Perfect przeznacza 23 mln dolarów na naprawę błędów w rekrutacji za pomocą sztucznej inteligencji

„Agentic AI” to koncepcja chwili. Deweloperzy duzi i mali spieszą się, aby tworzyć aplikacje, aby przeskoczyć ciężką pracę potrzebną do wykorzystania generatywnej AI w określonych kontekstach… a inwestorzy spieszą się, aby sfinansować najciekawsze z nich.

Jednym z najnowszych przykładów jest startup z Izraela o nazwie Perfect — platforma umożliwiająca rekruterom udoskonalenie sposobu pozyskiwania i zatrudniania kandydatów do pracy — który pozyskał kapitał zalążkowy w wysokości 23 milionów dolarów.

Zespoły rekrutacyjne używają Perfect jako drugiego pilota, gdy piszą otwarte oferty pracy, ustalają, gdzie je uruchomić, a następnie sortują odpowiedzi przychodzące. Perfect współpracuje, ale także konkuruje z narzędziami firm takich jak Indeed, Recruiter i LinkedIn.

Perfect twierdzi, że oszczędza rekruterom nawet 25 godzin pracy tygodniowo. W ciągu roku od cichego otwarcia Perfect zwiększyło bazę klientów do 200 firm z zaledwie 20 na początku. Na liście znajdują się Fiverr, eToro, McCann i Coralogix.

Firmę Perfect założył Eylon Etshtein, znany prawdopodobnie przede wszystkim jako założyciel kontrowersyjnego startupu zajmującego się rozpoznawaniem twarzy Anyvision (który zmienił profil działalności, zmienił nazwę i niedawno został przejęty ).

Etshtein powiedział, że pomysł na Perfect zrodził się bezpośrednio z jego doświadczeń w Anyvision. Tam przyjął bardzo praktyczne podejście do rekrutacji, oceniając kandydatów bezpośrednio osobiście i szybko zobaczył, że proces nigdy nie będzie skalowalny.

Jednak będąc założycielem startupu zajmującego się rozpoznawaniem twarzy za pomocą sztucznej inteligencji, którego celem było również znalezienie przysłowiowej „igły w stogu siana”, Etshtein wyobraził sobie platformę przeszkoloną w zakresie rozumienia, kogo Anyvision chce zatrudnić, co ostatecznie mogłoby pomóc w realizacji tego zadania.

Kiedy Etshtein wycofał się ze swojej codziennej roli po tym, jak sprawy z Anyvision się skomplikowały — miało to miejsce przed obecnym zainteresowaniem technologią „odporności”, startupami tworzącymi usługi i sprzęt dla rządów, wojska i obronności — wiedział, co będzie robił dalej.

Na rynku działają dziesiątki startupów HR opartych na AI. Etshtein i jego inwestorzy uważają, że Perfect jest inny. Przede wszystkim zbudował swoją platformę od podstaw — bez udziału dużych modeli językowych stron trzecich — budując własny zestaw danych wektorowych i trenując go za pomocą danych pozyskanych od zewnętrznych dostawców. Etshtein powiedział, że zazwyczaj kupuje dane od innych dużych firm rekrutacyjnych, a następnie „czyści je” w celu ponownego wykorzystania.

„Kiedy zaczynaliśmy Perfect, ChatGPT nie istniał” – powiedział. „Nie było architektury, która faktycznie pozwalałaby zbudować algorytm ścieżki kariery, który rozumiałby twoją przeszłość, teraźniejszość i przewidywał twoją przyszłość” – powiedział.

Budowanie od podstaw, nadal trwało około trzech lat w ukryciu, aby stworzyć platformę Perfect, powiedział, ale okazało się, że jej praca przed ChatGPT nie zostanie zastąpiona przez ostateczny wzrost Large Language Models. „LLM są okropne z dużymi ładunkami”, powiedział. W terminologii rekruterów „ładunki” oznaczają około 50 rekordów danych, które można wziąć pod uwagę wokół każdego kandydata, opatrzonych adnotacjami i uporządkowanych w celu tworzenia spostrzeżeń.

„Musimy korzystać z zastrzeżonych danych, które opatrujemy adnotacjami, w przeciwnym razie nie otrzymalibyśmy tak dokładnych wyników, jakie otrzymujemy dzisiaj” – dodał.

Finansowanie jest ogłaszane po raz pierwszy dzisiaj, ale jest ono przekazywane w dwóch transzach. Perfect otrzymało inwestycję kapitałową w wysokości około 12 milionów dolarów rok temu od Target Global, RTP Global, Pitango i innych. Niedawno otrzymało bezprocentowy weksel SAFE, który zostanie zamieniony na kapitał w kolejnej rundzie, od Hanaco Ventures, Joule Ventures i Young Sohn, byłego prezesa Samsunga, który zasiada w zarządzie Arm.

„W branży, która desperacko potrzebuje prawdziwej innowacji, a zarówno agencje, jak i kandydaci padają ofiarą przestarzałych, ręcznych przepływów pracy lub niedopracowanych rozwiązań AI, Perfect wykorzystuje zastrzeżone zestawy danych i integruje się z branżowymi przepływami pracy, aby całkowicie przekształcić sposób działania rekrutacji, automatyzując zdecydowaną większość codziennych zadań swoich klientów” — powiedział w oświadczeniu Lior Prosor, partner w Hanaco Ventures.

Rzeczywiście, rekrutacja, czyli obszar, na którym koncentruje się Perfect, stała się gorącym tematem dla osób tworzących aplikacje w zakresie sztucznej inteligencji. Nic dziwnego, biorąc pod uwagę, jak nieefektywny jest ten proces.

Niektóre stanowiska lub niektóre prestiżowe firmy mogą być przepełnione kandydatami, a proces znalezienia najbardziej odpowiednich kandydatów spośród nich — być może nieunikniony — przypomina „szukanie igły w stogu siana” — powiedział w wywiadzie dyrektor generalny i współzałożyciel Perfect, Eylon Etshtein.

Drugie ekstremum jest również powszechne: rekruterzy chcą zobaczyć szereg kandydatów, a mimo to ze względu na zbieg czynników — widoczność, niepopularność stanowiska lub organizacji — prawie nikt nie składa aplikacji. Dodając do tego armię ludzi dokonujących selekcji aplikacji, można zrozumieć, jak programiści AI skupili się na rekrutacji.

Perfect nie jest jedynym w tej przestrzeni. Inne obejmują firmy takie jak LinkedIn (który ma kilka narzędzi AI dla rekruterów i osób poszukujących pracy), a także HiBob , Workable, Maki , Mercor (który właśnie zebrał pieniądze przy wycenie 2 miliardów dolarów w zeszłym tygodniu), Tezi i SeekOut (który zmniejszył zatrudnienie w zeszłym roku) — wśród dziesiątek innych.

Jeśli chodzi o kolejne kroki dla startupu, obejmują one więcej udoskonaleń w zestawie narzędzi, które udostępnia rekruterom. Perfect chce również skupić się na drugiej stronie medalu, planując bezpłatne narzędzie, z którego kandydaci będą mogli korzystać, aby lepiej ukierunkować swoje własne działania związane z poszukiwaniem pracy — co zapewni startupowi dodatkowe źródło danych na potrzeby przyszłych projektów.