Alper Tekin, Chief Product Officer bei Findem – Interviewreihe

Zuvor waren Sie ein Serienunternehmer und fungierten als Gründer und CEO mehrerer Startups. Was waren einige der größten Herausforderungen bei der Personalbeschaffung, mit denen Sie konfrontiert waren?

Die Einstellung von Mitarbeitern war einer der herausforderndsten Aspekte meiner unternehmerischen Reise. Als Unternehmer wissen wir, dass der Mensch wichtiger ist als alles andere und dass der Aufbau des richtigen Teams die wichtigste Aufgabe eines jeden Unternehmensleiters ist. Allerdings ist es wirklich schwierig, genügend Zeit einzuplanen, um die richtigen Leute zu finden, wenn man so viele andere Geschäftsaktivitäten abwickelt, die mit der Gründung und Skalierung eines Unternehmens verbunden sind. Ohne objektive Daten darüber, wer da draußen verfügbar ist, ist es schwierig, die richtigen Leute zu finden, und noch schwieriger zu wissen, ob sie in Ihrem Unternehmen gute Leistungen erbringen werden.

Könnten Sie Ihre Vision teilen, wie Findem eine autonome Talentplattform für das HR-Team der Zukunft aufbaut?

Die Talentakquise ist eine komplexe Aufgabe mit Hunderten von Aufgaben, die von Dutzenden von Personas über Dutzende Punkttools erledigt werden, die die meiste Zeit nicht miteinander kommunizieren. Unsere Vision ist es, diese Komplexität durch eine Kombination aus KI und Workflow-Automatisierung zu beseitigen.

Unser oberstes Ziel ist es, die Talentteams zu unterstützen, indem wir alltägliche, wiederholbare und fehleranfällige Aufgaben automatisiert aus ihrem Alltag entfernen und den Menschen dabei helfen, mithilfe von Daten schnellere, bessere und gerechtere Entscheidungen zu treffen. Wir sehen bereits Anwendungsfälle, wie zum Beispiel ein großes Technologieunternehmen, bei dem acht bis zehn Systeme allein zum Aufbau einer Talent-Pipeline verwendet wurden und jedes isoliert eingesetzt wurde. Sie brauchten 10–80 Klicks, um eine einzelne Aufgabe zu erledigen, und jetzt können sie mit autonomen Anwendungen dieselbe Aufgabe mit einem Klick ausführen.

Wie fast alle Geschäftsfunktionen werden auch Talentorganisationen eine Transformation durchlaufen, bei der die KI an erster Stelle steht. Unser Plan besteht darin, alles zu automatisieren, was automatisiert werden kann, damit Personalvermittler und andere Talentexperten ihr volles Potenzial ausschöpfen können. Autonome Anwendungen werden zunächst eine zentrale Rolle in der Planung, Pipeline und Analyse spielen und sich dann über den gesamten Talentlebenszyklus erstrecken und alles von der Personalplanung über Talentpools bis hin zur Karriereentwicklung und Nachfolgeplanung umfassen.

Findem analysiert Billionen von Datenpunkten und nutzt sogenannte 3D-Daten. Können Sie erklären, was 3D-Daten sind?

Findem erfasst 1.6 Billionen Datenpunkte aus Hunderttausenden Quellen, um völlig neue Talentdaten zu generieren, die es sonst nirgendwo gibt, und bietet im Laufe der Zeit ein Verständnis für eine Person und die Unternehmen, mit denen sie verbunden ist. Findem nutzt diese drei Datendimensionen – Personen- und Unternehmensdaten im Zeitverlauf –, um individuelle und Unternehmensreisen zu verbinden und bereicherte Talentprofile zu erstellen.

Stellen Sie sich das so vor: Jeder Mensch, der auf dem modernen Arbeitsmarkt gearbeitet hat, hat eine Reise hinter sich und hinterlässt einen digitalen Fußabdruck. Es gibt Titel, Stellenangebote, Zertifikate, Code-Beiträge, Veröffentlichungen, soziale Beiträge und so weiter. Ebenso haben Unternehmen eine Reise. Sie verfügen über Aktivitäten wie Finanzierungsrunden, Börsengänge und Finanzunterlagen sowie Stellenbeschreibungen, Organigramme, Unternehmensbewertungen und Führungsprofile – all diese Daten können die Entwicklung und den Fortschritt einer Organisation darstellen.

Traditionell stützten sich Talententscheidungen auf einen Lebenslauf, eine Bewerbung und/oder ein LinkedIn-Profil, die nur einen eindimensionalen Ausschnitt aus Personen- und Unternehmensdaten bieten. Wir haben jedoch eine Plattform aufgebaut, die in der Lage ist, Tausende von Datenpunkten zu Personen- und Unternehmensreisen zu erfassen und sie in ein massiv angereichertes Profil umzuwandeln. Das Ergebnis ist ein detaillierteres und detaillierteres Verständnis der Erfahrungen, Fähigkeiten und Auswirkungen einer Person, als dies bisher mit manueller Recherche oder anhand eines benutzergenerierten LinkedIn-Profils möglich war.

Mit unserer Talent Data Cloud sind ganze Karrieren auf Befehl über eine GenAI-Schnittstelle durchsuchbar. Sie können die Plattform beispielsweise darum bitten, Ihnen CFOs von US-Unternehmen im Besitz von PE-Firmen zu zeigen, die ein Unternehmen von einer negativen in eine positive Betriebsmarge geführt haben, oder Ihnen eine Liste treuer Produktmanager zu geben, die für ein B2B-Startup gearbeitet und dies gesehen haben durch eine große Serie C.

