Yardstik keräsi 30 miljoonaa dollaria Series B -rahoituskierroksena, kun tekoäly muokkaa työvoiman luottamuksen tulevaisuutta

Yardstik on kerännyt $30 miljoonaa Series B -rahoituskierroksena, kun työvoimateknologiayritys pyrkii laajentumaan perinteisten taustatarkastusten ulkopuolelle ja ratkaisemaan kasvavan haasteen työnantajille: miten varmistaa, että työntekijät pysyvät luotettavina palkkauksen jälkeen.

Kierroksen johti Harbert Growth Partners, ja siihen osallistuivat nykyiset sijoittajat Rally Ventures, MissionOG, Crosslink Capital, Grotech Ventures sekä Great North Ventures. Rahoitus nostaa Yardstikin kerätyn pääoman yhteismääräksi $65 million. Yritys aikoo käyttää uutta pääomaa kehittääkseen lisäpetostorjunta- ja työvoimanvalvontakyvykkyyksiä, mukaan lukien ajoneuvoraporttien seuranta, Office of Inspector General -poissulkemisen valvonta sekä automaattiset hälytykset, kun ammatilliset lisenssit, vakuutukset tai sertifikaatit vanhenevat.

Rahoitus tulee aikana, jolloin generatiivinen tekoäly muuttaa rekrytointipetosten luonnetta. Synteettiset identiteetit, keksityt pätevyydet, deepfake-haastattelut ja yhä vakuuttavammat väärennetyt asiakirjat voivat tehdä työnantajille yhä vaikeammaksi varmistaa, että hakijat ovat ne, jotka he väittävät olevansa. Vielä tärkeämpää on, että ensimmäisenä työpäivänä tehty taustatarkastus antaa vain vähän näkyvyyttä riskeihin, jotka kehittyvät kuukausien tai vuosien jälkeen.

Taustatarkastuksen yhdenkertaisuudesta ylittäminen

Tämä rajoitus on muodostunut Yardstikin strategian keskeiseksi osaksi.

Vuonna 2020 perustettu minneapolilainen yritys on kehittynyt perinteisestä taustatarkastuspalvelusta siihen, mitä se kutsuu Human Trust Platform -alustaksi, yhdistäen petostorjunnan, henkilöllisyyden varmistuksen, taustatarkastuksen, pätevyyksien tarkistuksen ja jatkuvan työvoiman valvonnan.

Sen sijaan, että vahvistus nähtäisiin yhtenä tapahtumana perehdytyksen aikana, alusta on suunniteltu ylläpitämään muuttuvaa kuvaa työvoiman riskeistä.

Ero on merkittävä. Perinteinen taustatarkastus voi osoittaa, olivatko relevantit tiedot olemassa tarkastuksen hetkenä. Se ei kuitenkaan välttämättä kerro työnantajalle, että ajokortti on vanhentunut kolme kuukautta myöhemmin, että uusi rikosrekisteri on ilmestynyt tai että jokin muu riskisignaali on noussut työsuhteen alkamisen jälkeen.

Yardstikin Continuous Monitoring -teknologia rekisteröi tarkastetut työntekijät automaattisesti jälkitarkkailuun sen sijaan, että luottaisi pelkästään manuaalisesti aikataulutettuihin tarkistuksiin. Sen nykyiset valvontakyvyt kattavat muun muassa rikosrekisterit, seksuaalirikollisten rekisterit, liittovaltion valvontalistat ja muut tiedot.

Series B -rahoitus mahdollistaa tämän mallin laajentamisen lisäpätevyyksien ja työllistymiseen liittyvän valvonnan muotoihin.

“Jos lisenssi päättyy päivän kuluttua siitä, kun joku on palkattu, työnantajan tulisi tietää siitä sinä päivänä, ei seuraavassa vuosittaisessa tarkastuksessa,” CEO Andrew Johnson sanoi rahoitustiedotteessa, kuvaten eroa valokuvan ja suoratoiston välillä.

Tekoälyn käyttö petosten havaitsemiseen ennen tarkastuksen aloitusta

Yardstik soveltaa tekoälyä ja data-analytiikkaa myös rekrytointiprosessin aikaisemmassa vaiheessa.

Sen Detect AI -teknologia on suunniteltu tunnistamaan identiteettien manipulointiin ja petollisiin hakuihin liittyviä signaaleja ennen kuin työnantaja turvautuu perinteiseen taustatarkastukseen.

