프레이저 패터슨, Skillit의 창립자 및 CEO – 인터뷰 시리즈

프레이저 패터슨, Skillit의 창립자 및 CEO는 3십년 이상의 건설 및 기술 분야 경력을 가진 시리즈 엔트레프레너입니다. 스코틀랜드에서 견습 목수로서 시작하여 목수, 철공, 건축업자, 그리고 결국 여러 건설 회사들의 창립자로 발전한 패터슨은 숙련된 노동자들이 직면한 노동력 도전을 직접 경험했습니다. Onis Vida 및 Bolster의 창립을 포함한 여러 벤처를 이끌고 난 후, 그는 2021년에 기술을 통해 건설 산업의 노동력 부족을 해결하기 위해 Skillit을 설립했습니다. 그의 고유한 손님 경험과 스타트업 리더십의 조합은 건설 산업의 고용과 노동력 개발을 데이터 및 AI 기반 솔루션을 통해 현대화하는 것을 주장하는 주요 인물로 그를 위치시켰습니다.

Skillit은 건설 산업의 가장 큰 도전 중 하나인 숙련된 노동자와 고용주를 연결하는 것을 목표로 하는 AI 기반 고용 플랫폼입니다. 이 회사는 미국 전역의 수십 개의 직종과 수백 개의 대도시를 아우르는 가장 큰 작업 준비 노동자 네트워크 중 하나를 구축했습니다. 전통적인 구인구직 사이트에 의존하지 않고, Skillit은 노동자의 프로필, 디지털 기술 평가, 및 AI 기반 매칭 기술을 사용하여 건설업자들이 노동자를 더 효율적으로 찾고, 평가하고, 고용할 수 있도록 도와줍니다. 회사의 장기적인 비전은 고용에만 국한되지 않고, 건설 및 궁극적으로 다른 물리적 산업을 위한 AI 노동 인프라가 되기 위해 노동자 식별, 새로운 노동자 훈련, 및 건설에 필요한 숙련된 노동력을 확대하는 것을 목표로 합니다.

당신은 스코틀랜드에서 견습 목수로 시작하여 목수, 고층 철공, 및 건축업자로 일했습니다. 그런 경험들이 Skillit을 설립하기로 결정하는 데 어떻게 영향을 주었으며, 건설 산업이 새로운 고용 접근 방식을 필요로 하는 문제를 반복적으로 직면했는지 설명해 주세요.

저는 두 가지 측면에서 문제를 경험했습니다. 견습 목수이자 후에 목수로 일할 때, 저는 많은 시간을 일자리를 찾고, 장거리로 운전하며, 구인구직 사이트를 통해 기회를 찾으려고 노력했습니다. 그런 다음 건축업자로 일할 때, 저는 반대의 문제를 겪었습니다. 저는 숙련된 노동자가 존재한다는 것을 알았지만, 올바른 사람을 올바른 시간에 찾는 것이 매우 어려웠습니다. 저는 주로 노동력에 대한 데이터가 얼마나 적게 존재하는지에 놀랐습니다. 우리는 재료, 장비, 일정, 예산에 대한 자세한 정보를 가지고 있었지만, 실제로 프로젝트를 수행하는 사람들에 대한 정보는 거의 없었습니다. 저의 생각은 노동자의 기술, 경험, 자격증, 및 선호도를 디지털로 표현할 수 없다면, 그들을 발견할 수 있도록 만들 수 없다는 것이었습니다. 이러한 깨달음이 Skillit을 설립하게 된 계기가 되었습니다.

우리는 먼저 숙련된 노동자를 디지털로 표현하는 더好的 방법을 구축하기 시작했습니다. 노동자들이 자신의 기술, 경험, 및 일자리 선호도를 나타내는 프로필을 만들도록 도왔습니다. 시간이 지나면서, 이것은 건설업자들이 노동자를 찾고, 평가하고, 연결하는 것을 도와주는 플랫폼으로 발전했습니다.

오늘날, 미국에서 가장 큰 검증된 노동자 네트워크를 기반으로, Skillit의 AI는 주요 건설업체들에게 숙련된 노동자를 이전에 불가능했던 속도, 정밀도, 및 규모로 고용할 수 있도록 도와줍니다.

우리의 미션은 궁극적으로 세계의 기술을 확대하는 것입니다. AI를 사용하여 숙련된 노동자를 더 가시적이고, 생산적이고, 가치 있게 만들고, 세계가 집, 병원, AI 인프라, 에너지 시스템, 및 미래 산업을 구축하는 데 필요한 기술을 갖춘 노동력을 확보하는 것입니다.

우리는 우리의 미션을 세 가지 단계로 생각합니다.

