Traba wdraża agentów AI do rozmów kwalifikacyjnych, aby zwiększyć zatrudnienie w przemyśle — kopia

Traba buduje platformę zatrudnienia nowej generacji dla przemysłowego łańcucha dostaw. Ich misją jest łączenie firm z weryfikowanymi, wykwalifikowanymi pracownikami tymczasowymi na dużą skalę.

Aby osiągnąć ten cel, Traba stworzyła Scout, system do rozmów kwalifikacyjnych zasilany AI, zintegrowany bezpośrednio z ich operacjami. Scout przeprowadza teraz ponad 50 000 rozmów miesięcznie w obszarach magazynowania, logistyki i produkcji - zmniejszając ręczne obciążenie pracą, poprawiając wskaźniki zatrudnienia i zapewniając spójne oceny w każdym regionie.

Zatrudnienie jest wąskim gardłem w przemysłowych łańcuchach dostaw

Chociaż miliony pracowników są gotowe do pracy, skomplikowane procesy rekrutacyjne powstrzymują centra realizacji, huby logistyczne i producentów przed działaniem na pełną wydajność.

Te prace wymagają kwalifikacji. Harmonogramy zmian są różne. Istnieją bariery językowe. Trzeba przestrzegać wymogów regulacyjnych. Wszystko to spowalnia zatrudnienie.

Traba musiała się rozwijać bez zatrudniania tysięcy rekruterów. Potrzebowali spójnego, niezawodnego systemu, który mógłby szybciej oceniać dopasowanie pracowników.

Dlaczego Traba wybrała ElevenLabs

Pod koniec 2024 roku, w czasie rzeczywistym Text to Speech i Speech to Text stały się realne dla rozmów telefonicznych. Traba zaczęła testować dostawców z jednym celem: znaleźć partnera, który mógłby wspierać zaawansowane Conversational AI bez konieczności posiadania pełnego łańcucha.

ElevenLabs oferowało:

• Wysokiej jakości głosy: naturalne, wielojęzyczne głosy, które sprawiały, że rozmowy brzmiały ludzko, a nie jak robot.
• Niska latencja: wystarczająco szybka dla interakcji w czasie rzeczywistym bez niezręcznych opóźnień.
• Elastyczność i kontrola: możliwość zarządzania wieloma agentami, eksperymentowania ze strategiami podpowiedzi i integracji bezpośrednio z ich systemami.
• Zmniejszenie złożoności: obsługa trudnych części łańcucha audio, aby mogli skupić się na swoich unikalnych przepływach pracy.

Budowanie AI do rozmów kwalifikacyjnych

Scout wystartował z architekturą jednego agenta. Jego pierwsza wersja udowodniła, że AI może prowadzić strukturalne rozmowy, kwalifikować kandydatów i dostarczać przydatne oceny.

Scout V1:

• Jednojęzyczny: Obsługiwał tylko angielski, co ograniczało zasięg
• Logika jednego agenta: Jeden LLM obsługiwał wszystkie kroki — wprowadzenie, Q&A, logistyka
• Statyczne zestawy pytań: Pytania oparte na rolach, z ograniczoną elastycznością
• Podstawowa ocena: Podsumowanie na końcu rozmowy
• Przekazanie operatorowi: AI dawało sygnał kierunkowy; ludzie podejmowali ostateczne decyzje

Pomimo swojej prostoty, V1 obsługiwał tysiące rozmów równolegle i natychmiast oszczędzał czas.

Skalowanie do 250 000+ rozmów: rozwiązanie dla głębokości, szybkości i spójności

Do marca 2025 roku Scout przeprowadził ponad 17 000 rozmów i zaoszczędził ponad 1 400 godzin ręcznego sprawdzania. Aby przygotować się na szczytowy sezon, system został przebudowany do autonomicznego działania.

Kluczowe ulepszenia obejmowały:

Wielojęzyczne głosy i dynamiczne przełączanie

ElevenLabs wprowadziło wsparcie wielojęzyczne, umożliwiając Scoutowi przełączanie się między angielskim a hiszpańskim w trakcie rozmowy w zależności od preferencji użytkownika. To otworzyło dostęp do wcześniej niedocenianego segmentu pracowników.

Orkiestracja wielu agentów

W miarę rozszerzania kontekstu rozmowy, Traba napotkała degradację modelu. ElevenLabs dostarczyło narzędzia do podziału rozmów między wyspecjalizowanych agentów - wprowadzenie, weryfikacja, logistyka i wsparcie FAQ - z płynnymi przejściami podczas rozmowy.

Deduplikacja logiki rozmów

Pracownicy aplikujący na wiele stanowisk otrzymywali te same pytania. Traba stworzyła proces przetwarzania wstępnego, aby deduplikować semantycznie podobne pytania w rozmowach. To zmniejszyło redundancję o do 20% na kandydata.

Niestandardowy system oceny

Operatorzy potrzebowali większej kontroli nad ocenami. Traba stworzyła Custom Scout, system do definiowania, jak wyglądają 'dobre' odpowiedzi dla każdego pytania. Oceny teraz są zgodne z unikalnymi kryteriami każdego klienta.

Informacje zwrotne i iteracja podpowiedzi

Traba opracowała wewnętrzny system testowania podpowiedzi z natychmiastowymi pętlami zwrotnymi. Generując zestawy danych weryfikowane przez ludzi za pomocą Langfuse, zespół mógł testować podpowiedzi w rzeczywistych warunkach — umożliwiając szybką iterację na dużą skalę.

Wyniki

System rozmów kwalifikacyjnych prowadzony przez AI w Traba teraz obsługuje ponad 50 000 rozmów miesięcznie i 85% całego sprawdzania pracowników na platformie jest w pełni zautomatyzowane. Przy średnio 5 minutach na rozmowę, to oszczędza ponad 4 tysiące godzin operatorów miesięcznie.

• 15% wyższe wskaźniki ukończenia zmian dla pracowników kwalifikowanych przez AI w porównaniu do kwalifikowanych przez ludzi
• Spójne oceny w różnych rolach, zmianach i regionach
• Skrócony czas zatrudnienia dzięki strukturalnym ocenom decyzji
• Skalowalna warstwa weryfikacyjna działająca 24/7 z minimalnym udziałem operatora

Poprzez udoskonalanie banków pytań, logiki oceny i przepływów rozmów dzięki ciągłym informacjom zwrotnym, Traba stworzyła system, który się rozwija, jednocześnie poprawiając jakość wyników.

Co dalej

Plan Traba obejmuje onboarding prowadzony przez agentów, Q&A wideo, przetwarzanie kart czasu pracy i wykrywanie emocji za pomocą multimodalnych LLM. Pracują również nad udoskonalaniem podpowiedzi prowadzonym przez agentów, wykorzystując dane o wydajności do szkolenia agentów, którzy autonomicznie optymalizują projekt rozmów.

Podczas tej podróży Traba nadal współpracuje z nami, rozwijając kolejną generację naszej platformy Agents, przesuwając granice inteligencji językowej w złożonych rzeczywistych przepływach pracy.