Alper Tekin, Chief Product Officer på Findem – Intervju-serie

Tidigare var du en serieentreprenör och verkade som grundare och VD för flera startups. Vilka var några av de största utmaningarna du stötte på när det gällde rekrytering?

Rekrytering har varit en av de mest utmanande aspekterna av min entreprenörsresa. Som entreprenörer vet vi att människor är viktigare än allt annat och att bygga rätt team är det viktigaste jobbet för varje affärsledare. Det är dock mycket svårt att avsätta tillräckligt med tid för att hitta rätt människor när man hanterar så många andra affärsaktiviteter som är involverade i att starta och skala upp ett företag. Utan objektiv data om vem som finns tillgänglig där ute, är det svårt att hitta rätt uppsättning människor, och ännu svårare att veta om de kommer att fungera bra i din organisation.

Kan du dela din vision för hur Findem bygger en autonom talangplattform för HR-teamet i framtiden?

Talangförvärv är ett komplext jobb med hundratals uppgifter, som utförs av tiotals personer, över tiotals punktverktyg som inte pratar med varandra de flesta gånger. Vår vision är att ta bort denna komplexitet genom en kombination av AI och arbetsflödesautomatisering.

Vår första och främsta mål är att stödja talangteamen genom att automatisera bort monotona, upprepningsbara och felbenägna uppgifter från deras dagliga arbete och hjälpa människor att fatta snabbare, bättre och mer rättvisa beslut med data. Vi ser redan användningsfall, såsom ett stort techföretag där de använde åtta till tio system bara för att bygga en talangpipeline, och var och en användes på ett isolerat sätt. Det tog dem 80-100 klick för att utföra en enda uppgift och nu, med autonoma applikationer, kan de utföra samma uppgift med ett enda klick.

Liksom nästan alla affärsfunktioner kommer talangorganisationer att genomgå en AI-först-transformation och vår plan är att automatisera allt som kan automatiseras, vilket möjliggör för rekryterare och andra talangproffs att nå sin fulla potential. Autonoma applikationer kommer initialt att spela en avgörande roll i planering, pipeline och analyser, och sedan utöka sig över hela talanglivscykeln, som omfattar allt från personalplanering till talangpooler till karriärutveckling och efterträdarskap.

Findem analyserar triljoner datapunkter och tar till vara på vad som kallas 3D-data, kan du förklara vad 3D-data är?

Findem inhämtar 1,6 triljoner datapunkter från hundratusentals källor för att generera helt nya talangdata som inte finns någon annanstans och ger en förståelse för en individ och de företag de är associerade med, över tid. Findem använder dessa tre dimensioner av data – människor och företagsdata över tid – för att koppla samman individuella och företagsresor och skapa berikade talangprofiler.

Tänk på det här sätt: varje person som har arbetat i den moderna arbetsmarknaden har en resa och lämnar efter sig en digital fotavtryck. Det finns titlar, befordringar, certifikat, kodbidrag, publikationer, sociala inlägg och så vidare. Likaså har företag en resa. De har aktiviteter som finansieringsrundor, börsnoteringar och finansiella rapporter, samt jobbeskrivningar, organisationsdiagram, företagsrecensioner och ledarprofiler – all denna data kan kartlägga en organisations utveckling och framsteg.

Traditionellt har talangbeslut grundat sig på ett CV, en jobbansökan och/eller ett LinkedIn-profil som bara erbjuder en endimensionell skärva av en person och företagsdata. Men vi har byggt en plattform som kan fånga tusentals datapunkter om människors och företagsresor och omvandla dem till en massivt berikad profil. Resultatet är en mer detaljerad och granulär förståelse av en persons erfarenhet, kompetens och påverkan än vad som tidigare var möjligt med manuell forskning eller från en användargenererad LinkedIn-profil.

Med vår Talent Data Cloud är hela karriärer sökbara på kommando genom ett GenAI-gränssnitt. Till exempel kan du be plattformen att visa dig CFO:er i amerikanska företag som ägs av riskkapitalbolag som tog ett företag från en negativ till en positiv driftsmarginal eller att ge dig en lista över lojala produktchefer som arbetade för ett B2B-startup och såg det genom en stor serie C.

Vilka är de olika typerna av datapunkter som analyseras?

