Oracle verkürzt Recruiting-Recherchen um 98 %. Entscheidend ist der Workflow, nicht der Chatbot

Oracle meldet 130.000 aktive ChatGPT-Nutzer und mehr als 95.000 Codex-Nutzer. Die Recherche für die Personalgewinnung sank von zwei bis vier Tagen auf 15 bis 20 Minuten, weil ein allgemeines Modell mit konkreten Unternehmensdaten und Abläufen verbunden wurde.

Recruiter verkürzen mehrere Tage Recherche auf 20 Minuten

Laut einer OpenAI-Fallstudie nutzt das Recruiting-Team ChatGPT Work, um Stellenbeschreibungen, vergleichbare Rollen, Vergütung und die Verfügbarkeit von Fachkräften an verschiedenen Standorten zu analysieren. Oracle zufolge sank der Rechercheaufwand dadurch um 98 %.

Oracle Applications Lab entwickelte eine Ontologie der internen Objekte, Beziehungen und Regeln. Codex übersetzt damit eine natürlich formulierte Anfrage in SQL, ruft die erforderlichen internen Systeme auf und liefert eine Analyse, einen Bericht oder eine Anwendung. Bei einfachen Betriebsstörungen sollen Site Reliability Engineers rund eine Stunde Arbeit auf wenige Minuten verkürzt haben.

Die primäre OpenAI-Seite war bei der automatisierten Prüfung gesperrt. Zahlen und Workflow-Beschreibungen stammen daher mit entsprechender Vorsicht aus dem indexierten Auszug und aus Berichten, die die Fallstudie zitieren, nicht aus einer unabhängigen Prüfung.

Der Gewinn entsteht, weil Fachwissen zum wiederholbaren Prozess wird

Die hohe Zahl der Zugänge ist zweitrangig. Oracle hat Fachwissen in Workflows überführt, die wissen, welche Daten sie abrufen, welche Regeln gelten und in welcher Form das Ergebnis zurückkommen soll. Das Modell muss sich dadurch nicht bei jeder Anfrage auf neue Improvisation verlassen.

Für Enterprise-Teams ist dieses Muster nützlicher als flächendeckende Prompt-Schulungen. Zuerst kommt eine klar begrenzte, häufige Aufgabe samt Eingaben und Kontrollen. Erst danach werden ChatGPT oder Codex daraufgesetzt. Ein Großteil der Geschwindigkeit entsteht aus vorbereitetem Kontext.

Die Fallstudie kommt vom Anbieter und unabhängige Prüfungen fehlen

Die gemeldeten Einsparungen stammen von Oracle in einer OpenAI-Veröffentlichung. Der öffentliche Bericht verrät nicht, wie oft Menschen Ergebnisse korrigieren, wie Qualität über Teams hinweg gemessen wird oder was Integration und Pflege der Ontologie kosten. Oracle betont außerdem, dass Architektur, Sicherheit und wartbarer Code in menschlicher Verantwortung bleiben.

Diese Grenze ist wichtig. Die Übersetzung einer Anfrage in SQL kann Zeit sparen, doch Zuverlässigkeit hängt weiterhin von Berechtigungen, Datendefinitionen, Protokollierung und Ergebniskontrolle ab. Eine schnelle Antwort mit einer falschen Zahl beschleunigt lediglich eine schlechte Entscheidung.

Korrekturen, Störungen und Betriebskosten zeigen den dauerhaften Wert

Als Nächstes zählen die Quote menschlicher Korrekturen, Fehler bei Abfragen, der Zeitaufwand für komplexe Störungen und die Gesamtkosten pro abgeschlossenem Workflow. Bis diese Werte vorliegen, kennen wir die Geschwindigkeit ausgewählter Beispiele, aber nicht ihre Betriebswirtschaftlichkeit.

Die zweite Prüfung ist die Übertragbarkeit. Wenn weitere Teams dasselbe Muster ohne monatelange manuelle Datenmodellierung einsetzen können, hat Oracle eine wiederholbare Enterprise-Disziplin gezeigt und nicht nur einige sorgfältig ausgewählte Fälle.

Liliths Urteil

Oracles Erfolg zeigt sich nicht an der Zahl der Lizenzen, sondern am Recruiter, der nach 20 Minuten statt nach vier Tagen vorbereitet ins gleiche Gespräch geht. Jetzt fehlen noch die Integrationsrechnung und der Stapel Korrekturen, den die Fallstudie vor der Tür stehen ließ.