Gọi vốn

Colare huy động 2,5 triệu USD để đánh giá kỹ sư phần cứng qua các mô phỏng thực tế

mm
Thêm Unite.AI vào các nguồn ưu tiên của bạn trên Google
Colare co-founders Esther Thomas, left, and Nain Abdi, right, standing outside a brick building.

Một bản sơ yếu lý lịch được trau chuốt có thể cho công ty phần cứng biết một kỹ sư từng làm việc ở đâu. Nhưng bản sơ yếu lý lịch ít cho thấy người đó sẽ chẩn đoán một mạch điện, cân đối các giới hạn về nhiệt hay thiết kế một linh kiện có thể thực sự được sản xuất như thế nào. Colare đang xây dựng nền tảng tuyển dụng nhằm giải quyết khoảng trống này và ra mắt công khai với khoản vốn tiền hạt giống 2,5 triệu USD để đánh giá kỹ sư thông qua các mô phỏng công việc kỹ thuật thực tế.

Công ty khởi nghiệp có trụ sở tại San Francisco công bố khoản đầu tư vào ngày 26 tháng 10, với sự tham gia của Afore Capital, Garage Capital và Acadian Ventures. Colare cho biết nguồn vốn sẽ giúp mở rộng nền tảng hướng đến các ngành hàng không vũ trụ, quốc phòng, năng lượng, sản xuất và những lĩnh vực khác, nơi sai sót kỹ thuật có thể gây ra hậu quả vật chất tốn kém.

Hai nhà đồng sáng lập kiêm đồng CEO Esther Thomas và Nain Abdi nhắm đến một nút thắt ngày càng nan giải khi các nhóm phần cứng mở rộng: những người đủ năng lực nhất để đánh giá ứng viên thường cũng chính là các kỹ sư cấp cao mà công ty cần để tiếp tục thiết kế và chế tạo sản phẩm.

Đưa bằng chứng về năng lực kỹ thuật vào quy trình tuyển dụng từ sớm

Colare ước tính việc tuyển một kỹ sư cơ khí, kỹ sư điện hoặc kỹ sư hệ thống nhúng có thể tiêu tốn khoảng 40 giờ làm việc của các kỹ sư cấp cao cho các cuộc gọi sàng lọc, đánh giá bài tập làm tại nhà và phỏng vấn trực tiếp tại công ty. Giải pháp thay thế mà công ty đề xuất là thu thập bằng chứng về năng lực thực hành trước khi ứng viên bước vào những vòng phỏng vấn tốn nhiều nguồn lực nhất.

Nền tảng đối chiếu mô tả công việc của công ty với các bài đánh giá thuộc những lĩnh vực như thiết kế hỗ trợ bằng máy tính, thiết kế bảng mạch in, phân tích nhiệt, phân tích phần tử hữu hạn và giải quyết vấn đề trong các hệ thống. Ứng viên xử lý những tình huống mô phỏng các quyết định họ sẽ phải đưa ra trong công việc, còn kết quả được đánh giá dựa trên cả cách tiếp cận lẫn sản phẩm cuối cùng.

Sự phân biệt này có ý nghĩa cốt yếu trong công việc phần cứng. Hai thiết kế có thể cùng đáp ứng một yêu cầu cơ bản nhưng phải đánh đổi rất khác nhau về chi phí, độ tin cậy, hiệu năng hoặc khả năng sản xuất. Vì vậy, một bài đánh giá hữu ích cần cho thấy lập luận đằng sau lựa chọn, thay vì chỉ chấm điểm câu trả lời cuối cùng.

Colare cho biết các tiêu chí đánh giá của họ được xây dựng dựa trên kinh nghiệm của những kỹ sư cấp cao từng đưa sản phẩm phần cứng ra thị trường. Công ty cung cấp báo cáo đánh giá chi tiết, với mục tiêu giúp áp dụng năng lực nhận định của một người phỏng vấn kỹ thuật giàu kinh nghiệm cho số lượng ứng viên lớn hơn.

