Como director general y cofundador de Buscar, Hari es responsable de impulsar la dirección general y el crecimiento estratégico de la empresa, así como de supervisar sus operaciones diarias. Es un emprendedor en serie y un tecnólogo consumado, con casi dos décadas de experiencia en la construcción de empresas y la creación de soluciones tecnológicas pioneras.
Hari fue anteriormente cofundador y CTO de Instart, donde lideró la visión técnica de la empresa y tradujo los requisitos de los clientes en soluciones innovadoras y realizables. Durante su tiempo en Instart, fue coautor de más de 50 patentes.
Hari también ocupó puestos de ingeniería de alto nivel en Aster Data, donde trabajó en todas las características de toda la pila de desarrollo, así como en el grupo Solaris Cluster de Sun, donde contribuyó con módulos críticos de software.
Ha sido un empresario exitoso que ha lanzado con éxito dos nuevas empresas. ¿Podría hablar sobre el momento eureka en su primera startup Instart, cuando se dio cuenta de que escalar un equipo es un problema importante para la mayoría de los emprendedores?
No fue solo uno, sino más bien una combinación de un par de experiencias diferentes. Llegamos a un punto en Instart en el que estábamos en un camino de crecimiento extremadamente rápido, incluida la expansión de la empresa a nivel internacional, y eso presentó un conjunto especial de desafíos. Ahora, estamos tratando de construir un equipo excepcional que sea realmente diverso, y lo hacemos en poco tiempo y más allá de las fronteras continentales. Como competíamos con otras empresas emergentes por el talento y nos apresurábamos a escalar nuestro equipo, terminamos haciendo un par de malas contrataciones, lo que nos hizo retroceder y generó mucha frustración. Otros baches en el camino surgieron cuando tratamos de comunicar nuestra lista de deseos de empleados a los reclutadores. El proceso era muy propenso a errores, y nos encontramos comprometiéndonos muchas veces con la contratación correcta con el espíritu de cerrar rápidamente. Estas fueron lecciones contundentes y que desafían a casi todos los empresarios, pero estoy agradecido de que despertaron la idea y alimentaron el fuego que condujo a Findem.
¿Podría entonces discutir la historia de la génesis del lanzamiento de Findem?
Findem fue realmente un resultado directo de los errores que cometí al contratar y escalar al principio de mi carrera. Como le dirá cualquier emprendedor, la creación de equipos excepcionales es el factor más importante para el éxito de una empresa. También es extremadamente difícil. Como alguien con experiencia en ingeniería, me atrae resolver algunos de los problemas más difíciles que conducen a los mayores impactos, y este desafío en particular me motivó. Encontrar a los empleados adecuados que puedan integrarse a la perfección en la cultura de la empresa y que tengan las competencias necesarias para desempeñar el trabajo es mucho más difícil de lo que parece.
Tradicionalmente, la única forma de resolver el problema de escalar el talento era a través de la fuerza bruta, junto con un elemento humano, y el proceso estaba plagado de errores, sesgos e ineficiencias. Mientras lo examinaba más a fondo, me di cuenta de que en realidad es un problema de datos en su esencia, y la forma correcta de resolverlo es abordarlo como un problema de datos. Mediante el uso de IA y análisis profundos, hemos aportado un nuevo enfoque exitoso al proceso al permitir que los líderes de recursos humanos busquen candidatos en función de los atributos deseados en lugar de palabras clave o títulos en los currículums. Las empresas se sienten atraídas por el reclutamiento basado en datos porque es más eficiente, reduce costos, mejora la equidad y da como resultado contrataciones de mejor calidad. Findem comenzó como un proyecto apasionante y ahora estamos prosperando, particularmente entre las empresas que enfrentan más problemas, dolores y gastos de contratación que sus contrapartes más pequeñas.
¿Qué importancia tienen los datos a la hora de contratar?
Los datos son de vital importancia cuando se trata de tomar decisiones de contratación efectivas. Por ejemplo, cuando las empresas intentan crear equipos más diversos, el seguimiento de los datos de empleados y candidatos suele ser una idea de último momento. Sin embargo, es vital que las iniciativas de diversidad, equidad e inclusión (DE&I, por sus siglas en inglés) comiencen con transparencia sobre el estado actual de la organización basado en datos: los análisis pueden mostrarle todo, desde la diversidad de su liderazgo hasta cómo ha estado realizando un seguimiento de la diversidad. en los últimos cinco años, a las discrepancias de compensación, a las tasas de rotación de diversos empleados. Es importante tener en cuenta que el seguimiento de datos debe extenderse no solo al género y la raza, sino también a otros factores, como la edad, la religión, la discapacidad y el servicio militar. Cuando tenga esos datos, puede comenzar a trazar sus objetivos y realmente trabajar hacia una cultura diversa e inclusiva.
Además, cuando se trata de construir esa cultura diversa e inclusiva a través de la contratación, es muy importante monitorear la fuente de talento para asegurarse de que está fomentando la diversidad desde el comienzo de la búsqueda de candidatos. Esto es imposible sin los datos correctos.