첫 번째 단계는 이미 존재하는 수백만 명의 숙련된 노동자에게 접근하는 것입니다. 두 번째 단계는 노동력 부족 자체를 해결하는 것입니다. 일단 노동력 수요와 공급을 실시간으로 이해하면, 노동자를 일자리에 연결하는 것 이상의 것을 할 수 있습니다. AI를 사용하여 노동자 개발을 가속화하고, 더 많은 사람이 기술을 습득하도록 도울 수 있습니다.

세 번째 단계는 확장입니다. 우리는 건설이 세계에서 가장 어려운 노동력 조정 문제를 해결하는 것이 다른 모든 물리적 산업을 위한 기초적인 힘을 제공할 것이라고 믿습니다. 따라서 우리의 세 번째 단계에서는 우리의 시스템을 건설을 넘어 제조, 공급, 및 우주 산업으로 확장할 것입니다.

궁극적으로, 우리는 시장이나 고용 플랫폼을 구축하는 것 이상의 것을 하고 있습니다. 우리는 건설에 필요한 노동력 인프라를 구축하고 있습니다. 그것은 노동력에 대한 시스템, 고용을 위한 시스템, 및 노동력 계획을 위한 시스템입니다.

많은 사람들이 건설의 노동력 부족을 기술 부족이라고 설명합니다. 그러나 당신은 그것이 접근 및 조정 문제라고 주장했습니다. 구별은 무엇이며, 왜 그것은 산업을 위한 솔루션을 설계할 때 중요할까요?

대부분의 사람들은 건설의 문제가 노동력 부족이라고 가정합니다. 그러나 그것은 더 복잡합니다.

건설은 실제로 가장 작은 노동력 격차를 가진 산업 중 하나입니다. 약 830만 명의 사람들이 건설에 고용되어 있으며, 그 중 80%가 기술 노동자입니다. 대부분의 데이터 소스는 약 40만 명의 노동자가 부족하다고 보고 있습니다. 즉, 건설의 노동력 격차는 수요의 5%에 불과합니다. 이것은 호텔业에서 25%, 제조업에서 17%, 물류에서 15%, 간호에서 10%, 소프트웨어에서 7%, 및 소매에서 6%와 비교할 수 있습니다.

흥미로운 점은 산업이 또한 가장 높은 고용 고통을 보고한다는 것입니다. 94%의 건설 고용주는 고용이 그들의 첫 번째 문제라고 말합니다. 이것은 간호에서 81%, 물류에서 76%, 소매에서 74%, 제조업에서 60%, 소프트웨어에서 50%, 및 호텔업에서 48%보다 높습니다.

따라서 건설은 가장 작은 노동력 격차와最高의 고통을 가지고 있습니다. 이것은 단순히 노동자 부족이 아니라는 것을 의미합니다. 우리는 산업이 노동자에게 접근할 수 있는 데이터를 구축하지 못했기 때문에, 고용주들이 올바른 사람을 올바른 시간에 찾는 것이 매우 어려웠습니다. 이것이 접근 및 조정 문제라는 것입니다.

이 구별은 솔루션을 변경합니다. 노동력 부족이 문제라면, 산업은 더 많은 노동자가 산업에 입사하기를 기다리는 것입니다. 그러나 접근이 문제라면, 더好的 데이터, 더好的 매칭, 더好的 조정, 및 더好的 인프라가巨大的 가치를解锁할 수 있습니다.

AI는 백오피스 채용을 변革하고 있습니다. 그러나 건설에는 자격증, 기술, 현장 경험, 및 노동자 가용성과 관련된 고유한 요구 사항이 있습니다. 숙련된 기술에서 AI 기반 고용은 어떤 모습이며, 어디에서 가장 큰 가치를 제공할까요?

우리가 Skillit을 설계한 통찰력은 AI가 숙련된 노동자를 이해하기 전에, 먼저 그들을 이해할 수 있는 방법을 필요로 한다는 것입니다. 따라서 우리는 플랫폼을 계층으로 구축했습니다. 첫 번째로, 우리는 노동력 데이터를 캡처하는 것에 집중했습니다. 기술 노동자들은 데스크에서 일하지 않으며, 노동자 프로필, 디지털 기술 평가, 및 AI 기반 매칭 기술을 사용하여 건설업자들이 노동자를 더 효율적으로 찾고, 평가하고, 고용할 수 있도록 도와줍니다.

두 번째로, 우리는 노동자와 고용주를 연결하는 에이전트 시스템을 구축했습니다.

세 번째로, 모든 노동력 및 트랜잭션 데이터는 실시간으로 노동력 시장에 대한 지능을 생성하는 계층을 만듭니다.

저는 가장 큰 가치가 가시성, 속도, 및 정밀성에서 나온다고 생각합니다. 우리의 AI는终于 건설 고용주와 채용 담당자들이 필요한 노동력을 정확하게 볼 수 있도록 해주고, 검색에 더 많은 시간을 쓰지 않고, 올바른 사람과 관계를 구축하는 데 더 많은 시간을 쓸 수 있도록 합니다.

