चैटबॉट से सहकर्मी तक: एक HR असिस्टेंट जो सुरक्षित तरीके से काम करता है

किसी भी HR टीम से पूछिए कि उनका हफ़्ता कहाँ जाता है, जवाब एक जैसा मिलेगा: “मेरी कितनी छुट्टियाँ बची हैं?”, WhatsApp पर छुट्टी की अर्ज़ियाँ, अप्रूवल के लिए मैनेजरों के पीछे भागना, और “क्या आप मुझे एक्सपीरियंस लेटर भेज सकते हैं?”। पॉलिसी चैटबॉट पहले वाले में मदद करता है। बाकी सब में कुछ नहीं करता — और घंटे वहीं जाते हैं।

हमने AIVCJ HR अगला कदम दिखाने के लिए बनाया: एक असिस्टेंट जो जवाब भी देता है और काम भी करता है। यह आपका बैलेंस देखता है, नियमों के अंदर छुट्टी अप्लाई करता है, सारांश के साथ उसे आपके मैनेजर तक भेजता है, और HR लेटर ड्राफ़्ट करता है — एक सैंपल कंपनी Northwind Distribution के अंदर, जिसमें एक हेड ऑफ़िस और तीन वेयरहाउस में 42 कर्मचारी हैं।

सिर्फ़ जवाब देने से HR का बोझ क्यों नहीं घटता

हमारा Knowledge डेमो पॉलिसी के सवालों का जवाब स्रोत के साथ देता है। इससे “पॉलिसी क्या कहती है?” वाला सवाल ख़त्म हो जाता है। लेकिन कर्मचारी को फिर भी फ़ॉर्म खोलना पड़ता है, वर्किंग डेज़ गिनने पड़ते हैं, नोटिस पीरियड देखना पड़ता है, अप्रूवर ढूँढना पड़ता है और इंतज़ार करना पड़ता है। काम खिसका, ख़त्म नहीं हुआ।

AI को काम करने देने पर एक जायज़ चिंता उठती है: उसे अपनी गलतियाँ ख़ुद अप्रूव करने से, मदद के चक्कर में नियम मोड़ने से, या एक कर्मचारी को दूसरे का डेटा दिखाने से कौन रोकेगा? इसलिए हमने पहले सुरक्षा-नियम (गार्ड-रेल्स) डिज़ाइन किए।

गार्ड-रेल्स

1. नियम कोड में रहते हैं, मॉडल में नहीं। एक तय (deterministic) पॉलिसी इंजन फ़ैसला करता है कि अर्ज़ी कितने दिन की गिनी जाएगी (हर लोकेशन के वीकली ऑफ़ और छुट्टियाँ, अर्न्ड लीव का सैंडविच नियम), नोटिस पीरियड पूरा है या नहीं, कर्मचारी अभी प्रोबेशन पर है या नहीं, बैलेंस काफ़ी है या नहीं, और किसे अप्रूव करना है। AI इंजन को बुलाता है और नतीजा समझाता है — उसे पलट नहीं सकता।
2. बिना क्लिक के कुछ नहीं होता। हर बदलाव — छुट्टी अप्लाई करना, अर्ज़ी कैंसिल करना, IT या एसेट रिक्वेस्ट डालना — एक कन्फ़र्मेशन कार्ड पर दिखता है: गिने गए दिन, हर पास या फ़ेल हुई जाँच, पहले और बाद का बैलेंस, और अप्रूवल का रास्ता। अर्ज़ी तभी बनती है जब व्यक्ति Confirm दबाता है, और उसी पल इंजन दोबारा जाँचता है।
3. रोल की अनुमतियाँ टूल्स लागू करते हैं। कर्मचारी सिर्फ़ अपना डेटा देखता है; मैनेजर अपने डायरेक्ट रिपोर्ट्स का; दूसरों के लिए लेटर सिर्फ़ HR ड्राफ़्ट कर सकता है। अप्रूवल कभी AI नहीं करता — मैनेजर Approvals स्क्रीन पर फ़ैसला लेते हैं।
4. हर चीज़ का ऑडिट होता है। हर टूल कॉल — किसने, किस रोल में, AI ने क्या माँगा, और वह चला, नियमों ने रोका, या इंसान ने कन्फ़र्म किया — HR डैशबोर्ड के ऑडिट लॉग में दर्ज होता है।

डेमो में आप क्या आज़मा सकते हैं

• प्रिया (कर्मचारी) बनकर: “मुझे बहन की शादी के लिए 20 से 24 अक्टूबर तक छुट्टी चाहिए।” इंजन देखता है कि 20 अक्टूबर छुट्टी का दिन है और 24 अक्टूबर वीकली ऑफ़, 3 दिन गिनता है, समझाता है कि भाई-बहन की शादी पर मैरिज लीव क्यों लागू नहीं होती, और कार्ड दिखाता है।
• रोहित (मैनेजर) बनकर: अर्ज़ी AI सारांश के साथ इंतज़ार कर रही है — पॉलिसी के अंदर, स्नेहा 21–22 अक्टूबर को बाहर है, अर्न्ड लीव 12 → 9। अप्रूव कीजिए, और प्रिया का बैलेंस और अर्ज़ी की टाइमलाइन तुरंत अपडेट हो जाती है।
• अंजलि (HR) बनकर: “करण वर्मा के लिए एक्सपीरियंस लेटर” — उनके रिकॉर्ड से ड्राफ़्ट, ब्राउज़र में एडिट, PDF में डाउनलोड। जो जानकारी रिकॉर्ड में नहीं है, वह गढ़ी नहीं जाती, प्लेसहोल्डर के रूप में छोड़ दी जाती है।
• पॉलिसी के सवाल (“क्या मैं क्लाइंट मीटिंग तक की Uber का क्लेम कर सकता हूँ?”) उसी स्रोत-सहित रिट्रीवल इंजन से चलते हैं जो AIVCJ Knowledge में है।

