Jaclyn Rice Nelson, medgrunnlegger og CEO av Tribe AI – Intervju-serie

Jaclyn Rice Nelson er medgrunnlegger og CEO av Tribe AI, som hjelper organisasjoner med å drive endring med maskinlæring ved å bygge en ny vei for de beste talentene i teknologi.

Før hun startet Tribe AI, tilbrakte Jaclyn det meste av sin karriere i Google (GOOGL ), hvor hun samarbeidet med store bedrifter og inkuberte nye produkter. Hun var en av de første ansatte i CapitalG, Alphabets vekstequity-selskap, hvor hun bygget et nettverk på 50 000 eksperter og rådgav vekstfase-teknologiselskaper som Airbnb (ABNB ) om å skalerer deres tekniske infrastruktur, datasikkerhet og å utnytte maskinlæring for vekst.

Hva var din erfaring som forretningsleder for Google Helpouts, en markedsplads for å koble mennesker til eksperter over live-video, og hvordan påvirkte denne erfaringen dine synspunkter på å skape en talentbyrå for AI?

Jeg arbeidet i Google i nesten åtte år, og det var ikke før jeg var omtrent tre år inn i min periode at jeg arbeidet direkte med ingeniører. Jeg ble en av de første forretningsfolkene i Helpouts, og erfaringen med å sitte i samme rom som 30+ ingeniører var en helt annen (og mye mer rolig) erfaring enn en salgsavdeling. Det ga meg en direkte innblick i produkt og ingeniørarbeid og en direkte kanal for å dele kundeinformasjon. Dette var også min første erfaring med å bygge en markedsplads for å dele ekspertise, et tema som skulle følge meg gjennom hele min karriere og føre meg til å starte Tribe AI.

Startups innenfor store selskaper er dømt til å feile, og slik var det også med Helpouts, til tross for at vi hadde en global lansering og skalerte opp teamet til 150 ansatte. Jeg gikk over til det senere vekstfase-ventureselskapet CapitalG (tidligere kjent som Google Capital) for å hjelpe med å bygge et lignende nettverk av Google-eksperter som bare var tilgjengelig for selskapene vi investerte i. Her så jeg første hånd at selv de beste vekstfase-selskapene – som Airbnb, Stripe og andre – fant det svært vanskelig å rekruttere datavitenskap og maskinlæring. Vi var den første linjen for deres spørsmål, og jeg lurte på hva et selskap ville gjøre hvis de ikke hadde Google å falde tilbake på.

Jeg så verdien av data og maskinlæring i Google og den enorme muligheten til å gi selskaper i Silicon Valley og ellers adgang til underutnyttet talent og se verdien fra AI. Og så ble jeg en entrepreneur, og Tribe AI ble født.

Hva er noen av de dramatiske rikdoms-skapende mulighetene du ser i AI i dag?

AI er den neste gullrushen. Fremgangen i generativ AI skaper急heten og midlene for alle selskaper å bli AI-selskaper. Det er enorme muligheter for startups å bygge store forretninger og for store etablerte selskaper å bli AI-selskaper. Dette betyr at det er mange muligheter til å bygge fantastiske produkter som løser virkelige problemer, tjener millioner av mennesker og skaper enorm rikdom i prosessen for grunnleggere, investorer og toppledere.

I 2021 ble du medgrunnlegger av Coalition Operators, hva ser du etter i grunnleggere som du investerer i?

Jeg har vært aktiv investor siden jeg forlot CapitalG i 2018 og til slutt raiset en fond, Coalition Operators, sammen med 3 eksepsjonelle grunnleggere og operatører. Som grunnleggere, vi lener inn på områdene vi hver kenner best, noe som betyr at jeg gjør mye investing rundt Data, AI, ML og B2B SaaS. Ettersom vi hovedsakelig investerer i Seed-fase-selskaper, optimaliserer jeg for grunnleggere over alt annet. Jeg ser etter mennesker som er lidenskapelige, har en unik innsikt i markedet de går etter og er litt gale (på beste måte).

Kunne du dele opphavsfortellingen bak Tribe AI?

Jeg møtte min medgrunnlegger Noah Gale mens vi begge var på South Park Commons, en teknisk samfunn i San Francisco. Vi var omgitt av topp ML-ingeniører som hadde forlatt stor teknologi fordi de søkte frihet. De ville ikke lenger klatre på karrierestigen eller bruke all sin tid på å optimalisere annonser. De ville starte sine egne selskaper, arbeide på sine egne forskningsprosjekter og få erfaring med å løse problemer på tvers av industrier.

Muligheten ble klar: gi topp tekniske talenter friheten til å påta seg fleksible, unike prosjekter de virkelig ønsker å arbeide med og gi en sterk samfunn av andre talentfulle ingeniører å koble til basert på gjensidige interesser. Ved å gjøre dette, har vi skapt infrastrukturen for å la topp talent gjøre bare de tingene de er best på og ingen av de tingene de ikke er.

Vi bygget et høyt kuratert nettverk av topp AI-spesialister og har bygget en forretning som kan gi dem friheten de ønsker, samtidig som vi hjelper selskaper med å anvende maskinlæring i sine forretninger. Vi arbeider ikke bare med startups, men også med PE-firmaer, store selskaper og ellers. Alle selskaper må bli AI-selskaper, og Tribe hjelper dem med å realisere denne visjonen.

Hvorfor sliter selskaper av alle størrelser med å rekruttere maskinlæringstalent?

