Αλπέρ Τεκίν, Chief Product Officer στο Findem – Σειρά Συνεντεύξεων

Παλαιότερα ήσουν ένας σειριακός επιχειρηματίας, ενεργώντας ως ιδρυτής και CEO αρκετών startups. Ποια ήταν κάποια από τα μεγαλύτερα προβλήματα πρόσληψης που αντιμετώπισες;

Η πρόσληψη ήταν ένας από τους πιο δύσκολους τομείς του επιχειρηματικού μου ταξιδιού. Jako επιχειρηματίες, γνωρίζουμε ότι οι άνθρωποι έχουν περισσότερη σημασία από οτιδήποτε άλλο και η δημιουργία της σωστής ομάδας είναι η πιο σημαντική δουλειά κάθε επιχειρηματία. Ωστόσο, είναι πραγματικά δύσκολο να διαθέσεις τον απαραίτητο χρόνο για να βρεις τους σωστούς ανθρώπους όταν διαχειρίζεσαι इतनές άλλες επιχειρηματικές δραστηριότητες που εμπλέκονται στην έναρξη και την κλιμάκωση μιας εταιρείας. Χωρίς αντικειμενικά δεδομένα για το ποιος είναι διαθέσιμος εκεί έξω, είναι δύσκολο να βρεις το σωστό σύνολο ανθρώπων και ακόμη πιο δύσκολο να γνωρίζεις αν θα πάνε καλά στην οργάνωση σου.

Μπορείς να μοιραστείς την οπτική για το πώς το Findem κατασκευάζει μια αυτόνομη πλατφόρμα ταλέντων για την ομάδα HR του μέλλοντος;

Η απόκτηση ταλέντων είναι một複雑η δουλειά με εκατοντάδες εργασίες, που γίνονται από δεκάδες προσωπικότητες, σε δεκάδες εργαλεία που δεν μιλάνε μεταξύ τους την περισσότερη ώρα. Η οπτική μας είναι να αφαιρέσουμε αυτήν την πολυπλοκότητα μέσω μιας συνδυασμής AI και αυτοματοποίησης εργασιών.

Ο πρώτος και κύριος στόχος μας είναι να υποστηρίξουμε τις ομάδες ταλέντων αυτοματοποιώντας τις ру틴ικές, επαναλαμβανόμενες και ευάλωτες σε λάθη εργασίες από την καθημερινή τους δουλειά και να βοηθήσουμε τους ανθρώπους να λαμβάνουν γρηγορότερες, καλύτερες και πιο δίκαιες αποφάσεις με δεδομένα. Βλέπουμε ήδη περιπτώσεις, όπως μια μεγάλη τεχνολογική εταιρεία όπου χρησιμοποιούσαν οκτώ έως δέκα συστήματα μόνο για να κατασκευάσουν einen ταλέντων πipeline, και το καθένα χρησιμοποιούνταν σε einem απομονωμένο τρόπο. Took τους 80-100 κλικ για να ολοκληρώσουν μια seule εργασία και τώρα, με αυτόνομες εφαρμογές, μπορούν να εκτελέσουν την ίδια εργασία με ένα κλικ.

Όπως σχεδόν όλες οι επιχειρηματικές λειτουργίες, οι οργανώσεις ταλέντων θα υποβληθούν σε μια μεταμόρφωση AI-πρώτα και ο στόχος μας είναι να αυτοματοποιήσουμε όλα όσα μπορούν να αυτοματοποιηθούν, επιτρέποντας στους recruiters και άλλους επαγγελματίες ταλέντων να φθάσουν στο μέγιστο των δυνατοτήτων τους. Οι αυτόνομες εφαρμογές θα παίξουν αρχικά einen κρίσιμο ρόλο στην προγραμματισμό, pipeline και ανάλυση, και στη συνέχεια θα επεκταθούν σε όλο το κύκλο ζωής του ταλέντου, περιλαμβάνοντας όλα, από την προγραμματισμό εργατικού δυναμικού έως τις πιστώσεις ταλέντων, την ανάπτυξη καριέρας και τον προγραμματισμό διαδοχής.

Το Findem αναλύει τρισεκατομμύρια σημεία δεδομένων και επωφελείται από αυτό που ονομάζεται 3D δεδομένα, μπορείς να εξηγήσεις τι είναι τα 3D δεδομένα;

Το Findem καταναλώνει 1,6 τρισεκατομμύρια σημεία δεδομένων από εκατοντάδες χιλιάδες πηγές για να γεννήσει εντελώς νέα δεδομένα ταλέντων που δεν υπάρχουν πουθενά αλλού και παρέχει μια κατανόηση ενός ατόμου και των εταιρειών με τις οποίες συνδέεται, με το πέρασμα του χρόνου. Το Findem χρησιμοποιεί αυτές τις τρεις διαστάσεις δεδομένων – δεδομένα ανθρώπων και εταιρειών με το πέρασμα του χρόνου – για να συνδέσει ταξίδια ατόμων και εταιρειών και να δημιουργήσει εμπλουτισμένα προφίλ ταλέντων.

