Herkesin Özgeçmişi Mükemmel Görünürken İşe Alım Üzerine Chime’dan Matt Valentino

Yapay zekâ, özenle hazırlanmış bir başvuruyu neredeyse anlamsız hâle getirdi. Chime’ın Yetenek ve Deneyimden Sorumlu Başkan Yardımcısı, bunun yerini neyin alması gerektiğini, işe alımda insan unsurunun hâlâ nerede gerekli olduğunu ve daha geniş bir aday havuzunun neden hedef olmadığını açıklıyor.

Matt Valentino, özgeçmişlerin faksla geldiği dönemde işe alım yapmaya başladı. Çevrim içi iş ilanı panolarının ve ardından LinkedIn’in şirketlerin ulaşabildiği adayları ve bunu ne kadar hızlı yapabildiklerini nasıl değiştirdiğine tanık oldu. Yapay zekânın o zamandan bu yana yaşanan en büyük değişim olduğunu düşünüyor. Ancak bu kez değişim, adayları bulmaktan çok onları değerlendirmeyle ilgili.

Her aday bir iş tanımına uyarlamak üzere yapay zekâyı kullanabildiğinde, başvuru size artık fazla bilgi vermemeye başlar. Bu da yetenek liderlerini insanları nasıl değerlendirdiklerini, neyi ölçtüklerini ve sürecin hangi bölümlerinin hâlâ bir insanın müdahalesini gerektirdiğini yeniden düşünmeye zorlar.

Valentino, yararlanabileceği 20 yılı aşkın deneyime sahip. İlk sınıf kanser tedavileri geliştiren ekipleri Genentech’te kurdu ve Alphabet’in uzun ömür araştırma şirketi Calico Labs’te liderlik görevlerinde bulundu. DoorDash’in halka arzından önce ve pandemi boyunca 2.000 çalışandan 17.000 çalışana ulaşmasına yardımcı oldu, ardından Shape Therapeutics’te İnsan ve Kültür Direktörü olarak görev yaptı.

Bugün, işe alım, yetenek yönetimi ve iş gücü planlamasını yönettiği Chime’da Yetenek ve Deneyimden Sorumlu Başkan Yardımcısı olarak görev yapıyor.

Bu soru-cevapta, yapay zekânın işe alım kararlarını iyileştirip iyileştirmediğini ya da yalnızca hacmi artırıp artırmadığını nasıl anlayacağınızı, otomatik iletişimin hangi noktada yerini bir insana bırakması gerektiğini, büyüyen şirketlerin hangi yatırımları çok erken veya çok geç yaptığını ve bugün küçük bir ekip ve yapay zekâ ile bir yetenek edinme işlevini nasıl kuracağını açıklıyor.

Soru-Cevap

Yapay zekânın işe alım üzerindeki etkisini LinkedIn’in ortaya çıkışıyla karşılaştırdınız. Şirketlerin yetenekleri bulma ve değerlendirme biçiminde temel olarak ne değişiyor ve işe alımla ilgili hangi varsayımların artık geçerli olmayacağını düşünüyorsunuz?

İnsanların özgeçmişlerini faksla gönderdiği dönemde işe alım yapmaya başladım. Çevrim içi işe alıma ve ardından LinkedIn’e geçiş, bulabileceğiniz adayları ve bunu ne kadar hızlı yapabileceğinizi tamamen değiştirdi. Yapay zekâ o zamandan bu yana yaşanan en büyük değişim oldu ve en çok değiştirdiği şey değerlendirme süreci.

Bugün iş arıyor olsaydım, iş tanımını ve özgeçmişimi yapay zekâya verir, beni mükemmel aday hâline getirmesini isterdim; dolayısıyla özenle hazırlanmış bir başvuru artık size fazla şey anlatmıyor. Bunun yerine mülakatlar, gerçek hayattan örnekler ve yapılan işler bize daha fazla açıklık sağlıyor. Üstelik bunlar bile değişiyor.

Örneğin mühendislerimiz artık eleme sürecinde geleneksel bir kodlama oturumu yapmıyor. Bunun yerine, yapay zekâ araçlarıyla gerçekte nasıl çalıştıklarını görebilmemiz için ajan tabanlı bir kodlama alıştırması yapıyorlar. 

Yapay zekâ adayları geniş ölçekte bulmayı, elemeyi ve onlarla iletişim kurmayı kolaylaştırırken, yetenek liderleri bu ek işe alım faaliyetinin işe alım kararlarının kalitesini artırıp artırmadığını nasıl belirlemeli?

Daha fazla faaliyet hedef değil. Yapay zekâ aday havuzunuzu üç katına çıkarıyor ve siz zaten işe alacağınız kişilerin aynısını işe alıyorsanız, ekibiniz için yalnızca daha fazla iş yaratmış olursunuz. Araçlar olağanüstü; yarın yapay zekâ destekli ilk tur elemelerini başlatabiliriz.

Ancak başarının ölçütü, kaç adayın süreçten geçtiği değildir. Ölçüt, işe aldığınız kişilerin ekiplerinin çıtasını yükseltip yükseltmediği, hızlı değişen yüz yüze bir ortamda başarılı olup olmadığı ve bir veya iki yıl sonra hâlâ iyi performans gösterip göstermediğidir.

