行业参考 · 能源 · HR · 证据 E2
Uniper cuts hiring delays with AI recruitment agent
这是公开报道的其他企业案例，不是 Alan 交付的项目。内容由 AI 收集整理，以原文为准。
企业遇到的问题
招聘周期长、HR 数据碎片化、招聘瓶颈不透明
概要
欧洲能源集团 Uniper 部署由 Celonis 与 Microsoft Copilot Studio 共同开发的 AI 招聘 agent，自然语言界面供招聘经理查询职位与候选人，上下文模型使其能给出具体瓶颈并标记任务、起草邮件，平均签约时间缩短 27 天，筛选阶段缩短 13 天。
原文写明的事实
- Uniper 部署了由 Celonis 和 Microsoft Copilot Studio 共同开发的 AI 招聘 agent
- 平均签约时间缩短 27 天
- 平均筛选阶段缩短 13 天
- 通过自然语言界面让招聘经理询问在招职位和候选人
- 系统标记紧急/逾期任务，并可起草和发送邮件给同事和候选人
- 项目核心是 Celonis Context Model，提供运营上下文而非仅原始数据
- 仅使用 HR 数据时对瓶颈问题返回数据碎片化等泛化回答，接入上下文模型后能回答具体到候选人的瓶颈，如 27 名候选人在各职位 shortlist 上超过 14 天
- 正在扩展至工厂维护、水电运营、IT 服务管理、能源销售与交易、财务服务和内审
还有 7 条细节，见文末原文来源。
怎么做的
- 输入：在招职位、候选人与招聘流程状态
- 处理：Celonis Context Model 将 HR 原始数据转为运营上下文，AI agent 回答提问并标记任务
- 数据：Uniper HR 系统数据、Celonis Context Model/Data Core 数据
- 动作：回答招聘经理问题、标记紧急/逾期任务、起草并发送邮件
- 输出：签约时间缩短 27 天，筛选阶段缩短 13 天，输出可执行瓶颈信息
如果你也想做：复制评估
AI 初评，供参考。具体能不能做，要看你企业的数据、流程和人。
- 难度：中（需要配置 Skill / Connector）
- 需要的能力：招聘流程诊断 Skill、候选人状态查询 Skill、邮件草拟 Skill
- 需要接的数据/系统：HR系统/ATS、Celonis 或等价流程上下文层
- 仍需人工的环节：招聘经理确认瓶颈与候选人；邮件发送前人工审核
- 风险：上下文建模不足会退回泛化回答；候选人隐私与数据合规
- 原文没披露的：基线口径与样本规模未披露；邮件发送是否有人工复核未披露
自然语言查询、任务标记与邮件草拟可做，能否稳定给出具体瓶颈取决于流程数据建模与 Connector 配置，需实测确认
来源
证据说明：单一行业媒体来源，有具名高管引言，但未找到官方通稿或独立第二来源 | 合并后升级: 2 个相互独立的可信来源