Sen sijaan, että tarkasteltaisiin vain rikosrekistereitä, Detect AI analysoi henkilöllisyyteen liittyviä riskisignaaleja, jotka koskevat henkilökohtaisesti tunnistettavia tietoja, maksuliikennettä, sijaintia ja IP‑dataa. Yardstikin laajempi data‑infrastruktuuri tarkastelee myös signaaleja, kuten laite‑sormenjälkiä, biometrisiä ristiriitoja ja tietopisteiden epäjohdonmukaisuuksia, jotka voivat vaikuttaa laillisilta erikseen, mutta muuttuvat epäilyttäviksi, kun ne tarkastellaan yhdessä.

Tämä käsittelee erilaista ongelmaa kuin perinteinen tarkastus. Taustatarkastus saattaa tarkasti palauttaa identiteettiin liittyvät tiedot, mutta se ei välttämättä pysty varmistamaan, omistaako hakija todella kyseistä identiteettiä.

Yardstik yhdistää nämä petossignaalit henkilöllisyyden varmistukseen, joka voi verrata biometrisiä tietoja hallituksen myöntämiin tunnistusasiakirjoihin. Tavoitteena on luoda vahvempi yhteys hakemuksen tekijän, toimitettujen pätevyyksien ja lopulta työvoimaan siirtyvän henkilön välillä.

Lähestymistapa heijastaa laajempaa muutosta petostorjunnassa, kun tekoäly alentaa vakuuttavien väärennettyjen identiteettien ja asiakirjojen tuottamisen kustannuksia. Tarkastusjärjestelmien on yhä useammin arvioitava malleja ja epäjohdonmukaisuuksia useiden signaalien yli sen sijaan, että ne hakisivat pelkästään tietokantojen tietueita.

Työvoiman petosten muuttaminen jatkuvasti päivittyväksi tietoaineistoksi

Toinen komponentti on Fraud Insights, live‑koontinäyttö, joka kerää petoksiin liittyviä signaaleja organisaation työvoimasta.

Järjestelmä voi nostaa esiin malleja, kuten sosiaaliturvatunnuksia, jotka esiintyvät useissa hakemuksissa, epätavallisia laitteiden maantieteellisiä sijainteja sekä paikkoja, joissa hakijoihin liitetyt maksukortit on myönnetty. Sen sijaan, että arvioitaisiin jokaista hakijaa erikseen, tämä voi paljastaa malleja, jotka viittaavat koordinoituun tai järjestelmälliseen petokseen.

Yardstik on äskettäin tehnyt Fraud Insightsin ja Continuous Monitoringin vakio‑ominaisuuksiksi asiakkailleen erillisten lisäosien sijaan. Yritys kertoo, että alustan kautta tarkastetut työntekijät voidaan automaattisesti rekisteröidä valvontaan, mikä vähentää työnantajien tarvetta käynnistää toistuvia tarkistuksia manuaalisesti.

Jatkuva työntekijöiden valvonta tuo mukanaan tärkeitä vaatimustenmukaisuus‑ ja tietosuojakysymyksiä. Yardstik toimii kuluttajaraportointiyrityksenä ja väittää, että sen tarkastusprosessit noudattavat Fair Credit Reporting Act -lainsäädäntöä, mukaan lukien läpinäkyvyysvaatimukset valvonnan kohteena oleville henkilöille.

Kun työvoiman valvonta automatisoituu, nämä suojatoimet voivat korostua entisestään, erityisesti kun tekoälyn tuottamat riskisignaalit vaikuttavat työllistämispäätöksiin.

Luottamusinfrastruktuurin rakentaminen tekoälyagentteja varten

Yardstikin teknologi-strategia ulottuu myös sen oman sovelluksen ulkopuolelle.

Yritys on rakentanut API‑ensimmäisen infrastruktuurin, jonka avulla markkinapaikat, rekrytointialustat ja HR‑teknologian tarjoajat voivat upottaa tarkastuksen, henkilöllisyyden varmistuksen, petostorjunnan ja valvonnan suoraan omiin tuotteisiinsa. Rahoitustiedotteessa mainitaan integraatiot järjestelmien, kuten Greenhouse, Lever, Workable, Fountain, Bullhorn, Avionte ja Paylocity, kanssa.

