Alper Tekin, Chief Product Officer hos Findem – Intervju-serie

Tidligere var du en seriel iværksætter, der fungerede som grundlægger og CEO af flere startups. Hvad var nogle af de største udfordringer med rekruttering, du stødte på?

Rekruttering har været en af de mest udfordrende aspekter af min iværksætterrejse. Som iværksættere ved vi, at mennesker betyder mere end noget andet, og opbygning af det rette team er den vigtigste opgave for enhver forretningsleder. Det er dog meget svært at allocere den sufficiente mængde tid til at finde de rette mennesker, når man også skal beskæftige sig med mange andre forretningsaktiviteter i forbindelse med opstart og opskalering af et firma. Uden objektiv data om, hvem der er tilgængelig derude, er det svært at finde det rette sæt af mennesker, og endnu sværere at vide, om de vil fungere godt i din organisation.

Kan du dele visionen for, hvordan Findem bygger en autonom talentplatform for HR-teamet i fremtiden?

Talentanskaffelse er en kompleks opgave med hundredvis af opgaver, der udføres af titallende personer, på tværs af titallende punkt-værktøjer, der ikke kommunikerer med hinanden det meste af tiden. Vores vision er at fjerne denne kompleksitet gennem en kombination af AI og workflow-automatisering.

Vores første og fremmeste mål er at støtte talentteamene ved at automatisere de kedelige, gentagne og fejlbehæftede opgaver fra deres daglige arbejde og hjælpe mennesker med at træffe hurtigere, bedre og mere retfærdige beslutninger med data. Vi ser allerede brugs eksempler, såsom et stort teknologifirma, hvor de brugte otte til ti systemer bare til at opbygge en talentpipeline, og hver af dem blev brugt i en silo-mæssig måde. Det tog dem 80-100 klik at udføre en enkelt opgave, og nu, med autonome applikationer, kan de udføre den samme opgave med ét klik.

Ligesom næsten alle forretningsfunktioner vil talentorganisationer gennemgå en AI-først-transformation, og vores plan er at automatisere alt, hvad der kan automatiseres, og dermed give rekruttere og andre talentfagfolk mulighed for at nå deres fulde potentiale. Autonome applikationer vil initialt spille en afgørende rolle i planlægning, pipeline og analyser og derefter udvide sig over hele talentlivscyklussen, der omfatter alt fra arbejdsstyring til talentpools til karriereudvikling og successionplanlægning.

Findem analyserer billioner af data punkter og udnytter, hvad der kaldes 3D-data. Kan du forklare, hvad 3D-data er?

Findem indtager 1,6 billioner data punkter fra hundredtusinder af kilder for at generere helt nye talentdata, der ikke findes andre steder, og giver en forståelse af en person og de virksomheder, de er tilknyttet, over tid. Findem bruger disse tre dimensioner af data – person- og virksomhedsdata over tid – til at forbinde person- og virksomhedsrejser og oprette berigede talentprofiler.

Tænk på det på denne måde: hver person, der har arbejdet på det moderne arbejdsmarked, har en rejse og efterlader et digitalt spor. Der er titler, jobsfremmelse, certifikater, kodebidrag, publikationer, sociale opslag og så videre. Ligesom virksomheder har en rejse. De har aktiviteter som kapitaltilførsel, børsnoteringer og finansielle indberetninger, samt jobbeskrivelser, organisationsdiagrammer, virksomhedsanmeldelser og ledelsesprofiler – alt dette data kan kortlægge en virksomheds udvikling og fremgang.

Traditionelt har talentbeslutninger afhængigt af en CV, ansøgning og/eller LinkedIn-profil, der kun giver en én-dimensionel skive af en person og virksomhedsdata. Dog har vi bygget en platform, der er i stand til at indsamle tusinder af datapunkter om person- og virksomhedsrejser og omdanne dem til en massivt beriget profil. Resultatet er en mere detaljeret og granuleret forståelse af en persons erfaring, kompetence og impact end hvad der tidligere var muligt med manuel research eller fra en bruger-genereret LinkedIn-profil.

Med vores Talent Data Cloud er hele karrierer søgbare på kommando gennem en GenAI-grænseflade. For eksempel kan du bede platformen om at vise dig CFO’er i amerikanske virksomheder ejet af PE-firmaer, der har taget en virksomhed fra en negativ til en positiv driftsresultat eller give dig en liste over loyale produktchefer, der har arbejdet for en B2B-startup og set det igennem en stor Serie C.