Bu sonuçlar iyileşmiyorsa, ek faaliyet gürültüden ibarettir ve yetenek liderleri bunu söylemekten çekinmemelidir.

İşe alım otomatikleştikçe tekliflerde ve ret bildirimlerinde insani temasın daha önemli hâle geldiğini savundunuz. Özellikle yüzlerce veya binlerce adayı yönetirken şirketler otomatik ve kişisel iletişim arasındaki sınırı nerede çizmelidir?

Otomasyonun iyi yaptığı işleri ona bırakın. Binlerce özgeçmişi sıralamak ve incelemek bunlardan biridir ve bir etmen bunu insanlardan daha iyi yapabilir. Bana göre sınır, yatırımdır. Bir aday size gerçek anlamda zaman ayırdıktan sonra karşılığında bir insanı hak eder.

Bizimle mülakat yapan hiç kimse işe alınmadığını bildiren otomatik bir arama almamalı. Teklif ve müzakere aşaması son derece kişiseldir; işin neredeyse psikologluk kısmıdır ve bir insanın en çok önem taşıdığı yer de burasıdır.

Aynı durum insanları ofise getirmek için de geçerlidir; çünkü enerjiyi ve tempoyu görmek, bir adaya herhangi bir kariyer sayfasından daha fazlasını anlatır. Aday ne kadar kıdemliyse bu o kadar önemlidir. Paketler her yerde rekabetçi olduğundan kararı belirleyen şey, adayın “o ekip hakkında gerçekten iyi hissettim” diyebilmesidir.

Çok farklı büyüme aşamalarındaki kuruluşlarda yetenek işlevlerinin oluşturulmasına yardımcı oldunuz. Bir şirket büyüdükçe işe alım modeli nasıl değişir ve büyüyen kuruluşların hangi yatırımları çok erken veya çok geç yaptığını görüyorsunuz?

Büyük bir biyoteknoloji şirketinde, erken aşamadaki bir araştırma şirketinde, pandemi sırasındaki hızlı büyüme döneminde DoorDash’te ve şimdi halka açık bir şirket olarak Chime’da işe alım yaptım; her aşamanın farklı bir modele ihtiyacı var.

Gördüğüm en yaygın hata, yönetim katmanlarının çok erken eklenmesi. Şirketler, tüm işi diğer yöneticileri denetlemek olan liderleri işe alıyor; oysa gerçekten ihtiyaç duydukları şey işi yapan daha fazla insan. En güçlü ekipler liderleri işe yakın tutar. Biz ters yönde ilerledik; sorumluluk alan, iş yükünü paylaşan liderlerimiz ve artık kod göndermeye devam eden teknik liderler olan mühendislik yöneticilerimiz var. 

Şirketlerin çok geç netleştirdiği konu ise kim olduklarıdır. Biyoteknoloji alanındayken, yaptığımız iş kendini anlattığı ve laboratuvarda birlikte çalışmanın kültürü herkese yansıdığı için “misyon odaklı” olduğumuzu kimsenin söylemesine gerek yoktu. Sınırsız ücretli izin ve ücretsiz öğle yemekleri sunuyorsanız, biri izinli bir iş teklif ettiği anda ayrılacak kişileri çekersiniz. 

Örneğin Chime, Amerikalıların bankacılık hizmetlerinden yararlanma biçimini değiştirmeye odaklanan, bilinçli olarak yüz yüze ve yüksek tempolu bir ortamdır; bu netlik, gerçekten burada olmak isteyen kişileri getirir. Ayrıca misyonumuz üzerinde büyük bir etki yaratmak isteyen, harekete geçiren ve inşa eden kişileri çekmemizi sağlar.

Bugün, görece küçük bir ekip ve yapay zekâya erişimle bir yetenek edinme işlevini yeniden kuruyor olsaydınız, geleneksel işe alım modelinden neyi farklı tasarlardınız ve neyi özellikle korurdunuz?

Bugün küçük bir ekip, eskiden büyük bir ekibin yaptığı işi yapabilir; bu yüzden kaldıraç etkisini esas alarak tasarım yapardım. Kaynak bulma, sınıflandırma ve ilk elemeyi yapay zekâya bırakır, her adayı yapay zekâ yeterliliği açısından değerlendirir ve ekipleri, liderlerin ekipleriyle birlikte gerçek bir iş yükünü üstlendiği düz bir yapıda tutardım.

İşe alım uzmanının görevini de yeniden düşünürdüm: Yapay zekânın ön elemede kazandırdığı zaman, yalnızca insanların yapabileceği işe, yani bir adayın gerçekten ne istediğini anlamaya ve karar vermesine yardımcı olmaya ayrılmalı. 

Bilerek koruyacağım şey, işin insani tarafı olurdu. Bu; adayları ofise getirmek, çalışma temposu konusunda en baştan dürüst olmak ve en önemli işe alımlar için liderlerin bizzat sürece katılmasını sağlamak anlamına gelir. Böyle bir ortamı isteyen kişileri işe almak, kariyerlerinin en iyi işlerini yapmalarını sağlamanın yoludur.

You may also like