Quasi due settimane di tempo risparmiato per l’analisi e la selezione dei curricula. Quasi un mese in meno per arrivare alla firma del contratto di assunzione. Insight precisi per migliorare l’efficienza dei processi. Sono solo alcuni dei risultati ottenuti da Uniper, azienda energetica europea con presenza globale, attraverso la creazione di un agente AI specializzato.
Nata nel 2016 con la scissione da E.ON, Uniper oggi vanta una capacità di generazione energetica pari a 18,5 gigawatt, distribuita in tutta Europa e in particolare in Germania, Regno Unito, Svezia e Paesi Bassi. Tra il quartier generale di Düsseldorf e le sue altre sedi, la multinazionale conta circa settemila dipendenti.
Per una realtà di queste dimensioni, la ricerca e la selezione dei candidati è un’opera abbastanza complessa e laboriosa. Uniper si è quindi posta l’obiettivo di migliorare i processi delle risorse umane, velocizzando le attività ed eliminando i colli di bottiglia, anche con il supporto dell’intelligenza artificiale.
In collaborazione con Celonis e con una società di consulenza indipendente, Uniper ha sviluppato e testato un agente AI progettato per migliorare il processo di reclutamento e di assunzione di personale specializzato.
IL PROGETTO
L’agente AI è stato sviluppato e testato utilizzando piattaforma low-code/no-code Microsoft Copilot Studio. Attraverso un’interfaccia conversazionale, basata su linguaggio naturale, l’agente fornisce ai manager responsabili delle HR informazioni rilevanti sul processo di selezione, per esempio le posizioni aperte e le candidature entrate in shortlist. L’intelligenza artificiale, inoltre, individua e segnala le attività urgenti e quelle scadute e orchestra alcune azioni per supportare il personale delle risorse umane in attività quotidiane (per esempio la preparazione e l’invio di email a colleghi e candidati)
Per valutare l’agente AI, il team degli sviluppatori ha eseguito due volte gli stessi prompt: una volta utilizzando esclusivamente i dati grezzi provenienti dal sistema HR di Uniper e una seconda volta integrando il contesto operativo fornito dal Context Model di Celonis. I risultati hanno evidenziato differenze nette.
Alla domanda su quali fossero sono i colli di bottiglia nel processo di recruiting e assunzione, utilizzando soltanto i dati di Uniper l’agente ha prodotto una serie di risposte generiche (“frammentazione dei dati”, “sovraccarico degli hiring manager” e “mancanza di visibilità sulle attività”). Quando, invece, l’agente si è basato contesto operativo fornito dal Context Model, le risposte sono state più dettagliate, pertinenti e specifiche (“Ci sono 27 candidati, distribuiti su diverse posizioni aperte, che si trovano in shortlist da oltre 14 giorni”).
Il test ha dimostrato concretamente il vantaggio di utilizzare gli agenti AI in grado di attingere al contesto operativo, cioè ai dati, agli eventi e ai processi di un’azienda. Alla luce dei risultati del test, Uniper ha deciso di portare in produzione l’agente AI basato sul Context Model di Celonis.
I RISULTATI
L’agente AI adottato da Uniper ha permesso di ridurre di 27 giorni il tempo medio necessario per arrivare alla firma di un candidato e di 13 giorni la fase di screening. I manager e i recruiter ricevono informazioni precise e pertinenti, anziché risposte generiche. Poiché gli output sono pertinenti e di qualità, la scelta di basare l’agente AI sul contesto operativo consente di ridurre lo “spreco” di token che altrimenti si verifica con soluzioni di altro tipo.
“Grazie al livello di contesto fornito da Celonis, stiamo sviluppando soluzioni AI che non sono semplicemente strumenti da sperimentare, ma assistenti di cui possiamo fidarci”, spiega Robert Daamen, head of Process Intelligence CoE di Uniper. “Il Celonis Context Model offre ai nostri team HR una trasparenza completa sul processo di recruiting e hiring, eliminando ostacoli inutili che rallentano l’ingresso di nuovi talenti in azienda”.
Oltre ad aver velocizzato i processi delle HR e a garantire output di qualità, l’agente AI ha migliorato la trasparenza e quindi la governance dei processi delle risorse umane, permettendo al personale di intervenire in modo proattivo su colli di bottiglia o altre criticità.
“L’Enterprise AI può esprimere tutto il suo potenziale solo quando comprende come funziona realmente un’azienda e come migliorarne il funzionamento”, commenta Lars Reinkemeyer, chief evangelist di Celonis. “I risultati ottenuti da Uniper mostrano con chiarezza come le aziende possano generare valore concreto e crescente trasformando le operation critiche attraverso una enterprise AI basata sul contesto operativo fornito da Celonis”.
Sulla base dei vantaggi ottenuti, Uniper ha deciso di estendere l’adozione dell’Agentic AI ad altri dipartimenti aziendali, tra cui la manutenzione degli impianti, la gestione degli impianti idroelettrici, l’IT Service Management, la vendita e il trading di energia, i servizi finanziari e l’audit interno. L’area vendite e trading di Uniper, ad esempio, esegue centinaia di operazioni di trading ogni ora: si tratta di dati che potranno confluire nella piattaforma di Celonis, permettendo di prendere le decisioni corrette e intervenire al momento giusto.