Josh Brenner, CEO van Hired – Interviewreeks

Josh Brenner is de CEO van Hired, de toonaangevende AI-gedreven wervingsmarkt die talenten koppelt aan topbedrijven zoals Instacart, Wayfair, Zendesk, Capital One en Peloton.

Hired.com werkt een beetje anders dan Monster en andere werkgelegenheidsplatforms, kunt u de concepten delen van hoe bedrijven sollicitanten kunnen interviewen?

Hired is uniek omdat het drie dingen samenbrengt om de wervingservaring te transformeren: een hoogwaardig, gegevensgestuurd wervingsoplossing dat gespecialiseerd is in technisch en verkoop talent, hoogwaardige klantenservice en de ondersteuning van The Adecco Group wereldwijd netwerk. Bedrijven kunnen zich inschrijven via ons platform in een meerdere-stappenproces, dat het specificeren van relevante rollen en locaties omvat – die ook op afstand kunnen zijn – en voorkeuren zoals jaren van ervaring of basisloon dat ze zoeken om in te huren. We koppelen vervolgens werkgevers aan een toegewijde talentensuccesmanager en bieden toegang tot inhuurdata en -analyses om hen te helpen gekwalificeerde kandidaten te vinden die een goede match zijn voor hun rolvereisten. Om een persoonlijke en gecureerde ervaring te creëren, geven we relevante kandidaatgegevens door, zoals hun vaardigheden, werkervaring en voorkeursloon, terug aan werkgevers om hen aan te moedigen om uitnodigingen voor sollicitatiegesprekken te sturen naar diegenen die een geschikte match zijn. De kandidaten die we presenteren, zoeken actief naar nieuwe kansen, krijgen vaak meerdere sollicitatieverzoeken in de eerste paar dagen na inschrijving, dus we moedigen werkgevers aan om snel en transparant te handelen.

Door een gegevensgestuurd wervingsoplossing te bieden die rekening houdt met de specifieke behoeften van zowel werkgevers als kandidaten, verbeteren we de kwaliteit van de matches, verminderen we de tijd-tot-inhuren en maken we het zo gemakkelijk mogelijk voor bedrijven om geweldige, diverse teams op te bouwen.

Kunt u enkele van de machine learning-methodologieën bespreken die worden gebruikt om werkgevers te koppelen aan kandidaten?

Onze machine learning-modellen volgen real-time inhuurdata, monitoren trends en voorspellen inhuurgedrag om werkgevers en kandidaten sneller en nauwkeuriger te koppelen. Het hebben van deze enorme hoeveelheid relevante, real-time data van ons platform met meer dan 17.000 werkgevers en meer dan 3 miljoen kandidaten, stelt ons in staat om hoogwaardig gecureerde en persoonlijke matches te bieden, wat leidt tot een betere kwaliteit van matches en hogere acceptatiepercentages.

Er is ook een steeds grotere behoefte om de voorspellingen van machine learning-algoritmen die in de werving worden gebruikt, te begrijpen en uit te leggen, voor transparantie, het mitigeren van vooroordelen en het bieden van middelen aan gebruikers.

Bij Hired gebruiken we machine learning om middelen te bieden om kandidaten te helpen begrijpen waarom ze niet zijn goedgekeurd op onze markt en hoe ze hun profiel kunnen verbeteren. We helpen kandidaten hun kansen op goedkeuring te vergroten door actiegerichte feedback te bieden, die kan variëren van het suggereren dat ze een vergeten vaardigheid toevoegen tot het implementeren van langetermijnveranderingen zoals het leren van een nieuwe programmeertaal.

Daarom hebben we onze eigen middelen voor machine learning-systemen ontwikkeld. We mitigeren ook actief vooroordelen in onze machine learning-systemen door oversampling-technieken die ervoor zorgen dat een kandidaat zijn ras, geslacht of leeftijd niet van invloed is op de beslissing van het algoritme.

Werkgevers profiteren ook van dit systeem, omdat waardevolle kandidaten door ons scoresysteem zouden kunnen worden gemist als het geen actiegerichte feedback zou bieden aan kandidaten, waardoor recruiters grote kandidaten zouden missen.

Hoe helpt AI om de tijd-tot-inhuren te verminderen voor bedrijven?

We gebruiken AI en real-time data van ons platform om werkgevers nauwkeurige matches te bieden, sneller en efficiënter. Door kandidaten te presenteren die specifiek zijn afgestemd op de vacature-eisen van het bedrijf, besparen we recruiters gemiddeld 45 uur aan bronnen per inhuring, die anders zouden worden besteed aan voorselectiegesprekken, het beoordelen van cv’s van niet-gekwalificeerde kandidaten en het contacteren van onresponsieve, passieve kandidaten. Aangezien we ons richten op het identificeren en promoten van actieve kandidaten op ons platform, kunnen we de tijd-tot-inhuren met ten minste 4 keer de gemiddelde tijd verminderen en helpen bedrijven hun teams te laten groeien met hooggekwalificeerd talent. Zo hebben we bijvoorbeeld samengewerkt met Capital One om hen te helpen meer dan 300 kandidaten te rekruteren via de Hired-markt, waardoor ze ontelbare uren hebben bespaard aan het sorteren van cv’s.

