Josh Brenner, CEO af Hired – Interviewserie

Josh Brenner er CEO af Hired, den førende AI-drevne rekrutteringsplatform, der matcher talent med topvirksomheder som Instacart, Wayfair, Zendesk, Capital One og Peloton.

Hired.com fungerer lidt anderledes end Monster og andre jobportaler, kan du dele konceptet om, hvordan virksomheder søger efter kandidater?

Hired er unik, da det kombinerer tre ting for at transformere rekrutteringsoplevelsen: en højtilpasset, data-drevet rekrutteringsløsning specialiseret i teknologi og salg, højtilpasset kundeservice og støtte fra The Adecco Group globalt netværk. Virksomheder kan tilmelde sig vores platform gennem en flertrinsproces, der indebærer at specificere relevante roller og placering – som også kan være fjernarbejde – og præferencer som års erfaring eller grundløn, som de søger at ansætte. Vi parret virksomheder med en dedikeret talentsuccesmanager og giver adgang til rekrutteringsdata og analyser for at hjælpe dem med at finde forhåndsgodkendte og højt kvalificerede kandidater, der er en god match for deres rollekrav. For at skabe en personlig og kurateret oplevelse giver vi relevante kandidatoplysninger, såsom deres færdigheder, arbejdserfaring og ønskede løn, tilbage til virksomhederne for at opmuntre dem til at sende interviewsøgninger til dem, der er en passende match. De kandidater, vi fremhæver, søger aktivt efter nye muligheder og får ofte flere interviewsøgninger i de første par dage efter tilmelding, så vi opmuntre virksomhederne til at handle hurtigt og gennemsigtigt.

Vi forbedrer en data-drevet rekrutteringsløsning, der tager hensyn til både virksomheders og kandidaters specifikke behov, og forbedrer dermed kvaliteten af matchene, reducerer tiden til ansættelse og gør det så let som muligt for virksomheder at bygge fantastiske, diverse hold.

Kan du diskutere nogle af de maskinlæringsmetoder, der bruges til at matche virksomheder med kandidater?

Vore maskinlæringsmodeller sporer realtidsrekrutteringsdata, overvåger tendenser og forudser rekrutteringsadfærd for at matche virksomheder med kandidater hurtigere og mere præcist. At have denne store mængde relevante, realtidsdata fra vores platform med over 17.000 virksomheder og over 3 millioner kandidater giver os mulighed for at give højt kuraterede og personlige match, hvilket fører til en bedre kvalitet af match og højere acceptrater.

Der er også en stadig voksende behov for at forstå og forklare forudsigelserne fra maskinlæringsalgoritmer, der bruges til rekruttering, for gennemsigtighed, biasreduktion og for at give kandidaterne mulighed for at forbedre deres profil.

Hos Hired bruger vi maskinlærning til at give kandidaterne mulighed for at forbedre deres profil og øge deres chancer for at blive godkendt på vores platform. Vi hjælper kandidaterne med at forbedre deres profil ved at give dem konkrete forslag, såsom at tilføje en glemt færdighed eller implementere langsigtede ændringer som at lære et nyt programmeringssprog.

Siden eksisterende metoder for at give kandidaterne mulighed for at forbedre deres profil mangler hastighed, handlebarhed eller ikke kan finde ændringer, der kan ændre beslutningen i systemet, har vi udviklet vores egen metode til at give kandidaterne mulighed for at forbedre deres profil. Vi arbejder også aktivt for at reducere bias i vores maskinlæringsystemer gennem oversamplingsteknikker, der sikrer, at en kandidats race, køn eller alder ikke påvirker beslutningen i algoritmen.

Virksomhederne har også gavn af dette system, da værdifulde kandidater kunne være blevet overset af vores vurderingssystem, hvis det ikke havde givet kandidaterne mulighed for at forbedre deres profil, hvilket ville have ført til, at rekrutteringsfolk havde mistet gode kandidater.

Hvordan hjælper AI med at reducere tiden til ansættelse i stor målestok for virksomheder?

