Yardstik samlar in $30M i Serie B när AI omformar framtidens förtroende för arbetskraft

Yardstik har samlat in $30 miljoner i Serie B‑finansiering när företaget inom arbetskraftsteknologi vill expandera bortom traditionella bakgrundskontroller och ta itu med en växande utmaning för arbetsgivare: att avgöra om anställda förblir pålitliga efter att de anställts.

Rundan leddes av Harbert Growth Partners, med deltagande från befintliga investerare Rally Ventures, MissionOG, Crosslink Capital, Grotech Ventures och Great North Ventures. Finansieringen tar Yardstiks totala kapitaltillskott till $65 miljoner. Företaget planerar att använda de nya medlen för att utveckla ytterligare funktioner för bedrägeriförebyggande och övervakning av arbetskraft, inklusive övervakning av fordonsrapporter, övervakning av uteslutningar från Office of Inspector General samt automatiska varningar när yrkeslicenser, försäkringar eller certifikat löper ut.

Investeringen sker i ett skede då generativ AI förändrar karaktären på rekryteringsbedrägerier. Syntetiska identiteter, konstruerade referenser, deepfake‑intervjuer och allt mer övertygande falska dokument kan göra det svårare för arbetsgivare att fastställa om sökande är de de påstår sig vara. Dessutom ger en bakgrundskontroll som utförs på någons första arbetsdag mycket begränsad insyn i risker som kan uppstå månader eller år senare.

Att gå bortom den engångsbaserade bakgrundskontrollen

Den begränsningen har blivit central i Yardstiks strategi.

Företaget, som grundades 2020 i Minneapolis, har utvecklats från en leverantör av bakgrundskontroller till det som kallas en Human Trust Platform, där bedrägeriförebyggande, identitetsverifiering, bakgrundskontroller, referenskontroller och kontinuerlig övervakning av arbetskraft kombineras.

I stället för att betrakta verifiering som en engångshändelse under introduktionen är plattformen utformad för att upprätthålla en ständigt förändrad bild av arbetskraftsrisker.

Distinktionen är viktig. En konventionell bakgrundskontroll kan fastställa om relevanta register fanns när kontrollen utfördes. Den kan däremot inte nödvändigtvis meddela en arbetsgivare att ett körkort löpte ut tre månader senare, att ett nytt brottregister tillkom eller att en annan risksignal uppstod efter anställningens början.

Yardstiks Continuous Monitoring‑teknik registrerar automatiskt granskade arbetstagare i efteranställningsövervakning i stället för att enbart förlita sig på manuellt schemalagda omkontroller. De nuvarande övervakningsfunktionerna omfattar områden som brottsdatabaser, register över sexualbrottslingar, federala bevakningslistor och andra register.

Serie‑B‑finansieringen gör det möjligt för företaget att bredda modellen till ytterligare former av referens‑ och anställningsrelaterad övervakning.

”Om en licens upphör dagen efter att någon anställts bör en arbetsgivare veta det samma dag, inte vid nästa årliga översyn,” sade VD Andrew Johnson i finansieringsmeddelandet och beskrev skillnaden som den mellan ett fotografi och en live‑ström.

Att använda AI för att upptäcka bedrägerier innan granskning påbörjas

Yardstik tillämpar också AI och dataanalys tidigare i rekryteringsprocessen.

Deras Detect AI-teknik är avsedd att identifiera signaler som är förknippade med identitetsmanipulation och bedrägliga ansökningar innan en arbetsgivare förlitar sig på en konventionell bakgrundskontroll.

Istället för att enbart titta på brottsregister analyserar Detect AI identitetsrelaterade riskindikatorer som involverar personligt identifierbar information, betalningsaktivitet, plats och IP‑data. Yardstiks bredare datainfrastruktur granskar även signaler som enhetssavtryck, biometriska avvikelser och inkonsekvenser mellan datapunkter som kan verka legitima var för sig men blir misstänkta när de analyseras tillsammans.

Detta adresserar ett annat problem än traditionell granskning. En bakgrundskontroll kan korrekt återge information som är kopplad till en identitet men ändå misslyckas med att avgöra om den sökande faktiskt äger den identiteten.

Yardstik kombinerar dessa bedrägerisignaler med identitetsverifiering som kan jämföra biometrisk information mot myndighetsutfärdade ID‑handlingar. Målet är att skapa en starkare koppling mellan personen som lämnar in en ansökan, de referenser som tillhandahålls och den individ som slutligen går in i arbetskraften.

Metoden speglar ett bredare skifte i bedrägeridetektion när AI sänker kostnaden för att producera övertygande falska identiteter och dokument. Granskningssystem måste i allt högre grad kunna utvärdera mönster och inkonsekvenser över flera signaler snarare än att bara fråga databaser efter poster.

Att omvandla arbetskraftsbedrägerier till en kontinuerligt uppdaterad datamängd

En annan komponent är Fraud Insights, en live‑instrumentpanel som samlar in bedrägerirelaterade signaler över en organisations arbetskraft.

