Finansiering

Colare tar in 2,5 miljoner dollar för att testa hårdvaruingenjörer med verklighetsnära simuleringar

mm
Lägg till Unite.AI bland dina föredragna källor på Google
Colare co-founders Esther Thomas, left, and Nain Abdi, right, standing outside a brick building.

Ett välpolerat cv kan visa ett hårdvaruföretag var en ingenjör har arbetat. Det säger betydligt mindre om hur personen kommer att felsöka en krets, väga termiska begränsningar mot varandra eller utforma en komponent som faktiskt går att tillverka. Colare bygger sin rekryteringsplattform för att möta den utmaningen och lanserar den offentligt med 2,5 miljoner dollar i försåddfinansiering för att bedöma ingenjörer genom simuleringar av verkliga tekniska arbetsuppgifter.

Den San Francisco-baserade startupen tillkännagav finansieringen den 26 oktober, med deltagande från Afore Capital, Garage Capital och Acadian Ventures. Colare säger att kapitalet ska hjälpa företaget att skala upp en plattform riktad till flyg- och rymdindustrin, försvarssektorn, energibranschen, tillverkningsindustrin och andra branscher där tekniska misstag kan få kostsamma fysiska konsekvenser.

Medgrundarna och vd:arna Esther Thomas och Nain Abdi riktar in sig på en flaskhals som blir särskilt besvärlig när hårdvaruteam växer: de personer som är bäst lämpade att bedöma kandidater är ofta samma seniora ingenjörer som företaget behöver för att fortsätta konstruera och bygga.

Tekniska belägg tidigare i rekryteringsprocessen

Colare uppskattar att rekryteringen av en mekanik-, el- eller inbyggnadssystemingenjör kan ta omkring 40 timmar av senior ingenjörstid, fördelat på inledande intervjuer, granskning av hemuppgifter och intervjuer på plats. Företagets föreslagna alternativ är att samla in belägg för praktisk förmåga innan kandidaterna går vidare till de mest resurskrävande intervjuomgångarna.

Plattformen kopplar ett företags platsannons till bedömningar inom områden som datorstödd konstruktion, kretskortsdesign, termisk analys, finita elementanalys och systembaserad problemlösning. Kandidaterna arbetar med scenarier som är utformade för att efterlikna de beslut de skulle ställas inför i rollen. Bedömningen omfattar både deras tillvägagångssätt och slutresultat.

Den skillnaden är central i hårdvaruarbete. Två konstruktioner kan uppfylla samma grundläggande krav men innebära helt olika kompromisser när det gäller kostnad, tillförlitlighet, prestanda eller tillverkningsbarhet. En användbar bedömning behöver därför synliggöra resonemanget bakom ett val, snarare än att bara belöna ett slutgiltigt svar.

Colare säger att företagets bedömningskriterier utformas med hjälp av seniora ingenjörer som har tagit hårdvara hela vägen till lansering. Företaget återkopplar med en detaljerad bedömningsrapport och vill på så sätt göra en erfaren teknisk intervjuare bedömningsförmåga tillgänglig för en större grupp kandidater.

”Hårdvaruföretag bygger några av världens mest tekniskt ambitiösa produkter, men bedömer fortfarande ingenjörer utifrån indirekta mått på om någon faktiskt kan utföra jobbet”, sade Thomas i tillkännagivandet.

Från ingenjörssimuleringar till ett rekryteringsflöde

Företagets produktsida ger en mer konkret bild av hur bedömningarna blir en del av rekryteringen. Kandidatöversikten är utformad för att jämföra styrkor och kunskapsluckor, jämföra kandidaters kompetens med riktmärken och rangordna kandidater efter roll. Där beskrivs också hur bedömningar kan skickas ut i större volymer, hur framsteg kan följas och hur arbetsgivare kan dela länkar via platsannonser eller meddelanden till kandidater.

Colare lyfter fram integration med system för hantering av jobbansökningar som en del av arbetsflödet och erbjuder API-stöd för andra system. Det praktiska målet är att föra in bedömningsresultaten i rekryterarens befintliga process, i stället för att skapa en separat övning som någon måste administrera manuellt och samordna med resten av rekryteringsflödet.

Den tekniska tyngdpunkten ligger på simuleringsbaserad utvärdering. I lanseringsmaterialet beskrivs scenarioutformning, tekniska bedömningskriterier och utvärdering av både arbetsprocess och resultat; däremot anges ingen egenutvecklad grundmodell och någon modellarkitektur publiceras inte. Produktens värdeerbjudande bygger på att ta fram mer relevanta belägg för ingenjörskompetens, oavsett hur mycket automatisering som stöder det omgivande arbetsflödet.

