Alper Tekin, Chief Product Officer presso Findem – Serie di interviste

Alper Tekin, Chief Product Officer di Findem - Serie di interviste

Alper Tekin è Chief Product Officer presso Findem, una piattaforma di acquisizione e gestione del talento basata sull’intelligenza artificiale. Il Talent Data Cloud di Findem si basa sui dati sul talento più avanzati. Impara al ritmo dell’andamento del mercato per offrire un’intelligenza sui talenti senza pari a tutto il team.

In precedenza eri un imprenditore seriale, fondatore e CEO di diverse startup. Quali sono state le sfide più grandi che hai affrontato nel reclutamento?

Il reclutamento è stata una delle sfide più difficili del mio percorso imprenditoriale. Come imprenditori, sappiamo che le persone contano più di qualsiasi altra cosa e creare il team giusto è il lavoro più importante per qualsiasi leader aziendale. Tuttavia, è davvero difficile dedicare il tempo sufficiente necessario per trovare le persone giuste quando si gestiscono molte altre attività aziendali coinvolte nello sviluppo di una startup. Senza dati oggettivi su chi è disponibile, è difficile trovare il gruppo di persone adatto e ancora più difficile sapere se avranno successo nella tua organizzazione.

Puoi condividere la visione di come Findem sta costruendo una piattaforma autonoma per il team RH del futuro?

L’acquisizione di talenti è un lavoro complesso con centinaia di compiti, svolti da decine di persone, attraverso decine di strumenti che non comunicano tra loro nella maggior parte dei casi. La nostra visione è eliminare questa complessità attraverso una combinazione di intelligenza artificiale e automazione del flusso di lavoro.

Il nostro primo obiettivo è supportare i team del talento automatizzando le attività noiose, ripetitive e soggette ad errori nella loro routine giornaliera e assistendo le persone nel prendere decisioni più rapide, migliori e più eque con l’aiuto dei dati. Già vediamo casi di utilizzo, come una grande azienda tecnologica che utilizzava otto o dieci sistemi solo per creare un “talent pipeline” e ognuno veniva utilizzato in modo isolato. Ci volevano loro tra gli 80 e i 100 clic per completare un singolo compito e ora, con le applicazioni autonome, possono eseguire lo stesso compito con un solo clic.

Come per tutte le funzioni aziendali, le organizzazioni del talento subiranno una trasformazione in cui l’intelligenza artificiale avrà la priorità e il nostro piano è quello di automatizzare tutto ciò che può essere automatizzato, consentendo ai recruiter e ad altri professionisti del talento di raggiungere il massimo delle loro potenzialità. Le applicazioni autonome svolgeranno un ruolo fondamentale iniziale nella pianificazione, nel “pipeline” dei talenti e nelle analisi, per poi estendersi a tutto il ciclo di vita dei talenti, che comprende tutto, dalla pianificazione della forza lavoro alle risorse di talento alla sviluppo della carriera e alla pianificazione della successione.

Findem analizza trilioni di punti dati e si avvantaggia di quello che si chiama dati 3D, potresti spiegare cosa sono i dati 3D?

Findem elabora 1,6 trilioni di punti dati provenienti da centinaia di migliaia di fonti per generare dati sui talenti completamente nuovi che non esistono altrove e forniscono una comprensione di un individuo e delle aziende con cui è associato nel corso del tempo. Findem utilizza queste tre dimensioni dei dati: dati delle persone e delle aziende nel corso del tempo, per connettere i percorsi individuali e aziendali e creare profili di talento arricchiti.

Pensalo in questo modo: ogni persona che ha lavorato nel moderno mercato del lavoro ha un percorso e lascia dietro di sé una traccia digitale. Ci sono titoli, promozioni di lavoro, certificati, contributi di codice, pubblicazioni, post sui social e così via. Allo stesso modo, le aziende hanno un percorso. Hanno attività come round di finanziamenti, IPO e depositi finanziari, nonché descrizioni di lavoro, organigrammi, recensioni aziendali e profili di leadership; tutti questi dati possono tracciare lo sviluppo e il progresso di un’organizzazione.

Tradizionalmente, le decisioni di talento si basavano su un curriculum, una domanda di lavoro e/o un profilo LinkedIn che offriva solo una visione unidimensionale di una persona e dei dati aziendali. Tuttavia, abbiamo costruito una piattaforma in grado di raccogliere migliaia di dati sui percorsi delle persone e delle aziende e di convertirli in un profilo profondamente arricchito. Il risultato è una comprensione più dettagliata e precisa dell’esperienza, delle competenze e dell’impatto di una persona rispetto a quanto fosse possibile in precedenza con la ricerca manuale o da un profilo LinkedIn generato dagli utenti.

Con il nostro Talent Data Cloud, è possibile cercare intere carriere su comando attraverso un’interfaccia GenAI. Ad esempio, è possibile chiedere alla piattaforma di mostrare i dirigenti finanziari di aziende statunitensi possedute da società di Equity Privato che hanno portato un’azienda da un margine operativo negativo a un margine operativo positivo o di fornire un elenco di product manager fedeli che hanno lavorato per una startup B2B e hanno portato alla Serie C.

