ياردستيك تجمع 30 مليون دولار في جولة السلسلة ب بينما يعيد الذكاء الاصطناعي تشكيل مستقبل ثقة القوى العاملة

Yardstik جمع 30 مليون دولار في جولة تمويل السلسلة ب، حيث تسعى شركة التكنولوجيا المتخصصة في القوى العاملة إلى التوسع بعيدًا عن فحوص الخلفية التقليدية ومعالجة تحدٍ متزايد يواجه أصحاب العمل: تحديد ما إذا كان العاملون يظلون جديرين بالثقة بعد توظيفهم.

قادت الجولة Harbert Growth Partners، بمشاركة المستثمرين الحاليين Rally Ventures، MissionOG، Crosslink Capital، Grotech Ventures، وGreat North Ventures. يجلب هذا التمويل إجمالي رأس المال الذي جمعته ياردستيك إلى $65 million. تخطط الشركة لاستخدام رأس المال الجديد لتطوير قدرات إضافية لمنع الاحتيال ومراقبة القوى العاملة، بما في ذلك مراقبة تقارير المركبات، ومراقبة استبعاد مكتب المفتش العام، والتنبيهات الآلية عند انتهاء صلاحية الرخص المهنية أو التأمين أو الشهادات.

يأتي الاستثمار في وقت يتغير فيه الذكاء الاصطناعي التوليدي طبيعة احتيال التوظيف. Synthetic identities، الاعتمادات المزيفة، المقابلات المزيفة بالعمق، والوثائق الاحتيالية المتقنة بشكل متزايد يمكن أن تجعل من الصعب على أصحاب العمل التأكد مما إذا كان المتقدمون هم ما يدّعون أنه. والأهم من ذلك، فإن فحص الخلفية الذي يُجرى في اليوم الأول للموظف يوفر رؤية ضئيلة للمخاطر التي قد تتطور بعد أشهر أو سنوات.

تجاوز فحص الخلفية لمرة واحدة

أصبح هذا القيد محوريًا في استراتيجية ياردستيك.

تأسست الشركة في عام 2020 ومقرها مينيابوليس، وتطورت من مزود فحص خلفية إلى ما تسميه منصة الثقة البشرية، تجمع بين منع الاحتيال، والتحقق من الهوية، وفحص الخلفية، والتحقق من الاعتمادات، والمراقبة المستمرة للقوى العاملة.

بدلاً من اعتبار التحقق حدثًا واحدًا أثناء الانضمام، صُممت المنصة للحفاظ على صورة متغيرة لمخاطر القوى العاملة.

هذا التمييز مهم. يمكن لفحص الخلفية التقليدي تحديد ما إذا كانت السجلات ذات الصلة موجودة عند إجراء الفحص. لكنه لا يستطيع بالضرورة إبلاغ صاحب العمل بأن رخصة القيادة انتهت بعد ثلاثة أشهر، أو بظهور سجل جنائي جديد، أو بظهور إشارة خطر أخرى بعد بدء التوظيف.

تقنية Continuous Monitoring من ياردستيك تسجل تلقائيًا العمال الذين تم فحصهم في مراقبة ما بعد التوظيف بدلاً من الاعتماد حصريًا على عمليات الفحص المجدولة يدويًا. تغطي قدرات المراقبة الحالية مجالات تشمل قواعد البيانات الجنائية، وسجلات الجناة الجنسيين، والقوائم الفيدرالية للمراقبة، وسجلات أخرى.

ستتيح جولة السلسلة ب للشركة توسيع هذا النموذج إلى أشكال إضافية من مراقبة الاعتمادات والمواضيع المتعلقة بالتوظيف.

“إذا انتهت رخصة ما في اليوم التالي لتوظيف شخص ما، يجب أن يعلم صاحب العمل بذلك في ذلك اليوم، وليس في المراجعة السنوية التالية،” قال الرئيس التنفيذي Andrew Johnson في إعلان التمويل، موضحًا الفرق بأنه كالفرق بين صورة ثابتة وتدفق مباشر.

استخدام الذكاء الاصطناعي لاكتشاف الاحتيال قبل بدء الفحص

تطبق ياردستيك أيضًا الذكاء الاصطناعي وتحليل البيانات في مرحلة مبكرة من عملية التوظيف.