Hired.com’s recente rapport “The Hired 2021 Impact Report – Wage Inequality in the Workplace“, richtte zich op raciale en geslachtsongelijkheden op de werkplek. Wat waren enkele van de belangrijkste bevindingen en verbaasden enkele van deze u?

Onze gegevens hebben aangetoond dat, hoewel er vooruitgang wordt geboekt en de loonkloof smaller wordt, we nog een lange weg te gaan hebben. In 2020 boden bedrijven mannen hogere lonen dan vrouwen voor dezelfde functie bij hetzelfde bedrijf 59% van de tijd, vergeleken met 65% in 2019. Specifiek boden bedrijven vrouwen gemiddeld 3% minder dan mannen voor dezelfde rollen in 2020, vergeleken met 4% in 2019. Zwarte kandidaten zagen lonen die 4% lager waren dan de basis in 2020 versus een kloof van 5% in 2019.

We zien een voortdurende trend waarin ondervertegenwoordigde groepen die minder worden betaald, ook lagere lonen verwachten dan hun witte, mannelijke tegenhangers – zelfs als ze dezelfde ervaring hebben. Ras draagt aanzienlijk bij aan deze verwachtingskloof, aangezien lage loonverwachtingen het meest voorkomen bij minderheidsvrouwen in vergelijking met witte vrouwen of minderheidsmannen. Zo verwachten zwarte vrouwen bijvoorbeeld lonen die 10% lager zijn dan die van hun witte mannelijke tegenhangers.

Ondervertegenwoordigde groepen kunnen in een vicieuze cirkel van lage lonen terechtkomen als ze geen inzicht hebben in hoeveel ze verdienen voor hun rol. We hebben ontdekt dat de beste manier om de loonkloof te verkleinen, is door de loontransparantie te vergroten, zodat alle kandidaten zich bewust zijn van het loon dat ze verdienen en in staat zijn om een eerlijk loon te eisen. Dat is wat we met onze jaarlijkse rapporten proberen te bereiken.

Hoewel loontransparantie al lang een probleem is voor alle werknemers, ongeacht hun demografie, waren we verbaasd om te ontdekken dat jongere werknemers vaker om een eerlijk loon vragen en ontvangen dan in voorgaande generaties. Dit is een positieve ontwikkeling, omdat werknemers die leren om hun loon te onderhandelen in de vroege stadia van hun carrière, hun kansen op een eerlijk loon in de toekomst vergroten. Het vergroten van de loontransparantie en het verkleinen van de verwachtingskloof voor startende werknemers kan een diepgaand en langdurig effect hebben op de loonongelijkheid en een eerlijkere beloning voor toekomstige generaties.

Hoe verwijdert Hired.com onbewuste vooroordelen bij de werving?

Om onbewuste vooroordelen te mitigeren die de wervingsbeslissingen beïnvloeden, hebben we ons platform uitgerust met specifieke instrumenten en mogelijkheden die transparantie, efficiëntie en gelijkheid bevorderen, zoals:

Actiegerichte, onbevooroordeelde feedback – Wanneer we feedback geven aan kandidaten over hoe ze hun profiel kunnen verbeteren om te worden goedgekeurd voor ons platform, zoals het toevoegen van een specifieke vaardigheid, verifieert Hired dat, als we op de hoogte zijn van de ras, geslacht of leeftijd van de kandidaten, het systeem niet suggereert om bijvoorbeeld van ras te veranderen om de beslissing van het algoritme te veranderen.

Loonwaarschuwingen – Om de kans op ongelijke beloning te verkleinen, waarschuwt Hired zowel werkgevers als kandidaten als ze een loon ontvangen of verzoeken dat aanzienlijk hoger of lager is dan het gemiddelde voor hun positie en ervaringsniveau. Onze loonvooroordeelwaarschuwingen hebben ertoe geleid dat bedrijven hun loonaanbod 4,3% van de tijd hebben veranderd, met een gemiddelde loonwijziging van 20.000 dollar.

Loontransparantie – De beloning wordt transparant verstrekt, zowel vanuit het perspectief van de kandidaat, die aangeeft wat hij verwacht te verdienen als hij zich bij ons platform aansluit, als vanuit het perspectief van de werkgever als hij contact opneemt met een kandidaat.

