Alper Tekin, Director de Producto en Findem – Serie de Entrevistas

Anteriormente, usted era un empresario serial, actuando como fundador y CEO de varias startups. ¿Cuáles fueron algunos de los mayores desafíos de contratación que enfrentó?

La contratación ha sido uno de los aspectos más desafiantes de mi viaje emprendedor. Como empresarios, sabemos que las personas importan más que nada y construir el equipo adecuado es el trabajo más importante de cualquier líder empresarial. Sin embargo, es realmente difícil asignar la cantidad suficiente de tiempo necesaria para encontrar a las personas adecuadas cuando se están llevando a cabo muchas otras actividades comerciales involucradas en el lanzamiento y escalado de una empresa. Sin datos objetivos sobre quién está disponible allí, es difícil encontrar el conjunto adecuado de personas, y aún más difícil saber si lo harán bien en su organización.

¿Podría compartir la visión de cómo Findem está construyendo una plataforma de talentos autónoma para el equipo de RRHH del futuro?

La adquisición de talentos es un trabajo complejo con cientos de tareas, realizadas por decenas de personas, en decenas de herramientas de punto que la mayoría de las veces no se comunican entre sí. Nuestra visión es eliminar esta complejidad a través de una combinación de inteligencia artificial y automatización de flujo de trabajo.

Nuestro primer y principal objetivo es apoyar a los equipos de talentos automatizando las tareas mundanas, repetitivas y propensas a errores de su día a día y asistir a las personas para que tomen decisiones más rápidas, mejores y más justas con datos. Ya estamos viendo casos de uso, como una gran empresa de tecnología donde estaban utilizando ocho o 10 sistemas solo para construir una canal de talentos, y cada uno se utilizaba de manera aislada. Les llevaba 80-100 clics realizar una sola tarea y ahora, con aplicaciones autónomas, pueden realizar la misma tarea con un solo clic.

Al igual que casi todas las funciones comerciales, las organizaciones de talentos sufrirán una transformación de inteligencia artificial y nuestro plan es automatizar todo lo que se pueda automatizar, lo que permitirá a los reclutadores y otros profesionales de talentos alcanzar su máximo potencial. Las aplicaciones autónomas inicialmente desempeñarán un papel fundamental en la planificación, la canal de talentos y el análisis, y luego se extenderán a lo largo de todo el ciclo de vida del talento, abarcando todo, desde la planificación de la fuerza laboral hasta los grupos de talentos, el desarrollo de carreras y la planificación de sucesión.

Findem analiza billones de puntos de datos y se aprovecha de lo que se llama datos 3D, ¿podría aclarar qué son los datos 3D?

Findem ingiere 1,6 billones de puntos de datos de cientos de miles de fuentes para generar datos de talentos completamente nuevos que no existen en ningún otro lugar y proporcionar una comprensión de un individuo y las empresas con las que se asocia, con el tiempo. Findem utiliza estas tres dimensiones de datos: personas y datos de empresa con el tiempo, para conectar los viajes individuales y de empresa y crear perfiles de talentos enriquecidos.

Piense en ello de esta manera: cada persona que ha trabajado en el mercado laboral moderno tiene un viaje y deja atrás una huella digital. Hay títulos, ascensos, certificados, contribuciones de código, publicaciones, publicaciones en redes sociales y así sucesivamente. De manera similar, las empresas tienen un viaje. Tienen actividades como rondas de financiación, ofertas públicas de venta y presentaciones financieras, así como descripciones de trabajo, organigramas, reseñas de la empresa y perfiles de liderazgo: todos estos datos pueden trazar el desarrollo y progreso de una organización.

Tradicionalmente, las decisiones de talentos han dependido de un currículum, una solicitud de trabajo y/o un perfil de LinkedIn que solo ofrecen una rebanada unidimensional de un individuo y los datos de la empresa. Sin embargo, hemos construido una plataforma que es capaz de capturar miles de puntos de datos sobre los viajes de las personas y las empresas y convertirlos en un perfil enormemente enriquecido. El resultado es una comprensión más detallada y granular de la experiencia, el conjunto de habilidades y el impacto de una persona de lo que era posible anteriormente con la investigación manual o con un perfil de LinkedIn generado por el usuario.

Con nuestra Nube de Datos de Talento, las carreras enteras son buscables a comando a través de una interfaz de GenAI. Por ejemplo, puede pedirle a la plataforma que le muestre a los directores financieros de las empresas estadounidenses propiedad de firmas de capital privado que llevaron a una empresa de una margen operativa negativa a una positiva, o que le dé una lista de gerentes de productos leales que trabajaron para una startup B2B y la llevaron a través de una gran Serie C.