Welche verschiedenen Arten von Datenpunkten werden analysiert?

Unsere Talent Data Cloud nutzt dynamisch und kontinuierlich ein Sprachmodell, um 3D-Daten aus Hunderttausenden Datenquellen zu generieren.

Es analysiert Profil- und Kontaktdaten von LinkedIn, GitHub, StackOverflow, Kaggle, Dribble, Doximity, ResearchGate, WordPress und persönlichen Websites. Die Volkszählungsdaten stammen natürlich vom US Census Bureau. Darüber hinaus betrachten wir Unternehmensdaten aus Finanzierungsankündigungen, IPO-Details, Geschäftsmodelle von über 8 Millionen Unternehmen und über 100,000 aggregierte Unternehmens- und Produktkategorien. Für verifizierte Fähigkeiten analysiert die Plattform über 300 Millionen Patente und Veröffentlichungen, über 5 Millionen offene Datensätze und ML-Projekte sowie über 200 Millionen Open-Source-Code-Repositories und andere öffentliche Beiträge. Und wir beziehen ATS-Daten ein, die Bewerberprofilinformationen aus dem ATS des Benutzers enthalten, das Greenhouse, Workday, SmartRecruiters, BambooHR, Lever usw. sein kann.

Wonach sucht maschinelles Lernen bei der Analyse dieser Daten?

Findem ist zunächst BI und nutzt dann KI, um auf der Grundlage von Faktendaten zu lernen und Vorhersagen zu treffen. Wir nennen dies ein deterministisches Modell im Vergleich zu einem probabilistischen Modell. Wir leiten beispielsweise nicht probabilistisch ab, dass Sie über Startup-Erfahrung verfügen, sondern schauen uns stattdessen Ihre Beschäftigungshistorie an und prüfen, ob Unternehmen, bei denen Sie arbeiten, als Startups eingestuft wurden. Anschließend fügen wir Ihrem Profil das Attribut „Startup-Erfahrung“ hinzu.

Wie werden diese Daten dann in Attribute umgewandelt und was sind Attribute?

Sobald die Datenerfassung erfolgt, verfügen wir über eine Intelligence-Engine (stellen Sie sich das als hochentwickelte SQL-Middleware vor), die Daten jedem Attribut zuordnen kann, das wir erstellen möchten.

Attribute sind die Fähigkeiten, Erfahrungen und Eigenschaften von Einzelpersonen und Unternehmen – und sie sind sowohl materiell als auch immateriell. Zu den greifbaren Attributen gehören Rollen (aktuelle, vergangene und Rollenerfahrungen), Berufserfahrung, Ausbildung, Qualifikationen und andere technische Informationen. Immaterielle Eigenschaften können weitreichend sein, etwa ob jemand Loyalität weckt, vielfältige Teams aufbaut oder missionsorientiert ist.

Unsere attributbasierte Suche ermöglicht es HR-Teams, über alle Kanäle ihres Talent-Ökosystems nach Kandidaten zu suchen und dabei praktisch alle erdenklichen Kriterien zu nutzen.

Wie verhindert die Plattform, dass sich geschlechtsspezifische oder rassistische KI-Vorurteile in Einstellungsentscheidungen einschleichen?

Unsere Plattform wurde bewusst so konzipiert, dass sie Entscheidungen nicht im Namen eines Benutzers trifft, sondern dass die KI die Menschen bei ihrer Entscheidungsfindung unterstützt. Mithilfe einer BI-First-Strategie priorisiert die Plattform die Sammlung, Analyse und Präsentation von Daten, um Erkenntnisse und Unterstützung für die Entscheidungsfindung bereitzustellen, und nutzt dann KI, um zu lernen, zu begründen und Vorhersagen oder Empfehlungen mit vertrauenswürdigen Ergebnissen zu treffen.

Wir sind eine Such- und Matching-Plattform, keine Kandidatenbewertungsplattform, und KI wird niemals verwendet, um eine subjektive Bewertung einer Person vorzunehmen. Bewerber werden niemals automatisch befördert oder abgelehnt. Da Findem außerdem keine KI für die Suche und den Abgleich verwendet (diese Funktionen basieren auf BI), verringert es das Risiko, dass sich Voreingenommenheit oder Diskriminierung in den Prozess einschleicht.

Wie vereinfacht Findem den Prozess der Beförderung interner Mitarbeiter?

Im Kern müssen wir nicht zwischen „internen“ und „externen“ Talenten unterscheiden. Für jede Person in unserer Datenbank kann unser Algorithmus die besten Kandidaten finden, unabhängig davon, ob sie sich außerhalb oder innerhalb der Organisation befinden.

Welche Talentmanagement-Tools werden angeboten?

Wir konsolidieren Top-of-Funnel-Aktivitäten, also alles von der Talentsuche über CRM bis hin zu Analysen. Wir haben auch eine Lösung für die interne Mobilität und führen Angebote für das Empfehlungsmanagement und die Nachfolgeplanung ein.

In welchem ​​Stadium der unternehmerischen Reise sollte sich ein Startup befinden, bevor es sich an Findem wendet??

Wir betreuen Kunden aller Größenordnungen, aber unser Favorit sind meist Unternehmen, die sich im Skalierungsmodus befinden und über ein paar Hundert Mitarbeiter verfügen.

Vielen Dank für das tolle Interview, Leser, die mehr erfahren möchten, sollten vorbeischauen Findem.