Vooroordeelreductiefilters – Ons platform biedt de mogelijkheid om de demografische gegevens van kandidaten te maskeren, om onbewuste vooroordelen te verminderen en bedrijven aan te moedigen om kandidaten aan te nemen op basis van hun vaardigheden.

Aangepaste assessments – Als wervingsmarkt richten we ons op vaardigheidsgebaseerde matching, inclusief het gebruik van vaardigheidsassessments om capaciteiten te bevorderen in plaats van een traditioneel cv en sollicitatieproces. Aangezien deze assessments op afstand toegankelijk zijn, stellen we bedrijven in staat om gekwalificeerde kandidaten over de hele wereld te vinden en hun talentenpijplijn te diversifiëren.

Wat voor soort bedrijven gebruiken momenteel het Hired.com-platform om te rekruteren?

Hired heeft meer dan 17.000 werkgevers op zijn markt, waaronder veel bekende merken zoals Instacart, Wayfair, Zendesk, Postmates, Twitch, Capital One, Compass en Peloton. Specifiek wordt ons platform gebruikt door het bedrijf zijn wervingsmanagers, recruiters, HR-afdelingen en C-level executives om toegang te krijgen tot onze pool van hooggekwalificeerde en gecureerde kandidaten.

Wat voor soort opleidings- of werkervaringseisen zijn nodig voor kandidaten om het Hired.com-platform te gebruiken?

Kandidaten op Hired moeten zich in de door ons gespecialiseerde gebieden bevinden, waaronder software-engineering, analytics, productmanagement, design, QA en verkooprollen. Werkzoekenden van alle niveaus worden aangemoedigd om zich aan te melden, aangezien ons platform sterk de voorkeur geeft aan vaardigheidsgebaseerde werving, ongeacht de opleidingsachtergrond. Als ze een profiel aanmaken, worden kandidaten gevraagd om hun werkervaring, vaardigheden en loonvereisten te beschrijven. Diegenen die aanzienlijke ervaring hebben getoond in hun gewenste rollen via stages of open-sourceprojecten, kunnen deze projecten ook onder hun ervaringsjaren opnemen. We moedigen kandidaten ook aan om vaardigheidsopbouwbronnen te gebruiken, zoals codeerworkshops en educatieve cursussen, om hun kansen op goedkeuring en uiteindelijk het verkrijgen van sollicitatiegesprekken en banen te vergroten.

Waarom zouden AI/machine learning-professionals Hired.com moeten gebruiken?

Hired biedt AI- en machine learning-professionals toegang tot de meest innovatieve bedrijven in 18 van de toonaangevende technologiecentra in de VS, Canada, het VK en Ierland. We begrijpen dat het zoeken naar een baan in een concurrerende branche vaak een frustrerend proces kan zijn, dus proberen we kandidaten te empoweren door hen te koppelen aan werkgevers die een goede match zijn voor hun unieke vaardigheden, ervaring, doelen en waarden.

We bieden ook diverse bronnen voor AI- en machine learning-professionals, zoals ons jaarlijkse State of Software Engineers-rapport. Aangezien vaardigheden belangrijker worden dan afkomst, schetst ons rapport de meest gevraagde vaardigheden en programmeertalen op basis van onze platformgegevens en biedt inzicht in hoe AI- en machine learning-engineers zich kunnen onderscheiden door bij te scholen en gebruik te maken van codeerworkshops en zelfstudieprogramma’s. Ons recente rapport vond dat in de belangrijkste Amerikaanse technologiecentra, de salarissen van machine learning-engineers variëren van $115.000 per jaar tot $171.000 per jaar gemiddeld, waardoor professionals waardevolle inzichten in salarissen krijgen op basis van locatie, rol en ervaring.

Is er nog iets anders dat u over Hired.com wilt delen?

De visie van Hired is om alle werving eerlijk, efficiënt en transparant te maken. We proberen die visie te verwezenlijken door verbindingen tot stand te brengen tussen ambitieuze mensen en teams, met behulp van technologie en menselijke empathie om de manier waarop mensen werven en worden aangenomen, te heruitvinden.

In het verleden was de werving vaak erg transactiegericht tussen de werkgever en de kandidaat. Maar aangezien mensen steeds vaker bedrijven zoeken die meer in overeenstemming zijn met hun persoonlijke waarden en professionele ontwikkelingsdoelen en werkgevers erkennen hoe belangrijk talent is voor bedrijfsontwikkeling, is er een duidelijke behoefte aan een meer digitale en gegevensgestuurde, maar maatwerk-wervingsproces. Vooral met de toenemende adoptie van remote work, zien we al een verschuiving naar meer digitale wervingsoplossingen die zowel werkgevers als werkzoekenden empoweren met de meest efficiënte en effectieve manier om wereldwijd te werven. We zijn enthousiast om aan de vooravond van deze verschuiving te staan en onze visie op het transformeren van de werving verder te blijven ontwikkelen.