Alper Tekin, Chief Product Officer di Findem – Serie di Interviste

Precedentemente eri un imprenditore seriale, agendo come fondatore e CEO di diverse startup. Quali sono stati alcuni dei più grandi sfidi di assunzione che hai incontrato?

L’assunzione è stata una delle sfide più difficili del mio percorso imprenditoriale. Come imprenditori, sappiamo che le persone contano più di tutto il resto e costruire il team giusto è il lavoro più importante di qualsiasi leader aziendale. Tuttavia, è davvero difficile allocare il tempo sufficiente per trovare le persone giuste quando si è impegnati in molte altre attività aziendali coinvolte nella creazione e nel scaling di un’azienda. Senza dati oggettivi su chi è disponibile là fuori, è difficile trovare il set giusto di persone, e ancora più difficile sapere se faranno bene nella tua organizzazione.

Potresti condividere la visione per come Findem sta costruendo una piattaforma di talento autonoma per il team di risorse umane del futuro?

L’acquisizione di talenti è un lavoro complesso con centinaia di compiti, eseguiti da decine di persone, attraverso decine di strumenti che non si parlano tra loro la maggior parte del tempo. La nostra visione è quella di rimuovere questa complessità attraverso una combinazione di intelligenza artificiale e automazione del flusso di lavoro.

Il nostro obiettivo principale è quello di supportare i team di talenti automatizzando le attività ripetitive e soggette a errori dalla loro giornata lavorativa e assistendo le persone a prendere decisioni più rapide, migliori e più eque con i dati. Stiamo già vedendo casi d’uso, come una grande azienda tecnologica dove utilizzavano otto o dieci sistemi solo per costruire una pipeline di talenti, e ognuno era utilizzato in modo isolato. Ci volevano 80-100 clic per eseguire un singolo compito e adesso, con le applicazioni autonome, possono eseguire lo stesso compito con un solo clic.

Come quasi tutte le funzioni aziendali, le organizzazioni di talenti subiranno una trasformazione basata sull’intelligenza artificiale e il nostro piano è quello di automatizzare tutto ciò che può essere automatizzato, abilitando i reclutatori e altri professionisti del talento a raggiungere il loro pieno potenziale. Le applicazioni autonome inizieranno a svolgere un ruolo cruciale nella pianificazione, nella pipeline e nell’analisi, e poi si estenderanno in tutta la vita del talento, comprendendo tutto, dalla pianificazione della forza lavoro alle piscine di talenti, allo sviluppo della carriera e alla pianificazione della successione.

Findem analizza trilioni di punti di dati e si avvale di ciò che viene chiamato dati 3D, potresti chiarire cosa sono i dati 3D?

Findem ingerisce 1,6 trilioni di punti di dati da centinaia di migliaia di fonti per generare completamente nuovi dati di talenti che non esistono da nessun’altra parte e fornisce una comprensione di un individuo e delle aziende con cui è associato, nel tempo. Findem utilizza queste tre dimensioni di dati – persone e dati aziendali nel tempo – per collegare i percorsi individuali e aziendali e creare profili di talenti arricchiti.

Pensalo in questo modo: ogni persona che ha lavorato nel mercato del lavoro moderno ha un percorso e lascia dietro di sé un’impronta digitale. Ci sono titoli, promozioni, certificati, contributi di codice, pubblicazioni, post social e così via. Allo stesso modo, le aziende hanno un percorso. Hanno attività come round di finanziamento, IPO e depositi finanziari, nonché descrizioni di lavoro, organigrammi, recensioni aziendali e profili di leadership – tutti questi dati possono tracciare lo sviluppo e il progresso di un’organizzazione.

Tradizionalmente, le decisioni di talenti si sono basate su un curriculum, una domanda di lavoro e/o un profilo LinkedIn che offrono solo una sezione unidimensionale di un individuo e dei dati aziendali. Tuttavia, abbiamo costruito una piattaforma in grado di catturare migliaia di punti di dati sui percorsi individuali e aziendali e convertirli in un profilo enormemente arricchito. Il risultato è una comprensione più dettagliata e granulare dell’esperienza, delle competenze e dell’impatto di una persona di quanto non fosse possibile in precedenza con la ricerca manuale o da un profilo utente generato da LinkedIn.

Con il nostro Talent Data Cloud, intere carriere sono ricercabili su richiesta attraverso un’interfaccia GenAI. Ad esempio, puoi chiedere alla piattaforma di mostrarti i CFO delle aziende statunitensi di proprietà di società di private equity che hanno portato un’azienda da un margine operativo negativo a uno positivo o di darti un elenco di responsabili del prodotto leali che hanno lavorato per una startup B2B e l’hanno vista attraversare una grande serie C.