Hvad er de forskellige typer af datapunkter, der analyseres?

Vores Talent Data Cloud dynamisk og kontinuerligt udnytter en sprogmodel til at generere 3D-data fra hundredtusinder af datapunkter.

Den analyserer profil- og kontaktdatabasen fra LinkedIn, GitHub, StackOverflow, Kaggle, Dribble, Doximity, ResearchGate, WordPress og personlige hjemmesider. Folketællingsdata kommer fra det amerikanske folketællingskontor, naturligvis. Desuden ser vi på virksomhedsdata fra kapitaltilførselsmeddelelser, børsnoteringer, forretningsmodeller for over 8 millioner virksomheder og over 100.000 samlede virksomheds- og produktkategorier. For verificerede færdigheder analyserer platformen over 300 millioner patenter og publikationer, over 5 millioner åbne dataset og ML-projekter og over 200 millioner åbne kildekode-repositorier og andre offentlige bidrag. Og vi inkluderer vigtigt ATS-data, der inkluderer ansøgerprofilinformation fra brugerens ATS, der kan være Greenhouse, Workday, SmartRecruiters, BambooHR, Lever og så videre.

Hvad søger maskinlæring, når den analyserer denne data?

Findem er BI først, derefter bruger vi AI til at lære og gøre forudsigelser baseret på faktuel data. Vi kalder dette en deterministisk model vs. en probabilistisk model. For eksempel gør vi ikke probabilistisk, at du har startup-erfaring, vi ser i stedet på din ansættelseshistorik og ser, om nogen af de virksomheder, du har arbejdet for, er klassificeret som startups, og derefter tilføjer vi en ‘startup-erfaring’-egenskab til din profil.

Hvordan omdannes denne data derefter til egenskaber, og hvad er egenskaber?

Når dataindsamlingen sker, har vi en intelligensmotor (tænk på det som en sofistikeret SQL-middleware), der kan kortlægge data til enhver egenskab, vi ønsker at oprette.

Egenskaber er færdigheder, erfaringer og karakteristika af personer og virksomheder – og de er både tangibelt og intangibelt. Tangibelt egenskaber inkluderer roller (nuværende, tidligere og rolle-erfaring), arbejdserfaring, uddannelse, kvalifikationer og anden teknisk information. Intangibelt egenskaber kan være langt gående, såsom om en person inspirerer loyalitet, bygger diverse hold eller er mission-orienteret.

Vores egenskabsbaserede søgning giver HR-teamene mulighed for at søge efter kandidater på tværs af alle kanaler i deres talentøkosystem ved hjælp af praktisk taget enhver kriterie, du kan tænke dig.

Hvordan forhindrer platformen, at køns- eller racemæssig AI-forvrængning sniger sig ind i rekrutteringsbeslutninger?

Vores platform blev bevidst designet til ikke at træffe beslutninger på vegne af nogen bruger, men snarere til at hjælpe mennesker i deres beslutningsprocesser. Ved hjælp af en BI-først-strategi prioriterer platformen indsamlingen, analysen og præsentationen af data for at give indsigt og støtte til beslutningsprocessen, derefter bruger vi AI til at lære, resonere og gøre forudsigelser eller anbefalinger med tillid til resultaterne.

Vi er en søgning- og matchningsplatform, ikke en kandidatvurderingsplatform, og AI bruges aldrig til at træffe en subjektiv vurdering af en person. Det bruges aldrig automatisk til at fremme eller afvise ansøgere. Desuden, da Findem ikke bruger AI til søgning og matchning (disse funktioner er BI-baseret), mindske vi risikoen for forvrængning eller diskrimination i processen.

Hvordan gør Findem processen med at fremme interne medarbejdere lettere?

I kernen af det gør vi ikke behøver at skelne mellem ‘interne’ og ‘eksterne’ talent. For enhver person i vores database kan vores algoritme finde top-matching kandidater, uanset om de er udenfor eller inden for organisationen.

Hvad er alle de talentstyringsværktøjer, der tilbydes?

Vi konsoliderer top-of-funnel-aktiviteter, så alt fra talent-sourcing til CRM til analyser. Vi har også en løsning til intern mobilitet og ruller ud tilbud til referralstyring og successionplanlægning.

På hvilket stadium af den iværksætterrejse bør en startup være, før de kontakter Findem?

Vi servicere kunder af alle størrelser, men vores sødested er tendens til at være virksomheder, der er i opskaleringstilstand med et par hundred medarbejdere.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Findem.