Pendanaan
Yardstik Mengumpulkan $30 Juta Seri B Seiring AI Membentuk Ulang Masa Depan Kepercayaan Tenaga Kerja

Yardstik telah mengumpulkan $30 juta dalam pendanaan Seri B saat perusahaan teknologi tenaga kerja berupaya memperluas layanan di luar pemeriksaan latar belakang tradisional dan mengatasi tantangan yang semakin meningkat bagi pemberi kerja: menentukan apakah pekerja tetap dapat dipercaya setelah mereka dipekerjakan.
Putaran pendanaan ini dipimpin oleh Harbert Growth Partners, dengan partisipasi dari investor yang sudah ada Rally Ventures, MissionOG, Crosslink Capital, Grotech Ventures, dan Great North Ventures. Pendanaan ini meningkatkan total modal yang dihimpun Yardstik menjadi $65 juta. Perusahaan berencana menggunakan modal baru untuk mengembangkan kemampuan pencegahan penipuan dan pemantauan tenaga kerja tambahan, termasuk pemantauan laporan kendaraan bermotor, pemantauan pengecualian dari Office of Inspector General, serta peringatan otomatis ketika lisensi profesional, asuransi, atau sertifikasi kedaluwarsa.
Investasi ini muncul bersamaan dengan perubahan cara AI generatif mengubah sifat penipuan dalam perekrutan. Identitas sintetis, kredensial palsu, wawancara deepfake, dan dokumen penipuan yang semakin meyakinkan dapat menyulitkan pemberi kerja memastikan apakah pelamar memang orang yang mereka klaim. Lebih penting lagi, pemeriksaan latar belakang yang dilakukan pada hari pertama kerja memberikan sedikit visibilitas terhadap risiko yang muncul berbulan‑bulan atau bertahun‑tahun kemudian.
Melebihi Pemeriksaan Latar Belakang Sekali Pakai
Pembatasan tersebut telah menjadi inti strategi Yardstik.
Didirikan pada tahun 2020, perusahaan yang berbasis di Minneapolis telah berkembang dari penyedia pemeriksaan latar belakang menjadi apa yang mereka sebut Human Trust Platform, yang menggabungkan pencegahan penipuan, verifikasi identitas, pemeriksaan latar belakang, verifikasi kredensial, dan pemantauan tenaga kerja secara berkelanjutan.
Alih‑alih memperlakukan verifikasi sebagai satu peristiwa tunggal saat orientasi, platform ini dirancang untuk mempertahankan gambaran risiko tenaga kerja yang terus berubah.
Perbedaannya penting. Pemeriksaan latar belakang konvensional dapat menentukan apakah catatan relevan ada pada saat pemeriksaan dilakukan. Namun tidak selalu dapat memberi tahu pemberi kerja bahwa lisensi mengemudi telah kedaluwarsa tiga bulan kemudian, bahwa catatan kriminal baru muncul, atau bahwa sinyal risiko lain muncul setelah pekerjaan dimulai.
Teknologi Continuous Monitoring Yardstik secara otomatis mendaftarkan pekerja yang telah disaring ke dalam pemantauan pasca‑pekerjaan alih‑alih mengandalkan pemeriksaan ulang yang dijadwalkan secara manual. Kapabilitas pemantauan saat ini mencakup area seperti basis data kriminal, registri pelaku seksual, daftar pantauan federal, dan catatan lainnya.
Pendanaan Seri B akan memungkinkan perusahaan memperluas model ini ke bentuk pemantauan kredensial dan terkait pekerjaan lainnya.
“Jika sebuah lisensi berakhir pada hari setelah seseorang dipekerjakan, pemberi kerja harus mengetahuinya pada hari itu, bukan pada tinjauan tahunan berikutnya,” kata CEO Andrew Johnson dalam pengumuman pendanaan, menggambarkan perbedaannya seperti antara foto dan siaran langsung.
Menggunakan AI untuk Mendeteksi Penipuan Sebelum Pemeriksaan Dimulai
Yardstik juga menerapkan AI dan analisis data lebih awal dalam proses perekrutan.
