу. Время специалиста = деньги.
- Если сайт изменил верстку, скрипт упадет и будет ждать фикса. Агент увидит ошибку, сам адаптируется и попробует другой подход в рамках той же сессии.
- Сложные цепочки вроде «Найди статьи, собери метрики и тренды, сравни с нашими публикациями и сделай дайджест» — для Python это написание оркестратора, а для агента — одна фраза.
- Контекст не нужно кодировать: наш Клавдий знает структуру компании, предыдущие взаимодействия, типичные задачи пользователя, роли и права доступа.
Подытожу. Да, можно обойтись без openclaw. Но с ним есть гибкость, не нужно ничего допиливать (ну почти), и даже если что-то поменяется, он самостоятельно адаптируется. Это не «открытие формул в Excel», а делегирование рутины ИИ-агенту, чтобы разгрузить команду и дать не-технарям инструмент автономности. Мы используем Клавдия для того, чтобы трансформировать компанию и научить сотрудников решать простейшие задачи без программистов, которые занимаются продуктом, а не парсерами.
Причина довольно банальна: не доходили руки. Выход завирусившегося инструмента просто оказался удобным поводом начать. Часто даже просто сформулировать потребность в автоматизации бывает непросто.
Отличие то же, что и любого другого head of от джуна: понимание бизнеса клиента, самостоятельное формирование тех. требований, а не просто написание кода по ТЗ. Стратегическое мышление, понимание бизнес-логики и умение ее проектировать, а не только писать промпты. Совершенно иной набор навыков.
Главное отличие в том, кто выполняет всю рутинную работу "под капотом".
В классическом флоу кадровику приходилось быть живым мостом между разными инструментами (от Jira и Google-таблиц до бухгалтерии) и людьми, а с ИИ-агентом вся эта координация происходит за секунды в автоматическом режиме. Кадровик больше не занимается логистикой данных и ручным пинг-понгом, а подключается только в самом конце, чтобы поставить финальную подпись. Для HR-отдела это колоссальная экономия времени и сокращение рутины.
Спасибо за бдительность, вопросы ПД и комплаенса при работе с ИИ — это всегда тонкий лед. Но безопасность у нас в приоритете и все продумано на старте.
Вся логика расчетов и ПД крутятся на нашем бэкенде в закрытом облаке, а ИИ-агент выступает только интерфейсом в Mattermost, мы не скармливаем чувствительные данные сторонним зарубежным LLM-сервисам (ZeroClaw позволяет крутить модели в своем контуре). Гугл-таблицы мы использовали на этапе легаси-схемы, а сейчас как раз переезжаем на собственный внутренний кабинет. Ну а согласия на обработку ПД сотрудники, само собой, подписывают еще при приеме в штат.
Так что обойдемся без штрафов и явок с повинной :) За техническую оценку статьи отдельное спасибо!
1С и Excel — классика, но в этой схеме руководителям все равно нужно вручную опрашивать сотни людей, утрясать накладки и заполнять таблицы. Бот автоматизирует именно этот этап общения, избавляя менеджеров от рутины.
За зарплату можно не переживать: ИИ ее не считает, все расчеты автоматизированы на уровне бэкенда по жестким формулам. Бот лишь удобный интерфейс для общения с системой.
Любопытно, как характер моделей в симуляции бьется с тем, что мы видим при практическом внедрении ИИ. Claude сейчас действительно один из самых стабильных и послушных «оркестраторов», а Grok и Gemini часто ведут себя более хаотично и непредсказуемо.
Вывод эксперимента о том, что агенты начинают адаптироваться и искать обходные пути — это прямо база. В разработке ИИ-агентов 90% времени уходит не на то, чтобы научить модель пользоваться инструментами, а на то, чтобы выстроить систему сдержек, противовесов и валидации, которая просто не позволит агенту проигнорировать критические правила. Давать ему свободу действий без жесткого бэкенд-каркаса — это и правда путь к хаосу :)
Да, для сотрудника процесс действительно начинается с одной фразы боту в свободной форме. Конечно, за кулисами нет бесконтрольной автономии, документы генерируются только после апрува руководителя. Но на стороне пользователя это выглядит как магия в один клик.
Облачная бухгалтерия — отличный калькулятор, но она не умеет общаться с сотрудниками и ничего не знает о других наших инструментах. ИИ здесь в роли интеллектуального координатора, рулит всем процессом коммуникации и интеграции.
Вы правы, рынок штормит нешуточно, и это сильно меняет правила игры. Вопрос про возможные причины ухода в таких условиях звучит особенно актуально.
