sơ khai Alper Tekin, Giám đốc sản phẩm tại Findem - Chuỗi bài phỏng vấn - Unite.AI
Kết nối với chúng tôi

Phỏng vấn

Alper Tekin, Giám đốc sản phẩm tại Findem – Chuỗi bài phỏng vấn

mm

Được phát hành

 on

Alper Tekin là Giám đốc Sản phẩm tại tìm kiếm một nền tảng quản lý và thu hút nhân tài AI. Đám mây dữ liệu nhân tài của Findem được xây dựng dựa trên dữ liệu nhân tài tiên tiến nhất. Nó học hỏi nhanh chóng khi thị trường chuyển động để cung cấp thông tin về nhân tài chưa từng có cho toàn bộ nhóm của bạn.

Trước đây bạn là một doanh nhân nối tiếp, đóng vai trò là người sáng lập và CEO của một số công ty khởi nghiệp. Một số thách thức tuyển dụng lớn nhất mà bạn gặp phải là gì?

Tuyển dụng là một trong những khía cạnh thử thách nhất trong hành trình khởi nghiệp của tôi. Là doanh nhân, chúng tôi biết con người quan trọng hơn bất cứ điều gì khác và xây dựng đội ngũ phù hợp là công việc quan trọng nhất của bất kỳ nhà lãnh đạo doanh nghiệp nào. Tuy nhiên, thực sự rất khó để phân bổ đủ thời gian cần thiết để tìm đúng người khi bạn đang duy trì rất nhiều hoạt động kinh doanh khác liên quan đến việc thành lập và mở rộng quy mô công ty. Nếu không có dữ liệu khách quan về những người hiện có, thật khó để tìm được nhóm người phù hợp và thậm chí còn khó hơn để biết liệu họ có làm tốt trong tổ chức của bạn hay không.

Bạn có thể chia sẻ tầm nhìn về cách Findem đang xây dựng một nền tảng nhân tài tự chủ cho đội ngũ nhân sự trong tương lai không?

Thu hút nhân tài là một công việc phức tạp với hàng trăm nhiệm vụ, được thực hiện bởi hàng chục cá nhân, trên hàng chục công cụ điểm mà hầu như không liên lạc với nhau. Tầm nhìn của chúng tôi là loại bỏ sự phức tạp này thông qua sự kết hợp giữa AI và tự động hóa quy trình làm việc.

Mục tiêu đầu tiên và quan trọng nhất của chúng tôi là hỗ trợ các nhóm tài năng bằng cách tự động hóa các công việc nhàm chán, lặp lại và dễ mắc lỗi hàng ngày của họ, đồng thời hỗ trợ mọi người đưa ra quyết định nhanh hơn, tốt hơn và công bằng hơn với dữ liệu. Chúng tôi đã thấy các trường hợp sử dụng, chẳng hạn như một công ty công nghệ lớn, nơi họ đang sử dụng 10 đến 80 hệ thống chỉ để xây dựng nguồn nhân tài và mỗi hệ thống đều được sử dụng theo cách riêng biệt. Họ phải mất 100-XNUMX lần nhấp chuột để hoàn thành một nhiệm vụ và giờ đây, với các ứng dụng tự động, họ có thể thực hiện nhiệm vụ tương tự chỉ bằng một cú nhấp chuột.

Giống như hầu hết các chức năng kinh doanh, các tổ chức nhân tài sẽ trải qua quá trình chuyển đổi ưu tiên AI và kế hoạch của chúng tôi là tự động hóa mọi thứ có thể tự động hóa, cho phép các nhà tuyển dụng và các chuyên gia nhân tài khác phát huy hết tiềm năng của họ. Các ứng dụng tự động ban đầu sẽ đóng vai trò then chốt trong việc lập kế hoạch, quy trình và phân tích, sau đó mở rộng ra toàn bộ vòng đời nhân tài, bao gồm mọi thứ từ lập kế hoạch lực lượng lao động đến nhóm nhân tài cho đến phát triển nghề nghiệp và lập kế hoạch kế nhiệm.

Findem phân tích hàng nghìn tỷ điểm dữ liệu và tận dụng cái được gọi là dữ liệu 3D, bạn có thể làm rõ dữ liệu 3D là gì không?