Teknologi Detect AI mereka dimaksudkan untuk mengidentifikasi sinyal yang terkait dengan manipulasi identitas dan aplikasi penipuan sebelum pemberi kerja mengandalkan pemeriksaan latar belakang konvensional.
Alih‑alih hanya melihat catatan kriminal, Detect AI menganalisis sinyal risiko terkait identitas yang melibatkan informasi pribadi yang dapat diidentifikasi, aktivitas pembayaran, lokasi, dan data IP. Infrastruktur data yang lebih luas milik Yardstik juga memeriksa sinyal seperti sidik jari perangkat, ketidaksesuaian biometrik, dan inkonsistensi antar titik data yang mungkin tampak sah secara individual namun menjadi mencurigakan bila dianalisis bersama.
Ini menangani masalah yang berbeda dari penyaringan tradisional. Sebuah pemeriksaan latar belakang mungkin secara akurat mengembalikan informasi yang terkait dengan sebuah identitas namun tetap gagal menentukan apakah pelamar benar‑benar memiliki identitas tersebut.
Yardstik memadukan sinyal penipuan ini dengan verifikasi identitas yang dapat membandingkan informasi biometrik dengan identifikasi yang dikeluarkan pemerintah. Tujuannya adalah membangun kaitan yang lebih kuat antara orang yang mengajukan permohonan, kredensial yang diberikan, dan individu yang pada akhirnya masuk ke tenaga kerja.
Pendekatan ini mencerminkan pergeseran yang lebih luas dalam deteksi penipuan karena AI menurunkan biaya pembuatan identitas dan dokumen palsu yang meyakinkan. Sistem penyaringan semakin perlu mengevaluasi pola dan inkonsistensi lintas banyak sinyal daripada sekadar menanyakan basis data untuk catatan.
Mengubah Penipuan Tenaga Kerja menjadi Dataset yang Terus Diperbarui
Komponen lain adalah Fraud Insights, dasbor langsung yang mengumpulkan sinyal terkait penipuan di seluruh tenaga kerja organisasi.
Sistem ini dapat menampilkan pola seperti nomor Jaminan Sosial yang muncul di beberapa aplikasi, geografi perangkat yang tidak biasa, dan lokasi penerbitan kartu pembayaran yang terkait dengan pelamar. Alih‑alih mengevaluasi setiap pelamar secara terpisah, hal ini dapat mengungkap pola yang berpotensi menunjukkan penipuan terkoordinasi atau sistematis.
Yardstik baru‑baru ini menjadikan Fraud Insights dan Continuous Monitoring sebagai kapabilitas standar bagi pelanggannya, bukan sebagai tambahan terpisah. Perusahaan menyatakan bahwa pekerja yang disaring melalui platform dapat secara otomatis terdaftar dalam pemantauan, mengurangi kebutuhan pemberi kerja untuk memulai pemeriksaan berulang secara manual.
Pemantauan karyawan secara berkelanjutan juga memperkenalkan pertimbangan penting terkait kepatuhan dan privasi. Yardstik beroperasi sebagai Consumer Reporting Agency dan menyatakan proses penyaringannya mematuhi Fair Credit Reporting Act, termasuk persyaratan transparansi bagi individu yang dipantau.
Seiring pemantauan tenaga kerja menjadi lebih otomatis, perlindungan tersebut dapat menjadi semakin signifikan, terutama ketika sinyal risiko yang dihasilkan AI memengaruhi keputusan kerja.
Membangun Infrastruktur Kepercayaan untuk Agen AI
Strategi teknologi Yardstik juga melampaui aplikasi internal mereka.
Perusahaan telah membangun infrastruktur API‑first yang memungkinkan pasar, platform perekrutan, dan penyedia teknologi SDM untuk menyematkan pemeriksaan, verifikasi identitas, pencegahan penipuan, dan pemantauan langsung ke dalam produk mereka. Pengumuman pendanaan mencantumkan integrasi dengan sistem termasuk Greenhouse, Lever, Workable, Fountain, Bullhorn, Avionte, dan Paylocity.
