Alper Tekin, Chief Product Officer bei Findem – Interview-Serie

Zuvor waren Sie ein Serienunternehmer und haben als Gründer und CEO mehrere Startups geleitet. Welche waren einige der größten Herausforderungen bei der Einstellung, denen Sie gegenüberstanden?

Die Einstellung war einer der herausforderndsten Aspekte meiner unternehmerischen Reise. Als Unternehmer wissen wir, dass Menschen mehr zählen als alles andere, und das Aufbauen des richtigen Teams ist die wichtigste Aufgabe jedes Geschäftsführers. Es ist jedoch wirklich schwierig, die notwendige Zeit zu finden, um die richtigen Menschen zu finden, wenn man so viele andere Geschäftstätigkeiten ausführt, die mit der Gründung und dem Aufbau eines Unternehmens verbunden sind. Ohne objektive Daten darüber, wer verfügbar ist, ist es schwer, die richtige Gruppe von Menschen zu finden, und noch schwieriger zu wissen, ob sie in Ihrem Unternehmen gut abschneiden werden.

Können Sie die Vision für die Entwicklung einer autonomen Talentplattform für das HR-Team der Zukunft teilen?

Die Talentakquise ist ein komplexer Job mit Hunderten von Aufgaben, die von Dutzenden von Personen in Dutzenden von Werkzeugen durchgeführt werden, die sich meistens nicht miteinander verständigen. Unsere Vision ist es, diese Komplexität durch eine Kombination aus KI und Workflow-Automatisierung zu beseitigen.

Unser erstes und wichtigstes Ziel ist es, die Talent-Teams durch die Automatisierung von monotonen, wiederholbaren und fehleranfälligen Aufgaben in ihrem Tagesgeschäft zu unterstützen und den Menschen bei der Entscheidungsfindung mit Daten zu helfen. Wir sehen bereits Use-Cases, wie ein großes Tech-Unternehmen, das acht bis zehn Systeme nur für den Aufbau eines Talent-Pools verwendet hat, und jedes in einer isolierten Weise. Es dauerte 80-100 Klicks, um eine einzelne Aufgabe zu erledigen, und jetzt können sie mit autonomen Anwendungen die gleiche Aufgabe mit einem Klick ausführen.

Wie fast alle Geschäftsfunktionen werden Talent-Organisationen eine KI-erste Transformation durchlaufen, und unser Plan ist es, alles zu automatisieren, was automatisiert werden kann, um Recruitern und anderen Talent-Experten zu ermöglichen, ihr volles Potenzial zu entfalten. Autonome Anwendungen werden zunächst eine wichtige Rolle bei der Planung, der Pipeline und der Analyse spielen und dann über den gesamten Talent-Lebenszyklus hinweg ausgedehnt, einschließlich everything von der Arbeitsplanung bis hin zur Karriereentwicklung und der Nachfolgeplanung.

Findem analysiert Billionen von Datenpunkten und nutzt das, was als 3D-Daten bezeichnet wird. Können Sie erklären, was 3D-Daten sind?

Findem nimmt 1,6 Billionen Datenpunkte aus Hunderttausenden von Quellen auf, um völlig neue Talent-Daten zu generieren, die nirgendwo anders existieren, und bietet ein Verständnis von einer Person und den Unternehmen, mit denen sie in Verbindung stehen, über die Zeit. Findem verwendet diese drei Dimensionen von Daten – Personen- und Unternehmensdaten über die Zeit –, um individuelle und Unternehmensreisen zu verbinden und bereicherte Talent-Profile zu erstellen.

Stellen Sie sich das so vor: Jeder, der im modernen Arbeitsmarkt gearbeitet hat, hat eine Reise und hinterlässt eine digitale Spur. Es gibt Titel, Beförderungen, Zertifikate, Code-Beiträge, Veröffentlichungen, soziale Beiträge und so weiter. Ähnlich haben Unternehmen eine Reise. Sie haben Aktivitäten wie Finanzierungsrunden, IPOs und Finanzberichte sowie Stellenbeschreibungen, Organigramme, Unternehmensbewertungen und Führungskräfteprofile – all diese Daten können die Entwicklung und den Fortschritt eines Unternehmens nachzeichnen.

Traditionell basierten Talent-Entscheidungen auf einem Lebenslauf, einem Bewerbungsschreiben und/oder einem LinkedIn-Profil, das nur einen eindimensionalen Ausschnitt von einer Person und Unternehmensdaten bietet. Wir haben jedoch eine Plattform aufgebaut, die in der Lage ist, Tausende von Datenpunkten über Personen- und Unternehmensreisen zu erfassen und in ein massiv bereichertes Profil umzuwandeln. Das Ergebnis ist ein detaillierteres und granulierteres Verständnis von einer Person, ihrem Erfahrungssatz und ihrer Wirkung als bisher mit manueller Recherche oder aus einem benutzerdefinierten LinkedIn-Profil möglich.

