Briefing:
- Unternehmen: Thomson Reuters.
- Jahr des Hacks: 2016.
- Ort: New York, USA.
- Branche: Medien.
- Disziplin: Recruiting.
- Idee: Screening durch Text-Interviews.
- Erfolg: Hohe Treffergenauigkeit.
Ausgangslage: Thomson Reuters ist eines der erfolgreichsten Nachrichtenunternehmen der Welt. Weltweit sorgen 45.000 Mitarbeiter für Nachrichten aus den Krisenregionen der Erde. Doch ist Thomas Reuters nicht nur ein wichtiges Medien-Unternehmen, sondern auch ein sehr beliebter Arbeitgeber.
Das Problem: 7000 Bewerbungen – das ist ein Pool voller interessanter Kandidaten. Das klingt für Unternehmen verlockend. Ist aber auch ein Problem: 7000 Bewerber muss man erstmal kennenlernen. Doch 7000 notwendige Bewerber-Interviews sind selbst für die größten HR-Abteilungen nicht zu stemmen. Die Evaluierung leidet. Sehr gute Kandidaten werden womöglich übersehen, und an die Konkurrenz verloren. Und nicht nur das: Bewerber, die im Bewerbungsprozess nicht gehört wurden, sind womöglich enttäuscht. Wird diese Enttäuschung weiter verbreitet, leidet der Employer Brand.
Idee: Den Bewerberpool durch Text-Interviews kennenlernen, und das mit Hilfe von Künstlicher Intelligenz. Einer Umfrage zufolge kommunizieren 75 Prozent der Millenials am liebsten über Text. Sie sind für dieses Medium sehr empfänglich. Durch KI-Lösungen kann auch eine beliebig große Bewerberzahl schnell eingeschätzt werden.
Umsetzung: Thomson Reuters befragte durch die KI "Olivia" viele Bewerber. Anhand dieser Interviews wurden innerhalb von zwei Tagen über 100 direkte Interviews organisiert. Die Teilnahmequote an den entscheidenden Direkt-Interviews lag bei 98 Prozent. Ein außergewöhnlich hoher Wert.
Erfolg: Die Treffer-Genauigkeit durch die KI-Chats lag bei 95 Prozent. Das heißt: 95 Prozent der gefilterten Kandidaten kamen tatsächlich für einen der Jobs bei Reuters infrage.
Die Vorteile: Der wichtigste Vorteil ist die Zeit. Dadurch, dass die erste wichtige Evaluierung per AI vorgenommen wird, können sich die HR-Mitarbeiter auf das Wesentliche konzentrieren: auf die vielversprechenden Bewerber.
Lesestoff: Jetzt die komplette Case Study lesen.
Neuen Kommentar schreiben