Swyg, una startup con sede en Dublín que cree que puede reducir el sesgo en el reclutamiento al combinar un proceso de entrevista entre pares con su propia IA, ha obtenido $ 1.2 millones en fondos pre-semilla.
A la cabeza de la ronda se encuentra Frontline Ventures, junto con inversores ángeles como 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 Vincent Lonij, fundador de Swyg. “Es la parte más laboriosa y propensa a errores del proceso … 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, en el lado del solicitante, Lonij señala que la gran mayoría de los candidatos a un puesto de trabajo desea recibir comentarios de sus largas entrevistas de trabajo, “sin embargo, solo el 41% los recibe, lo que dificulta su capacidad para aprender y crecer”.
Para resolver esto, la plataforma Swyg somete a los candidatos a un proceso de entrevista en el que se entrevistan entre sí a través de una serie de videochats uno a uno utilizando preguntas estructuradas predefinidas.
“El proceso peer-to-peer 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 recibir comentarios de revisores más diversos ya reduce el sesgo”. Además, la tecnología de inteligencia artificial de Swyg afirma poder calibrar a los entrevistadores de pares en tiempo real “para detectar y corregir sesgos y errores humanos”.
Créditos de imagen: Swyg
Una forma de pensarlo es que para comprender al entrevistado y cómo se desempeñó en la entrevista, primero Swyg necesita comprender más sobre el entrevistador. Esto podría incluir tener en cuenta cómo puntúan a los candidatos en conjunto (es decir, son más positivos o más negativos en sus puntuaciones) y otras variables, como si tienden a ser un juez más duro después de una puntuación alta y viceversa o si siguen siendo bastante consistentes.
También existen sistemas para detectar cuándo sucede algo inesperado, incluidos los participantes que dan deliberadamente calificaciones injustas. 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 AI / ML”, explica Lonij. “Podemos utilizar 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 la inteligencia artificial en general no está lo suficientemente desarrollada para poder juzgar a los humanos de una manera totalmente automatizada, lo que hace que la concordancia de palabras clave 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 gracias a nuestro enfoque híbrido”, añade Lonij. “Al hacer que los candidatos formen parte del proceso, podemos aprovechar las mejores partes de la integridad y la adaptabilidad humanas y, al mismo tiempo, obtener la eficiencia de la IA”.
Source link