تقنية Detect AI تهدف إلى تحديد الإشارات المرتبطة بتلاعب الهوية والطلبات الاحتيالية قبل أن يعتمد صاحب العمل على فحص خلفية تقليدي.

بدلاً من النظر فقط إلى السجلات الجنائية، يحلل Detect AI إشارات المخاطر المتعلقة بالهوية التي تشمل المعلومات الشخصية القابلة للتعريف، ونشاط الدفع، والموقع، وبيانات IP. كما أن بنية البيانات الأوسع في ياردستيك تفحص إشارات مثل بصمات الأجهزة، وتفاوتات القياسات الحيوية، والتناقضات بين نقاط البيانات التي قد تبدو شرعية بشكل منفرد لكنها تصبح مريبة عند تحليلها معًا.

هذا يعالج مشكلة مختلفة عن الفحص التقليدي. قد يُظهر فحص الخلفية معلومات دقيقة مرتبطة بهوية ما، لكنه لا يزال غير قادر على تحديد ما إذا كان المتقدم يمتلك تلك الهوية فعليًا.

تجمع ياردستيك بين هذه الإشارات الاحتيالية والتحقق من الهوية الذي يمكنه مقارنة المعلومات الحيوية مع هوية صادرة عن الحكومة. الهدف هو إرساء صلة أقوى بين الشخص الذي يقدم الطلب، والاعتمادات المقدمة، والفرد الذي ينضم في النهاية إلى القوى العاملة.

تعكس هذه المقاربة تحولًا أوسع في كشف الاحتيال مع انخفاض تكلفة إنتاج هويات ووثائق مزيفة مقنعة بفضل الذكاء الاصطناعي. تحتاج أنظمة الفحص بشكل متزايد إلى تقييم الأنماط والتناقضات عبر إشارات متعددة بدلاً من مجرد الاستعلام عن السجلات في قواعد البيانات.

تحويل احتيال القوى العاملة إلى مجموعة بيانات محدثة باستمرار

مكوّن آخر هو Fraud Insights، لوحة معلومات حية تجمع الإشارات المتعلقة بالاحتيال عبر القوى العاملة في المؤسسة.

يمكن للنظام إظهار أنماط مثل ظهور أرقام الضمان الاجتماعي عبر عدة طلبات، أو جغرافية غير عادية للأجهزة، أو المواقع التي صدرت فيها بطاقات الدفع المرتبطة بالمتقدمين. بدلاً من تقييم كل متقدم على حدة، يمكن لهذا الكشف عن أنماط قد تشير إلى احتيال منسق أو منهجي.

قامت ياردستيك مؤخرًا بجعل Fraud Insights وContinuous Monitoring قدرات قياسية لعملائها بدلاً من إضافات منفصلة. تقول الشركة إن العمال الذين تم فحصهم عبر المنصة يمكن تسجيلهم تلقائيًا في المراقبة، مما يقلل الحاجة إلى أن يبدأ أصحاب العمل عمليات فحص متكررة يدويًا.

تُدخل المراقبة المستمرة للموظفين أيضًا اعتبارات هامة تتعلق بالامتثال والخصوصية. تعمل ياردستيك كوكالة تقارير مستهلك وتؤكد أن عمليات الفحص لديها تتوافق مع قانون التقارير الائتمانية العادل، بما في ذلك المتطلبات المتعلقة بالشفافية للأفراد الذين يتم مراقبتهم.

مع تزايد أتمتة مراقبة القوى العاملة، قد تصبح تلك الضمانات أكثر أهمية، خاصةً عندما تؤثر إشارات المخاطر التي يولدها الذكاء الاصطناعي على قرارات التوظيف.

بناء بنية تحتية للثقة للوكالات الذكاء الاصطناعي

تمتد استراتيجية تكنولوجيا ياردستيك أيضًا إلى ما هو أبعد من تطبيقها الخاص.

قامت الشركة ببناء بنية تحتية تعتمد على API تتيح للأسواق ومنصات التوظيف ومزودي تقنيات الموارد البشرية دمج الفحص، والتحقق من الهوية، ومنع الاحتيال، والمراقبة مباشرةً داخل منتجاتهم. يذكر إعلان التمويل تكاملات مع أنظمة تشمل Greenhouse وLever وWorkable وFountain وBullhorn وAvionte وPaylocity.