Skillit은 단순한 채용 플랫폼이 아닌 노동력 인프라를 구축하고 있습니다. 노동력 인프라를 정의하시고, 왜 그것이 건설에 프로젝트 관리 또는 스케줄링 소프트웨어와 같은 중요성을 가지게 될지 설명해 주세요.

대부분의 노동 회사들은 시장에서 구매자와 판매자를 연결하는 것에서 멈춥니다. 다음 단계는 플랫폼이 되는 것입니다. 여기서 우리의 AI는 다양한 고용 워크플로우를 관리하고, 반복적인 프로세스를 자동화하며, 고용을 더 효율적이고 확장 가능하게 만듭니다.

인프라는 조금 다릅니다. 그것은 산업이 의존하는 시스템입니다. 노동력 데이터가 저장되는 곳, 고용이 발생하는 곳, 및 노동력 시장 지능이 생성되는 곳입니다. 우리는 동시에 세 가지 시스템을 구축하고 있습니다. 노동력 데이터를 위한 레코드 시스템, AI 에이전트가 구동하는 액션 시스템, 및 노동력 시장에 대한 지능을 생성하는 시스템입니다. 이러한 시스템이 함께 작동하면, 노동력 관리는 더 전략적이고, 예측 가능하며, 확장 가능해집니다.

저는 노동력 인프라가 건설에 프로젝트 관리 소프트웨어와 같은 중요성을 가지게 될 것이라고 믿습니다. 왜냐하면 모든 프로젝트는 사람들로부터 시작하기 때문입니다. 건설을 시작하기 전에, 스케줄, 예산, 및 재료가 중요하지만, 먼저 숙련된 노동력이 필요합니다.

DPR 건설 및 Suffolk Technologies는 Skillit에 직접 투자하고 있습니다. 주요 건설업체들이 노동력, 노동력 계획, 및 경쟁 우위를 어떻게 생각하는지 сиг널하는 것은 무엇인가?

저는 그것이 건설업체들이 노동력에 대한 생각을 바꾸고 있음을 시그널한다고 생각합니다. 대부분의 건설업체에서 노동력이 사업의 가장 중요한 전략 변수 중 하나입니다. 건설업체들이 더 큰, 더 복잡한 프로젝트를 수행하고, 더 많은 일을 직접 수행할수록, 노동자를 소싱, 배치, 및 유지하는 능력이 프로젝트 결과를 결정합니다.

건설 수입의 모든 달러는 현장에서 노동자가 작업을 수행함으로써 시작됩니다. 노동력 계획은 재능이 어디에 있는지, 노동력 부족이 어디에서 발생하는지, 및 노동력이 어떻게 가장 효과적으로 배치될 수 있는지에 대한 이해에 달려 있습니다.

노동력을 더 빠르고 정확하게 이해할 수 있는 건설업체들은 다음 10년 동안 명백한 경쟁 우위를 가지게 될 것입니다.

건설은 세계에서 가장 디지털화가 덜 된 산업 중 하나입니다. 노동력 관리를 위한 AI의 더广泛한 채택에 여전히 존재하는 장벽은 무엇이며, 얼마나 빠르게 사라질까요?

가장 큰 장벽은 기술이 아닙니다. 대부분의 AI 시스템은 접근할 수 있는 정보만큼 좋은 것입니다. 건설은 역사적으로 노동력 데이터를 신뢰할 수 있고 구조화된 방식으로 캡처하지 않았습니다. 우리는 프로젝트, 재료, 및 장비에 대해 많은 것을 알고 있지만, 작업을 수행하는 사람들의 기술, 경험, 및 가용성에 대해서는 거의 알지 못합니다.

좋은 소식은 이것이 빠르게 변경되고 있으며, AI는 음성, 자동화, 및 일상적인 워크플로우를 통해 노동력 데이터를 캡처하고 유지하는 것을 더 쉽게 만들고 있습니다. 저는 노동력 AI 채택이 근본적인 데이터 계층이 개선되고 노동력 시장 압력이 지속됨에 따라 다음 3~5년 동안 크게 가속화할 것으로 예상합니다.

당신의 플랫폼은 검증된 노동자 데이터 및 기술 평가에 의존합니다. 자동화와 실제로 기술, 경험, 및 현장 성과를 평가하는 현실을 어떻게 균형을 유지합니까?

건설은 궁극적으로 기술입니다. 저는 기술이 인간의 판단을 완전히 대체할 수 없다고 생각합니다. 건설은 기술과 인간의 판단이 함께 작동해야 합니다. 우리의 플랫폼은 구조화된 스크리닝 프로세스를 통해 노동자를 평가하며, 이를 자격증, 고용 기록, 고객 피드백, 및 네트워크에서 오는 신호와 결합합니다.

