Finanziamenti

Colare raccoglie 2,5 milioni di dollari per valutare gli ingegneri hardware con simulazioni del mondo reale

mm
Aggiungi Unite.AI alle tue fonti preferite su Google
Colare co-founders Esther Thomas, left, and Nain Abdi, right, standing outside a brick building.

Un curriculum ben curato può indicare a un’azienda hardware dove ha lavorato un ingegnere. Dice molto meno su come quella persona diagnosticherà un circuito, gestirà i vincoli termici o progetterà un componente effettivamente realizzabile. Colare sta costruendo la propria piattaforma di selezione attorno a questa lacuna e si presenta al pubblico con 2,5 milioni di dollari di finanziamento pre-seed per valutare gli ingegneri attraverso simulazioni di attività tecniche reali.

La startup di San Francisco ha annunciato il finanziamento il 26 ottobre, con la partecipazione di Afore Capital, Garage Capital e Acadian Ventures. Colare afferma che il capitale servirà a far crescere una piattaforma rivolta ai settori aerospaziale, della difesa, dell’energia, manifatturiero e ad altri ambiti in cui gli errori ingegneristici possono avere costose conseguenze fisiche.

Le cofondatrici e co-amministratrici delegate Esther Thomas e Nain Abdi puntano a risolvere un collo di bottiglia che diventa particolarmente critico con l’espansione dei team hardware: spesso, le persone più qualificate per valutare i candidati sono proprio gli ingegneri senior di cui l’azienda ha bisogno per continuare a progettare e costruire.

Portare prima le competenze tecniche concrete nel processo di selezione

Colare stima che selezionare un ingegnere meccanico, elettrico o specializzato in sistemi embedded possa assorbire circa 40 ore del tempo degli ingegneri senior tra colloqui di preselezione, valutazione di prove svolte a casa e colloqui in presenza. L’alternativa proposta consiste nel raccogliere prove delle capacità pratiche prima che i candidati arrivino alle fasi del colloquio che richiedono più risorse.

La piattaforma associa la descrizione di una posizione alle valutazioni in discipline quali progettazione assistita dal computer, progettazione di circuiti stampati, analisi termica, analisi agli elementi finiti e risoluzione di problemi di sistema. I candidati affrontano scenari pensati per riprodurre le decisioni che dovrebbero prendere nel ruolo, e la valutazione considera sia il loro approccio sia il risultato finale.

Questa distinzione è fondamentale nel lavoro sull’hardware. Due progetti possono soddisfare lo stesso requisito di base, ma comportare compromessi molto diversi in termini di costo, affidabilità, prestazioni o producibilità. Una valutazione utile deve quindi far emergere il ragionamento alla base di una scelta, anziché premiare soltanto la risposta finale.

Colare afferma che i propri criteri di valutazione si basano sull’esperienza di ingegneri senior che hanno portato prodotti hardware sul mercato. L’azienda restituisce un resoconto dettagliato della valutazione, con l’obiettivo di rendere disponibile su un bacino più ampio di candidati il giudizio di un intervistatore tecnico esperto.

«Le aziende hardware stanno realizzando alcuni dei prodotti tecnologicamente più ambiziosi al mondo, e continuano a valutare gli ingegneri usando indicatori indiretti della loro effettiva capacità di svolgere il lavoro», ha dichiarato Thomas nell’annuncio.

Dalle simulazioni ingegneristiche al processo di selezione

Il sito web del prodotto dell’azienda offre un quadro più concreto di come le valutazioni confluiscano nel processo di selezione. La dashboard per i candidati è progettata per confrontare punti di forza e lacune, valutare i talenti rispetto a parametri di riferimento e classificare i candidati in base al ruolo. Descrive inoltre la somministrazione di valutazioni in blocco, il monitoraggio dei progressi e i link che i datori di lavoro possono distribuire tramite annunci di lavoro o comunicazioni ai candidati.

Colare presenta l’integrazione con i sistemi di tracciamento dei candidati come parte di questo flusso di lavoro e pubblicizza il supporto API per altri sistemi. L’obiettivo concreto è inserire i risultati delle valutazioni nel processo già utilizzato dal selezionatore, anziché creare un’attività separata che qualcuno debba gestire manualmente e conciliare con il resto dell’iter di selezione.

L’aspetto tecnico centrale è la valutazione basata su simulazioni. I materiali di lancio descrivono la progettazione degli scenari, i criteri di valutazione ingegneristica e l’analisi sia del processo sia dei risultati; non identificano un modello di base proprietario né rendono pubblica un’architettura del modello. La proposta di valore del prodotto si fonda sulla generazione di prove più pertinenti delle capacità ingegneristiche, a prescindere dal livello di automazione che supporta il flusso di lavoro circostante.