Quali sono i diversi tipi di punti dati che vengono analizzati?

Il nostro Talent Data Cloud utilizza dinamicamente e continuamente un modello di linguaggio per generare dati 3D da centinaia di migliaia di fonti di dati.

Analizza dati di profilo e di contatto provenienti da piattaforme come LinkedIn, GitHub, StackOverflow, Kaggle, Dribble, Doximity, ResearchGate, WordPress e siti web personali. I dati demografici provengono dall’Ufficio del Censimento degli Stati Uniti, naturalmente. Inoltre, analizziamo i dati delle aziende dalle comunicazioni di finanziamento, dai dettagli dell’IPO, dai modelli di business di oltre 8 milioni di aziende e da oltre 100.000 categorie di aziende e prodotti aggregate. Per le competenze verificate, la piattaforma analizza oltre 300 milioni di brevetti e pubblicazioni, oltre 5 milioni di progetti di dataset aperti e di intelligenza artificiale e oltre 200 milioni di repository di codice open-source e altre contribuzioni pubbliche. E includiamo importanti dati ATS che comprendono informazioni sul profilo dei candidati dall’ATS dell’utente, che potrebbe essere Greenhouse, Workday, SmartRecruiters, BambooHR, Lever, eccetera.

Cosa cerca il machine learning quando analizza questi dati?

Findem è prima di tutto una piattaforma di business intelligence (BI), poi utilizza l’intelligenza artificiale (AI) per imparare e fare previsioni basate su dati concreti. Questo modello lo definiamo deterministico rispetto a un modello probabilistico. Ad esempio, non inferiamo probabilisticamente che tu abbia esperienza nelle startup, invece analizziamo la tua storia lavorativa e verifichiamo se le aziende in cui hai lavorato sono state classificate come startup e poi attribuiamo allora una caratteristica di “esperienza in startup” al tuo profilo.

Come vengono poi trasformati questi dati in attributi, e cosa sono gli attributi?

Dopo la raccolta dei dati, disponiamo di un motore di intelligenza (pensalo come un middleware SQL sofisticato) che può mappare i dati su qualsiasi attributo vogliamo creare.

Gli attributi sono le competenze, le esperienze e le caratteristiche delle persone e delle aziende, sia concreti che astratti. Gli attributi concreti includono ruoli (attuali, precedenti ed esperienze professionali), esperienza lavorativa, formazione, qualifiche e altre informazioni tecniche. Gli attributi astratti possono essere di ampia portata, come ad esempio se qualcuno ispira fedeltà, forma team diversificati o è guidato dalla missione.

La nostra ricerca basata sugli attributi consente ai team delle risorse umane di cercare candidati su tutti i canali del loro ecosistema del talento utilizzando praticamente qualsiasi criterio tu possa immaginare.

Come la piattaforma impedisce che ci siano pregiudizi di genere o razziali nell’IA che influiscono nelle decisioni di assunzione?

La nostra piattaforma è stata appositamente progettata per non prendere decisioni al posto degli utenti, ma per assistere le persone nelle loro decisioni. Utilizzando una strategia basata sulla business intelligence, la piattaforma privilegia la raccolta, l’analisi e la presentazione dei dati per fornire informazioni e supporto alle decisioni, utilizzando poi l’intelligenza artificiale per imparare, ragionare e fare previsioni o raccomandazioni con risultati affidabili.

Siamo una piattaforma di ricerca e selezione, non una piattaforma di valutazione dei candidati, e l’intelligenza artificiale non viene mai utilizzata per effettuare una valutazione soggettiva di una persona. Non avanza né rifiuta automaticamente i candidati. Inoltre, dal momento che Findem non utilizza l’IA per la ricerca e la selezione (queste capacità si basano sulla business intelligence), si riduce al minimo il rischio di pregiudizi o discriminazioni nel processo.

Come semplifica Findem il processo di promozione del personale interno?

Alla base, non dobbiamo distinguere tra talenti “interni” ed “esterni”. Per ogni persona nel nostro database, il nostro algoritmo può trovare i candidati più adatti sia all’interno che all’esterno dell’organizzazione.

Quali sono tutti gli strumenti di gestione del talento offerti?

Stiamo consolidando le attività di base, quindi tutto, dal reclutamento del talento alla gestione delle relazioni con i clienti (CRM), fino all’analisi dei dati. Offriamo anche una soluzione per la mobilità interna e stiamo introducendo offerte per la gestione dei rinvii e la pianificazione delle successioni.

In quale fase del percorso imprenditoriale una startup dovrebbe rivolgersi a Findem?

Offriamo servizi a clienti di tutte le dimensioni, ma il nostro target principale sono le aziende in fase di scalabilità con qualche centinaio di dipendenti.

Grazie per l’ottima intervista, i lettori che desiderano saperne di più possono visitare Findem.