अल्पेर टेकिन, फाइंडेम के चीफ प्रोडक्ट ऑफिसर – इंटरव्यू सीरीज

पहले आप एक सीरियल एंट्रेप्रेन्योर थे, जो कई स्टार्टअप्स के संस्थापक और सीईओ थे। आपको कुछ सबसे बड़ी हायरिंग चुनौतियों का सामना करना पड़ा था?

हायरिंग मेरे एंट्रेप्रेन्योरियल जर्नी के सबसे चुनौतीपूर्ण पहलुओं में से एक रही है। एंट्रेप्रेन्योर्स के रूप में, हम जानते हैं कि लोगों का मामला किसी भी व्यवसायिक नेता के लिए सबसे महत्वपूर्ण काम है, और सही टीम बनाना है। हालांकि, जब आप कई अन्य व्यवसायिक गतिविधियों को संभाल रहे होते हैं, तो सही लोगों को खोजने के लिए पर्याप्त समय आवंटित करना मुश्किल होता है। बिना बाहर उपलब्ध लोगों के बारे में वस्तुनिष्ठ डेटा के, सही सेट को खोजना मुश्किल है, और यह जानना भी मुश्किल है कि वे आपके संगठन में अच्छा प्रदर्शन करेंगे या नहीं।

क्या आप फाइंडेम के लिए एक स्वायत्त टैलेंट प्लेटफॉर्म बनाने के लिए दृष्टि साझा कर सकते हैं जो भविष्य के एचआर टीम के लिए है?

टैलेंट एक्विजिशन एक जटिल काम है जिसमें सैकड़ों कार्य होते हैं, जो कई पॉइंट टूल्स द्वारा किए जाते हैं जो अधिकांश समय एक दूसरे से बात नहीं करते हैं। हमारी दृष्टि इस जटिलता को एआई और वर्कफ्लो ऑटोमेशन के संयोजन के माध्यम से दूर करना है।

हमारा पहला और सबसे महत्वपूर्ण लक्ष्य टैलेंट टीमों को उनके दैनिक कार्यों से मुंदे, दोहराए जाने वाले और त्रुटि-प्रवण कार्यों को स्वचालित करने में मदद करना है, और लोगों को डेटा के साथ तेजी, बेहतर और अधिक न्यायपूर्ण निर्णय लेने में सहायता करना है। हम पहले से ही उपयोग के मामलों को देख रहे हैं, जैसे कि एक बड़ी टेक कंपनी जहां उन्होंने केवल एक प्रतिभा पाइपलाइन बनाने के लिए आठ से 10 सिस्टम का उपयोग किया था, और प्रत्येक का उपयोग एक सिलो में किया गया था। यह उन्हें 80-100 क्लिक लेता था एक कार्य को पूरा करने के लिए, और अब, स्वायत्त अनुप्रयोगों के साथ, वे एक ही क्लिक के साथ उसी कार्य को कर सकते हैं।

जैसे कि लगभग सभी व्यवसायिक कार्यों में, प्रतिभा संगठन एआई-पहले परिवर्तन से गुजरेंगे, और हमारी योजना है कि जो कुछ भी स्वचालित किया जा सकता है उसे स्वचालित करना, जिससे भर्तीकर्ता और अन्य प्रतिभा पेशेवर अपनी पूरी क्षमता तक पहुंच सकें। स्वायत्त अनुप्रयोग पहले योजना, पाइपलाइन और विश्लेषण में एक महत्वपूर्ण भूमिका निभाएंगे, और फिर पूरे प्रतिभा जीवन चक्र में विस्तार करेंगे, जिसमें कार्यबल योजना से लेकर प्रतिभा पूल तक, और कैरियर विकास और उत्तराधिकार योजना तक शामिल है।

फाइंडेम 3D डेटा का विश्लेषण करता है और इसका लाभ उठाता है, 3D डेटा क्या है?

फाइंडेम सैकड़ों हजारों स्रोतों से 1.6 ट्रिलियन डेटा पॉइंट्स को अवशोषित करता है और पूरी तरह से नए प्रतिभा डेटा को उत्पन्न करता है जो कहीं और मौजूद नहीं है, और एक व्यक्ति और उनके साथ जुड़ी कंपनियों की समझ प्रदान करता है, समय के साथ। फाइंडेम लोगों और कंपनी के डेटा के तीन आयामों का उपयोग करके व्यक्तिगत और कंपनी की यात्राओं को जोड़ता है और समृद्ध प्रतिभा प्रोफाइल बनाता है।