Først og fremst er det svært vanskelig å vurdere teknisk talent som en forretningsleder. Å forstå nøyaktig hvilke ferdigheter du trenger og hvordan du skal nærme deg data-problemer – det er vanskelig å gjøre med mindre du allerede har topp teknisk talent på plass eller direkte maskinlæringserfaring.

En annen grunn er mangel. Siden AI-modeller som ChatGPT har blitt mer mainstream, prøver alle selskaper å finne ut hvordan de kan lagre generativ AI i sine forretninger. Konkurransen om topp talent er enorm, og mye av det er fanget av noen ledende AI-selskaper.

Hvordan løser Tribe AI denne rekrutteringsdilemmaet?

Vi bygget Tribe for å tilby topp teknisk talent en ny karrierevei, en som kombinerer frihet, kompensasjon og interessant arbeid. Det er klart at dette er tiltalende for mye talent – vi får dusinvis av søknader hver dag, og vi aksepterer en liten andel. Ved å samle dette talentet i et nettverk, er vi i stand til å plassere mennesker på prosjekter som stemmer overens med deres ferdigheter og deres timeplan. For noen betyr dette å konsultere 40 timer eller mer i uken, og for andre ønsker de å ta på seg en rådgivende rolle mens de grunnlegger sine egne selskaper.

Dette tilnærmingen har åpenbart enorme fordeler for selskaper også. Virkeligheten er at de fleste selskaper ikke trenger en fulltids, fast ML-team. Ofte trenger de bare noen spesialister for å bygge en teknisk veikart eller en initial bevis for konsept, og deretter en full-stack-ingeniør eller front-end-ingeniør for å vedlikeholde eller utvide det de har bygget. Dette gir selskaper adgang til topp talent og fleksibiliteten til å engasjere på en måte som driver både innovasjon og suksess.

Tribe mottar dusinvis av søknader hver uke, hvordan vurderer de talentet?

Vi starter med å se på en søkners kvalifikasjoner og tekniske ekspertise. Hvis de møter kravene, setter vi opp et intervju for å grave dyptere inn i erfaring, kommunikasjonsevner og problemløsningsevner. Alle intervjuer blir utført av C-nivå maskinlæringstalent for å sikre at vi er trygge på evnene til alle som blir akseptert inn i Tribes nettverk. Dette er kritisk fordi topp-ingeniører ønsker å være omgitt av andre topp-ingeniører. Nettverkseffektene av denne forretningen for både kunder og talent er enorme, så alt kommer ned til å ha det beste talentet på markedet. Vi har ML-ingeniører som har gjort forskning i selskaper som OpenAI, AI-grunnleggere med flere eksiter, og mennesker som har ledet team i store teknologiselskaper, og alt imellom. Vårt mål er å bygge magneten for dette talentet, og deretter følger selskapene.

Hvordan ser selskaper verdi i Tribes AI-nettverk i tillegg til, eller i noen tilfeller, istedenfor, å ha et internett fulltids AI-team?

Først og fremst gir Tribe AI selskaper adgang til topp AI-talent fra selskaper som Google, Apple (AAPL ), Amazon (AMZN ), NASA og mer. Virkeligheten er at, med mindre du er ett av de topp AI-forskningslaboratoriene eller teknologigigantene, kan de fleste selskaper ikke rekruttere talent som dette. Så for mange selskaper er å arbeide med Tribe den eneste måten de kommer til å få adgang til denne kaliberen av AI-talent.

En annen faktor er fleksibilitet. Når du rekrutterer et fulltids-team, er det langsomt, og du er låst til å arbeide med en svært spesifikk ferdighetssett, ofte før du vet hva du faktisk trenger. Vi arbeider med mange selskaper som vil bringe på Tribe-eksperter for å utvide deres interne team for et bestemt prosjekt, ønsker å arbeide med brøkdelt talent for å akselerere deres hastighet mens de søker å rekruttere, eller trenger hjelp til å identifisere de beste bruksområdene for AI.

Den siste delen er vår erfaring. Vi går virkelig veien når det kommer til AI. Vi bruker et proprietært matchingsystem bygget på GPT-3 som lar oss raskt fremheve det eksakte riktige talentet for hver engasjement. Vi har bygget infrastrukturen som lar oss komme inn og ha en innvirkning på et selskap svært raskt.

Hvordan vil prosjektbasert arbeid endre måten selskaper bygger AI inn i sine forretninger?

Vi tror at prosjektbasert arbeid er fremtiden for AI/ML. Prosjektbasert arbeid vil dramatisk endre måten selskaper bruker AI, fordi teknisk talent vil være mer kvalifisert for hyper-spesifikke behov enn å møte generelle krav for en mer universell rolle. Denne modellen vil hjelpe med å identifisere presise talentgapper for å informere om hva slags AI/ML-eksperter som er nødvendige.

Dette er måten topp-talent ønsker å arbeide, og det er mer fordeler for selskaper også. Frem til nå har topp ML-talent bare vært tilgjengelig for verdens ledende selskaper som likevel sliter med rekrutteringsinnsats som er langsom, vanskelig og dyrt. Med denne helt nye modellen kan selskaper av alle størrelser akselerere sin ML-tilpasning og se resultater raskere på en måte som ikke har vært mulig med tradisjonelle rekrutteringspraksiser.

Takk for det flotte intervjuet, lesere som ønsker å lære mer eller ser etter å rekruttere talent, bør besøke Tribe AI.