Traba utilizza agenti IA per i colloqui e scala la selezione nel settore industriale

Traba sta costruendo una piattaforma di selezione di nuova generazione per la supply chain industriale. La loro missione è mettere in contatto le aziende con lavoratori temporanei qualificati e verificati, su larga scala.

Per raggiungere questo obiettivo, Traba ha creato Scout, un sistema di colloqui basato su IA integrato direttamente nei loro processi. Oggi Scout gestisce oltre 50.000 colloqui al mese per ruoli in magazzino, logistica e produzione: riduce il lavoro manuale, migliora il tasso di inserimento e garantisce valutazioni coerenti in tutte le regioni.

La selezione del personale è il collo di bottiglia nella supply chain industriale

Anche se milioni di lavoratori sono pronti a lavorare, processi di assunzione complessi rallentano centri di distribuzione, hub logistici e aziende manifatturiere, impedendo loro di operare al massimo dell’efficienza.

Questi lavori richiedono qualifiche. I turni cambiano. Esistono barriere linguistiche. Bisogna rispettare i requisiti normativi. Tutto questo rallenta la selezione.

Traba doveva crescere senza assumere migliaia di recruiter. Serviva un sistema affidabile e coerente, capace di valutare rapidamente l’idoneità dei candidati.

Perché Traba ha scelto ElevenLabs

Alla fine del 2024, la Text to Speech in tempo reale e la Speech to Text sono diventate soluzioni praticabili per i colloqui telefonici. Traba ha iniziato a testare diversi fornitori con un obiettivo: trovare un partner in grado di supportare una IA conversazionale avanzata senza dover gestire l’intera pipeline.

ElevenLabs offriva:

• Voci di alta qualità: voci naturali e multilingue che rendono le conversazioni umane, non robotiche.
• Bassa latenza: abbastanza veloce per interazioni in tempo reale, senza pause innaturali.
• Flessibilità e controllo: possibilità di gestire più agenti, sperimentare strategie di prompt e integrare direttamente nei loro sistemi.
• Meno complessità: gestione delle parti più difficili della pipeline audio, così possono concentrarsi sui loro workflow.

Come è stato creato l’agente IA per i colloqui

Scout è stato lanciato con un’architettura a singolo agente. La prima versione ha dimostrato che l’IA può condurre colloqui strutturati, valutare i candidati e restituire valutazioni utili.

Scout V1:

• Monolingue: Supportava solo l’inglese, limitando la copertura
• Logica a singolo agente: Un solo LLM gestiva tutte le fasi — introduzione, domande e risposte, logistica
• Set di domande statiche: Domande predefinite in base al ruolo, con poca flessibilità
• Valutazione di base: Sintesi finale con un unico prompt a fine colloquio
• Passaggio all’operatore: L’IA forniva un’indicazione, ma la decisione finale era umana

Nonostante la semplicità, la V1 gestiva migliaia di chiamate in parallelo e ha permesso di risparmiare tempo fin da subito.

Scalare oltre 250.000 chiamate: più profondità, velocità e coerenza

A marzo 2025, Scout aveva già gestito oltre 17.000 colloqui e risparmiato più di 1.400 ore di valutazione manuale. Per prepararsi ai picchi stagionali, il sistema è stato ricostruito per funzionare in modo autonomo.

Gli aggiornamenti principali:

Voci multilingue e cambio dinamico

ElevenLabs ha introdotto il supporto multilingue, permettendo a Scout di passare da inglese a spagnolo durante la chiamata in base alla preferenza dell’utente. Questo ha aperto l’accesso a una fascia di lavoratori prima poco servita.

Orchestrazione multi-agente

Con l’aumentare della complessità dei colloqui, Traba ha riscontrato un calo delle prestazioni dei modelli. ElevenLabs ha fornito strumenti per suddividere le chiamate tra agenti specializzati — introduzione, valutazione, logistica e supporto FAQ — con transizioni fluide durante la conversazione.

Logica dei colloqui deduplicata

I lavoratori che si candidavano per più ruoli ricevevano spesso le stesse domande. Traba ha sviluppato una pipeline di pre-processing per eliminare le domande semanticamente simili tra i colloqui, riducendo la ridondanza fino al 20% per candidato.

Framework di valutazione personalizzato

Gli operatori avevano bisogno di più controllo sulle valutazioni. Traba ha creato Custom Scout, un framework per definire cosa significa una “buona” risposta per ogni domanda. Ora le valutazioni sono allineate ai criteri specifici di ciascun cliente.

Feedback reale e iterazione dei prompt

Traba ha sviluppato un sistema interno per testare i prompt con cicli di feedback immediati. Generando dataset verificati da persone tramite Langfuse, il team ha potuto fare A/B test sui prompt confrontandoli con le performance reali — permettendo iterazioni rapide su larga scala.

Risultati

Il sistema di colloqui guidato dall’IA di Traba ora gestisce oltre 50.000 colloqui al mese e l’85% di tutte le valutazioni dei lavoratori sulla piattaforma è completamente automatizzato. Con una media di 5 minuti per conversazione, si risparmiano oltre 4.000 ore di lavoro degli operatori ogni mese.

• Tasso di completamento dei turni superiore del 15% per i lavoratori valutati dall’IA rispetto a quelli valutati da umani
• Valutazioni coerenti tra ruoli, turni e aree geografiche
• Tempo di assunzione ridotto grazie a valutazioni strutturate e affidabili
• Sistema di valutazione scalabile che funziona 24/7 con un intervento minimo degli operatori

Migliorando continuamente i set di domande, la logica di valutazione e i flussi di chiamata grazie al feedback, Traba ha creato un sistema che scala e migliora la qualità dei risultati.

E ora?

La roadmap di Traba prevede onboarding guidato dagli agenti, Q&A tramite video, gestione dei timesheet e rilevamento delle emozioni con LLM multimodali. Stanno anche lavorando al perfezionamento dei prompt tramite agenti, usando i dati di performance per addestrare agenti che ottimizzano autonomamente la progettazione dei colloqui.

Durante tutto questo percorso, Traba continua a collaborare con noi nello sviluppo della prossima generazione della nostra Agents Platform, spingendo oltre i confini dell’intelligenza linguistica in workflow complessi e reali.