Σκέψου το με αυτόν τον τρόπο: κάθε άτομο που έχει εργαστεί στην σύγχρονη αγορά εργασίας έχει ένα ταξίδι και αφήνει πίσω του einen ψηφιακό αποτύπωμα. Υπάρχουν τίτλοι, προαγωγές, πιστοποιήσεις, συνεισφορές κώδικα, δημοσιεύσεις, κοινωνικές αναρτήσεις και così weiter. Παρόμοια, οι εταιρείες έχουν ένα ταξίδι. Έχουν δραστηριότητες όπως γύρους χρηματοδότησης, IPO και οικονομικές αναφορές, καθώς και περιγραφές εργασιών, οργανωτικούς πίνακες, προφίλ εταιρειών και προφίλ ηγεσίας – όλα αυτά τα δεδομένα μπορούν να χαρτογραφήσουν την ανάπτυξη και την πρόοδο μιας εταιρείας.

Παραδοσιακά, οι αποφάσεις ταλέντων βασίζονταν σε ένα βιογραφικό, αίτηση εργασίας και/ή προφίλ LinkedIn που προσφέρουν μόνο μια μονοδιάστατη εικόνα ενός ατόμου και δεδομένων εταιρείας. Ωστόσο, έχουμε κατασκευάσει μια πλατφόρμα που είναι ικανή να καταγράψει χιλιάδες σημεία δεδομένων για ταξίδια ατόμων και εταιρειών και να τα μετατρέψει σε ένα τεράστιο εμπλουτισμένο προφίλ. Το αποτέλεσμα είναι μια πιο λεπτομερής και granular κατανόηση της εμπειρίας, του σετ δεξιοτήτων και της επίδρασης ενός ατόμου από ότι ήταν previously δυνατό με χειροκίνητη έρευνα ή από ένα προφίλ LinkedIn που δημιουργήθηκε από τον χρήστη.

Με το Talent Data Cloud μας, όλη η καριέρα είναι αναζητήσιμη με εντολή μέσω eines GenAI διασύνδεσης. Για παράδειγμα, μπορείτε να ζητήσετε από την πλατφόρμα να σας δείξει CFOs σε εταιρείες των ΗΠΑ που屬於 ιδιωτικές εταιρείες που πήραν μια εταιρεία από einen αρνητικό σε einen θετικό λειτουργικό περιθώριο ή να σας δώσει μια λίστα πιστών product managers που εργάστηκαν για eine B2B startup και saw την通過 einer μεγάλης σειράς C.

Ποια είναι τα διαφορετικά είδη σημείων δεδομένων που αναλύονται;

Το Talent Data Cloud μας χρησιμοποιεί δυναμικά και συνεχώς einen γλωσσικό μοντέλο για να γεννήσει 3D δεδομένα από εκατοντάδες χιλιάδες πηγές δεδομένων.

Αναλύει δεδομένα προφίλ και επαφής από το likes του LinkedIn, GitHub, StackOverflow, Kaggle, Dribble, Doximity, ResearchGate, WordPress και προσωπικές ιστοσελίδες. Δεδομένα απογραφής προέρχονται από το Γραφείο Απογραφής των ΗΠΑ, φυσικά. Επιπλέον, κοιτάμε δεδομένα εταιρειών από ανακοινώσεις χρηματοδότησης, λεπτομέρειες IPO, επιχειρηματικά μοντέλα περισσότερων από 8 εκατομμύρια εταιρειών και περισσότερες από 100.000 συναγμένες κατηγορίες εταιρειών και προϊόντων. Για επικυρωμένες δεξιότητες, η πλατφόρμα αναλύει περισσότερα από 300 εκατομμύρια διπλώματα ευρεσιτεχνίας και δημοσιεύσεις, περισσότερα από 5 εκατομμύρια ανοιχτά δεδομένα και projects ML, και περισσότερα από 200 εκατομμύρια ανοιχτά αποθετήρια κώδικα και άλλες δημόσιες συνεισφορές. Και σημαντικά, περιλαμβάνουμε δεδομένα ATS που περιλαμβάνουν πληροφορίες προφίλ αιτούντος από το ATS του χρήστη, το οποίο μπορεί να είναι Greenhouse, Workday, SmartRecruiters, BambooHR, Lever και così weiter.

