Swyguna empresa emergente con sede en Dublín que cree que puede reducir el sesgo en el reclutamiento al combinar un proceso de entrevistas entre pares con su propia IA, ha obtenido $1.2 millones en financiamiento inicial.
Liderando la ronda está Frontline Ventures, junto con inversionistas ángeles, incluidos Charles Bibby (cofundador de Pointy) y Martin Henk (cofundador de Pipedrive). La financiación se utilizará para hacer crecer el equipo técnico y de productos de Swyg y para desarrollar aún más su plataforma.
“La selección de candidatos es un gran problema en la contratación”, me dice el fundador de Swyg, Vincent Lonij. “Es la parte del proceso que requiere más mano de obra y es más propensa a errores… Se toman malas decisiones cuando un solo revisor/entrevistador intenta tomar una decisión basada en información limitada, como un currículum o un perfil estático. Este escenario es exactamente donde el sesgo humano entra en el proceso”.
Además, del lado de los solicitantes, Lonij señala que la gran mayoría de los candidatos quieren recibir comentarios de sus largas entrevistas de trabajo, “pero solo el 41 % los recibe, lo que dificulta su capacidad de aprender y crecer”.
Para resolver esto, la plataforma Swyg somete a los candidatos a un proceso de entrevistas en el que se entrevistan entre sí a través de una serie de chats de video uno a uno utilizando preguntas estructuradas predefinidas.
“El proceso entre pares se basa en la experiencia de un grupo diverso de personas en lugar de depender de un solo reclutador o gerente de contratación”, explica el fundador de Swyg. “El simple hecho de obtener información de revisores más diversos ya reduce el sesgo”. Además, la tecnología de inteligencia artificial de Swyg afirma ser capaz de calibrar a los entrevistadores en tiempo real “para detectar y corregir sesgos y errores humanos”.
Créditos de imagen: Swyg
Una forma de pensarlo es que para entender al entrevistado y cómo se desempeñó en la entrevista, primero Swyg necesita entender más sobre el entrevistador. Esto podría incluir tener en cuenta cómo califican a los candidatos en conjunto (es decir, si sus puntajes son más positivos o más negativos) y otras variables, como si tienden a ser un juez más duro después de un puntaje alto y viceversa o si permanecer bastante consistente.
También existen sistemas para detectar cuando sucede algo inesperado, incluidos los participantes que dan calificaciones injustas deliberadamente. Esto desencadena un proceso de revisión en el que Swyg puede excluir ciertas revisiones si está justificado.
“En pocas palabras, utilizamos el aprendizaje automático para comprender a los entrevistadores que, a su vez, comprenden a los entrevistados, en lugar de tratar de juzgar a los candidatos directamente con IA/ML”, explica Lonij. “Podemos usar esta tecnología para detectar y corregir los sesgos cognitivos conocidos de los entrevistadores, lo que conduce a evaluaciones más precisas”.
Mientras tanto, Lonij dice que todos los demás están tratando de resolver el problema de selección de candidatos utilizando soluciones totalmente automatizadas o soluciones totalmente manuales. “Ninguno de estos funcionará”, argumenta.
Esto se debe a que, en general, la IA no está lo suficientemente desarrollada como para poder juzgar a los humanos de una manera totalmente automatizada, lo que hace que la coincidencia de palabras clave de CV o el análisis automatizado de videos grabados sean extremadamente poco confiables. A su vez, los entrevistadores humanos por sí solos son propensos a errores y están sujetos a una variedad de sesgos.
“Somos diferentes debido a nuestro enfoque híbrido”, agrega Lonij. “Al hacer que los candidatos formen parte del proceso, podemos aprovechar las mejores partes de la integridad humana y la adaptabilidad al mismo tiempo que obtenemos la eficiencia de la IA”.
Source link