مؤخرًا، أضافت ياردستيك دعمًا لـ Model Context Protocol (MCP)، مما يخلق صلة مثيرة بين التحقق من القوى العاملة والنظام البيئي المتصاعد للذكاء الاصطناعي الوكائي.

من خلال تكامل MCP للوكالات الذكاء الاصطناعي، يمكن للمطورين تمكين أنظمة الذكاء الاصطناعي من الوصول إلى سير عمل ياردستيك للمهام مثل بدء التحقق من الهوية، أو طلب حزم فحص خلفية مختلفة بناءً على متطلبات الوظيفة، أو إنشاء عمليات فحص متكررة. تنفذ ياردستيك الفحوصات الأساسية وسير العمل المتعلق بالامتثال مع إرجاع النتائج إلى التطبيق أو الوكيل.

قد يصبح ذلك أكثر صلة مع تولي الوكالات الذكاء الاصطناعي أدوارًا أكبر في التوظيف وإدارة القوى العاملة. إذا كانت الوكالات البرمجية تتخذ أو تساعد في اتخاذ قرارات التوظيف، قد تصبح البنية التحتية التي تسمح لهذه الوكالات بالتحقق من الهويات والاعتمادات والمعلومات المتغيرة للمخاطر طبقة إضافية في بنية الذكاء الاصطناعي للمؤسسات.

ما قد يعنيه التحقق المستمر من القوى العاملة لمستقبل العمل

تدخل ياردستيك جولة السلسلة ب بعد فترة من التوسع السريع. تُبلغ الشركة عن نمو إيرادات بنسبة 149% على أساس سنوي، ومعدل احتفاظ بالحسابات يبلغ 98% خلال السنوات الثلاث الماضية، وعملاء في صناعات تشمل أسواق العمل الحر، والرعاية الصحية، والتوظيف، والنقل، واللوجستيات، ورعاية الأطفال.

ما هو أكثر أهمية من أرقام النمو هو التحول الأوسع الذي تمثله التقنية. كان فحص الخلفية تقليديًا مبنيًا حول نقطة قرار واحدة: تحديد ما إذا كان يجب توظيف شخص ما. تغير المراقبة المستمرة هذا النموذج من خلال اعتبار الهوية والاعتمادات ومخاطر القوى العاملة معلومات يمكن أن تتغير طوال فترة توظيف الفرد.

يمكن للذكاء الاصطناعي تسريع هذه الانتقالة في كلا الاتجاهين. تجعل الأدوات التوليدية من السهل تصنيع السيرة الذاتية، والاعتمادات، والوثائق، والصور، والأصوات، وربما هويات كاملة على نطاق واسع. وفي الوقت نفسه، يمكن للتعلم الآلي مساعدة أنظمة الفحص على تحليل تركيبات من هوية، وجهاز، واعتماد، وإشارات سلوكية يصعب تقييمها يدويًا.

مع مرور الوقت، قد يتحول التحقق من القوى العاملة من عملية إدارية دورية إلى طبقة مستمرة من بنية تحتية للمؤسسات. قد تدمج منصات التوظيف، وأسواق التوظيف، وأنظمة الموارد البشرية بشكل متزايد فحوصات الهوية والاعتمادات الآلية مباشرةً في سير عملها، بينما قد تبدأ الوكالات الذكاء الاصطناعي أو تستجيب لأحداث التحقق دون انتظار مسؤول بشري.

كما يثير هذا التطور أسئلة سيصبح من الصعب تجاهلها. سيحتاج أصحاب العمل إلى تحديد مقدار المراقبة المستمرة المناسب، وأي إشارات ينبغي السماح لها بالتأثير على قرارات التوظيف، وكيف يمكن للعمال الاعتراض على المعلومات غير الدقيقة، وأين يجب رسم الخط بين إدارة المخاطر المشروعة والمراقبة المفرطة.

لذلك، فإن أهمية تمويل Yardstik’s تتجاوز توسيع منصة فحص خلفية واحدة. إنها تعكس سؤالًا أوسع يبرز مع إعادة تشكيل الذكاء الاصطناعي لسوق العمل: إذا أصبحت الهويات الرقمية والاعتمادات أسهل في التلاعب، فكيف ستحافظ المؤسسات على الثقة بشكل مستمر دون تقويض خصوصية وحقوق الأشخاص الذين توظفهم؟