Viime aikoina Yardstik on lisännyt tuen Model Context Protocol (MCP) -protokollalle, luoden mielenkiintoisen yhteyden työvoiman vahvistuksen ja nousevan agenttipohjaisen tekoälyekosysteemin välillä.

Sen MCP‑integraation kautta tekoälyagenteille kehittäjät voivat antaa AI‑järjestelmille pääsyn Yardstikin työnkulkuihin, kuten identiteettivarmennuksen käynnistämiseen, erilaisiin taustatarkastuspaketteihin perustuen työtehtävän vaatimuksiin tai toistuvien tarkastusprosessien luomiseen. Yardstik suorittaa taustatarkastukset ja vaatimustenmukaisuuden työnkulut ja palauttaa tulokset sovellukselle tai agentille.

Tämä voi tulla yhä merkityksellisemmäksi, kun tekoälyagentit ottavat suurempia rooleja rekrytoinnissa ja työvoiman hallinnassa. Jos ohjelmistoagentit tekevät tai avustavat rekrytointipäätöksiä, infrastruktuuri, joka mahdollistaa näiden agenttien identiteettien, pätevyyksien ja muuttuvien riskitietojen tarkistamisen, saattaa muodostua ylimääräiseksi kerrokseksi yrityksen tekoälypinossa.

Mitä jatkuva työvoiman vahvistus voi merkitä työn tulevaisuudelle

Yardstik astuu Series B -kierrokseen nopean laajentumisen jälkeen. Yritys raportoi 149 % vuotuista liikevaihdon kasvua, 98 % asiakassäilyvyysasteen kolmen viime vuoden aikana sekä asiakkaita eri toimialoilta, kuten gig‑markkinapaikat, terveydenhuolto, henkilöstövuokraus, kuljetus, logistiikka ja lastenhoito.

Kasvulukujen lisäksi merkittävämpi on laajempi muutos, jonka teknologia edustaa. Taustatarkastus on perinteisesti perustunut yhteen päätöspisteeseen: onko henkilön palkkaaminen perusteltua. Jatkuva valvonta muuttaa tätä mallia käsittelemällä identiteettiä, pätevyyksiä ja työvoiman riskejä tiedonaan, joka voi muuttua henkilön työsuhteen aikana.

Tekoäly voi kiihdyttää tätä siirtymää molempiin suuntiin. Generatiiviset työkalut helpottavat ansioluettelojen, pätevyyksien, asiakirjojen, kuvien, äänien ja mahdollisesti kokonaan uusien identiteettien massatuotantoa. Samanaikaisesti koneoppiminen voi auttaa tarkastusjärjestelmiä analysoimaan identiteetti‑, laite‑, pätevyys‑ ja käyttäytymisignaalien yhdistelmiä, joita olisi vaikea arvioida manuaalisesti.

Ajan myötä tämä voi muuttaa työvoiman vahvistuksen satunnaiseksi hallinnolliseksi prosessiksi jatkuvaksi yritysinfrastruktuurikerrokseksi. Rekrytointialustat, henkilöstömarkkinapaikat ja HR‑järjestelmät saattavat yhä enemmän sisällyttää automatisoidut identiteetti‑ ja pätevyystarkistukset suoraan työnkulkuihinsa, kun taas tekoälyagentit voivat käynnistää tai vastata vahvistustapahtumiin odottamatta ihmisen hallintoa.

Tämä kehitys herättää myös kysymyksiä, joita on vaikea sivuuttaa. Työnantajien on määritettävä, kuinka paljon jatkuvaa valvontaa on sopivaa, mitkä signaalit saavat vaikuttaa työllistämispäätöksiin, miten työntekijät voivat haastaa virheelliset tiedot ja missä määrin riskienhallinta saa muuttua liialliseksi seurannaksi.

Yardstikin rahoituksen merkitys ulottuu siis yhden taustatarkastuspalvelun laajentumisen yli. Se heijastaa laajempaa kysymystä, joka nousee esiin tekoälyn muokattaessa työmarkkinoita: jos digitaaliset identiteetit ja pätevyydet muuttuvat helpommin manipuloitaviksi, miten organisaatiot voivat jatkuvasti luoda luottamusta vaarantamatta työntekijöiden yksityisyyttä ja oikeuksia?