Traba zet AI-interviewagents in om industriële personeelswerving op te schalen

Traba bouwt aan een personeelsplatform van de volgende generatie voor de industriële toeleveringsketen. Hun missie is om bedrijven op grote schaal te koppelen aan gescreende, gekwalificeerde uitzendkrachten.

Om dat doel te bereiken, bouwde Traba Scout, een AI-gestuurd interviewsysteem dat rechtstreeks in hun bedrijfsvoering is geïntegreerd. Scout voert nu maandelijks meer dan 50.000 interviews voor functies in magazijnen, logistiek en productie — waardoor handmatig werk afneemt, plaatsingspercentages stijgen en evaluaties in elke regio consistent zijn.

Personeelswerving is de bottleneck in industriële toeleveringsketens

Hoewel miljoenen werknemers klaarstaan om te werken, belemmeren omslachtige wervingsprocessen fulfilmentcentra, logistieke hubs en fabrikanten om zo efficiënt mogelijk te werken.

Deze functies vereisen kwalificatie. Diensten verschillen. Er zijn taalbarrières. Regelgeving moet worden nageleefd. Dit alles vertraagt de personeelswerving.

Traba moest opschalen zonder duizenden recruiters aan te nemen. Het had een consistent, betrouwbaar systeem nodig dat sneller kon beoordelen of werknemers geschikt waren.

Waarom Traba voor ElevenLabs koos

Eind 2024 werden realtime Text to Speech en Speech to Text bruikbaar voor telefonische interviews. Traba begon aanbieders te testen met één doel: een partner vinden die geavanceerde conversational AI kon ondersteunen zonder de volledige pipeline te hoeven beheren.

ElevenLabs bood:

• Hoogwaardige stemmen: natuurlijke, meertalige stemmen die gesprekken menselijk in plaats van robotachtig lieten klinken. 
• Lage latency: snel genoeg voor realtime interacties zonder ongemakkelijke vertragingen. 
• Flexibiliteit en controle: de mogelijkheid om meerdere agents te orkestreren, te experimenteren met promptstrategieën en rechtstreeks met hun systemen te integreren.
• Minder complexiteit: uitdagende onderdelen van de audiopipeline afhandelen, zodat zij zich op hun unieke workflows kunnen richten.

De AI-interviewer bouwen

Scout ging van start met een architectuur met één agent. De eerste versie bewees dat AI gestructureerde interviews kon afnemen, kandidaten kon kwalificeren en bruikbare beoordelingen kon teruggeven.

Scout V1:

• Eentalig: Ondersteunde alleen Engels, wat het bereik beperkte
• Logica met één agent: Eén LLM verwerkte alle stappen — introductie, vragen en antwoorden, logistiek
• Statische vragenreeksen: Vooraf gedefinieerde vragen per functie met beperkte flexibiliteit
• Basisbeoordeling: Een samenvattende prompt in één ronde aan het einde van het interview
• Overdracht aan operator: AI gaf een indicatie; mensen namen de uiteindelijke beslissingen

Ondanks de eenvoud voerde V1 duizenden gesprekken parallel uit en leverde het meteen tijdwinst op.

Opschalen naar meer dan 250.000 gesprekken: diepgang, snelheid en consistentie verbeteren

In maart 2025 had Scout meer dan 17.000 interviews afgenomen en meer dan 1.400 uur handmatige screening bespaard. Om zich voor te bereiden op piekvraag in het seizoen, werd het systeem opnieuw gebouwd om autonoom te werken.

Belangrijke verbeteringen waren:

Meertalige stemmen en dynamisch wisselen

ElevenLabs bracht meertalige ondersteuning uit, waardoor Scout tijdens een gesprek op basis van de voorkeur van de gebruiker tussen Engels en Spaans kon wisselen. Zo kreeg een voorheen onderbediend werknemerssegment toegang.

Orkestratie met meerdere agents

Naarmate de interviewcontext uitgebreider werd, kreeg Traba te maken met modeldegradatie. ElevenLabs bood de tools om gesprekken te verdelen over gespecialiseerde agents — introductie, screening, logistiek en FAQ-ondersteuning — met naadloze overgangen tijdens het gesprek.

Gededupliceerde interviewlogica

Werknemers die op meerdere banen solliciteerden, kregen dezelfde vragen. Traba ontwikkelde een preprocessing-pipeline om semantisch vergelijkbare vragen in interviews te dedupliceren. Hierdoor nam redundantie per kandidaat met maximaal 20% af.

Aangepast evaluatiekader

Operators hadden meer controle over beoordelingen nodig. Traba bouwde Custom Scout, een kader om per vraag te definiëren hoe een ‘goed’ antwoord eruitziet. Beoordelingen sluiten nu aan bij de unieke criteria van elke klant.

Ground-truthfeedback en promptiteratie

Traba ontwikkelde een intern framework voor prompttests met directe feedbackloops. Door via Langfuse datasets te genereren die door mensen waren geverifieerd, kon het team prompts A/B-testen op prestaties in de praktijk — waardoor snelle iteratie op schaal mogelijk werd.

Resultaten

Het AI-gestuurde interviewsysteem van Traba ondersteunt nu meer dan 50.000 interviews per maand en 85% van alle screenings van werknemers op het platform is volledig geautomatiseerd. Bij gemiddeld 5 minuten per gesprek bespaart dit meer dan 4.000 operatoruren per maand.

• 15% hogere voltooiingspercentages van diensten voor door AI gekwalificeerde werknemers vergeleken met door mensen gekwalificeerde werknemers
• Consistente beoordelingen voor functies, diensten en regio's
• Kortere doorlooptijd bij werving dankzij gestructureerde beoordelingen als basis voor beslissingen
• Schaalbare screeningslaag die 24/7 werkt met minimale inbreng van operators

Door hun vragenbanken, evaluatielogica en gespreksflows via continue feedback te verfijnen, bouwde Traba een systeem dat schaalt en tegelijkertijd de kwaliteit van resultaten verbetert.

Wat volgt

Op de roadmap van Traba staan onboarding onder leiding van agents, vraag-en-antwoordsessies op basis van video, verwerking van urenstaten en emotiedetectie via multimodale LLM's. Het werkt ook aan verfijning van prompts onder leiding van agents, waarbij prestatiegegevens worden gebruikt om agents te trainen die het ontwerp van interviews autonoom optimaliseren.

Tijdens deze reis blijft Traba met ons samenwerken terwijl we de volgende generatie van ons Agents Platform ontwikkelen en de grenzen van taalintelligentie in complexe workflows in de praktijk verleggen.