시간이 지남에 따라, 우리는 플랫폼이 노동자, 감독자, 프로젝트 관리자, 및 고용주가 모두 기여하는 더 풍부한 성과 그림으로 이동할 것으로 예상합니다. AI는 이러한 정보를 조직하고 분석하는 데 도움을 줄 것입니다. 그러나 신뢰는 여전히 현장에서 제공되는 작업의 품질을 통해 얻어집니다.

데이터 센터, 반도체 시설, 에너지 프로젝트, 및 대규모 인프라 개발은 숙련된 기술을 위한 전례 없는 수요를 창출하고 있습니다. 다음 5년 동안 노동력 시장에 가장 큰 압력을 가할 산업은 무엇이라고 생각합니까?

가장 큰 압력은 AI 인프라, 에너지, 및 고급 제조업에서 나올 것입니다. 이러한 프로젝트는 규모와 집중度가 유일하며, 데이터 센터, 반도체 시설, 발전, 송전 인프라, 및 고급 제조업이 모두 동일한 숙련된 기술을 경쟁합니다.

우리는 인류 역사상 가장 큰 물리적 건설 주기가 시작되고 있습니다. AI 인프라 및 에너지에 투자되는 자본은 이전의 역사적인 인프라 투자보다 더 클 수 있습니다. 이러한 수요는 전기공, 파이프 피팅공, 용접공, HVAC 기술자, 운전사, 및 기타 중요한 기술을 가진 노동자들에게 엄청난 압력을 가할 것입니다.

앞으로 10년 동안 건설 고용이 어떻게 진화할지 예상해 보세요. 우리는 더 다이나믹한 노동 시장으로 이동할까요? 아니면 전통적인 고용 모델이 계속 지배할까요?

저는 고용이 더 다이나믹한, 예측 가능하며, 자동화된 방식으로 진행될 것으로 생각합니다. 오늘날 대부분의 건설 고용은 반응적입니다. 프로젝트가 노동력을 필요로 할 때, 누군가가 전화기를 잡고, 검색을 시작합니다. 시간이 지남에 따라, AI는 회사들이 노동력 수요를 예측하고, 부족을 예측하며, 자동으로 올바른 노동자를 찾을 수 있도록 해줄 것입니다.

이것은 채용 담당자를 제거하지는 않습니다. 건설은 고위험 작업이기 때문에 인간의 판단이 필요합니다. 그러나 이것은 채용 담당자가 더 전략적으로 일할 수 있도록 합니다. 최고의 채용 담당자는 AI 에이전트 팀의 지원을 받으며, 결과는 노동자에게 더好的 결과를 가져오고, 건설업체가 더 큰 프로젝트를 수행할 수 있도록 해줄 것입니다.

Skillit이 장기적인 비전에 성공한다면, 2035年的 건설 노동력 생태계는 어떤 모습일까요? AI는 어떻게 수백만 명의 숙련된 노동자가 기회를 발견하고, 경력을 개발하며, 프로젝트 간을 이동하는 방식을 변경할 수 있을까요?

우리의 비전은 세 단계로 진행됩니다. 첫 번째는 접근을 해결하는 것입니다. 우리는 모든 숙련된 노동자가 가시적이고, 모든 고용주가 필요한 기술을 찾을 수 있도록 하고 싶습니다. 두 번째는 노동력 부족 자체를 해결하는 것입니다. 노동력 수요를 이해하고, AI를 사용하여 노동자를 고기능 기술로 유도함으로써, 우리는 더 많은 숙련된 노동자를 만들고, 그들의 발전을 가속화할 수 있습니다. 세 번째는 건설을 넘어 제조, 에너지, 공급, 및 궁극적으로 모든 물리적 산업으로 확장하는 것입니다.

보다 넓게 보면, 저는 AI가 인간을 더 중요한 존재로 만들지 않으면 안 된다고 믿습니다. 전 목수이자 철공으로서, 저는 사람들의 기술과 판단력이 물리적 세계를 창조한다는 것을 알았습니다. 모든 다리, 병원, 공장, 발전소, 및 데이터 센터는 인간의 기술로 존재합니다. 기술은 인간의 능력을 증폭시키는 경우에 가장 좋습니다.

만약 우리가 성공한다면, AI는 숙련된 노동자를 대체하지 않고, 그들을 더好的 기회를 발견하고, 더 성공적인 경력을 구축하며, 불가능할 수도 있는 프로젝트에 기여할 수 있도록 도와줄 것입니다.

감사합니다. 더 많은 정보를 원하는 독자는 Skillit을 방문할 수 있습니다.