← Wszystkie case studies · 👥 HR i rekrutacja
Bank uniwersalny · 4 200 osóbNIE z konkretnym feedbackiem dla 1 800 kandydatów rocznie — nikt nie czuje się zlekceważony
AI pisze spersonalizowane odmowy z konkretnym powodem (rzeczowo, nie ranliwie) — kandydaci dziękują za feedback, polecają firmę dalej.
Okres pomiaru: 14 miesięcy
Sytuacja przed wdrożeniem
Bank, 1 800 rekrutacji rocznie. Kandydatów ~22 000 aplikacji. NIE wysyłane szablonem: "Dziękujemy za zainteresowanie, jednak wybraliśmy innego kandydata". Glassdoor zasypany komentarzami "ghostują", "ignorują", "korporacja jak każda". eNPS Glassdoor 2.7/5.
Co zrobiliśmy
- Każde NIE generowane przez AI indywidualnie na bazie notatek rekrutera + CV kandydata.
- Konkretny powód: "Brakowało Ci 2 lat doświadczenia w obszarze X. Twoje doświadczenie w Y jest mocne — gdybyś popracował nad X, w 2027 roku byłbyś świetnym kandydatem na tę rolę".
- Sugestia: jakie kursy, certyfikaty, książki polecamy w obszarze, którego brakowało.
- Otwarte drzwi: "Jeśli za 12 miesięcy będziesz pasować — daj znać, mamy Cię w bazie".
- Dla kandydatów blisko TOP3 (4–5 miejsce): osobiste podziękowanie + sugestia, że dajemy znać przy następnej podobnej roli.
- AI unika ranliwych sformułowań ("za słaby", "nie pasujesz") — używa konstruktywnego języka.
- Każde NIE przeglądane przez rekrutera w 30 sek. (akceptuje lub edytuje).
Rezultat
Glassdoor eNPS: z 2.7 na 4.2/5. Aplikacji "z polecenia odrzuconego kandydata": +340% (mierzymy źródło). Powracający kandydaci po 12 miesiącach: 22% (vs 4% wcześniej). Czas pisania NIE: 0 min rekrutera (AI generuje, akceptacja w batch).
„Dostaliśmy publiczny komentarz na LinkedIn: "Dawno nie dostałem tak dobrego feedbacku po odrzuceniu. Dziękuję — wracam za rok". To zmieniło naszą reputację."
Inne case studies z działu hr i rekrutacja.
Chcesz, żeby Wasza firma była następna na tej liście?
30-min rozmowa — pokazujemy 2–3 case'y najbliższe Waszej sytuacji (pod NDA) i mówimy, ile zaoszczędzicie w pierwszym roku.