Findem thu thập 1.6 nghìn tỷ điểm dữ liệu từ hàng trăm nghìn nguồn để tạo ra dữ liệu nhân tài hoàn toàn mới không tồn tại ở bất kỳ nơi nào khác và cung cấp hiểu biết về một cá nhân cũng như các công ty mà họ liên kết theo thời gian. Findem sử dụng ba chiều dữ liệu này – dữ liệu về con người và công ty theo thời gian – để kết nối hành trình của cá nhân và công ty, đồng thời tạo ra hồ sơ nhân tài phong phú.

Hãy nghĩ theo cách này: mỗi người làm việc trong thị trường việc làm hiện đại đều có một hành trình và họ để lại dấu chân kỹ thuật số. Có chức danh, thăng chức, chứng chỉ, đóng góp mã, ấn phẩm, bài đăng trên mạng xã hội, v.v. Tương tự như vậy, các công ty đều có một cuộc hành trình. Họ có các hoạt động như vòng tài trợ, IPO và hồ sơ tài chính, cũng như mô tả công việc, sơ đồ tổ chức, đánh giá công ty và hồ sơ lãnh đạo – tất cả dữ liệu này có thể lập biểu đồ cho sự phát triển và tiến bộ của tổ chức.

Theo truyền thống, các quyết định về nhân tài thường dựa vào sơ yếu lý lịch, đơn xin việc và/hoặc hồ sơ LinkedIn chỉ cung cấp một phần dữ liệu một chiều về cá nhân và công ty. Tuy nhiên, chúng tôi đã xây dựng một nền tảng có khả năng thu thập hàng nghìn điểm dữ liệu về hành trình của mọi người và công ty, đồng thời chuyển đổi chúng thành một hồ sơ cực kỳ phong phú. Kết quả là sự hiểu biết chi tiết và chi tiết hơn về trải nghiệm, kỹ năng và tác động của một người so với những gì trước đây có thể thực hiện được bằng nghiên cứu thủ công hoặc từ hồ sơ LinkedIn do người dùng tạo.

Với Đám mây Dữ liệu Nhân tài của chúng tôi, toàn bộ sự nghiệp có thể được tìm kiếm theo lệnh thông qua giao diện GenAI. Ví dụ: bạn có thể yêu cầu nền tảng hiển thị cho bạn các CFO tại các công ty Hoa Kỳ thuộc sở hữu của các công ty PE, những người đã đưa công ty từ lợi nhuận hoạt động âm sang dương hoặc cung cấp cho bạn danh sách các nhà quản lý sản phẩm trung thành đã làm việc cho một công ty khởi nghiệp B2B và đã nhìn thấy điều đó thông qua một Series C lớn.

Các loại điểm dữ liệu khác nhau được phân tích là gì?

Đám mây dữ liệu tài năng của chúng tôi tận dụng mô hình ngôn ngữ một cách linh hoạt và liên tục để tạo dữ liệu 3D từ hàng trăm nghìn nguồn dữ liệu.

Nó phân tích dữ liệu hồ sơ và liên hệ từ các trang như LinkedIn, GitHub, StackOverflow, Kaggle, Dribble, Doximity, ResearchGate, WordPress và các trang web cá nhân. Tất nhiên, dữ liệu điều tra dân số đến từ Cục điều tra dân số Hoa Kỳ. Ngoài ra, chúng tôi xem xét dữ liệu công ty từ các thông báo tài trợ, chi tiết IPO, mô hình kinh doanh của hơn 8 triệu công ty và hơn 100,000 danh mục sản phẩm và công ty tổng hợp. Để xác minh các kỹ năng, nền tảng này phân tích hơn 300 triệu bằng sáng chế và ấn phẩm, hơn 5 triệu tập dữ liệu mở và dự án ML cũng như hơn 200 triệu kho lưu trữ mã nguồn mở và các đóng góp công khai khác. Và điều quan trọng là chúng tôi bao gồm dữ liệu ATS bao gồm thông tin hồ sơ ứng viên từ ATS của người dùng, có thể là Greenhouse, Workday, SmartRecruiters, BambooHR, Lever, v.v.

Học máy đang tìm kiếm điều gì khi phân tích dữ liệu này?

Findem trước tiên là BI, sau đó sử dụng AI để tìm hiểu và đưa ra dự đoán dựa trên dữ liệu thực tế. Chúng tôi gọi đây là mô hình xác định và mô hình xác suất. Ví dụ: chúng tôi không suy luận một cách xác suất rằng bạn có kinh nghiệm khởi nghiệp, thay vào đó, chúng tôi xem xét lịch sử việc làm của bạn và xem liệu có công ty nào bạn làm việc đã được phân loại là công ty khởi nghiệp hay không, sau đó thêm thuộc tính 'trải nghiệm khởi nghiệp' vào hồ sơ của bạn.

