Traba wdraża agentów AI do rozmów kwalifikacyjnych, by skalować rekrutację w przemyśle

Traba tworzy platformę rekrutacyjną nowej generacji dla przemysłowych łańcuchów dostaw. Jej celem jest łączenie firm ze sprawdzonymi, wykwalifikowanymi pracownikami tymczasowymi na dużą skalę.

Aby to osiągnąć, Traba stworzyła Scout — system rozmów kwalifikacyjnych oparty na AI, zintegrowany bezpośrednio z jej działalnością. Scout przeprowadza dziś ponad 50 000 rozmów miesięcznie dla stanowisk w magazynach, logistyce i produkcji — ogranicza pracę ręczną, poprawia wskaźniki zatrudnienia i zapewnia spójne oceny w każdym regionie.

Rekrutacja to wąskie gardło w przemysłowych łańcuchach dostaw

Choć miliony osób są gotowe do pracy, skomplikowane procesy rekrutacyjne uniemożliwiają centrom realizacji zamówień, hubom logistycznym i producentom działanie z pełną wydajnością.

Te stanowiska wymagają kwalifikacji. Grafiki zmian się różnią. Istnieją bariery językowe. Trzeba też spełniać wymogi prawne. Wszystko to spowalnia rekrutację.

Traba musiała skalować działalność bez zatrudniania tysięcy rekruterów. Potrzebowała spójnego, niezawodnego systemu, który szybciej oceni dopasowanie pracowników.

Dlaczego Traba wybrała ElevenLabs

Pod koniec 2024 roku działające w czasie rzeczywistym Text to Speech i Speech to Text stały się praktycznym rozwiązaniem dla rozmów telefonicznych. Traba zaczęła testować dostawców z jednym celem: znaleźć partnera, który obsłuży zaawansowane Conversational AI, bez konieczności przejmowania całego pipeline'u.

ElevenLabs zapewniło:

• Wysokiej jakości głosy: naturalne, wielojęzyczne głosy, dzięki którym rozmowy brzmiały po ludzku, a nie robotycznie. 
• Niskie opóźnienia: wystarczająco szybkie interakcje w czasie rzeczywistym, bez niezręcznych przerw. 
• Elastyczność i kontrolę: możliwość koordynowania wielu agentów, testowania strategii promptów i bezpośredniej integracji z ich systemami.
• Mniejszą złożoność: obsługę trudnych elementów pipeline'u audio, dzięki czemu mogli skupić się na własnych workflow.

Tworzenie AI do rozmów kwalifikacyjnych

Scout wystartował z architekturą jednego agenta. Pierwsza wersja pokazała, że AI potrafi prowadzić ustrukturyzowane rozmowy, kwalifikować kandydatów i zwracać przydatne oceny.

Scout V1:

• Jednojęzyczny: obsługiwał tylko angielski, co ograniczało zasięg
• Logika jednego agenta: jeden LLM obsługiwał wszystkie etapy — wprowadzenie, Q&A i logistykę
• Statyczne zestawy pytań: zdefiniowane wcześniej pytania zależne od roli, o ograniczonej elastyczności
• Podstawowa ocena: prompt podsumowujący uruchamiany raz po zakończeniu rozmowy
• Przekazanie do operatora: AI dawała wstępną ocenę, a ludzie podejmowali ostateczne decyzje

Mimo prostoty V1 obsługiwał równolegle tysiące rozmów i od razu przyniósł oszczędność czasu.

Skalowanie do ponad 250 000 rozmów: większa szczegółowość, szybkość i spójność

Do marca 2025 roku Scout przeprowadził ponad 17 000 rozmów i zaoszczędził ponad 1400 godzin ręcznej weryfikacji. Aby przygotować się na szczyt sezonowego popytu, system przebudowano tak, by działał autonomicznie.

Kluczowe usprawnienia obejmowały:

Wielojęzyczne głosy i dynamiczne przełączanie

ElevenLabs wprowadziło obsługę wielu języków, dzięki czemu Scout może w trakcie rozmowy przełączać się między angielskim a hiszpańskim zależnie od preferencji użytkownika. Otworzyło to dostęp do wcześniej niedostatecznie obsługiwanej grupy pracowników.

Koordynacja wielu agentów

Wraz z rozbudową kontekstu rozmów Traba napotkała spadek jakości modelu. ElevenLabs dostarczyło narzędzia do podziału rozmów między wyspecjalizowanych agentów — od wprowadzenia i weryfikacji przez logistykę po wsparcie FAQ — z płynnymi przejściami w trakcie rozmowy.

Logika rozmów bez duplikatów

Osoby aplikujące na kilka stanowisk dostawały te same pytania. Traba stworzyła pipeline wstępnego przetwarzania, który usuwa semantycznie podobne pytania z różnych rozmów. Zmniejszyło to powtórzenia nawet o 20% na kandydata.

Własne ramy oceny

Operatorzy potrzebowali większej kontroli nad ocenami. Traba stworzyła Custom Scout — ramy pozwalające określić, jak wygląda „dobra” odpowiedź na każde pytanie. Oceny są teraz zgodne z indywidualnymi kryteriami każdego klienta.

Informacje zwrotne oparte na danych rzeczywistych i iteracja promptów

Traba opracowała wewnętrzne ramy testowania promptów z natychmiastową pętlą feedbacku. Tworząc zbiory danych zweryfikowane przez ludzi za pomocą Langfuse, zespół mógł przeprowadzać testy A/B promptów na podstawie wyników w rzeczywistych warunkach — co pozwoliło szybko wprowadzać zmiany na dużą skalę.

Wyniki

System rozmów kwalifikacyjnych Traba oparty na AI obsługuje teraz ponad 50 000 rozmów miesięcznie, a 85% weryfikacji pracowników na całej platformie jest w pełni zautomatyzowane. Przy średnio 5 minutach na rozmowę oszczędza to ponad 4 tys. godzin pracy operatorów miesięcznie.

• O 15% wyższy wskaźnik ukończenia zmian wśród pracowników zakwalifikowanych przez AI niż przez ludzi
• Spójne oceny niezależnie od stanowiska, zmiany i lokalizacji
• Krótszy czas zatrudnienia dzięki ustrukturyzowanym ocenom wspierającym decyzje
• Skalowalna warstwa weryfikacji, działająca 24/7 przy minimalnym udziale operatorów

Dzięki ciągłemu feedbackowi i dopracowywaniu baz pytań, logiki ocen oraz przebiegu rozmów Traba stworzyła system, który skaluje się, a zarazem poprawia jakość wyników.

Co dalej

Plan rozwoju Traba obejmuje onboarding prowadzony przez agentów, Q&A wideo, przetwarzanie kart czasu pracy oraz wykrywanie emocji przez multimodalne LLM-y. Firma pracuje też nad ulepszaniem promptów przez agentów, wykorzystując dane o wynikach do trenowania agentów, którzy autonomicznie optymalizują projekt rozmów.

Przez cały ten czas Traba nadal współpracuje z nami, gdy rozwijamy kolejną generację naszej platformy Agents, przesuwając granice inteligencji językowej w złożonych workflow w rzeczywistych warunkach.