Джош Бреннер, генеральний директор Hired – Серія інтерв’ю

Джош Бреннер є генеральним директором Hired, провідної платформи штучного інтелекту для підбору персоналу, яка підходить талантам з провідними компаніями, такими як Instacart, Wayfair, Zendesk, Capital One та Peloton.

Hired.com працює трохи інакше, ніж Monster та інші платформи працевлаштування, можете.tell про концепцію того, як компанії подають заявки на інтерв’ю з кандидатами?

Hired унікальний, оскільки він поєднує три речі, щоб трансформувати досвід підбору персоналу: високооброблене, даних-орієнтоване рішення з підбору персоналу, яке спеціалізується на технічних та продажних талантах, високоточна служба клієнтів та підтримка глобальної мережі The Adecco Group. Компанії можуть зареєструватися через нашу платформу у багаторічному процесі, який включає в себе вказівку відповідних ролей та місця розташування – яке також може бути віддаленим – та переваг, таких як роки досвіду чи базова зарплата, яку вони хочуть найняти. Потім ми підключаємо роботодавців до присвячених менеджерів з підбору персоналу та надаємо доступ до даних про підбор персоналу та аналітики, щоб допомогти їм знайти попередньо перевірених та високо кваліфікованих кандидатів, які відповідають вимогам їхньої роботи. Щоб створити персоналізований та кураторський досвід, ми передаємо відповідну інформацію про кандидата, таку як їхні навички, досвід роботи та бажана зарплата, назад роботодавцям, щоб заохотити їх надсилати запити на інтерв’ю тим, хто є підходящим матчем. Кандидати, яких ми представляємо, активно шукають нові можливості, часто отримуючи кілька запитів на інтерв’ю в перші кілька днів після реєстрації, тому ми заохочуємо роботодавців діяти швидко та прозоро.

Від надаючи даних-орієнтоване рішення з підбору персоналу, яке враховує конкретні потреби роботодавців та кандидатів, ми покращуємо якість матчів, скорочуємо час на підбор персоналу та в кінцевому підсумку робимо все можливе, щоб компанії могли створити дивовижні, різноманітні команди.

Можете обговорити деякі методи машинного навчання, які використовуються для підбору роботодавців з кандидатами?

Наші моделі машинного навчання відстежують дані про підбор персоналу в режимі реального часу, моніторять тенденції та передбачають поведінку підбору персоналу, щоб швидше та точніше підібрати роботодавців до кандидатів. Маємо велику кількість відповідних даних про підбор персоналу в режимі реального часу з нашої платформи з понад 17 000 роботодавців та понад 3 мільйонів кандидатів, що дозволяє нам надавати високооброблені та персоналізовані матчі, що призводить до вищої якості матчів та вищого рівня прийняття.

Є також постійно зростаюча потреба зрозуміти та пояснити передбачення алгоритмів машинного навчання, які використовуються при підборі персоналу, для прозорості, мінімізації упередженості та надання можливості користувачам.

У Hired ми використовуємо машинне навчання, щоб надати можливість кандидатам зрозуміти, чому вони не були затверджені на нашій платформі, та як вони могли б покращити свій профіль. Ми допомагаємо кандидатам збільшити свої шанси на затвердження, надавши їм дієву зворотню зв’язок, яка може варіюватися від пропозиції додати забуту навичку до реалізації довгострокових змін, таких як вивчення нового програмного забезпечення.

Оскільки існуючі методи для надання можливості машинному навчанню не мають швидкості, дієвості чи не можуть надійно знайти зміни, які б змінили рішення системи, ми розробили свій власний метод надання можливості системам машинного навчання. Ми також активно мінімізуємо упередженість у наших системах машинного навчання за допомогою методів переознакування, які забезпечують, що раса, стать чи вік кандидата не впливають на рішення алгоритму.

Роботодавці також виграють від цієї системи, оскільки цінні кандидати могли б бути пропущені нашою системою оцінювання, якщо б вона не надала їм дієвої зворотної зв’язки, що призвело б до того, що рекрутери могли б пропустити чудових кандидатів.

Як штучний інтелект допомагає скоротити час на підбор персоналу у великих масштабах для компаній?

