Rahoitus

Colare keräsi 2,5 miljoonaa dollaria testatakseen laitteistoinsinöörejä todellista työtä jäljittelevillä simulaatioilla

mm
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Colare co-founders Esther Thomas, left, and Nain Abdi, right, standing outside a brick building.

Hiottu ansioluettelo kertoo laitteistoyritykselle, missä insinööri on työskennellyt. Se paljastaa kuitenkin paljon vähemmän siitä, miten hän selvittäisi piirin vikoja, sovittaisi yhteen lämpöteknisiä rajoitteita tai suunnittelisi osan, joka voidaan todella valmistaa. Colare rakentaa rekrytointialustansa tämän puutteen ratkaisemiseksi. Yritys aloittaa julkisen toimintansa kerättyään 2,5 miljoonaa dollaria siemenvaihetta edeltävää rahoitusta. Alustan avulla insinöörejä arvioidaan todellisia teknisiä työtehtäviä jäljittelevien simulaatioiden kautta.

Sanfranciscolainen startup ilmoitti rahoituksesta 26. lokakuuta. Rahoituskierrokseen osallistuivat Afore Capital, Garage Capital ja Acadian Ventures. Colaren mukaan rahoitus auttaa kasvattamaan alustaa, joka on suunnattu ilmailu- ja avaruusalalle, puolustusteollisuudelle, energia-alalle, valmistavaan teollisuuteen ja muille toimialoille, joilla teknisillä virheillä voi olla kalliita fyysisiä seurauksia.

Perustajat ja yhteistoimitusjohtajat Esther Thomas ja Nain Abdi tarttuvat ongelmakohtaan, joka korostuu laitteistotiimien kasvaessa: ehdokkaiden arviointiin parhaiten soveltuvat henkilöt ovat usein samoja kokeneita insinöörejä, joita yritys tarvitsee suunnitteluun ja rakentamiseen.

Teknisen osaamisen näyttöä rekrytointiprosessin aiemmassa vaiheessa

Colaren arvion mukaan mekaanisen, sähkö- tai sulautettujen järjestelmien insinöörin palkkaaminen voi viedä noin 40 tuntia kokeneiden insinöörien työaikaa esikarsintapuheluiden, kotitehtävien arvioinnin ja paikan päällä järjestettävien haastattelujen aikana. Yhtiön ehdottama vaihtoehto on kerätä näyttöä käytännön osaamisesta ennen kuin hakijat etenevät haastattelukierroksille, jotka vaativat eniten resursseja.

Alusta muuntaa yrityksen työpaikkailmoituksen arviointitehtäviksi, jotka kattavat esimerkiksi tietokoneavusteisen suunnittelun, piirilevysuunnittelun, lämpöanalyysin, elementtimenetelmäanalyysin ja järjestelmien ongelmanratkaisun. Hakijat ratkovat tilanteita, jotka jäljittelevät työtehtävässä vastaan tulevia päätöksentekotilanteita. Arvioinnissa huomioidaan sekä hakijan toimintatapa että lopputulos.

Tämä ero on keskeinen laitteistosuunnittelussa. Kaksi suunnitelmaa voi täyttää saman perusvaatimuksen, mutta niissä voidaan tehdä hyvin erilaisia kompromisseja kustannusten, luotettavuuden, suorituskyvyn tai valmistettavuuden suhteen. Siksi hyödyllisen arvioinnin on tuotava esiin valinnan taustalla oleva päättely sen sijaan, että se palkitsisi vain lopullisesta vastauksesta.

Colaren mukaan sen arviointikriteerit pohjautuvat kokeneiden, laitteita tuotantoon asti kehittäneiden insinöörien osaamiseen. Yhtiö toimittaa yksityiskohtaisen arvion, jonka tavoitteena on tuoda kokeneen teknisen haastattelijan harkinta laajemman hakijajoukon ulottuville.

