Finansowanie

Colare pozyskuje 2,5 mln dolarów, by oceniać inżynierów sprzętu za pomocą symulacji rzeczywistych zadań

mm
Dodaj Unite.AI do preferowanych źródeł w Google
Colare co-founders Esther Thomas, left, and Nain Abdi, right, standing outside a brick building.

Dopracowane CV może powiedzieć firmie z branży sprzętowej, gdzie pracował dany inżynier. Znacznie mniej mówi jednak o tym, jak poradzi sobie on z diagnozowaniem obwodu, uwzględnianiem ograniczeń termicznych czy projektowaniem elementu, który można rzeczywiście wyprodukować. Colare buduje platformę rekrutacyjną, która ma wypełnić tę lukę. Firma rozpoczyna publiczną działalność, dysponując finansowaniem pre-seed w wysokości 2,5 mln dolarów, i ocenia inżynierów za pomocą symulacji rzeczywistych zadań technicznych.

Startup z San Francisco ogłosił pozyskanie finansowania 26 października; w rundzie uczestniczyły Afore Capital, Garage Capital i Acadian Ventures. Colare informuje, że środki pomogą skalować platformę przeznaczoną dla firm z branży lotniczej i kosmicznej, obronnej, energetycznej, produkcyjnej oraz innych sektorów, w których błędy inżynieryjne mogą pociągać za sobą kosztowne konsekwencje w świecie fizycznym.

Współzałożyciele i współdyrektorzy generalni, Esther Thomas i Nain Abdi, chcą rozwiązać problem wąskiego gardła, który staje się szczególnie dotkliwy w miarę rozrastania się zespołów pracujących nad sprzętem: osoby najlepiej przygotowane do oceny kandydatów to często ci sami starsi rangą inżynierowie, których firma potrzebuje do dalszego projektowania i budowania.

Wcześniejsza weryfikacja kompetencji technicznych w procesie rekrutacji

Colare szacuje, że rekrutacja inżyniera mechanika, elektryka lub inżyniera systemów wbudowanych może pochłonąć około 40 godzin pracy starszych rangą inżynierów, uwzględniając rozmowy wstępne, ocenę zadań wykonywanych w domu i rozmowy kwalifikacyjne na miejscu. Firma proponuje zamiast tego zebrać dowody praktycznych umiejętności kandydata, zanim przejdzie on do najbardziej czasochłonnych etapów rozmów.

Platforma dopasowuje opis stanowiska firmy do testów obejmujących takie dziedziny jak projektowanie wspomagane komputerowo, projektowanie płytek drukowanych, analiza termiczna, analiza metodą elementów skończonych i rozwiązywanie problemów systemowych. Kandydaci mierzą się ze scenariuszami odzwierciedlającymi decyzje, które podejmowaliby na danym stanowisku. Ocenie podlega zarówno sposób, w jaki podchodzą do zadania, jak i końcowy rezultat.

To rozróżnienie ma kluczowe znaczenie w pracy nad sprzętem. Dwa projekty mogą spełniać te same podstawowe wymagania, a jednocześnie wiązać się z zupełnie innymi kompromisami dotyczącymi kosztów, niezawodności, wydajności lub możliwości produkcji. Dlatego wartościowa ocena powinna ujawniać tok rozumowania stojący za podjętą decyzją, zamiast nagradzać wyłącznie końcową odpowiedź.

Colare informuje, że kryteria oceny opracowują starsi rangą inżynierowie, którzy wprowadzali sprzęt na rynek. Firma przygotowuje szczegółowe omówienie wyników oceny, aby umożliwić wykorzystanie wiedzy doświadczonego rozmówcy technicznego w przypadku większej liczby kandydatów.

„Firmy z branży sprzętowej tworzą jedne z najbardziej ambitnych technicznie produktów na świecie, a mimo to wciąż oceniają inżynierów na podstawie wskaźników zastępczych, które mają świadczyć o tym, czy ktoś rzeczywiście potrafi wykonywać tę pracę” — powiedziała Thomas w komunikacie.

Od symulacji inżynieryjnych do procesu rekrutacji

Witryna produktu firmy dokładniej pokazuje, jak wyniki tych ocen są wykorzystywane w rekrutacji. Panel kandydata ma umożliwiać porównywanie mocnych stron i braków, zestawianie kompetencji z przyjętymi standardami oraz tworzenie rankingów kandydatów dla poszczególnych stanowisk. Opisano w nim również możliwość wysyłania ocen do wielu osób jednocześnie, śledzenia postępów oraz udostępniania linków za pośrednictwem ogłoszeń o pracę lub wiadomości kierowanych do kandydatów.

Colare przedstawia integrację z systemami do zarządzania rekrutacją jako element tego procesu, a także oferuje obsługę API dla innych systemów. Praktycznym celem jest umieszczenie wyników ocen w istniejącym procesie rekrutacyjnym, zamiast tworzenia odrębnego zadania, które ktoś musiałby ręcznie przeprowadzić, a następnie zestawić jego wyniki z pozostałymi etapami rekrutacji.

Główny nacisk techniczny położono na ocenę opartą na symulacjach. Materiały opublikowane z okazji premiery opisują projektowanie scenariuszy, kryteria oceny inżynierów oraz ocenę zarówno procesu, jak i jego rezultatów; nie wskazują jednak na autorski model bazowy ani nie przedstawiają architektury modelu. Wartość produktu polega na dostarczaniu bardziej miarodajnych dowodów kompetencji inżynieryjnych — niezależnie od tego, jak dużą rolę automatyzacja odgrywa w obsłudze całego procesu.

