Jak mierzyć efektywność automatyzacji w agencji rekrutacyjnej

Agencja wdraża AI. Procesy się zmieniają, rekruterzy uczą się nowych narzędzi, ktoś płaci za subskrypcję. A po miesiącu pojawia się pytanie: czy to w ogóle działa?

Dla większości agencji to pytanie pozostaje bez odpowiedzi. Mierzą te same rzeczy co przed wdrożeniem i albo widzą wyniki tam gdzie ich nie ma, albo nie widzą tam gdzie są. Stare KPI w erze AI po prostu przestają mieć sens, bo zostały zaprojektowane pod procesy ręczne.

Ten artykuł pokazuje, co warto mierzyć po wdrożeniu automatyzacji, które wskaźniki naprawdę odpowiadają na pytanie "czy AI działa", i jak zbudować prosty dashboard który da tę odpowiedź w kilkanaście minut tygodniowo.

Dlaczego stare metryki mylą po wdrożeniu AI

Klasyczne wskaźniki rekrutacyjne mierzą aktywność: ile CV przejrzano, ile wiadomości wysłano, ile godzin spędził rekruter na selekcji. Gdy AI przejmuje te zadania, mierzenie ich dalej jest jak ocenianie produktywności kierowcy po liczbie wykonanych kroków.

Konkretny przykład. Rekruter który wcześniej przeglądał 60 CV dziennie i wybierał 5 kandydatów, po wdrożeniu AI przegląda 12, bo algorytm odfiltrował resztę. Stary KPI mówi: produktywność spadła o 80%. Rzeczywistość mówi: jakość listy wzrosła, czas selekcji skrócił się trzykrotnie, a rekruter w tym samym czasie obsłużył dwa dodatkowe stanowiska.

To problem zarządczy. Agencja która mierzy złe rzeczy, podejmuje złe decyzje. Zwalnia rekrutera który jest teraz bardziej efektywny niż kiedykolwiek. Albo nie widzi, że automatyzacja nie przynosi efektów, bo patrzy na nie te liczby.

Istnieje jeszcze jeden problem. Automatyzacja zwykle poprawia kilka wskaźników jednocześnie i wpływa na nie z różnym opóźnieniem. Prędkość procesu widać po tygodniu. Jakość zatrudnienia po kwartale. Jeśli mierzysz tylko to pierwsze, możesz wyciągnąć błędne wnioski za wcześnie.

Przed każdym wdrożeniem warto najpierw wybrać procesy które mają największy wpływ na wyniki agencji, bo właśnie te procesy powinny mieć przypisane metryki od pierwszego dnia.

Trzy poziomy pomiaru: prędkość, jakość, ekonomia

Efektywność automatyzacji w agencji rekrutacyjnej mierzy się na trzech poziomach. Każdy odpowiada na inne pytanie.

Prędkość procesu odpowiada na pytanie: czy pracujemy szybciej?

Time-to-fill to czas od otrzymania zlecenia od klienta do obsadzenia stanowiska. Jeden z ważniejszych wskaźników dla agencji, bezpośrednio widoczny dla klienta i wpływający na jego satysfakcję. Branżowa średnia przed automatyzacją to 5-6 tygodni. Agencje z wdrożonym AI schodzą do 2-3 tygodni. Warto mierzyć go co miesiąc i porównywać z kwartałem sprzed wdrożenia.

Time-to-hire mierzy tylko etap agencji: od momentu wejścia kandydata do procesu do złożenia oferty. Pozwala oddzielić to co zależy od agencji od decyzji po stronie klienta, które agencja i tak nie kontroluje.

Czas dostarczenia shortlisty to wskaźnik który klienci czują najbardziej. Jak długo trwa od briefu do pierwszych kandydatów? AI powinien skrócić ten czas o połowę, a często więcej.

Jakość wyników odpowiada na pytanie: czy pracujemy lepiej?

Submittal-to-interview ratio to procent kandydatów przedstawionych klientowi, którzy trafili na rozmowę kwalifikacyjną. Dobry wynik to powyżej 40%. Niski wskaźnik sygnalizuje problem z selekcją i warto sprawdzić czy AI scoring kalibruje się prawidłowo do wymagań klienta (źródło).

Offer acceptance rate pokazuje jaki procent kandydatów którym złożono ofertę, ją przyjął. Niski wynik może oznaczać jedno z dwóch: albo AI źle dopasowuje kandydatów do stanowiska i do kultury firmy klienta, albo rekruter przepuszcza zbyt wielu słabych kandydatów do finalnego etapu.

