Funkcje AI HiBob: od samoobsługi pracowników po zarządzanie w całej organizacji

Dogłębne omówienie funkcji AI HiBob 

Przed demonstracją Josh podzielił się danymi z analizy 160 000 rozmów z klientami i potencjalnymi klientami przeprowadzonej przez HiBob — próbą określenia, na jakim etapie gotowości na AI faktycznie znajdują się organizacje. 

Podział: 

• Około 10% znajduje się na zaawansowanym, agentowym poziomie
• Około 30% wciąż ustala, czy wprowadzenie AI jest bezpieczne
• Około 60% znajduje się pośrodku, koncentrując się na przyspieszaniu i zwiększaniu efektywności już wykonywanej pracy.

Jeśli należysz do tych 60%, jesteś w większości, a funkcje AI HiBob zostały stworzone dokładnie z myślą o sytuacji, w której ta grupa znajduje się obecnie.

It starts with one signal.

Each week, AI Signal takes one meaningful shift in AI and helps people leaders understand what changed, why it matters, and what to consider next.

Get Free Access

Have an account? Log In

1. Asystent AI Bob: samoobsługa pracowników

HiBob AI Companion and Self-Service Demo

Asystent AI Bob to jeden interfejs konwersacyjny, który przekazuje zapytania wyspecjalizowanym agentom zajmującym się zarządzaniem dokumentami, zarządzaniem wynikami pracy i innymi obszarami. Pracownicy korzystają z jednego okna czatu, a przekierowanie odbywa się w tle.

To właśnie w przypadku samoobsługi rozwiązanie zapewnia natychmiastową, mierzalną wartość. Zamiast wysyłać wiadomość na Slacku do działu HR, przeszukiwać wewnętrzną bazę wiedzy lub czekać na odpowiedź na zgłoszenie, pracownicy mogą zapytać bezpośrednio asystenta.

Podczas demonstracji na żywo Josh zapytał o zasady dotyczące obecności psów w biurze. System wyświetlił konkretną politykę obowiązującą w biurze w Tel Awiwie, wiedząc z profilu Josha, która lokalizacja go dotyczy. Zasady obowiązujące w Nowym Jorku, które są inne, nie pojawiły się.

Następnie zapytał o przysługujący mu urlop ojcowski i poprosił o dzień wolny, realizując całą transakcję w tym samym interfejsie. Gdy przypadkowo wybrał sobotę, system oznaczył ten błąd przed wysłaniem.

Wskazówka eksperta

“Im więcej masz pracowników, tym większą liczbę pytań zadają oni w danym miesiącu. W tym obszarze otrzymujesz efekt mnożnika siły.”

Jak uzyskać największą wartość z Asystenta AI Bob:

• Wprowadź do niego rzeczywiste zasady obowiązujące w firmie. Dokładność asystenta zależy od zawartości systemu. Dobrze uporządkowane dokumenty dotyczące zasad zapewniają odpowiedzi uwzględniające kontekst i dopasowane do roli.
• Myśl o liczbie zgłoszeń, a nie tylko o koszcie pojedynczego zgłoszenia. Kalkulacja zwrotu z inwestycji nie obejmuje wyłącznie czasu zaoszczędzonego na jednym zgłoszeniu — liczy się skumulowany efekt w przypadku każdego pracownika, w każdym miesiącu.
• Wykorzystaj go, aby zwiększyć zasięg HR. Asystent zapewnia pracownikom bezpośredni dostęp do wiedzy HR o każdej porze, bez tworzenia dodatkowego obciążenia dla Twojego zespołu.

2. Coaching menedżerów wspierany przez AI

HiBob's Manager Coaching and AI Actionable Feedback

Jednym z trudniejszych problemów w HR jest luka między danymi dotyczącymi wyników pracy a wartościowym coachingiem. Menedżerowie często przeglądają ostatnią ocenę i na tym poprzestają, pozostawiając ogromną ilość danych historycznych niewykorzystaną. Gdy menedżer przejmuje nowy zespół, problem się pogłębia, ponieważ kontekst historyczny po prostu nie zostaje przekazany.

Asystent AI HiBob rozwiązuje ten problem, umożliwiając menedżerom bezpośrednie wyszukiwanie historii ocen pracowniczych i opinii współpracowników na temat członków ich zespołów, a następnie przekładanie tych danych na działania coachingowe.

Podczas prezentacji na żywo Josh poprosił asystenta o pobranie własnych ocen pracowniczych i opinii współpracowników, a następnie o wskazanie trzech obszarów do poprawy oraz zaproponowanie celów. System przekształcił dane historyczne w konkretne, możliwe do wdrożenia rekomendacje — w tym uwagę, że powinien częściej delegować zadania.

