AI Readiness Assessment · Sample anonimo
Mappatura processi · Identificazione bottleneck · Valutazione stack · Action plan operativo
Sezione 01 · Executive Summary
Acme Recruitment è un'agenzia di executive search in forte crescita (+38% revenue YoY) con un problema strutturale: il 56% del tempo del team recruiter va su attività amministrative ripetitive, screening CV, data entry su ATS legacy, scheduling colloqui, reportistica manuale per i clienti. Il management ha capito che servono ore liberate per scaling commerciale, ma le iniziative interne (template di prompt ChatGPT, automazioni Make sporadiche) non hanno generato impatto sistemico.
Raccomandazione: procedere con un Co-Building Sprint di 5-7 settimane focalizzato sui 3 processi prioritari (vedi Sezione 04). Investimento stimato €34.000–€42.000, payback atteso 7-10 settimane, garanzia "ore recuperate o rimborso" inclusa.
Sezione 02 · Contesto operativo
Il team usa una stack frammentata: Bullhorn come ATS principale, Microsoft 365 per email/calendar, Slack interno, fogli Google sparsi per tracking commerciale, Make per 2-3 automazioni isolate. Nessun layer di intelligence sopra l'ATS.
Recruiter scarica CV da Bullhorn, legge manualmente, valuta fit con JD, scarta o promuove. Il 70% scartato dopo 3-5 min di lettura. Nessuna automazione fit-scoring.
Personalizzazione manuale email su LinkedIn + Bullhorn. Tasso di risposta 6%. Template generici penalizzano il brand.
Coordinamento email avanti-indietro tra candidato, cliente e team interno. Calendly poco usato perché clienti enterprise non vogliono link booking pubblici.
Excel manuali aggiornati ogni venerdì. Status candidate, pipeline, prossimi step. Doppione di dati già in Bullhorn.
PDF/DOC ricevuti via email. Estrazione requisiti hard/soft, riformattazione per Bullhorn. Errori frequenti.
Identificazione aziende in hiring spike. Fonti pubbliche miste, manuale, non scalabile.
Sezione 03 · Bottleneck con priorità
Abbiamo ranking 6 bottleneck per impatto orario, fattibilità tecnica e velocità a regime. Solo i primi 3 valgono uno sprint immediato.
| Bottleneck | Impatto (h/sett) | Fattibilità | Priorità |
|---|---|---|---|
| Screening CV inbound Agent: fit-scoring JD-driven + classificazione | 168 h/sett | Alta. Bullhorn ha API | P0 |
| Outreach personalizzato Agent: drafting + multi-touch sequence | 108 h/sett | Alta, integrazione LinkedIn Sales Nav | P0 |
| Reportistica weekly Agent: estrazione Bullhorn → narrative client report | 48 h/sett | Alta, diretta su Bullhorn | P0 |
| Scheduling colloqui Agent: coordinatore email-based | 60 h/sett | Media, richiede orchestrazione 3-way | P1 |
| JD parsing Agent: intake doc + Bullhorn fill | 36 h/sett | Alta, basso volume | P1 |
| BD prospecting Agent: aziende-in-hiring spotter | 24 h/sett | Bassa, dipende fonti esterne instabili | P2 |
Concentrare lo sprint sui 3 P0 recupera 324 h/sett complessive (~57% del tempo amministrativo del team). I P1 li affrontiamo in uno sprint successivo, una volta che i 3 agenti P0 girano stabili.
Sezione 04 · Stack assessment
| Tool | Stato | Raccomandazione |
|---|---|---|
| Bullhorn (ATS) | Tenere | Resta sorgente di verità. Agenti scrivono via API. |
| Microsoft 365 | Tenere | Email + calendar OK. Aggiungere Graph API per scheduling agent. |
| Make (automazioni) | Riposizionare | Resta per glue light. Agenti complessi vanno su layer dedicato. |
| Fogli Google tracking | Eliminare | Doppione di Bullhorn. Sostituiti da reportistica automatica. |
| LinkedIn Sales Navigator | Tenere | Necessario per outreach agent + BD prospecting. |
| Layer AI agents (nuovo) | Aggiungere | LLM provider azienda (Anthropic Claude Business) + workflow orchestrator + observability. Stack agnostic, dettagli in Action Plan. |
Compliance: i candidati sono dati personali. La proposta tecnica prevede infrastruttura UE (Cloudflare Workers + UE-hosted LLM), audit log completo di ogni decisione agent, retention configurabile (default 90 giorni post-closure), DPA art. 28 con Soraia incluso.
Sezione 05 · Action Plan operativo
Sessione full-day con sponsor (CEO + COO + lead recruiter). Lock dei target per i 3 agenti P0 con metriche misurabili. Setup ambienti dev + accessi Bullhorn API.
Costruzione fit-scoring agent contro JD. Test su dataset storico ultimi 6 mesi. Calibrazione threshold con 3 recruiter senior. Deploy in shadow mode (parallel a screening manuale).
Personalizzazione email drafting agent. Templates approvati da brand. Multi-touch sequence (3 step). Integrazione LinkedIn Sales Nav + Bullhorn outbound.
Estrazione pipeline da Bullhorn → narrative report client-facing. Template per ciascun cliente custom. Auto-send venerdì h17 con preview umano in approval queue.
Workshop 4h con tutti i 18 membri team. Demo agenti, governance, escalation rules. Definizione "agent champion" interno (1 recruiter senior).
Switch off shadow mode. Misurazione settimana-1 vs baseline. Adjustment finale agenti. 30 giorni di hypercare con check settimanali.
Sezione 06 · Investimento + Garanzia
| Voce | Settimane | Importo |
|---|---|---|
| Co-Building Sprint (3 agenti P0) | 5 | €28.000–€34.000 |
| AI Adoption workshop (18 persone, 1 batch) | 1 | €5.000 |
| Hypercare (30 giorni post go-live) | 4 | Incluso |
| Totale | 5-7 settimane | €33.000–€39.000 |
Garanzia "ore recuperate o rimborso". Target sprint: recupero medio di 7 ore/settimana per recruiter al go-live + 30gg di hypercare. Se non ci arriviamo, lavoriamo gratis finché non succede, o ti rimborsiamo lo sprint. Misurazione su baseline definita in Sezione 02.
Prossimi passi
Per allineare i prossimi step: daniel.levis@soraia.io · hello@soraia.io · soraia.io/parliamone.
Questo documento è un sample anonimizzato. Tutti i dati cliente, le metriche operative e le proiezioni sono indicativi di un caso reale Soraia ma resi anonimi. L'assessment effettivo è custom per ogni cliente e include dati misurati direttamente sulla loro operatività.