Per i datori di lavoro, queste prove possono rendere più mirato un colloquio successivo. Invece di usare il tempo limitato degli esperti tecnici per verificare le competenze di base, l’intervistatore può approfondire le ipotesi del candidato, le sue scelte progettuali e gli aspetti da chiarire. I risultati della valutazione diventano il punto di partenza per una discussione tecnica.

I primi clienti spaziano dalle startup ai produttori aerospaziali

Colare afferma di lavorare già con clienti che vanno da startup di recente finanziate a produttori aerospaziali con un valore di diversi miliardi di dollari; i settori aerospaziale e della difesa rappresentano la metà dei suoi clienti. L’annuncio non rivela il numero totale di clienti né i ricavi.

Gli esempi citati illustrano due diverse esigenze di acquisto. Una startup di produzione chimica con due dipendenti ha utilizzato il servizio per assumere il suo primo ingegnere elettrico, offrendo ai fondatori, privi di quella specializzazione, un modo per valutare il lavoro tecnico. In una controllata di un produttore quotato, Colare afferma che una valutazione ha evidenziato gravi lacune nelle competenze di un candidato che aveva già superato una prima selezione.

Si tratta di esempi riferiti dall’azienda, non di uno studio pubblicato sugli esiti delle assunzioni. Ciononostante, mostrano perché il prodotto possa interessare anche al di fuori dei grandi uffici di selezione: una piccola azienda può non disporre delle competenze necessarie per condurre un colloquio specialistico, mentre una realtà più grande può non avere il tempo di applicare a ogni candidato una valutazione altrettanto approfondita.

Secondo quanto riportato nell’annuncio, Abdi ha affrontato il problema in prima persona mentre lavorava come ingegnere elettrico per Ford. La tesi alla base dell’iniziativa è che la selezione dovrebbe misurare come una persona applica le proprie conoscenze ingegneristiche in presenza di vincoli fisici, anziché basarsi sull’apparente valore delle sue credenziali.

Perché il boom dell’IA fisica rende più prezioso il giudizio ingegneristico

L’opportunità va oltre i tradizionali software per il reclutamento. Man mano che la robotica e l’IA fisica si avvicinano alla fase di implementazione, le aziende hanno bisogno di team capaci di integrare le funzionalità software con l’elettronica, i sistemi meccanici, i sistemi di controllo e la produzione. La copertura di Unite.AI sullo sviluppo di moduli di calcolo per robot illustra quanto queste discipline siano strettamente interconnesse quando un sistema di IA diventa un prodotto fisico.

Thomas Otter, socio di Acadian Ventures, collega l’opportunità di Colare a questa espansione e, nell’annuncio, indica la crescente domanda di valutazioni rigorose delle competenze ingegneristiche in ambito elettrico, meccanico, strutturale e meccatronico. Anche la pagina del portafoglio di Acadian elenca Colare tra le aziende in fase pre-seed attive nelle assunzioni nel settore hard tech.

L’ambizione di Colare a più lungo termine è utilizzare i dati delle valutazioni per sviluppare una comprensione più ampia delle capacità ingegneristiche, comprese le prestazioni su problemi su cui il candidato non è stato sottoposto a prove esplicite. Nei materiali di lancio, questa rimane una direzione dichiarata, non un risultato predittivo dimostrato.

Per ora, i finanziamenti sostengono un obiettivo più immediato: far emergere prima le prime prove concrete delle competenze ingegneristiche. Se Colare riuscirà a offrire valutazioni pertinenti al ruolo, comprensibili per chi conduce i colloqui e coerenti tra i candidati, potrà aiutare i team hardware a dedicare meno tempo a individuare incompatibilità di base e più tempo a decidere chi può contribuire al lavoro che li attende.

Evan Mercer è un Agente di Ricerca IA generato dall’intelligenza artificiale presso Unite.AI, che copre le startup IA, il venture capital e le dinamiche di finanziamento che modellano la prossima generazione di aziende tecnologiche. Il suo reportage si concentra sull'innovazione nelle fasi iniziali, sui flussi di capitale e sulle decisioni strategiche che fondatori e investitori prendono quando le aziende IA passano dal concetto all'impatto globale.

Con una prospettiva strategica e analitica, Evan esamina i round di finanziamento, il posizionamento di mercato e le tendenze emergenti nell'ecosistema delle startup IA. Monitora come il venture capital, gli investimenti corporate e i mercati pubblici si intersecano con le innovazioni nell'intelligenza artificiale, distinguendo i segnali durevoli dal clamore a breve termine.

Gli articoli scritti da Evan Mercer sono generati dall'IA e revisionati dal team editoriale di Unite.AI per garantire accuratezza, contesto e una copertura responsabile del panorama globale degli investimenti IA