För arbetsgivare kan de beläggen göra en senare intervju mer fokuserad. I stället för att använda den knappa tekniska intervjutiden till att fastställa grundläggande kompetens kan intervjuaren undersöka kandidatens antaganden, konstruktionsval och områden som behöver förtydligas. Bedömningsresultaten blir en utgångspunkt för den tekniska diskussionen.

De första kunderna sträcker sig från startupbolag till tillverkare inom flyg- och rymdindustrin

Colare säger att företaget redan arbetar med kunder från nystartade, nyligen finansierade bolag till tillverkare inom flyg- och rymdindustrin värda flera miljarder dollar. Flyg- och rymdindustrin samt försvarssektorn står för hälften av kunderna. I tillkännagivandet anges varken det totala antalet kunder eller intäkterna.

Företagets exempel visar på två olika behov. Ett startupbolag inom kemisk tillverkning med två anställda använde tjänsten när det rekryterade sin första elingenjör, vilket gav grundarna ett sätt att bedöma tekniskt arbete trots att de saknade den specialkompetensen. Hos ett dotterbolag till en börsnoterad tillverkare visade en bedömning enligt Colare på stora kompetensluckor hos en kandidat som redan hade klarat den första gallringen.

Det här är exempel som företaget självt har redovisat, inte en publicerad studie av rekryteringsresultat. Ändå förklarar de varför produkten kan vara attraktiv även för andra än stora rekryteringsavdelningar: ett litet företag kan sakna kompetensen att genomföra en specialistintervju, medan ett större företag kan sakna tiden att göra lika djupgående bedömningar av varje sökande.

Enligt tillkännagivandet stötte Abdi själv på problemet när han arbetade som elektroingenjör på Ford. Grundtanken är att urvalet ska mäta hur någon tillämpar sina ingenjörskunskaper under fysiska begränsningar, i stället för att förlita sig på hur imponerande meriterna verkar.

Varför boomen inom fysisk AI gör ingenjörers omdöme mer värdefullt

Möjligheten sträcker sig längre än till konventionell rekryteringsprogramvara. I takt med att robotteknik och fysisk AI närmar sig praktisk tillämpning behöver företag team som kan förena mjukvarans möjligheter med elektronik, mekaniska system, styrteknik och tillverkning. Unite.AI:s bevakning av utveckling av beräkningsmoduler för robotar visar hur tätt dessa områden samverkar när ett AI-system blir en fysisk produkt.

Acadian Ventures generalpartner Thomas Otter kopplar Colares möjligheter till denna expansion och pekar i tillkännagivandet på den växande efterfrågan på tillförlitliga bedömningar av färdigheter inom elektroteknik, maskinteknik, konstruktionsteknik och mekatronik. På Acadians portföljsida anges också Colare som ett bolag i pre-seed-fasen som arbetar med rekrytering inom avancerad teknik.

Colares långsiktiga ambition är att använda bedömningsdata för att utveckla en bredare förståelse för ingenjörsförmåga, bland annat hur kandidater presterar på problem som de inte uttryckligen har testats på. Det är fortfarande en uttalad målsättning, inte ett bevisat prediktivt resultat i lanseringsmaterialet.

För närvarande stöder finansieringen ett mer omedelbart mål: att få fram de första konkreta beläggen på ingenjörskunskaper tidigare i processen. Om Colare kan ta fram bedömningar som är relevanta för rollen, begripliga för intervjuare och konsekventa mellan kandidater, kan företaget hjälpa hårdvaruteam att ägna mindre tid åt att upptäcka grundläggande bristande matchningar och mer tid åt att avgöra vilka som kan bidra till det kommande arbetet.

Evan Mercer är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, som bevakar AI-startups, riskkapital och finansieringsdynamiken som formar nästa generation av teknikföretag. Hans rapportering fokuserar på innovation i tidig fas, kapitalflöden och de strategiska beslut som grundare och investerare fattar när AI-företag växer från koncept till global påverkan.

Med ett strategiskt och analytiskt perspektiv granskar Evan finansieringsrundor, marknadspositionering och framväxande trender i AI-startup‑ekosystemet. Han följer hur riskkapital, företagsinvesteringar och börsnoterade marknader korsar med genombrott inom artificiell intelligens och skiljer hållbara signaler från kortsiktig hype.

Artiklar skrivna av Evan Mercer är AI-genererade och granskas av Unite.AI:s redaktionsteam för att säkerställa noggrannhet, kontext och ansvarsfull täckning av det globala AI-investeringslandskapet