Vi bruger AI og realtidsdata fra vores platform til at give virksomhederne hurtige og præcise match, hvilket reducerer tiden til ansættelse. Gennem at fremhæve kandidater, der er specifikt tilpasset virksomhedens jobkrav, sparere vi rekrutteringsfolk i gennemsnit 45 timers sourcing pr. ansættelse, som ellers ville være dedikeret til forhåndsscreening, gennemgang af unqualifiede kandidaters CV’er og kontakt med unresponsive, passive kandidater. Da vi fokuserer på at identificere og fremhæve aktive kandidater på vores platform, kan vi reducere tiden til ansættelse med mindst 4 gange og hjælpe virksomheder med at bygge hold med højt kvalificerede talenter. For eksempel har vi arbejdet med Capital One for at hjælpe dem med at rekruttere over 300 kandidater gennem Hired-markedet, hvilket har sparet dem utallige timer med at gennemgå CV’er.

Hired.com’s seneste rapport “The Hired 2021 Impact Report – Wage Inequality in the Workplace” fokuserede på raciale og kønsforskelle på arbejdspladsen. Hvad var nogle af de vigtigste resultater, og overraskede nogen af dem dig?

Vore data har vist, at selvom der er sket fremskridt, og lønfordelingen er blevet mindre, har vi stadig langt igen. I 2020 blev mænd tilbudt højere løn end kvinder for samme jobtitel og virksomhed 59% af tiden, sammenlignet med 65% i 2019. Specifikt blev kvinder tilbudt 3% lavere løn i gennemsnit end mænd for samme roller i 2020, sammenlignet med 4% i 2019. Sorte kandidater fik løn, der var 4% lavere end baseline i 2020 sammenlignet med en forskel på 5% i 2019.

Vi ser stadig en vedvarende tendens, hvor underrepræsenterede grupper, der betales mindre, også forventer lavere løn end deres hvide, mandlige modparter – selvom de har samme erfaring. Race bidrager betydeligt til denne forventningsforskel, da lavtlønsforventninger er mest udbredt hos minoritetskvinder sammenlignet med hvide kvinder eller minoritetsmænd. For eksempel forventer sorte kvinder løn, der er 10% lavere end deres hvide, mandlige modparter.

Underrepræsenterede grupper kan falde i en cyklus af at modtage lavere løn, hvis de ikke har indsigt i, hvor meget de fortjener i løn for deres rolle. Vi har fundet, at den bedste måde at reducere lønforskellen på er ved at øge lønsgennemsigtighed, så alle kandidater er klar over, hvilken løn de fortjener, og kan kræve en fair løn. Dette er, hvad vi søger at fremme med vores årlige rapporter.

Da lønsgennemsigtighed har været et langvarigt problem for alle ansatte, uanset demografi, var vi overraskede over at finde, at yngre ansatte er mere tilbøjelige til at bede om og modtage mere lige løn end i tidligere generationer. Dette er en positiv udvikling, fordi ansatte, der lærer at forhandle løn på tidligt stadium i deres karriere, øger deres chancer for at blive betalt retfærdigt længere fremme. At fortsætte med at øge lønsgennemsigtighed og reducere forventningsforskellen for nye ansatte kunne have en dybtgående, langsigtede indvirkning på løneulighed og påvirke en mere retfærdig løn for fremtidige generationer.

Hvordan fjerner Hired.com ubevidst bias, når det gælder ansættelse?

For at reducere ubevidst bias i ansættelsesbeslutninger har vi udstyret vores platform med specifikke værktøjer og funktioner, der fremmer gennemsigtighed, effektivitet og lighed, såsom:

Aktionær, upartisk feedback – Når vi giver feedback til kandidater om, hvordan de kan forbedre deres profil for at blive godkendt på vores platform, såsom at tilføje en specifik færdighed, verificerer Hired, at systemet ikke foreslår, at kandidaten ændrer sin race, køn eller alder for at ændre beslutningen i algoritmen.

Lønalarmer – For at reducere sandsynligheden for ulige løn betaler Hired både virksomheder og kandidater, hvis de modtager eller anmoder om en løn, der er betydeligt højere eller lavere end gennemsnittet for deres position og niveau af erfaring. Vore lønbiasalarmer har resulteret i, at virksomhedernes tilbudsløn ændrer sig 4,3% af tiden, med en gennemsnitlig lønjustering på 20.000.

Lønsgennemsigtighed – Løn er gennemsigtig både fra kandidatens og virksomhedens synspunkt, da kandidaten angiver sin forventede løn, når de tilmelder sig vores platform, og virksomheden, når de kontakter en kandidat.

Biasreduktionsfiltre – Vores platform tilbyder mulighed for at skjule kandidatens demografiske detaljer for at reducere ubevidst bias og opmuntre virksomheder til at ansætte kandidater på baggrund af deres færdigheder.

