Alper Tekin, Chief Product Officer ve Findem – Rozhovorová série

Předtím jste byl sériovým podnikatelem a působil jako zakladatel a CEO několika startupů. Jaké byly některé z největších výzev, se kterými jste se setkal při náboru zaměstnanců?

Náborem zaměstnanců byla jedna z nejobtížnějších částí mé podnikatelské cesty. Jako podnikatelé víme, že lidé jsou důležitější než cokoliv jiného a sestavení správného týmu je nejvýznamnější úloha každého obchodního lídra. Avšak je opravdu těžké vyčlenit dostatek času na to, aby jste našli správné lidi, když máte tolik jiných obchodních aktivit spojených se zahájením a rozšiřováním společnosti. Bez objektivních dat o tom, kdo je k dispozici, je těžké najít správnou skupinu lidí a ještě těžší vědět, zda budou fungovat ve vaší organizaci.

Můžete sdílet vizi, jak Findem buduje autonomní talentovou platformu pro HR týmy budoucnosti?

Získávání talentů je složitou úlohou s desítkami úkolů, které provádějí desítky osob, přes desítky nástrojů, které se většinou navzájem nedohodnou. Naše vize je odstranit tuto složitost pomocí kombinace umělé inteligence a automatizace pracovních procesů.

Naším prvním a nejvyšším cílem je podpořit talentové týmy automatizací rutinních, opakujících se a chybných úkolů z jejich denního života a pomoci lidem při rozhodování s pomocí dat. Už vidíme použití, jako je velká technologická společnost, kde používali osm až 10 systémů pouze pro vytvoření talentové pipeline, a každý z nich byl použit v izolovaném režimu. Trvalo jim to 80-100 kliknutí, aby dokončili jeden úkol, a nyní, s autonomními aplikacemi, mohou provést stejný úkol jedním kliknutím.

Jako téměř všechny obchodní funkce, tak i talentové organizace projdou transformací s umělou inteligencí a náš plán je automatizovat vše, co lze automatizovat, a umožnit tak rekrutérům a dalším odborníkům na talenty dosáhnout svého plného potenciálu. Autonomní aplikace budou inicializovat klíčovou roli v plánování, pipeline a analýze a poté se rozšíří napříč celým životním cyklem talentů, zahrnujícím vše od plánování pracovních sil až po rozvoj a plánování kariéry a nástupnictví.

Findem analyzuje triliony datových bodů a využívá takzvaných 3D dat, můžete vysvětlit, co jsou 3D data?

Findem přijímá 1,6 trilionu datových bodů z hundred tisíc zdrojů, aby vytvořil zcela nové talentové údaje, které neexistují nikde jinde, a poskytuje tak pochopení jednotlivce a společností, se kterými je spojen, v čase. Findem používá tyto tři rozměry dat – údaje o lidech a společnostech v čase – aby propojil individuální a firemní cesty a vytvořil tak obohacené talentové profily.

Představte si to takto: každý, kdo pracoval na moderním trhu práce, má svou cestu a zanechává za sebou digitální stopu. Existují tituly, kariérní postup, certifikáty, příspěvky do kódu, publikace, sociální příspěvky a tak dále. Společnosti také mají svou cestu. Mají aktivity, jako jsou kola financování, IPO a finanční výkazy, stejně jako pracovní popisy, organizační schéma, firemní recenze a profily vedení – všechna tato data mohou vykreslit vývoj a pokrok organizace.

Tradičně se talentové rozhodnutí opírala o životopis, žádost o práci a/nebo profil na LinkedIn, který nabízí pouze jednorozměrný výřez údajů o člověku a společnosti. Avšak my jsme vytvořili platformu, která je schopná zachytit tisíce datových bodů o cestách lidí a společností a převést je do masivně obohaceného profilu. Výsledkem je podrobnější a jemnější pochopení zkušeností, dovedností a dopadu člověka, než bylo dříve možné pomocí manuálního výzkumu nebo z uživatelsky generovaného profilu na LinkedIn.

S naším Talent Data Cloudem jsou celé kariéry vyhledatelné na příkaz prostřednictvím rozhraní GenAI. Například můžete požádat platformu, aby vám ukázala CFO ve společnostech ve Spojených státech vlastněných private equity firmami, které přešly z negativního na pozitivní provozní marži, nebo aby vám poskytla seznam loajálních produktových manažerů, kteří pracovali pro B2B startup a viděli ho až do velké série C.

