Traba déploie des agents d'entretien IA pour étendre le recrutement industriel

Traba construit une plateforme de recrutement de nouvelle génération pour la chaîne d'approvisionnement industrielle. Leur mission est de mettre en relation les entreprises avec des travailleurs temporaires qualifiés et vérifiés à grande échelle.

Pour atteindre cet objectif, Traba a développé Scout, un système d'entretien alimenté par l'IA intégré directement dans leurs opérations. Scout réalise désormais plus de 50 000 entretiens mensuels dans les rôles d'entreposage, de logistique et de fabrication - réduisant la charge de travail manuelle, améliorant les taux de placement et offrant des évaluations cohérentes dans chaque région.

Le recrutement est le goulot d'étranglement dans les chaînes d'approvisionnement industrielles

Bien que des millions de travailleurs soient prêts à travailler, les processus d'embauche complexes empêchent les centres de distribution, les hubs logistiques et les fabricants de fonctionner à pleine efficacité.

Ces emplois nécessitent des qualifications. Les horaires de travail varient. Les barrières linguistiques existent. Les exigences réglementaires doivent être respectées. Tout cela ralentit le recrutement.

Traba devait se développer sans embaucher des milliers de recruteurs. Ils avaient besoin d'un système cohérent et fiable capable d'évaluer rapidement l'adéquation des travailleurs.

Pourquoi Traba a choisi ElevenLabs

Fin 2024, le Text to Speech et Speech to Text en temps réel sont devenus viables pour les entretiens téléphoniques. Traba a commencé à tester des fournisseurs avec un objectif : trouver un partenaire capable de soutenir une IA conversationnelle avancée sans nécessiter la propriété complète de la chaîne.

ElevenLabs a offert :

• Voix de haute qualité : des voix naturelles et multilingues qui rendent les conversations humaines plutôt que robotiques.
• Faible latence : suffisamment rapide pour des interactions en temps réel sans délais gênants.
• Flexibilité et contrôle : la capacité d'orchestrer plusieurs agents, d'expérimenter des stratégies de sollicitation et de s'intégrer directement dans leurs systèmes.
• Complexité réduite : gestion des parties complexes de la chaîne audio pour qu'ils puissent se concentrer sur leurs workflows uniques.

Construire l'intervieweur IA

Scout a été lancé avec une architecture à agent unique. Sa première version a prouvé que l'IA pouvait mener des entretiens structurés, qualifier des candidats et fournir des évaluations utiles.

Scout V1 :

• Monolingue: Ne supportait que l'anglais, limitant la portée
• Logique à agent unique: Un LLM gérait toutes les étapes — introduction, Q&R, logistique
• Ensembles de questions statiques: Questions prédéfinies basées sur le rôle avec une flexibilité limitée
• Évaluation basique: Résumé en une seule passe à la fin de l'entretien
• Transfert à un opérateur: L'IA fournissait un signal directionnel ; les humains prenaient les décisions finales

Malgré sa simplicité, V1 a géré des milliers d'appels en parallèle et a immédiatement permis de gagner du temps.

Passer à plus de 250 000 appels : résoudre la profondeur, la rapidité et la cohérence

En mars 2025, Scout avait réalisé plus de 17 000 entretiens et économisé plus de 1 400 heures de vérification manuelle. Pour se préparer à la demande saisonnière de pointe, le système a été reconstruit pour fonctionner de manière autonome.

Les améliorations clés comprenaient :

Voix multilingues et commutation dynamique

ElevenLabs a livré un support multilingue, permettant à Scout de passer de l'anglais à l'espagnol en cours d'appel selon la préférence de l'utilisateur. Cela a permis d'accéder à un segment de travailleurs précédemment mal desservi.

Orchestration multi-agents

À mesure que le contexte de l'entretien s'élargissait, Traba a rencontré une dégradation du modèle. ElevenLabs a fourni les outils pour répartir les appels entre des agents spécialisés - introduction, vérification, logistique et support FAQ - avec des transitions fluides pendant la conversation.

Cadre d'évaluation personnalisé

Les opérateurs avaient besoin de plus de contrôle sur les évaluations. Traba a construit Custom Scout, un cadre pour définir à quoi ressemblent les « bonnes » réponses pour chaque question. Les évaluations sont désormais alignées sur les critères uniques de chaque client.

Retour d'information et itération des invites

Traba a développé un cadre interne de test d'invite avec des boucles de rétroaction instantanées. En générant des ensembles de données vérifiés par des humains via Langfuse, l'équipe a pu tester les invites en A/B par rapport aux performances réelles — permettant une itération rapide à grande échelle.

Résultats

Le système d'entretien dirigé par l'IA de Traba gère désormais plus de 50 000 entretiens par mois et

Résultats

En affinant leurs banques de questions, leur logique d'évaluation et leurs flux d'appels grâce à un retour d'information continu, Traba a construit un système qui évolue tout en améliorant la qualité des résultats.85 % de toutes les vérifications de travailleurs sur la plateforme sont entièrement automatisées. Avec une moyenne de 5 minutes par conversation, cela économise plus de 4 000 heures d'opérateur par mois.

• Taux de complétion des quarts de travail supérieur de 15 % pour les travailleurs qualifiés par l'IA par rapport à ceux qualifiés par des humains
• Évaluations cohérentes à travers les rôles, les quarts de travail et les géographies
• Réduction du temps d'embauche avec des évaluations structurées de niveau décisionnel
• Couche de vérification évolutive qui fonctionne 24/7 avec un minimum d'intervention de l'opérateur

La feuille de route de Traba inclut l'intégration dirigée par des agents, les Q&R basées sur la vidéo, le traitement des feuilles de temps et la détection des émotions via des LLM multimodaux. Ils travaillent également sur le raffinement des invites dirigé par des agents, en utilisant les données de performance pour former des agents qui optimisent la conception des entretiens de manière autonome.

Tout au long de ce parcours, Traba continue de collaborer avec nous alors que nous développons la prochaine génération de

La feuille de route de Traba inclut l'intégration dirigée par des agents, les questions-réponses basées sur la vidéo, le traitement des feuilles de temps et la détection des émotions via des LLM multimodaux. Ils travaillent également sur le raffinement des invites dirigé par des agents, en utilisant les données de performance pour former des agents qui optimisent de manière autonome la conception des entretiens.

Tout au long de ce parcours, Traba continue de collaborer avec nous alors que nous développons la prochaine génération de notre Agents Platform, repoussant les limites de l'intelligence linguistique dans des workflows complexes du monde réel.