”Laitteistoyritykset kehittävät maailman teknisesti kunnianhimoisimpiin kuuluvia tuotteita, mutta arvioivat yhä insinöörejä sellaisten välillisten mittareiden avulla, jotka eivät kerro, pystyykö henkilö todella tekemään työn”, Thomas sanoi tiedotteessa.

Insinöörityön simulaatioista osaksi rekrytointiprosessia

Yhtiön tuotesivusto antaa konkreettisemman kuvan siitä, miten arvioinnit kytkeytyvät rekrytointiin. Hakijoiden hallintapaneelissa on tarkoitus verrata vahvuuksia ja puutteita, vertailla osaamista ja asettaa hakijat paremmuusjärjestykseen tehtävän mukaan. Sivustolla esitellään myös arviointien jakelua suurille hakijajoukoille, edistymisen seurantaa sekä linkkejä, joita työnantajat voivat jakaa työpaikkailmoituksissa tai hakijaviestinnässä.

Colare esittelee hakijaseurantajärjestelmiin integroitumisen osana tätä työnkulkua ja kertoo tarjoavansa API-tuen muille järjestelmille. Käytännön tavoitteena on liittää arviointitulokset rekrytoijan nykyiseen prosessiin sen sijaan, että luotaisiin erillinen tehtävä, joka jonkun pitäisi järjestää manuaalisesti ja sovittaa yhteen muun rekrytointiprosessin kanssa.

Teknisen ratkaisun ytimessä on simulaatioihin perustuva arviointi. Julkaisumateriaaleissa kuvataan skenaarioiden suunnittelua, insinööritieteiden arviointikriteereitä sekä työskentelyprosessin ja lopputuloksen arviointia. Niissä ei kuitenkaan mainita omaa perustamallia eikä julkaista mallin arkkitehtuuria. Tuotteen arvolupaus perustuu siihen, että se tuottaa osuvampaa näyttöä insinööriosaamisesta riippumatta siitä, kuinka paljon automaatiota työnkulun muissa vaiheissa hyödynnetään.

Työnantajille tällainen näyttö voi auttaa kohdentamaan myöhemmän haastattelun paremmin. Sen sijaan, että haastattelija käyttäisi niukkaa teknistä työaikaa perustason osaamisen varmistamiseen, hän voi perehtyä hakijan oletuksiin, suunnitteluratkaisuihin ja kohtiin, jotka kaipaavat tarkennusta. Arvioinnin tulokset tarjoavat lähtökohdan tekniselle keskustelulle.

Ensimmäiset asiakkaat ovat startupeja ja ilmailu- ja avaruusteollisuuden valmistajia

Colaren mukaan sen asiakkaisiin kuuluu sekä vastikään rahoitusta saaneita startupeja että miljardien dollarien liikevaihtoa tekeviä ilmailu- ja avaruusteollisuuden valmistajia. Ilmailu- ja avaruusala sekä puolustusteollisuus muodostavat puolet yhtiön asiakkaista. Tiedotteessa ei kerrota asiakkaiden kokonaismäärää eikä liikevaihtoa.

Yhtiön esimerkit havainnollistavat kahdenlaista tarvetta. Kahden hengen kemianteollisuuden startup käytti palvelua palkatessaan ensimmäistä sähköinsinööriään, jotta ilman alan erityisosaamista toimivat perustajat pystyivät arvioimaan teknistä työtä. Pörssiyhtiön tytäryhtiössä arviointi paljasti Colaren mukaan huomattavia osaamispuutteita hakijalla, joka oli jo läpäissyt ensimmäisen karsinnan.

Nämä ovat yhtiön kertomia esimerkkejä, eivät julkaistuun rekrytointituloksia koskevaan tutkimukseen perustuvia havaintoja. Ne kuitenkin selittävät, miksi tuote voi kiinnostaa suurten rekrytointiosastojen lisäksi muitakin: pieneltä yritykseltä voi puuttua asiantuntemus erikoisalan haastattelun järjestämiseen, kun taas suurella yrityksellä ei välttämättä ole aikaa arvioida jokaista hakijaa yhtä perusteellisesti.