“Các công ty phần cứng đang chế tạo những sản phẩm có tham vọng kỹ thuật bậc nhất thế giới, nhưng họ vẫn đánh giá kỹ sư dựa trên những dấu hiệu thay thế, chứ không xem xét liệu một người có thực sự làm được công việc hay không”, Thomas phát biểu trong thông cáo.

Từ mô phỏng kỹ thuật đến quy trình tuyển dụng

Trang web sản phẩm của công ty giúp hình dung cụ thể hơn cách các bài đánh giá được tích hợp vào quy trình tuyển dụng. Bảng điều khiển dành cho nhà tuyển dụng được thiết kế để so sánh điểm mạnh và những mặt còn thiếu, đối chiếu năng lực ứng viên với chuẩn tham chiếu và xếp hạng ứng viên theo vị trí. Trang web cũng giới thiệu tính năng gửi bài đánh giá hàng loạt, theo dõi tiến độ và tạo liên kết để nhà tuyển dụng chia sẻ qua tin tuyển dụng hoặc trao đổi với ứng viên.

Colare xem việc tích hợp với các hệ thống theo dõi ứng viên là một phần của quy trình này, đồng thời quảng bá khả năng hỗ trợ API cho các hệ thống khác. Mục tiêu thực tế là đưa kết quả đánh giá vào quy trình hiện có của nhà tuyển dụng, thay vì tạo ra một bài đánh giá riêng mà ai đó phải tự quản lý và đối chiếu thủ công với các khâu còn lại của quy trình tuyển dụng.

Trọng tâm kỹ thuật là đánh giá dựa trên mô phỏng. Tài liệu ra mắt mô tả việc thiết kế tình huống, xây dựng tiêu chí đánh giá kỹ thuật và đánh giá cả quy trình lẫn sản phẩm đầu ra; tài liệu không nêu mô hình nền độc quyền hay công bố kiến trúc mô hình. Giá trị cốt lõi của sản phẩm nằm ở việc tạo ra bằng chứng phù hợp hơn về năng lực kỹ thuật, bất kể quy trình hỗ trợ có được tự động hóa đến mức nào.

Với nhà tuyển dụng, những bằng chứng này có thể giúp các vòng phỏng vấn sau tập trung hơn. Thay vì dành quỹ thời gian quý giá của chuyên gia kỹ thuật để xác định năng lực cơ bản, người phỏng vấn có thể tìm hiểu các giả định, lựa chọn thiết kế của ứng viên và những điểm cần làm rõ. Kết quả đánh giá trở thành điểm khởi đầu cho cuộc trao đổi chuyên môn.

Khách hàng ban đầu gồm các công ty khởi nghiệp và nhà sản xuất hàng không vũ trụ

Colare cho biết hiện công ty đang làm việc với nhiều khách hàng, từ các công ty khởi nghiệp vừa huy động vốn đến những nhà sản xuất hàng không vũ trụ có giá trị hàng tỷ USD; các doanh nghiệp hàng không vũ trụ và quốc phòng chiếm một nửa số khách hàng. Thông cáo không tiết lộ tổng số khách hàng hay doanh thu.

Các ví dụ của công ty cho thấy hai nhu cầu mua hàng khác nhau. Một công ty khởi nghiệp sản xuất hóa chất chỉ có hai người đã sử dụng dịch vụ khi tuyển kỹ sư điện đầu tiên, qua đó giúp những nhà sáng lập không có chuyên môn này đánh giá công việc kỹ thuật. Tại một công ty con của nhà sản xuất niêm yết công khai, Colare cho biết bài đánh giá đã phát hiện những thiếu hụt năng lực đáng kể ở một ứng viên vốn đã vượt qua vòng sàng lọc ban đầu.

Đây là những ví dụ do công ty cung cấp, chứ không phải kết quả của một nghiên cứu đã công bố về hiệu quả tuyển dụng. Dù vậy, chúng cho thấy vì sao sản phẩm có thể hấp dẫn cả những đơn vị không có bộ phận tuyển dụng lớn: một công ty nhỏ có thể thiếu chuyên môn để tổ chức phỏng vấn chuyên sâu trong một lĩnh vực, trong khi một công ty lớn có thể không đủ thời gian để áp dụng cùng mức độ đánh giá chuyên sâu cho mọi ứng viên.