Ми використовуємо штучний інтелект та дані про підбор персоналу в режимі реального часу з нашої платформи, щоб надавати високо точні матчі роботодавцям швидше та ефективніше. За допомогою висування кандидатів, які спеціально підібрані до вимог роботодавців щодо роботи, ми економимо рекрутерам у середньому 45 годин на підбор персоналу на одного найманого працівника, які інакше були б присвячені попереднім інтерв’ю, перегляду резюме некваліфікованих кандидатів та контакту з пасивними кандидатами. Оскільки ми зосереджуємося на ідентифікації та просуванні активних кандидатів на нашій платформі, ми здатні скоротити час на підбор персоналу至少 у 4 рази порівняно зі середнім показником та допомогти компаніям розширювати свої команди з високо кваліфікованими талантами. Наприклад, ми працювали з Capital One, щоб допомогти їм набрати понад 300 кандидатів через ринок Hired, що зберегло їм безліч годин на сортування резюме.

Нещодавній звіт Hired.com “The Hired 2021 Impact Report – Нерівність заробітної плати на робочому місці“, зосередився на расових та гендерних нерівностях на робочому місці. Які були деякі з ключових висновків, і чи які-небудь з них вас здивували?

Наші дані виявили, що хоча прогрес здійснюється та розрив у заробітній платі зменшується, нам ще далеко до ідеалу. У 2020 році чоловіки отримували вищу заробітну плату, ніж жінки, за одну й ту ж посаду в одній і тій же компанії 59% часу, порівняно з 65% у 2019 році. Зокрема, компанії пропонували жінкам на 3% менше в середньому, ніж чоловікам, за одні й ті ж ролі в 2020 році, порівняно з 4% у 2019 році. Чорні кандидати бачили заробітну плату, яка була на 4% нижчою, ніж базовий рівень у 2020 році порівняно з розривом у 5% у 2019 році.

Ми продовжимо бачити тривалу тенденцію, коли представники недопредставлених груп, які отримують нижчу заробітну плату, також очікують нижчої заробітної плати, ніж їхні білі, чоловічі колеги – навіть якщо вони мають однаковий досвід. Раса значно впливає на цей розрив у очікуваннях, оскільки низькі очікування заробітної плати найпоширеніші серед жінок-меншин порівняно з білими жінками або чоловіками-меншинами. Наприклад, чорні жінки очікують заробітної плати, яка на 10% нижча, ніж у їхніх білих чоловічих колег.

Недопредставлені групи можуть потрапити в повторюваний цикл отримання нижчої заробітної плати, якщо вони не мають прозорості щодо того, яку заробітну плату вони заслуговують за свою роль. Ми виявили, що найкращим способом звузити розрив у заробітній платі є збільшення прозорості заробітної плати, щоб усі кандидати були знайомі з заробітною платою, яку вони заслуговують, та мали можливість вимагати справедливої заробітної плати. Це те, чого ми намагаємося досягти за допомогою наших щорічних звітів.

Хоча прозорість заробітної плати була тривалою проблемою для всіх працівників, незалежно від демографічних характеристик, ми були здивовані, знайшовши, що молодші працівники більш схильні запитувати та отримувати рівну заробітну плату, ніж у попередніх поколіннях. Це позитивний розвиток, оскільки працівники, які вчаться домовлятися про заробітну плату на ранніх етапах своєї кар’єри, збільшують свої шанси на справедливу заробітну плату в майбутньому. Продовження збільшення прозорості заробітної плати та скорочення розриву у очікуваннях для працівників на початку кар’єри могли б мати глибокий, довгостроковий вплив на нерівність заробітної плати та вплинути на справедливішу компенсацію для майбутніх поколінь.

Як Hired.com усуває несвідому упередженість при прийнятті на роботу?

Щоб мінімізувати несвідому упередженість, яка впливає на рішення про прийняття на роботу, ми оснастили нашу платформу спеціальними інструментами та можливостями, які сприяють прозорості, ефективності та рівності, такими як:

Дієва, необізнана зворотна зв’язок – Коли надаємо зворотну зв’язку кандидатам щодо того, як вони можуть покращити свій профіль, щоб бути прийнятими на платформу, наприклад, додати конкретну навичку, Hired перевіряє, що, якщо кандидатам відомо про їхню расу, стать чи вік, система не пропонує змінити, наприклад, свою расу, щоб змінити рішення алгоритму.

Сповіщення про заробітну плату – Щоб зменшити ймовірність нерівної компенсації, Hired сповіщає роботодавців та кандидатів, якщо вони отримують або запитують заробітну плату, яка значно вища або нижча середньої для їхньої посади та рівня досвіду. Наші сповіщення про упередженість заробітної плати призвели до того, що компанії змінили свою пропозицію заробітної плати 4,3% часу, а середня зміна заробітної плати становила різницю в 20 000 доларів.

Прозорість заробітної плати – Компенсація надається прозоро, як з точки зору кандидата, який вказує свою очікувану заробітну плату при вступі на нашу платформу, так і з точки зору роботодавця при зверненні до кандидата.