Los análisis de canalización también son clave para comprender qué funciona o no en sus esfuerzos de contratación de diversidad. ¿Qué tan rápido están reclutando candidatos diversos? ¿Qué reclutadores realmente están moviendo la aguja cuando se trata de llenar la tubería con diversos candidatos? ¿Se abastece de áreas geográficas donde hay un mayor porcentaje de candidatos diversos? Los datos pueden proporcionar las respuestas a todas estas preguntas que de otro modo no podría responder.
Los datos también son el núcleo del análisis predictivo, donde los datos históricos se utilizan para descubrir el talento que se destacará dentro de su empresa. El análisis predictivo puede indicarle la probabilidad de que un candidato se desempeñe bien en un puesto determinado, su riesgo de rotación, si tendrá éxito en un puesto remoto y otra información que puede ayudarlo a identificar a los candidatos que tienen más probabilidades de prosperar.
¿Cuáles son algunas de las fuentes de datos de las que Findem recopila información?
Findem agrega todos los datos de personas disponibles públicamente, que se verifican y triangulan a través de múltiples fuentes, con el fin de registrar y conocer los atributos de un candidato potencial. Tenemos una biblioteca de más de 1 millón de atributos para cada individuo. Podemos enriquecer estos datos y descubrir nuevos atributos si nuestros clientes eligen integrar sus herramientas internas de recursos humanos con Findem. Algunos ejemplos de la información pública que agregamos incluyen datos del censo, datos de información de categorías de productos, datos financieros de la empresa, datos de mercado, datos de patentes y publicaciones, datos educativos y datos de productividad y habilidades.
¿Cómo pueden los empleadores utilizar mejor la plataforma Findem para encontrar al candidato ideal?
Para coincidir con los candidatos ideales, ya sean activos o pasivos, los empleadores pueden usar nuestra plataforma para buscarlos en función de una combinación de más de 1 millón de atributos. Los atributos pueden ser tangibles, como si alguien es mujer, una fundadora anterior o trabajó para una de las 10 principales empresas emergentes financiadas por capital de riesgo, así como intangibles, como si alguien encarna los valores de la empresa, posee un espíritu emprendedor o es un go- adquiridor. Estos atributos proporcionan una imagen basada en datos de cada individuo y se pueden utilizar para encontrar el ajuste exacto para ocupar un puesto vacante.
Los atributos se pueden comparar entre empleados internos, perfiles ATS que se enriquecen con la información más actualizada y candidatos externos. Por lo general, las empresas comienzan con un perfil de candidato ideal y crean un grupo de talentos de cada persona que coincida con los atributos de ese candidato ideal, aunque algunas optan por crear una búsqueda de atributos desde cero.
Otro enfoque único que pueden tomar es analizar los atributos de alguien que es un empleado superestrella (pueden estar dentro o fuera de la empresa que está contratando) y luego diseñar una búsqueda de candidatos que sean esencialmente sus clones, lo que significa que también poseen esos atributos exactos. . Supongamos que conocen a alguien que se destaca en el trabajo remoto, es leal y fue un CMO en una empresa que se adquirió con éxito, un empleador puede simplemente buscar en nuestra plataforma un conjunto de imitadores.
¿Cómo evita Findem el sesgo étnico o de género no intencional de su proceso de aprendizaje automático?
El sesgo involuntario que se introduce sin ninguna visibilidad en la distribución del talento, también conocido como diversidad, al elegir una ubicación o atributo particular para buscar es una fuente de sesgo inconsciente. Findem proporciona un resumen agregado de la distribución de talento dinámicamente por ubicación y varios atributos de búsqueda y le da esta visibilidad al equipo de personas.
También disminuimos estos sesgos a través de búsquedas basadas en atributos que se pueden realizar sin participación humana, ofuscando la información PII de los candidatos cuando se realizan revisiones manuales y agregando pesos automáticamente a la canalización para garantizar que sea lo más diversa posible.
Un concepto interesante es cómo Findem permite a los empleadores encontrar nuevos atributos para la búsqueda de talentos. ¿Cómo funciona este proceso?
Findem permite descubrir nuevos atributos de varias maneras. Una es mirar a otras empresas ya las personas que han contratado en diferentes momentos. Por ejemplo, si una empresa planea plantear una ronda de Serie B o cotizar en bolsa, es posible que desee comprender cómo se dotó de personal a las empresas que tuvieron mucho éxito en esfuerzos similares. Nuestra plataforma permite a los empleadores ver los atributos de esas personas y utilizarlos en sus propias búsquedas de talento.
Del mismo modo, puede hacer esto con sus propios empleados superestrellas y sistemas internos. Es posible usar su sistema interno de información de recursos humanos (HRIS) para distinguir a sus empleados de mejor desempeño, y luego puede identificar los atributos que les son comunes y usarlos para alimentar búsquedas futuras.
¿Hay algo más que le gustaría compartir sobre Findem?
Una de nuestras mayores áreas de enfoque en este momento es cumplir nuestra visión de hacer que nuestra solución de búsqueda de talento sea completamente autoservicio. Un objetivo para nosotros desde el primer día fue construir una plataforma que fuera lo suficientemente simple para que la usara cualquier persona dentro de la función de recursos humanos, y estamos dando grandes pasos en este momento para alcanzar ese hito.
Gracias por la gran entrevista, los lectores que deseen obtener más información deben visitar Buscar.