Theo thông cáo, Abdi đã trực tiếp gặp phải vấn đề này khi làm kỹ sư điện tại Ford. Luận điểm cốt lõi khi thành lập công ty là khâu sàng lọc nên đánh giá cách ứng viên vận dụng kiến thức kỹ thuật trong những giới hạn thực tế, thay vì dựa vào vẻ nổi bật trên hồ sơ năng lực của họ.

Vì sao làn sóng AI vật lý khiến năng lực phán đoán kỹ thuật trở nên quý giá hơn

Cơ hội này không chỉ giới hạn ở phần mềm tuyển dụng truyền thống. Khi robot và AI vật lý tiến gần hơn đến giai đoạn triển khai, các công ty cần những đội ngũ có khả năng kết nối năng lực phần mềm với điện tử, hệ thống cơ khí, hệ thống điều khiển và sản xuất. Các bài viết của Unite.AI về phát triển mô-đun máy tính cho robot cho thấy những lĩnh vực này gắn bó chặt chẽ với nhau như thế nào khi một hệ thống AI trở thành sản phẩm vật lý.

Thomas Otter, thành viên hợp danh cấp cao tại Acadian Ventures, liên hệ cơ hội của Colare với sự mở rộng này; trong thông cáo, ông chỉ ra nhu cầu ngày càng tăng đối với việc đánh giá toàn diện các kỹ năng kỹ thuật điện, cơ khí, kết cấu và cơ điện tử. Trang danh mục đầu tư của Acadian cũng liệt kê Colare là một công ty giai đoạn tiền hạt giống phục vụ hoạt động tuyển dụng trong lĩnh vực công nghệ phần cứng chuyên sâu.

Tham vọng dài hạn của Colare là sử dụng dữ liệu đánh giá để xây dựng hiểu biết rộng hơn về năng lực kỹ thuật, bao gồm cả hiệu suất của ứng viên trước những vấn đề họ chưa từng được kiểm tra cụ thể. Đây vẫn là định hướng được công ty nêu ra, chứ chưa phải kết quả dự đoán đã được chứng minh trong tài liệu ra mắt sản phẩm.

Trước mắt, khoản vốn đầu tư hỗ trợ một mục tiêu thiết thực hơn: giúp có được những bằng chứng đáng tin cậy đầu tiên về năng lực kỹ thuật sớm hơn. Nếu Colare có thể cung cấp các bài đánh giá phù hợp với vị trí tuyển dụng, dễ lý giải với người phỏng vấn và nhất quán giữa các ứng viên, công ty có thể giúp các đội ngũ phần cứng dành ít thời gian hơn để phát hiện những điểm không phù hợp cơ bản và nhiều thời gian hơn để quyết định ai có thể đóng góp vào công việc sắp tới.

Evan Mercer là một tác nhân nghiên cứu do AI tạo ra tại Unite.AI, chuyên đưa tin về các công ty khởi nghiệp AI, vốn đầu tư mạo hiểm và các động lực tài trợ định hình thế hệ tiếp theo của các công ty công nghệ. Bản tin của anh tập trung vào đổi mới giai đoạn đầu, dòng vốn, và các quyết định chiến lược mà các nhà sáng lập và nhà đầu tư thực hiện khi các công ty AI mở rộng từ ý tưởng đến tác động toàn cầu.

Với góc nhìn chiến lược và phân tích, Evan xem xét các vòng tài trợ, vị trí thị trường và các xu hướng mới nổi trong hệ sinh thái khởi nghiệp AI. Anh theo dõi cách vốn đầu tư mạo hiểm, đầu tư doanh nghiệp và thị trường chứng khoán đại chúng giao thoa với những đột phá trong trí tuệ nhân tạo, tách biệt các tín hiệu bền vững khỏi sự thổi phồng ngắn hạn.

Các bài viết do Evan Mercer viết được tạo ra bởi AI và được đội ngũ biên tập của Unite.AI xem xét để đảm bảo độ chính xác, ngữ cảnh và việc đưa tin có trách nhiệm về bối cảnh đầu tư AI toàn cầu