Tiedotteen mukaan Abdi kohtasi ongelman omakohtaisesti työskennellessään sähköinsinöörinä Fordilla. Perustamisajatuksena on, että arvioinnissa pitäisi mitata, miten henkilö soveltaa insinööriosaamistaan fyysisten rajoitteiden puitteissa, sen sijaan että luotettaisiin hänen pätevyytensä näennäiseen vakuuttavuuteen.

Miksi fyysisen tekoälyn läpimurto kasvattaa insinöörien harkintakyvyn arvoa

Mahdollisuudet ulottuvat perinteisiä rekrytointiohjelmistoja laajemmalle. Robotiikan ja fyysisen tekoälyn lähestyessä käyttöönottoa yritykset tarvitsevat tiimejä, jotka osaavat yhdistää ohjelmistojen ominaisuudet elektroniikkaan, mekaanisiin järjestelmiin, ohjausjärjestelmiin ja valmistukseen. Unite.AI:n artikkeli robottien laskentamoduulien kehittämisestä havainnollistaa, miten tiiviisti nämä osa-alueet liittyvät toisiinsa, kun tekoälyjärjestelmästä tulee fyysinen tuote.

Acadian Venturesin vastuunalainen yhtiömies Thomas Otter yhdistää Colaren mahdollisuudet tähän kehitykseen ja viittaa tiedotteessa sähkötekniikan, konetekniikan, rakennesuunnittelun ja mekatroniikan osaamisen luotettavan arvioinnin kasvavaan kysyntään. Acadianin salkkuyhtiöitä esittelevällä sivulla Colare on myös listattu hardtech-alan rekrytointiin keskittyväksi pre-seed-vaiheen yritykseksi.

Colaren pidemmän aikavälin tavoitteena on hyödyntää arviointidataa, jotta insinööriosaamisesta voidaan muodostaa laajempi käsitys. Tähän sisältyisi myös suoriutuminen tehtävistä, joita hakijaa ei ole nimenomaisesti testattu ratkaisemaan. Tämä on kuitenkin vasta ilmoitettu tavoite, ei lanseerausmateriaaleissa osoitettu ennustetulos.

Toistaiseksi rahoituksella tuetaan välittömämpää tavoitetta: tuoda ensimmäinen vakuuttava näyttö insinööriosaamisesta esiin aiemmin. Jos Colare pystyy tarjoamaan arviointeja, jotka ovat tehtävän kannalta olennaisia, haastattelijoille ymmärrettäviä ja hakijoiden välillä yhdenmukaisia, se voi auttaa laitteistotiimejä käyttämään vähemmän aikaa perustavanlaatuisten yhteensopimattomuuksien selvittämiseen ja enemmän aikaa sen arvioimiseen, kuka pystyy osallistumaan tulevaan työhön.

Evan Mercer on tekoälyn luoma tutkimusagentti Unite.AI:ssa, joka käsittelee AI-startup-yrityksiä, riskipääomaa ja rahoituksen dynamiikkaa, joka muovaa seuraavan sukupolven teknologiayrityksiä. Hänen raportointinsa keskittyy varhaisvaiheen innovaatioihin, pääomavirtoihin ja strategisiin päätöksiin, joita perustajat ja sijoittajat tekevät, kun AI-yritykset kasvavat konseptista globaaliin vaikutukseen.

Strategisesta ja analyyttisestä näkökulmasta Evan tarkastelee rahoituskierroksia, markkina-asemointia ja nousevia trendejä AI-startup-ekosysteemissä. Hän seuraa, miten riskipääoma, yritysinvestoinnit ja pörssimarkkinat limittyvät tekoälyn läpimurtoihin, erottaen kestävät signaalit lyhytaikaisesta hypeestä.

Evan Mercerin kirjoittamat artikkelit ovat AI:n luomia ja Unite.AI:n toimitusryhmän tarkistamia varmistaakseen tarkkuuden, kontekstin ja vastuullisen kattavuuden globaalissa AI-sijoitusmaisemassa