Baru‑baru ini, Yardstik menambahkan dukungan untuk Model Context Protocol (MCP), menciptakan koneksi menarik antara verifikasi tenaga kerja dan ekosistem AI agen yang sedang berkembang.
Melalui integrasi MCP untuk agen AI, pengembang dapat memberi sistem AI akses ke alur kerja Yardstik untuk tugas seperti memulai verifikasi identitas, memesan paket pemeriksaan latar belakang yang berbeda berdasarkan persyaratan pekerjaan, atau menetapkan proses pemeriksaan berulang. Yardstik mengeksekusi pemeriksaan dan alur kerja kepatuhan yang mendasarinya sambil mengembalikan hasil ke aplikasi atau agen.
Hal ini dapat menjadi semakin relevan seiring agen AI mengambil peran yang lebih besar dalam perekrutan dan administrasi tenaga kerja. Jika agen perangkat lunak membuat atau membantu keputusan perekrutan, infrastruktur yang memungkinkan agen‑agen tersebut memverifikasi identitas, kredensial, dan informasi risiko yang berubah dapat menjadi lapisan tambahan dalam tumpukan AI perusahaan.
Apa yang Dapat Diartikan Verifikasi Tenaga Kerja Berkelanjutan bagi Masa Depan Pekerjaan
Yardstik memasuki Seri B setelah periode ekspansi cepat. Perusahaan melaporkan pertumbuhan pendapatan tahunan sebesar 149%, tingkat retensi akun 98% selama tiga tahun terakhir, dan pelanggan di berbagai industri termasuk pasar gig, perawatan kesehatan, staffing, transportasi, logistik, serta penitipan anak.
Lebih konsekuensial daripada angka pertumbuhan adalah pergeseran luas yang diwakili teknologi ini. Pemeriksaan latar belakang tradisional biasanya berpusat pada satu titik keputusan: menentukan apakah seseorang harus dipekerjakan. Pemantauan berkelanjutan mengubah model itu dengan memperlakukan identitas, kredensial, dan risiko tenaga kerja sebagai informasi yang dapat berubah sepanjang masa kerja seseorang.
AI dapat mempercepat transisi ini ke dua arah. Alat generatif mempermudah pembuatan resume, kredensial, dokumen, gambar, suara, dan bahkan identitas lengkap secara massal. Pada saat bersamaan, pembelajaran mesin dapat membantu sistem penyaringan menganalisis kombinasi sinyal identitas, perangkat, kredensial, dan perilaku yang sulit dievaluasi secara manual.
Seiring waktu, hal ini dapat mengubah verifikasi tenaga kerja dari proses administratif periodik menjadi lapisan infrastruktur perusahaan yang selalu aktif. Platform perekrutan, pasar staffing, dan sistem SDM mungkin semakin mengintegrasikan pemeriksaan identitas dan kredensial otomatis langsung ke dalam alur kerja mereka, sementara agen AI dapat memulai atau menanggapi peristiwa verifikasi tanpa menunggu administrator manusia.
Evolusi ini juga menimbulkan pertanyaan yang semakin sulit diabaikan. Pemberi kerja harus menentukan seberapa banyak pemantauan berkelanjutan yang tepat, sinyal mana yang boleh memengaruhi keputusan kerja, bagaimana pekerja dapat menantang informasi yang tidak akurat, dan di mana batas antara manajemen risiko yang sah dan pengawasan berlebihan harus digambar.
Signifikansi pendanaan Yardstik oleh karena itu melampaui ekspansi satu platform pemeriksaan latar belakang. Ini mencerminkan pertanyaan yang lebih besar muncul seiring AI mengubah pasar tenaga kerja: jika identitas digital dan kredensial menjadi lebih mudah dimanipulasi, bagaimana organisasi dapat terus membangun kepercayaan tanpa mengorbankan privasi dan hak orang yang mereka pekerjakan?












