阿勒佩尔·特金，Findem 首席产品官 – 采访系列

您之前是一位连续创业者，曾担任多家创业公司的创始人和 CEO。您在招聘过程中遇到的最大挑战是什么？

招聘一直是我创业旅程中最具挑战性的方面。作为创业者，我们知道人员比其他任何东西都更重要，建立合适的团队是任何商业领导者的最重要工作。然而，当您处理这么多其他业务活动时，很难分配足够的时间来找到合适的人。没有客观的数据来了解谁是可用的，很难找到合适的人才，甚至更难知道他们是否会在您的组织中表现良好。

您能否分享 Findem 如何为未来的人力资源团队构建自主人才平台的愿景？

人才招聘是一个复杂的工作，涉及数百个任务，由数十个角色完成，使用数十个工具，这些工具通常不相互通信。我们的愿景是通过将 AI 和工作流自动化相结合来消除这种复杂性。

我们的首要目标是支持人才团队，通过自动化他们日常工作中的重复性、易错的任务，并帮助他们用数据做出更快、更好、更公平的决策。我们已经看到一些用例，例如一家大型科技公司，他们使用八到十个系统来建立人才管道，每个系统都以独立的方式使用。他们需要 80-100 次点击才能完成一个任务，现在，通过自主应用，他们可以用一次点击完成同样的任务。

像几乎所有的商业功能一样，人才组织将经历一次 AI 首要的转变，我们的计划是自动化一切可以自动化的内容，允许招聘人员和其他人才专业人员发挥他们的全部潜力。自主应用程序最初将在规划、管道和分析方面发挥关键作用，然后将扩展到整个人才生命周期，涵盖从员工规划到人才池、职业发展和继任规划等一切内容。

Findem 分析了大量的数据点，并利用所谓的 3D 数据。您能否解释一下什么是 3D 数据？

Findem 从数十万个来源中摄取 1.6 万亿个数据点，生成完全不存在于其他地方的新人才数据，并提供对个体和他们所隶属的公司的理解，随着时间的推移。Findem 使用这些三维数据 – 人员和公司数据，随着时间的推移 – 来连接个体和公司的旅程，并创建丰富的人才简介。

可以这样想：每个在现代职场中工作过的人都有一条旅程，并且留下了数字足迹。有职称、工作提升、证书、代码贡献、出版物、社交帖子等等。同样，公司也有自己的旅程。他们有活动，如融资、IPO 和财务报告，以及工作描述、组织图表、公司评论和领导简介 – 所有这些数据都可以绘制出一个组织的发展和进步。

传统上，人才决策依赖于简历、工作申请和/或 LinkedIn 简介，这些只提供了对个人和公司数据的一维切片。然而，我们建立了一个可以捕获数千个数据点的人才旅程并将其转化为大规模丰富的简介的平台。结果是比以前通过手动研究或用户生成的 LinkedIn 简介可能实现的更详细、更细致的个人经验、技能和影响力的理解。

通过我们的 Talent Data Cloud，整个职业生涯都可以通过 GenAI 接口进行搜索。例如，您可以要求平台显示您美国公司的 CFO，他们由私募股权公司拥有，并将公司从亏损转变为盈利，或者给您一份忠诚的产品经理名单，他们曾为一家 B2B 创业公司工作，并见证了该公司的重大 C 轮融资。

被分析的数据点类型有哪些？

我们的 Talent Data Cloud 动态地、持续地利用语言模型从数十万个数据源中生成 3D 数据。

它分析来自 LinkedIn、GitHub、StackOverflow、Kaggle、Dribble、Doximity、ResearchGate、WordPress 和个人网站的个人资料和联系数据。人口普查数据来自美国人口普查局。另外，我们查看来自融资公告、IPO 详情、超过 800 万家公司的商业模式和超过 10 万个聚合的公司和产品类别的公司数据。对于经过验证的技能，平台分析超过 3 亿项专利和出版物、超过 500 万个开放数据集和机器学习项目，以及超过 200 万个开源代码仓库和其他公共贡献。我们还包括来自用户的申请跟踪系统（ATS）的数据，例如 Greenhouse、Workday、SmartRecruiters、BambooHR、Lever 等。

机器学习在分析这些数据时寻找什么？

Findem 首先是商业智能，然后使用 AI 来学习和根据事实数据做出预测。我们称之为确定性模型，而不是概率模型。例如，我们不会概率性地推断您有创业经验，而是查看您的就业历史，看看您是否曾在创业公司工作过，然后在您的简介中添加“创业经验”属性。

这些数据如何转化为属性，什么是属性？

数据收集完成后，我们有一个智能引擎（可以认为是复杂的 SQL 中间件），可以将数据映射到我们想要创建的任何属性。

属性是个人和公司的技能、经验和特征 – 它们既可以是有形的，也可以是无形的。有形属性包括角色（当前、过去和角色经验）、工作经验、教育、资格和其他技术信息。无形属性可以非常广泛，例如某人是否激励忠诚、建立多样化的团队或具有使命感。

我们的基于属性的搜索使人力资源团队能够使用几乎任何标准在整个人才生态系统中搜索候选人。

该平台如何防止性别或种族 AI 偏见在招聘决策中出现？

我们的平台故意设计为不代表任何用户做出决定，而是让 AI 协助人们做出决定。使用商业智能优先的策略，平台优先收集、分析和呈现数据以提供洞察力和决策支持，然后使用 AI 来学习、推理和做出预测或推荐，具有可信的结果。

我们是一个搜索和匹配平台，而不是候选人评估平台，AI 从不用于对个人进行主观评估。它永远不会自动推进或拒绝申请人。另外，由于 Findem 不使用 AI 进行搜索和匹配（这些功能基于商业智能），它减轻了偏见或歧视渗入过程的风险。

Findem 如何简化内部员工的晋升过程？

在其核心，我们不需要区分“内部”和“外部”人才。对于我们数据库中的任何人，我们的算法都可以找到最匹配的候选人，无论他们是在组织内部还是外部。

Findem 提供了哪些人才管理工具？

我们正在整合顶级活动，因此包括从人才招聘到客户关系管理再到分析的所有内容。我们还有一种解决方案用于内部流动性，并且我们正在推出推荐管理和继任规划的产品。

创业公司应该在什么阶段联系 Findem？

我们服务于所有规模的客户，但我们的甜蜜点往往是处于扩张模式的公司，拥有几百名员工。

感谢这次精彩的采访，希望了解更多的读者可以访问 Findem 的网站。