Systemet kan visa mönster såsom personnummer som dyker upp i flera ansökningar, ovanlig enhetsgeografi och de platser där betalningskort kopplade till sökande utfärdats. Istället för att utvärdera varje sökande isolerat kan detta avslöja mönster som potentiellt indikerar koordinerat eller systematiskt bedrägeri.

Yardstik har nyligen gjort Fraud Insights och Continuous Monitoring till standardfunktioner för sina kunder i stället för separata tillägg. Företaget säger att arbetstagare som screenas via plattformen automatiskt kan enroleras i övervakning, vilket minskar behovet av att arbetsgivare manuellt initierar återkommande kontroller.

Kontinuerlig övervakning av anställda medför också viktiga efterlevnads‑ och integritetsaspekter. Yardstik agerar som en Consumer Reporting Agency och påstår att deras granskningsprocesser följer Fair Credit Reporting Act, inklusive krav på transparens för de individer som övervakas.

Allteftersom övervakning av arbetskraft blir mer automatiserad kan dessa skyddsåtgärder bli allt viktigare, särskilt när AI‑genererade riskindikatorer påverkar anställningsbeslut.

Att bygga förtroendeinfrastruktur för AI‑agenter

Yardstiks teknologistrategi sträcker sig också bortom den egna applikationen.

Företaget har byggt en API‑först‑infrastruktur som låter marknadsplatser, rekryteringsplattformar och HR‑teknikleverantörer bädda in screening, identitetsverifiering, bedrägeriförebyggande och övervakning direkt i sina produkter. Finansieringsmeddelandet listar integrationer med system som Greenhouse, Lever, Workable, Fountain, Bullhorn, Avionte och Paylocity.

På senare tid har Yardstik lagt till stöd för Model Context Protocol (MCP), vilket skapar en intressant koppling mellan arbetskraftsverifiering och det framväxande agent‑AI‑ekosystemet.

Genom sin MCP‑integration för AI‑agenter kan utvecklare ge AI‑system åtkomst till Yardstik‑arbetsflöden för uppgifter som att initiera identitetsverifiering, beställa olika bakgrundskontrollpaket baserat på jobbkriterier eller etablera återkommande granskningsprocesser. Yardstik utför de underliggande kontrollerna och efterlevnadsarbetsflödena och returnerar resultaten till applikationen eller agenten.

Detta kan bli allt mer relevant i takt med att AI‑agenter får större roller i rekrytering och arbetskraftsadministration. Om mjukvaruagenter fattar eller assisterar i anställningsbeslut kan infrastrukturen som möjliggör för dessa agenter att verifiera identiteter, referenser och förändrad riskinformation bli ett ytterligare lager i företagets AI‑stack.

Vad kontinuerlig arbetskraftsverifiering kan innebära för framtidens arbete

Yardstik går in i Serie B efter en period av snabb expansion. Företaget rapporterar en intäktstillväxt på 149 % år‑till‑år, en kontohållningsgrad på 98 % under de senaste tre åren och kunder inom branscher som gig‑marknadsplatser, sjukvård, bemanning, transport, logistik och barnomsorg.

Mer betydelsefullt än tillväxttalen är det bredare skiftet som teknologin representerar. Bakgrundskontroller har traditionellt byggts kring en enda beslutspunkt: att avgöra om någon bör anställas. Kontinuerlig övervakning förändrar den modellen genom att behandla identitet, referenser och arbetskraftsrisk som information som kan förändras under en persons anställning.

AI kan påskynda denna övergång i båda riktningarna. Generativa verktyg gör det enklare att fabricera CV:n, referenser, dokument, bilder, röster och potentiellt hela identiteter i skala. Samtidigt kan maskininlärning hjälpa granskningssystem att analysera kombinationer av identitets‑, enhets‑, referens‑ och beteendesignaler som skulle vara svåra att utvärdera manuellt.

Med tiden kan detta förvandla arbetskraftsverifiering från en periodisk administrativ process till ett ständigt aktivt lager i företagsinfrastrukturen. Rekryteringsplattformar, bemanningsmarknadsplatser och HR‑system kan i allt högre grad integrera automatiserade identitets‑ och referenskontroller direkt i sina arbetsflöden, medan AI‑agenter kan initiera eller svara på verifieringshändelser utan att vänta på en mänsklig administratör.

Denna utveckling väcker också frågor som blir svårare att ignorera. Arbetsgivare måste avgöra hur mycket kontinuerlig övervakning som är lämplig, vilka signaler som bör tillåtas påverka anställningsbeslut, hur arbetstagare kan bestrida felaktig information och var gränsen ska dras mellan legitim riskhantering och överdriven övervakning.

Betydelsen av Yardstiks finansiering sträcker sig därför bortom expansionen av en enda bakgrundskontrollplattform. Den speglar en större fråga som växer fram i takt med att AI omformar arbetsmarknaden: om digitala identiteter och referenser blir lättare att manipulera, hur kommer organisationer kontinuerligt kunna etablera förtroende utan att undergräva de anställdas integritet och rättigheter?