Vår Talent Data Cloud använder dynamiskt och kontinuerligt en språkmodell för att generera 3D-data från hundratusentals datapunkter.

Den analyserar profil- och kontaktdata från exempelvis LinkedIn, GitHub, StackOverflow, Kaggle, Dribble, Doximity, ResearchGate, WordPress och personliga webbplatser. Folkräkningsdata kommer från den amerikanska folkräkningsbyrån, naturligtvis. Dessutom tittar vi på företagsdata från finansieringsmeddelanden, börsnoteringsdetaljer, affärsmodeller för över 8 miljoner företag och över 100 000 aggregerade företags- och produktkategorier. För verifierade färdigheter analyserar plattformen över 300 miljoner patent och publikationer, över 5 miljoner öppna dataset och ML-projekt och över 200 miljoner öppna källkodsrepositoryer och andra offentliga bidrag. Och vi inkluderar viktigt ATS-data som innehåller sökandeprofilinformation från användarens ATS, som kan vara Greenhouse, Workday, SmartRecruiters, BambooHR, Lever och så vidare.

Vad letar maskinlärning efter när den analyserar denna data?

Findem är BI-först, sedan använder den AI för att lära sig och göra förutsägelser baserat på faktiska data. Vi kallar detta en deterministisk modell kontra en probabilistisk modell. Till exempel inferrar vi inte probabilistiskt att du har startup-erfarenhet, vi tittar istället på din anställningshistorik och ser om något företag du arbetat för har klassificerats som en startup och sedan lägger vi till en “startup-erfarenhet”-attribut mot din profil.

Hur omvandlas denna data sedan till attribut, och vad är attribut?

När datainsamlingen sker har vi en intelligensmotor (tänk på det som en sofistikerad SQL-mellanvara) som kan mappa data till vilket attribut vi vill skapa.

Attribut är färdigheter, erfarenheter och egenskaper hos individer och företag – och de är både tangibla och intangibla. Tangibla attribut inkluderar roller (nuvarande, tidigare och rollupplevelser), arbetslivserfarenhet, utbildning, kvalifikationer och annan teknisk information. Intangibla attribut kan vara långtgående, som om någon inspirerar lojalitet, bygger diversa team eller är uppdragsorienterad.

Vår attributbaserade sökning möjliggör för HR-team att söka efter kandidater över alla kanaler i deras talangekosystem med praktiskt taget vilka kriterier du kan tänka dig.

Hur förhindrar plattformen att kön eller rasrelaterad AI-fördomar smyger sig in i rekryteringsbeslut?

Vår plattform var avsiktligt utformad för att inte fatta beslut för någon användares räkning, utan snarare för att AI ska assistera människor i deras beslutsfattande. Med en BI-först-strategi prioriterar plattformen insamling, analys och presentation av data för att ge insikt och stöd för beslutsfattande, sedan använder den AI för att lära sig, resonera och göra förutsägelser eller rekommendationer med betrodda resultat.

Vi är en sök- och matchningsplattform, inte en kandidatutvärderingsplattform, och AI används aldrig för att göra en subjektiv utvärdering av en person. Den automatiska avancerar eller avvisar aldrig sökande. Dessutom, eftersom Findem inte använder AI för sökning och matchning (dessa funktioner är BI-baserade), minskar den risken för fördomar eller diskriminering som kan smyga sig in i processen.

Hur förenklar Findem processen att främja intern personal?

I kärnan av det handlar vi inte om att skilja på “intern” och “extern” talang. För varje person i vår databas kan vår algoritm hitta topp-matcherande kandidater, oavsett om de är utanför eller innanför organisationen.

Vilka är alla talanghanteringsverktyg som erbjuds?

Vi konsoliderar topp-funktioner, så allt från talangkällor till CRM till analyser. Vi har också en lösning för intern rörlighet och vi rullar ut erbjudanden för referenshantering och efterträdarskap.

Vid vilken fas av den entreprenöriella resan bör ett startup vara innan de kontaktar Findem?

Vi servar kunder av alla storlekar, men vår söt fläck tenderar att vara företag som är i skalningsläge med några hundra anställda.

Tack för det underbara samtalet, läsare som vill lära sig mer kan besöka Findem.