Warto zapamiętać sposób, w jaki Josh przedstawił ten przypadek użycia: wyobraź sobie, że każdy menedżer ma w pomieszczeniu organizacyjnego coacha, który jest z nim przez cały czas i korzysta ze wszystkiego, co kiedykolwiek udokumentowano na temat jego zespołu.

Macie dostęp do ogromnej ilości danych, które AI pomoże wam odblokować i wykorzystać, abyście stali się lepszymi menedżerami — abyście mogli lepiej prowadzić swoje zespoły.

Jak czerpać największą wartość z coachingu menedżerskiego wspieranego przez AI:

• Korzystaj z niego, przejmując nowy zespół. Wyszukiwanie historycznych danych dotyczących wyników pracy zapewnia nowym menedżerom kontekst, którego poznanie w innym przypadku zajęłoby im wiele miesięcy.
• Traktuj wyniki jako punkt wyjścia. Sugestie coachingowe wygenerowane przez AI są tak dobre, jak dane, na których się opierają. Wykorzystuj je jako punkt wyjścia do rozmowy, a nie jako zamiennik własnego osądu.
• Włącz je do cyklicznych działań. Połączenie cykli ocen z przypomnieniami coachingowymi generowanymi przez AI tworzy ciągłą pętlę informacji zwrotnych zamiast corocznego wydarzenia.

3. Raportowanie w języku naturalnym dla administratorów HR

Streamlining HR Reporting and Job Catalogs with HiBob

Zespoły HR poświęcają znaczną ilość czasu na raporty — pobieranie danych, ich formatowanie i przekazywanie interesariuszom, którzy potrzebowali ich już wczoraj. Asystent AI HiBob umożliwia administratorom generowanie raportów za pomocą zapytań w języku naturalnym, bezpośrednio w platformie.

Podczas pełnej prezentacji w środowisku demonstracyjnym Josh zalogował się jako administrator i poprosił asystenta o utworzenie zestawienia wynagrodzeń według działów. Raport został wygenerowany w tym samym interfejsie, bez otwierania osobnego modułu raportowania ani eksportowania danych do arkusza kalkulacyjnego.

W tym miejscu pojawiło się ważne rozróżnienie dotyczące uprawnień. Josh zauważył, że w swoim osobistym środowisku HiBob zapytanie o wynagrodzenie dyrektora generalnego nie zwróciłoby żadnych wyników, ponieważ nie ma uprawnień do jego wyświetlenia. W środowisku administratora takie zapytanie staje się dostępne. AI nie omija struktury uprawnień — działa w całości w jej ramach.

To właśnie odróżnia AI osadzone w systemie od eksportowania danych do zewnętrznego narzędzia. Warstwa zarządzania nie znika po przełączeniu się w tryb AI.

Wiele razy zespoły HR i menedżerowie poświęcają zbyt dużo czasu na raporty. AI może pomóc wam zrobić to w ciągu kilku minut.

Josh Rod, lider marketingu produktu, HiBob

Jak czerpać największą wartość z raportowania wspieranego przez AI:

• Od początku określ, kto otrzyma dostęp do asystenta na poziomie administratora. Wartość AI zależy od tego, czy odpowiednio przemyślisz uprawnienia. Zbuduj strukturę uprawnień przed szerszym wdrożeniem tej funkcji.
• Zastąp stałe prośby o raporty samodzielnymi zapytaniami. Naucz interesariuszy samodzielnego pobierania raportów za pomocą języka naturalnego, zamiast kierowania próśb do twojego zespołu.
• Wykorzystuj je do doraźnych pytań. Największą wartość często zapewnia nie zaplanowany raport, lecz niezaplanowane pytanie od wiceprezesa o 16:00, na które w innym przypadku trzeba byłoby czekać do następnego ranka.

4. Ramy kompetencji i tworzenie kursów L&D

How HiBob Simplifies Skills and L&D frameworks using AI

Katalogi kompetencji i programy uczenia się i rozwoju były dotychczas możliwościami klasy korporacyjnej, wymagającymi zaangażowania konsultantów, wielu miesięcy przygotowań i znacznego budżetu, zanim zaczęły przynosić jakąkolwiek wartość. AI HiBob zmienia tę sytuację w organizacjach każdej wielkości.

Josh wygenerował ramy kompetencji dla stanowiska menedżera marketingu produktu w branży technologii HR, wprowadzając opis stanowiska. W ciągu kilku sekund system zwrócił wielopoziomowe ramy kompetencji z poziomami biegłości — proces, który zazwyczaj wymagałby specjalisty i wielu tygodni pracy.

