Traba använder AI-intervjurobotar för att skala upp bemanning inom industrin

Traba bygger en nästa generations bemanningsplattform för industrins försörjningskedja. Deras mål är att matcha företag med granskade, kvalificerade tillfälliga arbetare i stor skala.

För att nå det målet byggde Traba Scout, ett AI-drivet intervjusystem som är direkt integrerat i deras verksamhet. Scout genomför nu över 50 000 intervjuer varje månad inom lager, logistik och tillverkningsroller - vilket minskar manuellt arbete, förbättrar placeringar och ger konsekventa utvärderingar i varje region.

Bemanning är flaskhalsen i industrins försörjningskedjor

Även om miljontals arbetare är redo att arbeta, hindrar krångliga anställningsprocesser distributionscentraler, logistiknav och tillverkare från att arbeta med full effektivitet.

Dessa jobb kräver kvalifikationer. Arbetsscheman varierar. Språkbarriärer finns. Regler måste följas. Allt detta saktar ner bemanningen.

Traba behövde skala upp utan att anställa tusentals rekryterare. De behövde ett konsekvent, pålitligt system som kunde bedöma arbetarnas lämplighet snabbare.

Varför Traba valde ElevenLabs

I slutet av 2024 blev realtids Text to Speech och Speech to Text möjliga för telefonbaserade intervjuer. Traba började testa leverantörer med ett mål: hitta en partner som kunde stödja avancerad Conversational AI utan att kräva full pipeline-ägande.

ElevenLabs erbjöd:

• Högkvalitativa röster: naturliga, flerspråkiga röster som gjorde samtalen mänskliga snarare än robotiska.
• Låg latens: tillräckligt snabb för realtidsinteraktioner utan pinsamma fördröjningar.
• Flexibilitet och kontroll: möjligheten att orkestrera flera agenter, experimentera med promptstrategier och integrera direkt i deras system.
• Minskad komplexitet: hantering av utmanande delar av ljudpipen så att de kan fokusera på sina unika arbetsflöden.

Bygga AI-intervjuaren

Scout lanserades med en en-agent-arkitektur. Dess första version bevisade att AI kunde genomföra strukturerade intervjuer, kvalificera kandidater och ge användbara utvärderingar.

Scout V1:

• Ensamspråkig: Stödde endast engelska, vilket begränsade räckvidden
• En-agent-logik: En LLM hanterade alla steg — introduktion, Q&A, logistik
• Statisk frågeset: Rollbaserade, fördefinierade frågor med begränsad flexibilitet
• Grundläggande utvärdering: En-pass sammanfattningsprompt i slutet av intervjun
• Operatörsöverlämning: AI gav riktning; människor fattade slutgiltiga beslut

Trots sin enkelhet körde V1 tusentals samtal parallellt och sparade tid omedelbart.

Skala upp till 250 000+ samtal: lösa för djup, hastighet och konsekvens

I mars 2025 hade Scout genomfört över 17 000 intervjuer och sparat mer än 1 400 timmar av manuell granskningstid. För att förbereda för högsäsongens efterfrågan byggdes systemet om för att fungera autonomt.

Viktiga uppgraderingar inkluderade:

Flerspråkiga röster och dynamisk växling

ElevenLabs levererade flerspråkigt stöd, vilket gjorde det möjligt för Scout att växla mellan engelska och spanska under samtalet baserat på användarens preferens. Detta öppnade upp för en tidigare underbetjänad arbetarsektor.

Multi-agent orkestrering

När intervjukontexten expanderade stötte Traba på modellnedbrytning. ElevenLabs tillhandahöll verktygen för att dela upp samtal över specialiserade agenter - introduktion, granskning, logistik och FAQ-stöd - med sömlösa övergångar under samtalet.

Anpassat utvärderingsramverk

Operatörer behövde mer kontroll över bedömningarna. Traba byggde Custom Scout, ett ramverk för att definiera vad 'bra' svar ser ut som på en per-fråga-basis. Utvärderingar stämmer nu överens med varje kunds unika kriterier.

Grundläggande feedback och promptiteration

Traba utvecklade ett internt prompttestningsramverk med omedelbara feedbackloopar. Genom att generera mänskligt verifierade dataset via Langfuse kunde teamet A/B-testa prompts mot verklig prestanda — vilket möjliggjorde snabb iteration i stor skala.

Resultat

Trabas AI-ledda intervjusystem driver nu över 50 000 intervjuer per månad och

Resultat

Genom att förfina sina frågebanker, utvärderingslogik och samtalsflöden genom kontinuerlig feedback, byggde Traba ett system som skalar samtidigt som det förbättrar resultatkvaliteten.85% av all arbetarkontroll på plattformen är helt automatiserad. Med ett genomsnitt på 5 minuter per samtal, sparar detta över 4 000 operatörtimmar per månad.

• 15% högre skiftavslutningsgrad för AI-kvalificerade arbetare jämfört med mänskligt kvalificerade
• Konsekventa bedömningar över roller, skift och geografier
• Minskad tid till anställning med strukturerade beslutsunderlag
• Skalbart kontrollager som körs dygnet runt med minimalt operatörsbehov

Trabas färdplan inkluderar agentledd onboarding, videobaserad Q&A, tidrapporteringshantering och känsloigenkänning via multimodala LLMs. De arbetar också med agentledd promptförfining, där prestandadata används för att träna agenter som optimerar intervjudesign autonomt.

Under hela denna resa fortsätter Traba att samarbeta med oss när vi utvecklar nästa generation av

Trabas plan inkluderar agentledd introduktion, videobaserad Q&A, tidrapportsbearbetning och känslodetektering via multimodala LLMs. De arbetar också med agentledd promptförfining, där prestationsdata används för att träna agenter som optimerar intervjudesign autonomt.

Under hela denna resa fortsätter Traba att samarbeta med oss när vi utvecklar nästa generation av vår Agents Platform, och tänjer på gränserna för språkintelligens i komplexa verkliga arbetsflöden.