Dữ liệu này sau đó được chuyển thành thuộc tính như thế nào và thuộc tính là gì?

Sau khi quá trình thu thập dữ liệu diễn ra, chúng tôi có một công cụ thông minh (coi nó như một phần mềm trung gian SQL phức tạp) có thể ánh xạ dữ liệu tới bất kỳ thuộc tính nào mà chúng tôi muốn tạo.

Thuộc tính là các kỹ năng, kinh nghiệm và đặc điểm của cá nhân và công ty – và chúng đều hữu hình và vô hình. Các thuộc tính hữu hình bao gồm vai trò (kinh nghiệm hiện tại, quá khứ và vai trò), kinh nghiệm làm việc, trình độ học vấn, trình độ chuyên môn và thông tin kỹ thuật khác. Các thuộc tính vô hình có thể có tầm ảnh hưởng sâu rộng, chẳng hạn như liệu ai đó có truyền cảm hứng cho lòng trung thành, xây dựng các nhóm đa dạng hay có sứ mệnh thúc đẩy hay không.

Tìm kiếm dựa trên thuộc tính của chúng tôi cho phép nhóm nhân sự tìm kiếm ứng viên trên tất cả các kênh trong hệ sinh thái nhân tài của họ bằng cách sử dụng bất kỳ tiêu chí nào bạn có thể nghĩ ra.

Làm thế nào để nền tảng này ngăn chặn sự thiên vị về giới tính hoặc chủng tộc của AI ảnh hưởng đến các quyết định tuyển dụng?

Nền tảng của chúng tôi được thiết kế có chủ đích để không đưa ra quyết định thay mặt cho bất kỳ người dùng nào mà để AI hỗ trợ mọi người trong việc ra quyết định. Sử dụng chiến lược ưu tiên BI, nền tảng này ưu tiên thu thập, phân tích và trình bày dữ liệu để cung cấp thông tin chi tiết và hỗ trợ cho việc ra quyết định, sau đó sử dụng AI để tìm hiểu, lý luận và đưa ra dự đoán hoặc đề xuất với kết quả đáng tin cậy.

Chúng tôi là một nền tảng tìm kiếm và kết hợp, không phải là nền tảng đánh giá ứng viên và AI không bao giờ được sử dụng để đưa ra đánh giá chủ quan về một người. Nó không bao giờ tự động thăng tiến hoặc từ chối người nộp đơn. Ngoài ra, do Findem không sử dụng AI để tìm kiếm và so khớp (các khả năng này dựa trên BI), nên nó sẽ giảm thiểu nguy cơ thiên vị hoặc phân biệt đối xử xâm nhập vào quy trình.

Findem đơn giản hóa quy trình thăng tiến nhân sự nội bộ như thế nào?

Về cốt lõi, chúng ta không cần phải phân biệt giữa tài năng 'nội bộ' và tài năng 'bên ngoài'. Đối với bất kỳ người nào trong cơ sở dữ liệu của chúng tôi, thuật toán của chúng tôi có thể tìm thấy những ứng viên phù hợp nhất cho dù họ ở bên ngoài hay bên trong tổ chức.

Tất cả các công cụ quản lý tài năng được cung cấp là gì?

Chúng tôi đang hợp nhất các hoạt động hàng đầu của kênh, từ tìm nguồn nhân tài đến CRM cho đến phân tích. Chúng tôi cũng có giải pháp di chuyển nội bộ và chúng tôi đang triển khai các dịch vụ quản lý giới thiệu và lập kế hoạch kế nhiệm.

Một công ty khởi nghiệp nên ở giai đoạn nào trong hành trình khởi nghiệp trước khi tiếp cận với Findem?

Chúng tôi phục vụ khách hàng thuộc mọi quy mô, nhưng điểm hấp dẫn của chúng tôi có xu hướng là các công ty đang trong chế độ mở rộng quy mô với vài trăm nhân viên.

Cảm ơn bạn về cuộc phỏng vấn tuyệt vời, độc giả muốn tìm hiểu thêm hãy truy cập tìm kiếm.

Một đối tác sáng lập của unity.AI & một thành viên của Hội đồng Công nghệ Forbes, Antoine là một nhà tương lai học người đam mê tương lai của AI và robot.

Ông cũng là người sáng lập của Chứng khoán.io, một trang web tập trung vào đầu tư vào công nghệ đột phá.