इसे इस तरह सोचें: हर कोई जो आधुनिक नौकरी बाजार में काम करता है, उसकी एक यात्रा होती है और वह एक डिजिटल निशान छोड़ता है। इसमें शीर्षक, नौकरी की पदोन्नति, प्रमाण पत्र, कोड योगदान, प्रकाशन, सामाजिक पोस्ट और इस तरह की चीजें शामिल हैं। इसी तरह, कंपनियों की भी एक यात्रा होती है। उनके पास गतिविधियां होती हैं जैसे कि फंडिंग राउंड, आईपीओ और वित्तीय फाइलिंग, साथ ही नौकरी के विवरण, ऑर्ग चार्ट, कंपनी समीक्षा और नेतृत्व प्रोफाइल – सभी डेटा एक संगठन के विकास और प्रगति को चार्ट कर सकते हैं।

पारंपरिक रूप से, प्रतिभा निर्णय एक रिज्यूमे, नौकरी आवेदन और/या लिंक्डइन प्रोफाइल पर निर्भर करते हैं जो केवल एक व्यक्ति और कंपनी डेटा का एक आयामी हिस्सा प्रदान करते हैं। हालांकि, हमने एक ऐसा प्लेटफॉर्म बनाया है जो लोगों और कंपनी की यात्राओं पर हजारों डेटा पॉइंट्स को पकड़ने और उन्हें एक विशाल रूप से समृद्ध प्रोफाइल में परिवर्तित करने में सक्षम है। परिणाम एक व्यक्ति के अनुभव, कौशल और प्रभाव की एक अधिक विस्तृत और सूक्ष्म समझ है जो पहले संभव नहीं था।

हमारे टैलेंट डेटा क्लाउड के साथ, पूरे करियर जेनएआई इंटरफेस के माध्यम से कमांड पर खोजे जा सकते हैं। उदाहरण के लिए, आप प्लेटफॉर्म से पूछ सकते हैं कि यह आपको अमेरिकी कंपनियों में सीईफओ दिखाए जो प्राइवेट इक्विटी फIRM्स के स्वामित्व में हैं जिन्होंने एक कंपनी को नकारात्मक से सकारात्मक परिचालन मार्जिन में बदल दिया है, या आपको एक बड़े श्रृंखला सी के माध्यम से एक बी2बी स्टार्टअप के लिए वफादार उत्पाद प्रबंधकों की सूची दें।

विश्लेषण किए जाने वाले डेटा पॉइंट्स के विभिन्न प्रकार क्या हैं?

हमारा टैलेंट डेटा क्लाउड गतिशील रूप से और निरंतर रूप से एक भाषा मॉडल का उपयोग करके सैकड़ों हजारों डेटा स्रोतों से 3D डेटा को उत्पन्न करता है।

यह लिंक्डइन, गिटहब, स्टैकओवरफ्लो, कैग्ले, ड्रिबल, डॉक्सिमिटी, रिसर्चगेट, वर्डप्रेस और व्यक्तिगत वेबसाइटों जैसे प्रोफाइल और संपर्क डेटा का विश्लेषण करता है। जनगणना डेटा संयुक्त राज्य अमेरिका जनगणना ब्यूरो से आता है, natürlich। इसके अलावा, हम 8 मिलियन से अधिक कंपनियों के व्यवसाय मॉडल, 100,000 से अधिक समेकित कंपनी और उत्पाद श्रेणियों के साथ कंपनी डेटा को देखते हैं। सत्यापित कौशल के लिए, प्लेटफॉर्म 300 मिलियन से अधिक पेटेंट और प्रकाशनों, 5 मिलियन से अधिक ओपन डेटासेट और एमएल परियोजनाओं, और 200 मिलियन से अधिक ओपन-सोर्स कोड रिपॉजिटरी और अन्य सार्वजनिक योगदानों का विश्लेषण करता है। और हम महत्वपूर्ण रूप से उपयोगकर्ता के एटीएस से आवेदक प्रोफाइल जानकारी सहित एटीएस डेटा को शामिल करते हैं, जो ग्रीनहाउस, वर्कडे, स्मार्टरिक्रूटर्स, बैम्बूएचआर, लेवर और इस तरह की चीजें हो सकती हैं।

मशीन लर्निंग इस डेटा का विश्लेषण करते समय क्या देख रही है?

फाइंडेम बीआई पहले है, फिर डेटा पर आधारित सीखने और भविष्यवाणियां करने के लिए एआई का उपयोग करता है। हम इसे एक निर्धारित मॉडल के रूप में कहते हैं बनाम एक संभावित मॉडल। उदाहरण के लिए, हम संभावित रूप से यह नहीं मानते हैं कि आपके पास स्टार्टअप अनुभव है, हम इसके बजाय आपके रोजगार इतिहास को देखते हैं और यह जांचते हैं कि क्या आप जिन कंपनियों में काम करते हैं उन्हें स्टार्टअप के रूप में वर्गीकृत किया गया है, और फिर आपके प्रोफाइल के खिलाफ एक ‘स्टार्टअप अनुभव’ विशेषता जोड़ते हैं।

इस डेटा को तब विशेषताओं में कैसे परिवर्तित किया जाता है, और विशेषताएं क्या हैं?