Unser Talent Data Cloud ermöglicht es, ganze Karrieren auf Knopfdruck durch eine GenAI-Schnittstelle zu durchsuchen. Zum Beispiel können Sie die Plattform auffordern, Ihnen CFOs von US-Unternehmen zu zeigen, die von Private-Equity-Firmen besessen werden und ein Unternehmen von einem negativen zu einem positiven operativen Gewinn geführt haben, oder Ihnen eine Liste von loyalen Produktmanagern zu geben, die für ein B2B-Startup gearbeitet haben und es durch eine große Serie-C-Finanzierung geführt haben.

Welche Arten von Datenpunkten werden analysiert?

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

Es analysiert Profil- und Kontaktdaten von LinkedIn, GitHub, StackOverflow, Kaggle, Dribble, Doximity, ResearchGate, WordPress und persönlichen Websites. Volkszählungsdaten stammen aus dem US-Zensusbüro. Zusätzlich betrachten wir Unternehmensdaten von Finanzierungsmeldungen, IPO-Details, Geschäftsmodellen von über 8 Millionen Unternehmen und über 100.000 aggregierten 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-Repositorys und andere öffentliche Beiträge. Und wir beinhalten wichtige ATS-Daten, die Bewerberprofilinformationen aus dem ATS des Benutzers enthalten, das Greenhouse, Workday, SmartRecruiters, BambooHR, Lever oder ähnliches sein kann.

Wonach sucht die Maschinenlernen-Analyse bei der Analyse dieser Daten?

Findem ist BI-erst, dann verwendet es KI, um zu lernen und Vorhersagen auf der Grundlage von faktischen Daten zu treffen. Wir nennen dies ein deterministisches Modell im Gegensatz zu einem probabilistischen Modell. Zum Beispiel nehmen wir nicht an, dass Sie Erfahrungen in einem Startup haben, sondern schauen uns Ihre Beschäftigungshistorie an und prüfen, ob eines der Unternehmen, für das Sie gearbeitet haben, als Startup klassifiziert wurde, und fügen dann ein Attribut “Startup-Erfahrung” zu Ihrem Profil hinzu.

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

Sobald die Datenerfassung erfolgt ist, haben wir einen Intelligenz-Motor (denken Sie daran, als eine fortschrittliche SQL-Middleware), der Daten auf jedes Attribut abbilden kann, das wir erstellen möchten.

Attribute sind die Fähigkeiten, Erfahrungen und Eigenschaften von Personen und Unternehmen – und sie sind sowohl greifbar als auch nicht greifbar. Greifbare Attribute umfassen Rollen (aktuell, vergangen und Rolle), Berufserfahrung, Ausbildung, Qualifikationen und andere technische Informationen. Nicht greifbare Attribute können weitreichend sein, wie zum Beispiel, ob jemand Loyalität inspiriert, diverse Teams aufbaut oder missionarisch ist.

Unsere Attribut-basierte Suche ermöglicht es HR-Teams, Kandidaten in allen Kanälen ihres Talent-Ökosystems zu suchen, praktisch nach jedem Kriterium, das Sie sich vorstellen können.

Wie verhindert die Plattform, dass Geschlechter- oder Rassen-KI-Vorurteile in die Einstellungsentscheidungen einfließen?

Unsere Plattform wurde absichtlich so konzipiert, dass sie nicht im Namen eines Benutzers Entscheidungen trifft, sondern die Menschen bei ihrer Entscheidungsfindung unterstützt. Mit einer BI-ersten Strategie priorisiert die Plattform die Erfassung, Analyse und Präsentation von Daten, um Einblicke und Unterstützung für die Entscheidungsfindung zu bieten, und verwendet 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 nie verwendet, um eine subjektive Bewertung einer Person vorzunehmen. Sie wird nie automatisch Bewerber vorrücken oder ablehnen. Da Findem auch keine KI für die Suche und das Matching verwendet (diese Fähigkeiten sind BI-basiert), verringert es das Risiko, dass Vorurteile oder Diskriminierung in den Prozess einfließen.

Wie vereinfacht Findem den Prozess der Beförderung von internen Mitarbeitern?

Im Kern müssen wir nicht zwischen “intern” und “extern” Talent unterscheiden. Für jede Person in unserer Datenbank kann unser Algorithmus die besten Kandidaten finden, ob sie innerhalb oder außerhalb des Unternehmens sind.

Welche Talent-Management-Tools werden angeboten?

Wir konsolidieren Top-of-Funnel-Aktivitäten, also alles von Talent-Sourcing bis hin zu CRM und Analytics. Wir haben auch eine Lösung für interne Mobilität und rollen Angebote für Empfehlungsmanagement und Nachfolgeplanung aus.

Bei welchem Stadium der unternehmerischen Reise sollte ein Startup vor dem Kontakt mit Findem stehen?

Wir bedienen Kunden aller Größen, aber unser Sweet-Spot sind Unternehmen, die sich im Skalierungsmodus mit einigen Hundert Mitarbeitern befinden.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Findem besuchen: Findem.