Następnie zademonstrował tworzenie kursu, określając temat, ton i pożądaną długość, dzięki czemu system przygotował zarys całego kursu szkoleniowego. Nie są to ogólne szablony — AI korzysta z kontekstu stanowiska i roli, który już znajduje się w systemie, aby tworzyć materiały istotne dla danej organizacji.

W przypadku firm zaczynających od zera lub próbujących zbudować strukturę, zanim osiągną próg zatrudnienia, który tradycyjnie uzasadniałby taką inwestycję, jest to jedna z najbardziej praktycznych funkcji dostępnych na platformie.

Dzięki AI nie jest już tak, że te możliwości są zarezerwowane dla największych graczy w branży.

Josh Rod, lider marketingu produktu, HiBob

Jak uzyskać największą wartość z umiejętności i materiałów edukacyjnych generowanych przez AI:

• Zacznij od najważniejszych ról. Wykorzystaj AI do wygenerowania modeli umiejętności dla stanowisk, na których luki kompetencyjne są najbardziej kosztowne, a następnie rozszerzaj zakres.
• Traktuj wyniki AI jako wersje robocze, a nie gotowe produkty. Niech specjalista ds. pracowników przejrzy i dopracuje treści wygenerowane przez system przed ich wewnętrzną publikacją.
• Wykorzystuj dane dotyczące umiejętności do łączenia ich z oceną wyników i rekrutacją. Modele umiejętności są najbardziej przydatne, gdy wpływają na sposób oceniania, rozwijania i rekrutowania pracowników — a nie wtedy, gdy funkcjonują w oderwaniu od tych procesów.

5. Architektura zarządzania i uprawnień

HiBob's Pillars of AI Governance and Data Security

Zarządzanie nie jest tematem efektownych prezentacji. Jest jednak powodem, dla którego liderzy HR mogą faktycznie wdrażać funkcje AI, zamiast bez końca trzymać je na liście oczekujących na akceptację działu IT.

Podejście HiBob opiera się na trzech zasadach:

Dane nie są przechowywane ani wykorzystywane do trenowania modeli. HiBob ma umowę z OpenAI, zgodnie z którą dane klientów są przetwarzane dla każdego zapytania i nie są przechowywane na serwerach OpenAI ani wykorzystywane do trenowania ich modeli. To rozróżnienie ma znaczenie, gdy dane obejmują historię wynagrodzeń, informacje o wynikach pracy i poufne informacje o pracownikach.

Uprawnienia regulują wszystko, w tym działanie AI. Każde zapytanie wykonywane przez asystenta jest ograniczone profilem uprawnień użytkownika, który je wysyła. AI nie uzyskuje dostępu do szerszego zbioru danych, a następnie go nie filtruje — warstwa uprawnień określa, jakie informacje w ogóle zostaną uwzględnione w zapytaniu. Josh opisał tę zasadę jako „najpierw uprawnienia, potem AI”.

Funkcje można włączać i wyłączać indywidualnie. Nie wszystkie możliwości AI wiążą się z takim samym ryzykiem regulacyjnym. W Europie wykorzystywanie AI przy podejmowaniu decyzji dotyczących rekrutacji lub wynagrodzeń podlega innemu środowisku regulacyjnemu niż używanie jej do odpowiadania na pytania dotyczące polityk. 

HiBob umożliwia włączanie i wyłączanie poszczególnych funkcji AI, dzięki czemu organizacje mogą aktywować te, co do których mają pewność, oraz wstrzymać się z użyciem tych, które wciąż oceniają, bez konieczności podejmowania decyzji typu „wszystko albo nic”.

Wasz HCM, wasz system HR musi być źródłem kontroli. To najbardziej wrażliwe dane waszej firmy — nie ma na świecie firmy, która udostępniałaby publicznie swoje dane HR, ponieważ one do niej nie należą. Należą do każdego pracownika z osobna.

Josh Rod, lider marketingu produktu, HiBob

Jak uzyskać największą wartość z architektury zarządzania HiBob:

• Zmapuj grupy uprawnień przed uruchomieniem systemu. Struktura uprawnień określa, jakie informacje AI może, a jakich nie może udostępniać. Zadbaj o jej poprawne skonfigurowanie podczas wdrożenia, zamiast robić to dopiero po pojawieniu się problemu z danymi.
• Jednoznacznie przypisz odpowiedzialność za zarządzanie AI. Josh zaleca każdej organizacji utworzenie dedykowanej funkcji zarządzania AI — zespołu lub osoby, której zadaniem będzie dbanie o odpowiedzialne wykorzystywanie AI. Nie traktuj tego jako kwestii drugorzędnej.
• Wykorzystuj mechanizmy kontroli na poziomie funkcji do etapowego wdrażania. Zamiast uruchamiać wszystko jednocześnie, korzystaj z indywidualnych przełączników funkcji, aby stopniowo rozszerzać dostęp wraz ze wzrostem pewności.