हर विज़िटर को कंपनी की अपनी अलग कॉपी मिलती है, ताकि किसी के अप्रूवल किसी और से न टकराएँ, और यह हर रात रीसेट होती है।

मापा गया — चूक समेत

हम असिस्टेंट को शुरू से आख़िर तक टेस्ट करते हैं — वही मॉडल, टूल्स, इंजन और अनुमतियाँ जो लाइव डेमो में हैं — अर्ज़ियों के दो सेट पर, हर एक कंपनी की नई कॉपी में। केस तभी पास होता है जब असिस्टेंट बिल्कुल सही काम पर ख़त्म करे (या सही तरह से कुछ न करे), और जहाँ रेफ़रेंस जवाब है, वहाँ AI जज जवाब से सहमत हो।

• स्क्रिप्टेड सेट (30 अर्ज़ियाँ), ऐप के साथ लिखा गया और ट्यूनिंग में इस्तेमाल हुआ, जिसमें 12 ऐसी हैं जो किसी नियम या अनुमति को तोड़ती हैं: आख़िरी रन में 30 में से 30 सही, सभी 12 उल्लंघन रोके गए (ट्यूनिंग के दौरान के रन: 30 में से 29)।
• ब्लाइंड सेट (20 अर्ज़ियाँ), बाद में एक दूसरे लेखक ने लिखा जिसने हमारे प्रॉम्प्ट या कोड कभी नहीं देखे — हिंग्लिश, टाइपो, अस्पष्ट तारीख़ें (“परसों से 3 दिन”), एक मैसेज में दो माँगें: दोनों रन में 20 में से 17 (85%)।

सबसे काम के नतीजे गलतियाँ थीं। एक शुरुआती रन में एक कर्मचारी ने एक्सपीरियंस लेटर माँगा और असिस्टेंट ने मदद के चक्कर में चैट में ही लेटर लिख दिया — ठीक वैसा दस्तावेज़ जो सिर्फ़ HR को जारी करना चाहिए। एक दूसरे रन में उसने 4 दिन की कैज़ुअल लीव को इंजन से जाँचने के बजाय पूछ लिया “क्या मैं इसे फ़ाइल कर दूँ?”, इसलिए उसने कभी नहीं बताया कि सीमा 3 दिन है। दोनों अब साफ़ नियम हैं। ब्लाइंड सेट ने तीन और पकड़ीं। एक कर्मचारी ने पाँच दिन की कैज़ुअल लीव माँगी: इंजन ने सही तरह से मना किया (सीमा तीन दिन है), पर असिस्टेंट ने पहले पूछने के बजाय ख़ुद ही अर्न्ड लीव का कार्ड बना दिया — बिना क्लिक के कुछ सबमिट नहीं हुआ, फिर भी उसे लीव का प्रकार नहीं बदलना चाहिए था। एक मैनेजर ने “नेहा” का बैलेंस पूछा और नाम खोज में “स्नेहा” भी मिल गई, तो उसने बेवजह सवाल पूछा। तीसरा एक सही इनकार था, जिसे AI जज ने एक अतिरिक्त जानकारी न होने पर कम आँका। हमने पहली दो ठीक कर दीं; चूँकि ये सुधार ब्लाइंड सेट से आए, इसलिए उनके बाद के रन को हम ब्लाइंड नहीं गिनते।

दो बातें जो हम छिपाने के बजाय बताना पसंद करेंगे: जाँच एक AI करता है (असिस्टेंट वाली ही मॉडल फ़ैमिली), और इसे इंसानों ने वेरिफ़ाई नहीं किया है; और 50 अर्ज़ियों का टेस्ट सेट छोटा है। इन आँकड़ों को संकेत की तरह देखें। गार्ड-रेल्स की गारंटी ढाँचे में है: मॉडल कुछ भी कहे, नियम तोड़ने वाली अर्ज़ी सबमिट नहीं हो सकती, क्योंकि फ़ैसला इंजन करता है — मॉडल नहीं।

आपके HRMS पर लगाना

डेमो उसी स्टैक पर चलता है जो हम क्लाइंट्स के लिए लगाते हैं: Next.js, pgvector के साथ PostgreSQL, और Claude। असली रोलआउट में पॉलिसी इंजन आपकी लीव पॉलिसी से कॉन्फ़िगर होता है, टूल्स आपके HRMS (Keka, Darwinbox, Zoho People या आपका अपना) से बात करते हैं, और यही असिस्टेंट WhatsApp पर भी हो सकता है। आम तौर पर काम एक लोकेशन की छुट्टी और लेटर से शुरू होता है, पचास असली कर्मचारी-अर्ज़ियों पर मापा जाता है, और फिर बढ़ाया जाता है।

AIVCJ HR लाइव आज़माएँ →