Tilpassede vurderinger – Som en rekrutteringsplatform fokuserer vi på færdighedsbaseret matchning, herunder brug af færdighedsvurderinger for at fremme evner i stedet for en traditionel CV- og ansøgningsproces. Da disse vurderinger er fjernadgangsbar, giver vi virksomheder mulighed for at finde dygtige kandidater over hele verden og diversificere deres talentspipeline.

Hvilke typer virksomheder bruger i øjeblikket Hired.com-platformen?

Hired har over 17.000 virksomheder på vores marked, herunder mange velkendte mærker som Instacart, Wayfair, Zendesk, Postmates, Twitch, Capital One, Compass og Peloton. Specifikt bruges vores platform af virksomhedens rekrutteringschefer, HR-afdelinger og C-niveau-chefer til at hjælpe dem med at få adgang til vores pool af højt kvalificerede og kuraterede kandidater.

Hvilke uddannelses- eller arbejdserfaringkrav er nødvendige for kandidater for at bruge Hired.com-platformen?

Kandidater på Hired skal være inden for de områder, vi specialiserer os i, herunder softwareingeniør, analytiker, produktleder, designer, QA og salgsroller. Jobkandidater på alle niveauer er velkommen til at tilmelde sig, da vores platform prioriterer færdighedsbaseret rekruttering, uanset uddannelsesbaggrund. Når de opretter en profil, bedes kandidaterne om at angive deres arbejdserfaring, færdigheder og lønkrav. De, der har demonstreret betydelig erfaring i deres ønskede roller gennem praktik eller åbent kildearbejde, kan også inkludere disse projekter under deres års erfaring. Vi opmuntre også kandidaterne til at udnytte færdighedsbygningsressourcer, såsom kodningsbootcamps og uddannelseskurser, for at forbedre deres chancer for godkendelse og ultimativt sikre interviews og jobmuligheder.

Hvorfor skal AI-/maskinlæringsfagfolk bruge Hired.com?

Hired giver AI- og maskinlæringsfagfolk adgang til de mest innovative virksomheder i 18 af de førende teknologi-hubs i USA, Canada, Storbritannien og Irland. Vi forstår, at jobhunting i et konkurrencepræget felt kan være en frustrerende proces, og det er derfor, vi søger at give kandidaterne mulighed for at blive forbundet med virksomheder, der er en god match for deres unikke færdigheder, erfaring, mål og værdier.

Vi tilbyder også forskellige ressourcer for AI- og maskinlæringsfagfolk, såsom vores årlige rapport om softwareingeniører. Da færdigheder bliver mere vigtige end uddannelse, giver vores rapport en oversigt over de mest efterspurgte færdigheder og programmeringssprog baseret på vores platformdata og giver indsigt i, hvordan AI- og maskinlæringsingeniører kan differentiere sig selv ved at opgradere og udnytte kodningsbootcamps og selvuddannelsesprogrammer. Vores seneste rapport fandt, at i de større amerikanske teknologihubs lå maskinlæringsingeniørernes løn mellem 115.000 $/år til 171.000 $/år i gennemsnit, hvilket giver fagfolk værdifulde lønsindsigter baseret på placering, rolle og erfaring.

Er der noget andet, du gerne vil dele om Hired.com?

Hireds vision er at gøre alle ansættelser lige, effektive og gennemsigtige. Vi søger at opnå denne vision ved at give mulighed for forbindelser mellem ambitiøse mennesker og hold, der bruger teknologi og menneskelig empati til at genopfinde måden, mennesker ansætter og bliver ansat på.

I fortiden har rekruttering tendenser til at være meget transaktionel mellem virksomhed og kandidat. Men da mennesker søger efter virksomheder, der er mere i harmoni med deres personlige værdier og professionelle udviklingsmål, og virksomheder erkender, hvor central talent er for virksomhedens vækst, er der et tydeligt behov for, at ansættelsesprocessen bliver mere digital og data-drevet, men tilpasset. Især med den øgede adoption af fjernarbejde ser vi allerede en skiftning mod mere digitale ansættelsesløsninger, der giver både virksomheder og jobkandidater den mest effektive måde at ansætte på tværs af kloden. Vi er begejstrede for at være i frontlinjen af denne skiftning og fortsætte med at fremme vores vision om at transformere ansættelse.