Funkcje AI HiBob a inne platformy HR

Podejście HiBob kładzie nacisk na AI wbudowaną bezpośrednio w system będący źródłem danych — tam, gdzie dane już się znajdują — zamiast na samodzielne warstwy AI dołączane do oddzielnych narzędzi.

• Narzędzia AI ogólnego przeznaczenia (ChatGPT, Copilot, Claude używane niezależnie) mogą być przydatne do analiz i tworzenia wersji roboczych, ale działają poza systemem operacyjnym. W momencie eksportowania danych HR w celu użycia ich z zewnętrznym modelem wprowadzasz lukę w zarządzaniu oraz ryzyko dla bezpieczeństwa. Tracisz także kontekst w czasie rzeczywistym, który sprawia, że rekomendacje AI można wykorzystać w praktyce.
• Wyspecjalizowane narzędzia AI mogą oferować zaawansowane możliwości w jednym obszarze — rekrutacji, zaangażowaniu lub wydajności — ale nie mają dostępu do danych przekrojowych, które zapewniają kontekstową dokładność AI HiBob. Odpowiedź na pytanie dotyczące polityki musi uwzględniać to, kim jesteś, gdzie pracujesz i jakie zasady mają zastosowanie do Twojej roli. Zazwyczaj odizolowane narzędzie nie potrafi połączyć tych informacji.
• Starsze systemy HCM z dodatkami AI często mierzą się z wyzwaniem dostosowania AI do architektury danych, która nie została zaprojektowana z myślą o tej technologii. Interfejs konwersacyjny HiBob działa na nowoczesnym modelu danych, dzięki czemu uprawnienia, kontekst i kierowanie zapytań współpracują ze sobą, zamiast sobie wzajemnie przeszkadzać.

Istotnym wyróżnikiem jest to, że HiBob pełni jednocześnie funkcję systemu ewidencji danych i warstwy AI. Gdy AI przedstawia rekomendację lub odpowiada na pytanie, działanie odbywa się w ramach tego samego procesu, a nie po eksporcie danych, przekazaniu ich dalej lub zalogowaniu się do osobnego narzędzia.

Przyszłość AI w oprogramowaniu HR 

Josh celowo zachowywał ostrożność w kwestii prognoz długoterminowych — to rozsądne stanowisko, biorąc pod uwagę tempo zmian w tej dziedzinie. Uznał, że sześć miesięcy to mniej więcej maksymalny okres, dla którego można formułować wiarygodne prognozy.

Potwierdził natomiast następujące kierunki rozwoju platformy HiBob i całej kategorii:

• Integracja danych zewnętrznych. Wprowadzanie do HiBob obok danych HR informacji o wynikach sprzedaży, efektach pracy zespołów inżynieryjnych i innych danych operacyjnych, aby łączyć obiektywne sygnały dotyczące wydajności z subiektywnym obrazem HR.
• Pogłębianie istniejących możliwości. Rozbudowywanie funkcji, które już znajdują się na platformie, zamiast dodawania powierzchownych funkcji.
• Programowanie za pomocą języka naturalnego i rozszerzalność API. Dążenie do modelu, w którym organizacje mogą tworzyć lekkie aplikacje współpracujące z HiBob, dzięki czemu platformę można rozszerzać na potrzeby zespołów dysponujących kompetencjami technicznymi.
• Integracja MCP. Łączenie HiBob z zewnętrznymi narzędziami AI, takimi jak Claude lub Cursor, za pośrednictwem protokołu kontekstu modelu, co pozwala tym narzędziom odpowiedzialnie odpytywać dane HiBob poprzez własną warstwę zarządzania platformy. (Dla wyjaśnienia: MCP, czyli Protokół kontekstu modelu, to standard umożliwiający agentom AI bezpieczną interakcję z danymi systemów biznesowych — pod względem funkcji podobny do API, ale zaprojektowany specjalnie dla AI.)

Podstawowy kierunek pozostaje niezmienny: przejście HR od reaktywnego raportowania do proaktywnej analizy oraz rozszerzenie tych możliwości na każdy szczebel organizacji, a nie tylko na osoby z uprawnieniami administracyjnymi.

„Byłbym bardzo ostrożny z formułowaniem prognoz na okres dłuższy niż sześć miesięcy” — powiedział Rod. „Tempo rozwoju w tej branży jest szalone”.

Chcesz zobaczyć funkcje AI HiBob w swoim środowisku i na swoich danych?

Umów się na prezentację na stronie hibob.com →