Ошибаться сейчас больно, но в конечном счете так и строятся самые сильные и сплоченные команды. Спасибо за дискуссию)
Правила у вас и правда дельные, как здесь уже отметили. Вообще ИТ-найм теперь не столько про подбор дисциплинированного исполнителя, сколько про поиск единомышленника, готового к позиции "взрослый–взрослый".
Проблема "самоуверенности" кандидатов (и не только зумеров) лечится прозрачностью системы. Когда в компании выстроена культура обратной связи и виден реальный вклад каждого, завышенные ожидания быстро приходят в норму.
Ну а задача руководителя — создавать среду, где не нужно заставлять работать, а результат становится вопросом личной репутации сотрудника. Неважно, к какому поколению относится кандидат, если у него есть драйв созидания и ответственность за свою работу.
Светлана, как вы проверяете эту самую "взрослость" и готовность к ответственности на этапе интервью? Есть какие-то любимые вопросы-маркеры?
Согласен, для зрелой компании "неудобный" сотрудник не проблема, а важный датчик системы. Если он задает острые вопросы и спорит, значит, ему не все равно на результат. Из своего опыта скажу, что обычно именно такие сотрудники искренне хотят улучшить продукт и подсветить ошибки, которые остальные привыкли не замечать. И задача руководителя здесь — не "причесать" человека, а направить его энергию на исправление кривых процессов.
Рад, что подход отозвался!
И дельное дополнение, мы как раз экспериментируем с RAG-системами и базами знаний для агентов. А какие книги/ресурсы вы бы подсунули агенту в первую очередь?
Соглашусь, в такие процессы внедрять ИИ банально рано. В попытках автоматизировать хаос получишь автоматизированный хаос.
Ответил про доступ чуть выше ) Разным сотрудникам/отделам — разные агенты.
В Onyx knowledge base можно разграничивать между агентами и точечно давать разным сотрудникам доступ к разным агентам.
Сейчас у нас Onyx подключен только к общей информации, доступной для всех, а дальше в плане, как и написал, подключать к отдельным проектам Jira.
Поделитесь?
Разделение прав идет через ролевую модель (маркетинг, sales и др.). И в зависимости от прав роли агент в Битрикс может как читать, так и писать. Инженер занят, так что насчет вебвизорного пайплайна я спросил напрямую у бота. Вот его ответ
В тексте упоминал, что опус мы использовали для изначальной разработки. Сейчас используем GLM 5 / Gemini 3 Flash, Gemini 3.1 Pro для сложных задач. Подключить можно любые LLM, хоть qwen, хоть kimi, хоть Алису.
Ну, я про своего Head of AI рассказываю, а не про гипотетического ) У нас это далеко не джун.
Одно дело писать код по готовому ТЗ, другое — самому формировать технические спецификации, исходя из требований бизнеса.
Но я верю, что бывает и по-другому. Тем более, сфера пока новая и реальная экспертиза у многих еще только формируется.
Справедливое замечание, если есть свободный программист, который напишет скрипт за 2-4 часа, поддержит его при изменениях API/верстки и будет на связи для багфиксов. Тогда Python + cron действительно дешевле. Но openclaw решает другие задачи:
- Маркетологам не нужно зависеть от разработчика, они пишут задачу в Telegram и получают результат сразу. Время специалиста = деньги.
- Если сайт изменил верстку, скрипт упадет и будет ждать фикса. Агент увидит ошибку, сам адаптируется и попробует другой подход в рамках той же сессии.
- Сложные цепочки вроде «Найди статьи, собери метрики и тренды, сравни с нашими публикациями и сделай дайджест» — для Python это написание оркестратора, а для агента — одна фраза.
- Контекст не нужно кодировать: наш Клавдий знает структуру компании, предыдущие взаимодействия, типичные задачи пользователя, роли и права доступа.
Подытожу. Да, можно обойтись без openclaw. Но с ним есть гибкость, не нужно ничего допиливать (ну почти), и даже если что-то поменяется, он самостоятельно адаптируется. Это не «открытие формул в Excel», а делегирование рутины ИИ-агенту, чтобы разгрузить команду и дать не-технарям инструмент автономности. Мы используем Клавдия для того, чтобы трансформировать компанию и научить сотрудников решать простейшие задачи без программистов, которые занимаются продуктом, а не парсерами.
Причина довольно банальна: не доходили руки. Выход завирусившегося инструмента просто оказался удобным поводом начать. Часто даже просто сформулировать потребность в автоматизации бывает непросто.
Отличие то же, что и любого другого head of от джуна: понимание бизнеса клиента, самостоятельное формирование тех. требований, а не просто написание кода по ТЗ. Стратегическое мышление, понимание бизнес-логики и умение ее проектировать, а не только писать промпты. Совершенно иной набор навыков.