Traba despliega agentes de entrevista IA para escalar la contratación industrial

Traba está construyendo una plataforma de contratación de nueva generación para la cadena de suministro industrial. Su misión es conectar empresas con trabajadores temporales cualificados y verificados a gran escala.

Para alcanzar ese objetivo, Traba creó Scout, un sistema de entrevistas impulsado por IA integrado directamente en sus operaciones. Scout ahora realiza más de 50,000 entrevistas mensuales en roles de almacén, logística y manufactura, reduciendo la carga de trabajo manual, mejorando las tasas de colocación y ofreciendo evaluaciones consistentes en cada región.

La contratación es el cuello de botella en las cadenas de suministro industrial

Aunque millones de trabajadores están listos para trabajar, los procesos de contratación con alta fricción impiden que los centros de cumplimiento, centros logísticos y fabricantes operen a máxima eficiencia.

Estos trabajos requieren cualificación. Los horarios de turnos varían. Existen barreras lingüísticas. Se deben seguir requisitos regulatorios. Todo esto ralentiza la contratación.

Traba necesitaba escalar sin contratar miles de reclutadores. Necesitaban un sistema consistente y fiable que pudiera evaluar la adecuación de los trabajadores más rápido.

Por qué Traba eligió ElevenLabs

A finales de 2024, Text to Speech y Speech to Text se volvieron viables para entrevistas telefónicas. Traba comenzó a probar proveedores con un objetivo: encontrar un socio que pudiera apoyar IA conversacional avanzada sin requerir la propiedad total de la infraestructura.

ElevenLabs ofreció:

• Voces de alta calidad: voces naturales y multilingües que hacían que las conversaciones se sintieran humanas en lugar de robóticas.
• Baja latencia: lo suficientemente rápida para interacciones en tiempo real sin retrasos incómodos.
• Flexibilidad y control: la capacidad de orquestar múltiples agentes, experimentar con estrategias de prompting e integrarse directamente en sus sistemas.
• Reducción de complejidad: manejando partes desafiantes de la infraestructura de audio para que puedan centrarse en sus flujos de trabajo únicos.

Construyendo el entrevistador IA

Scout se lanzó con una arquitectura de agente único. Su primera versión demostró que la IA podía realizar entrevistas estructuradas, calificar candidatos y devolver evaluaciones útiles.

Scout V1:

• Monolingüe: Solo soportaba inglés, limitando el alcance
• Lógica de agente único: Un LLM manejaba todos los pasos — introducción, preguntas y respuestas, logística
• Conjuntos de preguntas estáticas: Consultas predefinidas basadas en roles con flexibilidad limitada
• Evaluación básica: Resumen de un solo paso al final de la entrevista
• Transferencia a operador: La IA proporcionaba una señal direccional; los humanos tomaban las decisiones finales

A pesar de su simplicidad, V1 realizó miles de llamadas en paralelo y ahorró tiempo de inmediato.

Escalando a más de 250,000 llamadas: resolviendo profundidad, velocidad y consistencia

Para marzo de 2025, Scout había realizado más de 17,000 entrevistas y ahorrado más de 1,400 horas de tiempo de evaluación manual. Para prepararse para la demanda estacional máxima, el sistema fue reconstruido para operar de manera autónoma.

Las mejoras clave incluyeron:

Voces multilingües y cambio dinámico

ElevenLabs implementó soporte multilingüe, permitiendo a Scout cambiar entre inglés y español durante la llamada según la preferencia del usuario. Esto desbloqueó el acceso a un segmento de trabajadores previamente desatendido.

Orquestación de múltiples agentes

A medida que el contexto de la entrevista se expandía, Traba encontró degradación del modelo. ElevenLabs proporcionó las herramientas para dividir las llamadas entre agentes especializados - introducción, evaluación, logística y soporte de preguntas frecuentes - con transiciones fluidas durante la conversación.

Marco de evaluación personalizado

Los operadores necesitaban más control sobre las evaluaciones. Traba construyó Custom Scout, un marco para definir cómo deben ser las respuestas 'buenas' en función de cada pregunta. Las evaluaciones ahora se alinean con los criterios únicos de cada cliente.

Retroalimentación de verdad fundamental e iteración de prompts

Traba desarrolló un marco interno de prueba de prompts con bucles de retroalimentación instantánea. Al generar conjuntos de datos verificados por humanos a través de Langfuse, el equipo pudo realizar pruebas A/B de prompts contra el rendimiento en el mundo real, permitiendo una rápida iteración a gran escala.

Resultados

El sistema de entrevistas liderado por IA de Traba ahora realiza más de 50,000 entrevistas al mes y

Resultados

Refinando sus bancos de preguntas, lógica de evaluación y flujos de llamadas a través de retroalimentación continua, Traba construyó un sistema que escala mientras mejora la calidad de los resultados.el 85% de toda la evaluación de trabajadores en la plataforma está completamente automatizada. Con un promedio de 5 minutos por conversación, esto ahorra más de 4k horas de operador al mes.

• 15% más de tasas de finalización de turnos para trabajadores calificados por IA vs. calificados por humanos
• Evaluaciones consistentes en roles, turnos y geografías
• Reducción del tiempo de contratación con evaluaciones estructuradas de grado de decisión
• Capa de evaluación escalable que funciona 24/7 con mínima intervención del operador

La hoja de ruta de Traba incluye incorporación liderada por agentes, preguntas y respuestas basadas en video, procesamiento de hojas de tiempo y detección de emociones a través de LLMs multimodales. También están trabajando en el refinamiento de prompts liderado por agentes, utilizando datos de rendimiento para entrenar agentes que optimicen el diseño de entrevistas de manera autónoma.

A lo largo de este viaje, Traba continúa colaborando con nosotros mientras desarrollamos la próxima generación de

El plan de Traba incluye incorporación guiada por agentes, preguntas y respuestas en video, procesamiento de hojas de tiempo y detección de emociones mediante LLMs multimodales. También están trabajando en la mejora de prompts guiada por agentes, utilizando datos de rendimiento para entrenar agentes que optimicen el diseño de entrevistas de manera autónoma.

A lo largo de este viaje, Traba continúa colaborando con nosotros mientras desarrollamos la próxima generación de nuestra Plataforma de Agentes, ampliando los límites de la inteligencia del lenguaje en flujos de trabajo complejos del mundo real.