Τι ψάχνει το machine learning όταν αναλύει αυτά τα δεδομένα;

Το Findem είναι BI πρώτα, και στη συνέχεια χρησιμοποιεί AI για να μάθει και να κάνει προβλέψεις με βάση πραγματικά δεδομένα. Το ονομάζουμε ένα determinιστικό μοντέλο έναντι ενός probabilιστικού μοντέλου. Για παράδειγμα, δεν infer.probabilistically ότι έχεις εμπειρία startup, αντίθετα κοιτάμε το ιστορικό απασχόλησής σου και βλέπουμε αν οι εταιρείες στις οποίες εργάζεσαι έχουν ταξινομηθεί ως startups και στη συνέχεια προσθέτουμε einen atributo «εμπειρία startup» στο προφίλ σου.

Πώς μετατρέπονται αυτά τα δεδομένα σε atributos, και τι είναι atributos;

Όταν συμβεί η συλλογή δεδομένων, έχουμε einen μηχανισμό ευφυΐας (σκέψου το ως einen sophisticated SQL middleware) που μπορεί να χαρτογραφήσει δεδομένα σε οποιοδήποτε atributo που θέλουμε να δημιουργήσουμε.

Τα atributos είναι οι δεξιότητες, εμπειρίες και χαρακτηριστικά των ατόμων και των εταιρειών – και είναι τόσο ορατά όσο και αόρατα. Ορατά atributos περιλαμβάνουν ρόλους (τρεχούντους, προηγούμενους και εμπειρίες ρόλων), εργασιακή εμπειρία, εκπαίδευση, προσόντα και άλλες τεχνικές πληροφορίες. Αόρατα atributos μπορούν να είναι πολύ εκτενείς, όπως αν κάποιος εμπνέει πίστη, χτίζει διαφορετικές ομάδες ή είναι προσανατολισμένος στην αποστολή.

Η αναζήτηση atributos μας ermögίζει στις ομάδες HR να αναζητούν υποψήφιους σε όλους τους κανάλια του ταλέντου τους χρησιμοποιώντας практически οποιοδήποτε κριτήριο μπορείτε να σκεφτείτε.

Πώς η πλατφόρμα αποτρέπει την εμφάνιση φύλου ή φυλετικών προκαταλήψεων AI στην λήψη αποφάσεων πρόσληψης;

Η πλατφόρμα μας σχεδιάστηκε σκόπιμα για να μην λαμβάνει αποφάσεις για λογαριασμό κανενός χρήστη, αλλά για να βοηθήσει τους ανθρώπους στη λήψη αποφάσεων. Χρησιμοποιώντας μια BI-πρώτη στρατηγική, η πλατφόρμα προτεραιοποιεί τη συλλογή, ανάλυση και παρουσίαση δεδομένων για να παρέχει ενημέρωση και υποστήριξη για τη λήψη αποφάσεων, και στη συνέχεια χρησιμοποιεί AI για να μάθει, να συλλογιστεί και να κάνει προβλέψεις ή συστάσεις με αξιοπιστία.

Είμαστε μια πλατφόρμα αναζήτησης και αντιστοίχισης, όχι μια πλατφόρμα αξιολόγησης υποψηφίων, και το AI δεν χρησιμοποιείται ποτέ για να κάνει μια υποκειμενική αξιολόγηση ενός ατόμου. Δεν προωθεί αυτόματα ή απορρίπτει αυτόματα τους αιτούντες. Επίσης,既然 το Findem δεν χρησιμοποιεί AI για αναζήτηση και αντιστοίχιση (αυτές οι ικανότητες είναι BI-βασισμένες), μειώνει τον κίνδυνο προκαταλήψεων ή διακρίσεων να εισέλθουν στη διαδικασία.

Πώς το Findem απλοποιεί τη διαδικασία προώθησης εσωτερικού προσωπικού;

Στην καρδιά του, δεν χρειάζεται να διακρίνουμε μεταξύ «εσωτερικού» και «εξωτερικού» ταλέντου. Για κάθε άτομο στη βάση μας, ο αλγόριθμος μας μπορεί να βρει τους καλύτερους υποψήφιους είτε είναι μέσα είτε έξω από την οργάνωση.

Τι είναι όλα τα εργαλεία διαχείρισης ταλέντων που προσφέρονται;

Επικεντρωνόμαστε στις δραστηριότητες του top-of-funnel,所以 όλα από την πηγή ταλέντων έως το CRM έως την ανάλυση. Επίσης, έχουμε μια λύση για εσωτερική κινητικότητα και βγάζουμε προσφορές για διαχείριση συστάσεων και προγραμματισμό διαδοχής.

Σε ποιο στάδιο του επιχειρηματικού ταξιδιού πρέπει να βρίσκεται ένα startup πριν επικοινωνήσει με το Findem;

Υπηρετούμε πελάτες όλων των μεγεθών, αλλά το γλυκό μας σημείο τείνει να είναι εταιρείες που βρίσκονται σε κατάσταση κλιμάκωσης με quelques εκατοντάδες εργαζομένους.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν το Findem.