Фільтри скорочення упередженості – Наша платформа пропонує можливість маскувати демографічні дані кандидатів, щоб зменшити несвідому упередженість та заохотити компанії приймати на роботу кандидатів на основі їхніх навичок.

Персоналізовані оцінки – Як ринок підбору персоналу, ми зосереджуємося на підборі на основі навичок, включаючи використання оцінок навичок для подальшого просування можливостей, а не традиційного резюме та процесу подачі заявки. Оскільки ці оцінки віддалено доступні, ми дозволяємо компаніям висувати кваліфікованих кандидатів, розташовані будь-де у світі, та розширювати свій потік талантів.

Який тип компаній зараз набирає працівників за допомогою платформи Hired.com?

Hired має понад 17 000 роботодавців на своєму ринку, включаючи багато відомих брендів, таких як Instacart, Wayfair, Zendesk, Postmates, Twitch, Capital One, Compass та Peloton. Зокрема, наша платформа використовується менеджерами з підбору персоналу, рекрутерами, відділами кадрів та керівниками компанії, щоб допомогти їм отримати доступ до нашого пулу високо кваліфікованих та кураторських кандидатів.

Який тип освітньої або трудової історії потрібен кандидатам для використання платформи Hired.com?

Кандидати на Hired повинні бути у сфері, в якій ми спеціалізуємося, включаючи інженерію програмного забезпечення, аналіз, управління продуктом, дизайн, забезпечення якості та продажі. Працівники всіх рівнів заохочуються зареєструватися, оскільки наша платформа високо пріоритезує підбор персоналу на основі навичок, незалежно від освітнього походження. При створенні профілю кандидатам пропонується вказати свій досвід роботи, навички та вимоги до заробітної плати. Ті, хто продемонстрував значний досвід у бажаній ролі через стажування або відкритий код, також можуть включити ці проекти під свій досвід роботи. Ми також заохочуємо кандидатів використовувати ресурси для розвитку навичок, такі як курси програмування та освітні курси, щоб покращити свої шанси на затвердження та в кінцевому підсумку отримати інтерв’ю та робочі можливості.

Чому фахівці з штучного інтелекту/машинного навчання повинні використовувати Hired.com?

Hired надає фахівцям з штучного інтелекту та машинного навчання доступ до найбільш інноваційних компаній у 18 провідних технологічних центрах по всій території США, Канади, Великої Британії та Ірландії. Ми розуміємо, що пошук роботи в конкурентній галузі часто може відчуватися як розчаровуючий процес, тому ми намагаємося наділити кандидатів можливістю, підключаючи їх до роботодавців, які відповідають їхнім унікальним навичкам, досвіду, цілям та цінностям.

Ми також пропонуємо різні ресурси для фахівців з штучного інтелекту та машинного навчання, такі як наш щорічний звіт про стан інженерів-програмістів. Оскільки навички стають більш важливими, ніж походження, наш звіт описує найбільш затребувані навички та мови програмування на основі даних нашої платформи та надає інформацію про те, як інженери з штучного інтелекту та машинного навчання можуть відрізнятися, підвищуючи свої навички та використовуючи курси програмування та самоосвіту. Наш останній звіт показав, що у великих технологічних центрах США заробітна плата інженерів з машинного навчання варіюється від 115 000 доларів на рік до 171 000 доларів на рік у середньому, надавши фахівцям цінну інформацію про заробітну плату на основі місця, ролі та досвіду.

Чи є щось ще, що ви хотіли б поділитися про Hired.com?

Мета Hired – зробити весь підбор персоналу справедливим, ефективним та прозорим. Ми намагаємося досягти цієї мети, наділяючи зв’язки між амбітними людьми та командами, використовуючи технології та людську емпатію для переосмислення того, як люди приймають на роботу та шукають роботу.

У минулому рекрутинг часто був дуже транзакційним між роботодавцем та кандидатом. Однак, оскільки люди все частіше шукають компанії, які відповідають їхнім особистим цінностям та цілям професійного розвитку, та роботодавці визнають, наскільки важливим є талант для бізнес-розвитку, існує явна потреба в тому, щоб процес прийняття на роботу став більш цифровим та даних-орієнтованим, але при цьому персоналізованим. Особливо з огляду на зростаючу популярність віддаленої роботи, ми вже бачимо зміщення до більш цифрових рішень з підбору персоналу, які надають роботодавцям та працівникам найбільш ефективний та ефективний спосіб приймати на роботу по всьому світу. Ми раді бути на передовій цієї зміни та продовжувати рухатися вперед нашої мети трансформувати підбор персоналу.