Jaké jsou různé typy datových bodů, které jsou analyzovány?

Náš Talent Data Cloud dynamicky a nepřetržitě využívá jazykový model k generování 3D dat z hundred tisíc zdrojů dat.

Analýzuje profilová a kontaktní data z webů, jako je LinkedIn, GitHub, StackOverflow, Kaggle, Dribble, Doximity, ResearchGate, WordPress a osobní weby. Data ze sčítání lidu pocházejí z Úřadu sčítání lidu Spojených států. Kromě toho se díváme na firemní data z oznámení o financování, IPO, obchodních modelů více než 8 milionů společností a více než 100 000 agregovaných firemních a produktových kategorií. Pro ověřené dovednosti platforma analyzuje více než 300 milionů patentů a publikací, více než 5 milionů otevřených datových sad a projektů ML, a více než 200 milionů otevřených zdrojových kódových repozitářů a dalších veřejných příspěvků. A důležitě zahrnujeme také data z ATS, která zahrnují informace o profilu uchazeče z uživatelského ATS, které může být Greenhouse, Workday, SmartRecruiters, BambooHR, Lever a tak dále.

Co hledá strojové učení, když analyzuje tato data?

Findem je BI první, poté používá AI k učení a předpovídání na základě faktických dat. Říkáme tomu deterministický model versus probabilistický model. Například neinferujeme pravděpodobnostně, že máte zkušenosti se startupem, místo toho se díváme na vaši historii zaměstnání a vidíme, zda některé společnosti, ve kterých jste pracovali, byly klasifikovány jako startupy, a poté přidáme atribut „zkušenosti se startupem“ proti vašemu profilu.

Jak jsou tato data poté transformována na atributy, a co jsou atributy?

Jakmile dojde ke sběru dat, máme inteligentní engine (přemýšlejte o něm jako o sofistikovaném SQL middleware), který může mapovat data na jakýkoli atribut, který bychom chtěli vytvořit.

Atributy jsou dovednosti, zkušenosti a charakteristiky jednotlivců a společností – a jsou både hmotné a nehmotné. Hmotné atributy zahrnují role (současné, minulé a zkušenosti s rolí), pracovní zkušenosti, vzdělání, kvalifikace a další technické informace. Nehmotné atributy mohou být velmi rozsáhlé, jako například zda někdo inspiruje loajalitu, buduje rozmanité týmy nebo je zaměřen na misi.

Náš atributový vyhledávací mechanismus umožňuje týmům HR vyhledávat kandidáty napříč všemi kanály ve svém talentovém ekosystému pomocí prakticky jakékoli kritéria, které můžete uvést.

Jak platforma zabraňuje genderové nebo rasové AI předpojatosti při náboru rozhodnutí?

Naše platforma byla úmyslně navržena tak, aby nedělala rozhodnutí za uživatele, ale spíše aby AI asistovala lidem při jejich rozhodování. Používáme BI-first strategii, platforma priorizuje sběr, analýzu a prezentaci dat, aby poskytovala přehled a podporu pro rozhodování, poté používá AI k učení, rozumění a předpovídání s důvěryhodnými výsledky.

Jíme vyhledávací a párovací platforma, ne platforma pro hodnocení kandidátů, a AI se nikdy nepoužívá k subjektivnímu hodnocení člověka. Nikdy automaticky nepostupuje nebo neodmítá uchazeče. Kromě toho, jelikož Findem nevyužívá AI pro vyhledávání a párování (tyto schopnosti jsou založeny na BI), snižuje se riziko, že by se do procesu mohla dostat předpojatost nebo diskriminace.

Jak Findem zjednodušuje proces propagace interních zaměstnanců?

V jádru toho, my nemáme potřebu rozlišovat mezi „interními“ a „externími“ talenty. Pro každého člověka v naší databázi, náš algoritmus může najít nejlepší odpovídající kandidáty, ať už jsou uvnitř nebo vně organizace.

Jaké jsou všechny nástroje pro správu talentů, které jsou nabízeny?

Konsolidujeme aktivity na vrcholu potrubí, takže vše od vyhledávání talentů až po CRM a analýzu. Máme také řešení pro interní mobilitu a rozvíjíme nabídky pro řízení doporučení a plánování nástupnictví.

Na jaké fázi podnikatelské cesty by se měl startup obrátit na Findem?

Služíme zákazníkům všech velikostí, ale naše sladká místa tendence být společnosti, které jsou ve fázi rozšiřování se několika stovkami zaměstnanců.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Findem.