Retencja 90-dniowa mierzy ilu pracowników zatrudnionych przez agencję zostaje w firmie klienta po 3 miesiącach. To najtrudniejszy wskaźnik do zebrania, bo wymaga kontaktu z klientem po zamknięciu procesu, ale jednocześnie najbardziej obiektywna miara jakości dopasowania. Agencje które go śledzą, szybciej wykrywają systemowe błędy w procesie selekcji (źródło).

Efektywność ekonomiczna odpowiada na pytanie: czy zarabiamy więcej na tym samym nakładzie?

Revenue per recruiter to przychód generowany przez jednego rekrutera w miesiącu. Najważniejszy wskaźnik dla agencji jako biznesu. Automatyzacja powinna go podnosić, bo ten sam rekruter obsługuje więcej procesów. Jeśli wskaźnik nie rośnie po 2-3 miesiącach od wdrożenia, automatyzacja nie działa tak jak powinna, albo nie jest aktywnie używana.

Cost per hire obejmuje narzędzia, czas rekruterów i ogłoszenia dla jednego obsadzonego stanowiska. Po wdrożeniu AI ten koszt powinien spadać, bo narzędzia przejmują godziny które wcześniej kosztowały więcej. Więcej o tym jak liczyć zwrot z inwestycji w automatyzację znajdziesz w osobnym artykule o ROI.

Jak zbudować prosty dashboard w Google Sheets

Nie trzeba zaawansowanego systemu analitycznego. Pięć wskaźników, jeden arkusz, aktualizacja raz w tygodniu.

Kolumny: data tygodnia, time-to-fill (aktualna średnia w dniach), submittal-to-interview ratio (w procentach), offer acceptance rate (w procentach), revenue per recruiter (w PLN). Piąta kolumna to notatka na zdarzenia wyjątkowe, na przykład nowy duży klient albo zmiana sezonowości rynku.

Dla każdego wskaźnika utwórz linię bazową: średnią z ostatnich 3 miesięcy przed wdrożeniem AI. To punkt odniesienia bez którego każda liczba jest bez kontekstu. Widzisz że time-to-fill wynosi 18 dni. Czy to dobrze czy źle? Bez linii bazowej nie wiesz. Z linią bazową na poziomie 35 dni wiesz, że skróciłeś proces o połowę.

Z naszego doświadczenia, pierwsze efekty widoczne w metrykach to time-to-fill i czas dostarczenia shortlisty, zwykle po 2-4 tygodniach. Jakość wyników, retencja i offer acceptance rate pojawiają się z opóźnieniem, często dopiero po kwartale regularnej pracy z narzędziami AI. Nie oceniaj skuteczności automatyzacji przed upływem 6-8 tygodni.

Jeśli chcesz zobaczyć jak AI wpłynął konkretnie na etap pozyskiwania kandydatów, ten artykuł pokazuje typowe wyniki po stronie time-to-hire i jakości shortlisty.

Trzy pułapki których unikać

Pierwsza: mierzenie aktywności zamiast wyników. Liczba uruchomionych workflow, liczba wiadomości wysłanych przez AI, procent procesów z automatyczną selekcją. To wskaźniki aktywności, nie efektywności. Jeśli AI wysyła 500 wiadomości tygodniowo i kandydaci nie odpowiadają, aktywność jest wysoka, efektywność zerowa. Mierz wyniki, nie działania.

Druga: za krótki horyzont oceny. Agencje często wyciągają wnioski po 2-3 tygodniach. Wyniki prędkościowe widać szybko, wyniki jakościowe wymagają czasu. Retencja 90-dniowa z definicji zajmuje 90 dni. Zdecyduj przed wdrożeniem na jaki horyzont oceniasz i trzymaj się go.

Trzecia: brak grupy kontrolnej. Jeśli cała agencja przeszła na AI jednocześnie, nie wiesz co zmieniło AI, a co sezon, nowi klienci albo naturalny wzrost rynku. Jeśli to możliwe, zostaw jeden proces lub jednego rekrutera w starym trybie przez pierwsze dwa miesiące. Masz punkt odniesienia, masz pewność że zmiany to efekt automatyzacji, a nie czegoś innego.

Podsumowanie

Automatyzacja rekrutacji daje wyniki jeśli wiesz co mierzyć i regularnie sprawdzasz czy coś się zmienia. Stare metryki zaprojektowane pod pracę ręczną nie pokażą efektów AI, bo mierzą aktywność której AI już nie wykonuje.

Pięć wskaźników. Linia bazowa sprzed wdrożenia. Pomiar raz w tygodniu. To wystarczy, żeby przez cały czas wiedzieć czy automatyzacja faktycznie pracuje na agencję, i gdzie warto zainwestować następny krok.

Sprawdź, które procesy w Twojej agencji warto zautomatyzować jako pierwsze - bezpłatny AI Audit na daplo.agency.