Dla pracodawców takie informacje mogą pomóc lepiej ukierunkować późniejszą rozmowę kwalifikacyjną. Zamiast poświęcać ograniczony czas specjalistów na sprawdzanie podstawowych kompetencji, osoba prowadząca rozmowę może skupić się na założeniach kandydata, jego decyzjach projektowych i kwestiach wymagających wyjaśnienia. Wyniki oceny stają się punktem wyjścia do rozmowy technicznej.

Pierwsi klienci: od startupów po producentów z branży lotniczej i kosmicznej

Colare informuje, że współpracuje już z klientami od niedawno finansowanych startupów po producentów z branży lotniczej i kosmicznej, których wartość liczona jest w miliardach dolarów. Firmy z branży lotniczej i kosmicznej oraz obronnej stanowią połowę klientów Colare. W komunikacie nie podano łącznej liczby klientów ani przychodów.

Przytoczone przykłady pokazują dwa różne powody, dla których firmy mogą zdecydować się na zakup usługi. Dwuosobowy startup zajmujący się produkcją chemiczną skorzystał z niej podczas rekrutacji pierwszego inżyniera elektryka, dzięki czemu jego założyciele mogli ocenić kompetencje techniczne mimo braku specjalistycznej wiedzy w tej dziedzinie. W przypadku spółki zależnej notowanego na giełdzie producenta Colare informuje, że ocena ujawniła poważne braki kompetencyjne u kandydata, który przeszedł już wstępną selekcję.

Są to przykłady przytoczone przez firmę, a nie opublikowane badanie wyników rekrutacji. Mimo to wyjaśniają, dlaczego produkt może zainteresować nie tylko duże działy rekrutacyjne: małej firmie może brakować wiedzy potrzebnej do przeprowadzenia rozmowy kwalifikacyjnej dotyczącej wąskiej specjalizacji, a większej — czasu, by równie dokładnie ocenić każdego kandydata.

Jak wynika z komunikatu, Abdi zetknął się z tym problemem bezpośrednio, pracując jako inżynier elektryk w Fordzie. Założenie leżące u podstaw firmy jest takie, że ocena powinna sprawdzać, jak dana osoba wykorzystuje wiedzę inżynierską w warunkach ograniczeń fizycznych, zamiast opierać się na pozornej wartości jej kwalifikacji.

Dlaczego boom na sztuczną inteligencję działającą w świecie fizycznym zwiększa wartość inżynierskiego osądu

Możliwości wykraczają poza konwencjonalne oprogramowanie rekrutacyjne. W miarę jak robotyka i sztuczna inteligencja działająca w świecie fizycznym zbliżają się do etapu wdrożeń, firmy potrzebują zespołów, które potrafią połączyć możliwości oprogramowania z elektroniką, układami mechanicznymi, systemami sterowania i produkcją. Relacje Unite.AI na temat rozwoju modułów obliczeniowych dla robotów pokazują, jak ściśle te dziedziny się ze sobą wiążą, gdy system AI staje się produktem fizycznym.

Thomas Otter, partner zarządzający w Acadian Ventures, wiąże możliwości Colare z rozwojem tego obszaru. W komunikacie zwraca uwagę na rosnące zapotrzebowanie na rzetelną ocenę umiejętności z zakresu inżynierii elektrycznej, mechanicznej, konstrukcyjnej i mechatronicznej. Na stronie portfolio Acadian Ventures Colare figuruje również jako spółka na etapie pre-seed, wspierająca rekrutację w sektorze hardtech.

Długofalowym celem Colare jest wykorzystanie danych z ocen do stworzenia szerszego obrazu kompetencji inżynierskich, obejmującego także wyniki osiągane przez kandydata w zadaniach, których nie poddano go wprost testom. Na razie jest to deklarowany kierunek rozwoju, a nie potwierdzony w materiałach dotyczących premiery rezultat predykcyjny.

Na razie finansowanie ma wesprzeć bardziej bezpośredni cel: sprawić, by pierwsze rzetelne dowody umiejętności inżynierskich pojawiały się wcześniej. Jeśli Colare będzie w stanie zapewnić oceny przydatne na danym stanowisku, zrozumiałe dla osób prowadzących rozmowy i spójne w przypadku różnych kandydatów, pomoże zespołom sprzętowym poświęcać mniej czasu na wykrywanie podstawowych niedopasowań, a więcej na ustalanie, kto może wnieść wkład w nadchodzące prace.

Evan Mercer jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się startupami AI, kapitałem ryzyka i dynamiką finansowania kształtującą kolejną generację firm technologicznych. Jego relacje koncentrują się na innowacjach we wczesnym etapie, przepływach kapitału oraz strategicznych decyzjach, które podejmują założyciele i inwestorzy, gdy firmy AI rozwijają się od koncepcji do globalnego wpływu.

Ze strategicznej i analitycznej perspektywy Evan bada rundy finansowania, pozycjonowanie rynkowe oraz pojawiające się trendy w ekosystemie startupów AI. Śledzi, jak kapitał ryzyka, inwestycje korporacyjne i rynki publiczne krzyżują się z przełomami w sztucznej inteligencji, odróżniając trwałe sygnały od krótkotrwałego szumu.

Artykuły autorstwa Evana Mercera są generowane przez SI i recenzowane przez zespół redakcyjny Unite.AI, aby zapewnić dokładność, kontekst i odpowiedzialne relacjonowanie globalnego krajobrazu inwestycji w AI