Quali sono i diversi tipi di punti di dati che vengono analizzati?

Il nostro Talent Data Cloud sfrutta dinamicamente e continuamente un modello linguistico per generare dati 3D da centinaia di migliaia di fonti di dati.

Analizza i dati di profilo e di contatto da piattaforme come LinkedIn, GitHub, StackOverflow, Kaggle, Dribble, Doximity, ResearchGate, WordPress e siti web personali. I dati del censimento provengono dall’Ufficio del censimento degli Stati Uniti, naturalmente. Inoltre, esaminiamo i dati aziendali da annunci di finanziamento, dettagli IPO, modelli di business di oltre 8 milioni di aziende e oltre 100.000 categorie di aziende e prodotti aggregate. Per le competenze verificate, la piattaforma analizza oltre 300 milioni di brevetti e pubblicazioni, oltre 5 milioni di dataset e progetti ML aperti e oltre 200 milioni di repository di codice open-source e altre contribuzioni pubbliche. E includiamo importantemente i dati ATS che includono informazioni di profilo dei candidati dall’ATS dell’utente, che potrebbe essere Greenhouse, Workday, SmartRecruiters, BambooHR, Lever e così via.

Cosa cerca l’apprendimento automatico quando analizza questi dati?

Findem è prima di tutto un modello di business intelligence, poi utilizza l’intelligenza artificiale per apprendere e fare previsioni basate su dati fattuali. Chiamiamo questo un modello deterministico rispetto a uno probabilistico. Ad esempio, non inferiamo probabilisticamente che tu abbia esperienza di startup, invece guardiamo la tua storia lavorativa e vediamo se alcune delle aziende per cui lavori sono state classificate come startup e poi aggiungiamo un attributo ‘esperienza di startup’ al tuo profilo.

Come vengono trasformati questi dati in attributi e cosa sono gli attributi?

Una volta che la raccolta dei dati avviene, abbiamo un motore di intelligenza (pensalo come a un middleware SQL sofisticato) che può mappare i dati su qualsiasi attributo che desideriamo creare.

Gli attributi sono le competenze, le esperienze e le caratteristiche di individui e aziende – e sono sia tangibili che intangibili. Gli attributi tangibili includono ruoli (attuali, passati e esperienze di ruolo), esperienza lavorativa, istruzione, qualifiche e altre informazioni tecniche. Gli attributi intangibili possono essere molto ampi, come ad esempio se qualcuno ispira lealtà, costruisce team diversificati o è guidato dalla missione.

La nostra ricerca basata su attributi consente ai team di risorse umane di cercare candidati in tutti i canali del loro ecosistema di talenti utilizzando praticamente qualsiasi criterio si possa pensare.

Come la piattaforma impedisce che si insinui nel processo di assunzione un pregiudizio di intelligenza artificiale basato sul genere o sulla razza?

La nostra piattaforma è stata progettata intenzionalmente per non prendere decisioni per conto di qualsiasi utente, ma piuttosto per assistere le persone nella loro presa di decisioni. Utilizzando una strategia di business intelligence, la piattaforma dà priorità alla raccolta, all’analisi e alla presentazione dei dati per fornire insight e supporto per la presa di decisioni, e poi utilizza l’intelligenza artificiale per apprendere, ragionare e fare previsioni o raccomandazioni con risultati affidabili.

Siamo una piattaforma di ricerca e abbinamento, non una piattaforma di valutazione dei candidati, e l’intelligenza artificiale non viene utilizzata per valutare soggettivamente una persona. Non avanza o rifiuta automaticamente i candidati. Inoltre, poiché Findem non utilizza l’intelligenza artificiale per la ricerca e l’abbinamento (queste capacità sono basate sulla business intelligence), mitiga il rischio che si insinui nel processo un pregiudizio o una discriminazione.

Come Findem semplifica il processo di promozione del personale interno?

Al cuore di tutto, non dobbiamo distinguere tra ‘interno’ e ‘esterno’ talento. Per qualsiasi persona nel nostro database, il nostro algoritmo può trovare i candidati migliori in classe sia all’interno che all’esterno dell’organizzazione.

Quali sono tutti gli strumenti di gestione del talento offerti?

Stiamo consolidando le attività di alta priorità, quindi tutto, dalla ricerca di talenti alla gestione delle relazioni, all’analisi. Abbiamo anche una soluzione per la mobilità interna e stiamo lanciando offerte per la gestione dei riferimenti e la pianificazione della successione.

A quale stadio del percorso imprenditoriale una startup dovrebbe essere prima di rivolgersi a Findem?

Serviamo clienti di tutte le dimensioni, ma il nostro punto dolce tende a essere le aziende che sono in fase di scaling con alcune centinaia di dipendenti.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Findem.