¿Cuáles son los diferentes tipos de puntos de datos que se analizan?

Nuestra Nube de Datos de Talento utiliza dinámicamente y de forma continua un modelo de lenguaje para generar datos 3D a partir de cientos de miles de fuentes de datos.

Analiza datos de perfil y contacto de sitios como LinkedIn, GitHub, StackOverflow, Kaggle, Dribble, Doximity, ResearchGate, WordPress y sitios web personales. Los datos del censo provienen del Bureau del Censo de los EE. UU., por supuesto. Además, miramos los datos de la empresa a partir de anuncios de financiación, detalles de la OFERTA, modelos de negocio de más de 8 millones de empresas y más de 100.000 categorías de empresa y producto agregadas. Para habilidades verificadas, la plataforma analiza más de 300 millones de patentes y publicaciones, más de 5 millones de proyectos de datos abiertos y ML, y más de 200 millones de repositorios de código abierto y otras contribuciones públicas. Y, lo que es importante, incluimos datos de ATS que incluyen información de perfil del solicitante del ATS del usuario, que podría ser Greenhouse, Workday, SmartRecruiters, BambooHR, Lever, etc.

¿Qué busca el aprendizaje automático al analizar estos datos?

Findem es BI primero, luego utiliza la IA para aprender y hacer predicciones basadas en datos factuales. Llamamos a esto un modelo determinista en lugar de un modelo probabilístico. Por ejemplo, no inferimos probabilísticamente que tiene experiencia en startups, en su lugar, miramos su historial laboral y vemos si alguna de las empresas en las que trabajó ha sido clasificada como una startup y luego agregamos un atributo de “experiencia en startup” contra su perfil.

¿Cómo se transforman estos datos en atributos, y qué son los atributos?

Una vez que ocurre la recolección de datos, tenemos un motor de inteligencia (piense en ello como un middleware SQL sofisticado) que puede asignar datos a cualquier atributo que deseemos crear.

Los atributos son las habilidades, experiencias y características de los individuos y las empresas, y son tanto tangibles como intangibles. Los atributos tangibles incluyen roles (actuales, pasados y experiencias de roles), experiencia laboral, educación, calificaciones y otra información técnica. Los atributos intangibles pueden ser muy amplios, como si alguien inspira lealtad, construye equipos diversos o está impulsado por la misión.

Nuestra búsqueda basada en atributos permite a los equipos de RRHH buscar candidatos en todos los canales de su ecosistema de talentos utilizando prácticamente cualquier criterio que se pueda pensar.

¿Cómo evita la plataforma que se filtren sesgos de género o racial en la toma de decisiones de contratación?

Nuestra plataforma fue diseñada intencionalmente para no tomar decisiones en nombre de ningún usuario, sino para que la IA asista a las personas en su toma de decisiones. Utilizando una estrategia de BI primero, la plataforma prioriza la recopilación, análisis y presentación de datos para proporcionar información y apoyo para la toma de decisiones, y luego utiliza la IA para aprender, razonar y hacer predicciones o recomendaciones con resultados de confianza.

Somos una plataforma de búsqueda y coincidencia, no una plataforma de evaluación de candidatos, y la IA nunca se utiliza para evaluar subjetivamente a una persona. Nunca avanza o rechaza automáticamente a los solicitantes. Además, como Findem no utiliza la IA para la búsqueda y la coincidencia (estas capacidades son basadas en BI), mitigamos el riesgo de que se filtren sesgos o discriminación en el proceso.

¿Cómo simplifica Findem el proceso de promocionar personal interno?

En el núcleo de ello, no tenemos que diferenciar entre “talento interno” y “talento externo”. Para cualquier persona en nuestra base de datos, nuestro algoritmo puede encontrar a los candidatos que mejor coinciden, ya sea que estén dentro o fuera de la organización.

¿Cuáles son todas las herramientas de gestión de talentos que se ofrecen?

Estamos consolidando las actividades de la parte superior del embudo, así que todo, desde la búsqueda de talentos hasta la gestión de relaciones, el análisis, etc. También tenemos una solución para la movilidad interna y estamos lanzando ofertas para la gestión de referidos y la planificación de sucesión.

¿En qué etapa del viaje emprendedor debe estar una startup antes de ponerse en contacto con Findem?

Servimos a clientes de todos los tamaños, pero nuestro punto dulce tiende a ser empresas que están en modo de escalado con unos pocos cientos de empleados.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Findem.