Задача
В ОАО «Банк развития Республики Беларусь» кадровая нормативная база – это 51 локальный нормативный правовой акт и около 700 страниц текста: положения об оплате труда и выплатах социального характера, инструкция по работе с персоналом, организационная структура, образцы заявлений. Документы хранятся в сетевой папке в разных форматах – от современных .docx до унаследованных .doc, таблиц Excel и сканов без текстового слоя.
Чтобы найти ответ на бытовой рабочий вопрос – когда положена материальная помощь к отпуску, как перенести отпуск относительно графика, какие документы нужны для компенсации путёвки, – сотруднику нужно было знать, в каком из полусотни документов искать. Тот, кто не знал, шёл в кадровую службу. Типовые вопросы создавали постоянную фоновую нагрузку на управление по работе с персоналом.
Публичные AI-сервисы для этой задачи не подходили в принципе: внутренние нормативные документы банка не могут покидать его периметр.
Решение
А2 Consulting разработала и развернула AI HR-ассистента полностью на инфраструктуре банка. Сотрудник заходит в веб-чат по доменной учётной записи и задаёт вопрос обычным языком. Ассистент находит релевантные фрагменты нормативных документов, формирует ответ и указывает документ и пункт, на которые опирается, – ответ можно проверить по первоисточнику.
Ключевые принципы, заложенные в архитектуру:
• Всё внутри контура. Языковая модель развёрнута на серверах банка. Запросы сотрудников и содержимое документов не передаются во внешние сервисы.
• Никаких персональных данных. Ассистент работает только с нормативными документами, доступными всем сотрудникам. Доступа к кадровым учётным системам и персональным данным у него нет.
• Проверяемость. Каждый ответ сопровождается ссылкой на документ и номер пункта.
• Аудит. Все обращения протоколируются: пользователь, вопрос, ответ, документы-источники, время обработки.
Технологический стек: Qwen3-14B под управлением vLLM на GPU-сервере банка, эмбеддинги multilingual-e5-large, векторная база Qdrant, RAG-оркестрация на LangChain с классификатором намерений, backend на FastAPI, веб-интерфейс Open WebUI, аутентификация через AD/LDAP банка, аудит в SQLite, развёртывание в Docker.
Отдельный технический вызов – исходные документы. Нумерация пунктов в ЛНПА чаще всего набита руками в тексте, а не оформлена стилями Word; часть материалов существует только в виде таблиц или сканов. Под это был разработан отдельный конвейер обработки: парсеры для каждого формата приводят документ к единой структуре с извлечением заголовков, разделов и номеров пунктов, после чего текст разбивается на фрагменты, векторизуется и загружается в поисковый индекс.
Результат
MVP прошёл путь от установочной встречи до передачи в опытную эксплуатацию за семь недель – с 10 апреля по 29 мая 2026 года, без сдвига сроков. В базу знаний загружен 51 нормативный документ, доступ открыт всем сотрудникам банка. Пользовательское тестирование прошло с участием кадровой службы и ИТ-подразделения; по его итогам сформированы перечень доработок и направления дальнейшего развития решения.
«Сотрудники ежедневно обращаются с типовыми вопросами по отпускам, командировкам и оформлению заявлений – раньше на поиск ответа в нормативной базе уходило заметное время. Ассистент отвечает на естественном языке и сразу указывает документ и пункт, на которые опирается, поэтому ответ легко проверить. Это снижает нагрузку на кадровую службу и помогает сотрудникам быстрее решать рабочие вопросы».Сергей Козей, заместитель директора Центра организационных изменений и информационных технологий – начальник отдела технической поддержки, ОАО «Банк развития Республики Беларусь», руководитель проекта со стороны банка
«Главное ограничение проекта было задано с первого дня: решение работает только внутри контура банка, без обращений наружу и без доступа к персональным данным. Мы сознательно удерживали узкий scope MVP – одно направление, только нормативные документы, обязательная ссылка на источник в каждом ответе – и за счёт этого прошли семь недель без сдвига сроков. Отдельная работа была с исходными данными: нормативные акты банка живут в форматах, которые не рассчитаны на машинную обработку, и именно подготовка документов, а не модель, определяет качество ответов».Анастасия Лупулова, руководитель проекта, А2 Consulting
Развитие
В архитектуру решения заложено ролевое разграничение доступа – оно активируется по матрице ролей заказчика и позволяет расширять базу знаний документами с ограниченным доступом. Технически подход не привязан к HR: тот же контур применим к нормативной базе любого подразделения. Совместно с банком мы обсуждаем следующие шаги – масштабирование AI-решений на другие направления и развитие корпоративного хранилища данных как основы для аналитики.
Узнали свою проблему?
Если система сбора, хранения данных и отчётности регулярно даёт сбои, а затраты на обработку показателей становятся выше запланированных, пришло время качественно реорганизовать работу вашей компании. Мы помогаем организациям превращать данные в управленческий актив: строим хранилища, автоматизируем отчётность и внедряем BI-решения, которые масштабируются вместе с бизнесом. Свяжитесь с нами, чтобы получить персональную консультацию и предварительный расчет экономической эффективности для вашего предприятия.