एक बार डेटा संग्रह हो जाने के बाद, हमारे पास एक इंटेलिजेंस इंजन (इसे एक जटिल एसक्यूएल मिडलवेयर के रूप में सोचें) है जो हमें जिस भी विशेषता को बनाना चाहते हैं उसे डेटा से मैप करने में सक्षम बनाता है।

विशेषताएं व्यक्तियों और कंपनियों के कौशल, अनुभव और विशेषताएं हैं – और वे दोनों स्पर्शयोग्य और अमूर्त हैं। स्पर्शयोग्य विशेषताओं में भूमिकाएं (वर्तमान, पिछली और भूमिका अनुभव), कार्य अनुभव, शिक्षा, योग्यता और अन्य तकनीकी जानकारी शामिल हैं। अमूर्त विशेषताएं बहुत व्यापक हो सकती हैं, जैसे कि क्या कोई व्यक्ति वफादारी को प्रेरित करता है, विविध टीमें बनाता है या मिशन-चालित है।

हमारी विशेषता-आधारित खोज एचआर टीमों को उनके प्रतिभा पारिस्थितिकी तंत्र में सभी चैनलों में उम्मीदवारों को लगभग किसी भी मानदंड का उपयोग करके खोजने में सक्षम बनाती है।

मंच लिंग या नस्लीय एआई पूर्वाग्रह को निर्णय लेने में शामिल होने से कैसे रोकता है?

हमारा प्लेटफॉर्म जानबूझकर उपयोगकर्ता के लिए निर्णय लेने के लिए डिज़ाइन नहीं किया गया है, बल्कि लोगों को उनके निर्णय लेने में सहायता करने के लिए एआई का उपयोग करने के लिए है। बीआई-पहले रणनीति का उपयोग करके, प्लेटफॉर्म निर्णय लेने के लिए डेटा के संग्रह, विश्लेषण और प्रस्तुति को प्राथमिकता देता है, और फिर एआई का उपयोग सीखने, तर्क करने और भविष्यवाणियां करने के लिए करता है।

हम एक खोज और मिलान प्लेटफॉर्म हैं, न कि एक उम्मीदवार मूल्यांकन प्लेटफॉर्म, और एआई का उपयोग कभी भी एक व्यक्ति का विषयगत मूल्यांकन करने के लिए नहीं किया जाता है। यह स्वचालित रूप से आवेदकों को आगे बढ़ाता या अस्वीकार नहीं करता है। इसके अलावा, चूंकि फाइंडेम खोज और मिलान के लिए एआई का उपयोग नहीं करता है (इन क्षमताओं बीआई-आधारित हैं), यह प्रक्रिया में पूर्वाग्रह या भेदभाव के जोखिम को कम करता है।

फाइंडेम आंतरिक कर्मचारियों को बढ़ावा देने की प्रक्रिया को कैसे सरल बनाता है?

मूल रूप से, हमें ‘आंतरिक’ और ‘बाहरी’ प्रतिभा के बीच अंतर करने की आवश्यकता नहीं है। हमारे डेटाबेस में किसी भी व्यक्ति के लिए, हमारा एल्गोरिदम बाहरी या आंतरिक संगठन में शीर्ष-मिलान वाले उम्मीदवारों को खोज सकता है।

प्रतिभा प्रबंधन के लिए कौन से सभी उपकरण प्रदान किए जाते हैं?

हम शीर्ष-फ़नल गतिविधियों को समेकित कर रहे हैं, इसलिए टैलेंट सोर्सिंग से लेकर सीआरएम तक, और विश्लेषण तक। हमारे पास आंतरिक गतिशीलता के लिए एक समाधान भी है, और हम रेफरल प्रबंधन और उत्तराधिकार योजना के लिए प्रस्ताव दे रहे हैं।

उद्यमी यात्रा में किस चरण में एक स्टार्टअप को फाइंडेम से संपर्क करना चाहिए?

हम सभी आकार के ग्राहकों की सेवा करते हैं, लेकिन हमारा मीठा स्थान आमतौर पर उन कंपनियों के साथ होता है जो स्केलिंग मोड में हैं और जिनके पास कुछ सौ कर्मचारी हैं।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें फाइंडेम पर जाना चाहिए फाइंडेम।