-
Headstart
【英国】初创公司Headstart获得了700万美元的融资
Headstart是一个利用数据科学帮助企业减少招聘过程中无意识偏见的平台。该公司在种子轮融资中获得了700万美元，由专注于人工智能的硅谷风投公司FoundersX领投，Founders Factory也参与了融资
Headstart于2017年在伦敦启动，是越来越多的初创公司之一，它们承诺在招聘活动中帮助企业提高多样性。这是通过将机器学习与大量数据源相结合以根据特定的客观标准找到最佳候选人而实现的。
机器、算法和模型在没有情绪、疲劳、或明显的主观、有意识的情况下做到这一点。与人类不同，”Headstart联合创始人兼主席尼古拉斯·谢克德米安告诉VentureBeat。
数据
Headstart首先利用其客户公司的信息，包括职位描述、当前员工数据（例如简历，教育和心理测验数据）。然后，将检查此内部数据是否存在固有偏差，因此可以在随后的招聘活动中解决针对特定人群的任何明显倾向。Headstart平台还收集和分析来自网络的公共可用数据，包括职位描述以及基于人口和社会的数据，例如学校排行榜和免费的学校膳食数据。
Shekerdemian补充说：“我们使用这些数据来确定任何个人是否有明显的社会劣势，并且可能超越其社会规范群体。”
然后，当然是最重要的候选数据，它是在个人在线申请广告职位时获得的。公司会根据申请人的简历、心理测评以及筛选过程中使用的任何其他工具收集的数据，为公司提供最佳匹配。Shekerdemian补充说：“ 这使我们能够通过算法对每个候选人进行评估，并全面评估他们的适合程度，以确保每个人都有公平的体验。”
这家初创公司已经声称拥有一些知名客户，包括金融服务巨头Lazard和Accenture。Headstart表示，使用该平台后，女性员工人数增加了5％，黑人和少数民族员工人数增加了2.5％。
值得注意的是，减少偏差只是此处卖点的一部分。更广泛地讲，Headstart平台旨在加快候选人筛选的速度，确保对每个应用程序进行平等考虑，并将聘用时间减少多达70％。
此外，Headstart可以使公司深入了解其招聘实践，以便他们可以衡量现有偏见并了解其随着时间的变化，以及确定面试过程中哪个阶段特定的申请人类型减少。
Headstart先前曾完成了500,000美元的融资，并从Y Combinator的毕业生那里又获得了12万美元的融资。鉴于埃森哲已签署一项在全球其他市场使用Headstart平台的协议，该银行还拥有700万美元的新资金，目前正寻求在国际上进行扩张。这项努力已经在进行中。
Headstart首席执行官Gareth Jones说：“两年前我们进入市场时，我们可能是唯一一家谈论公平性和多样性的技术公司。” “对我来说，这代表着对多元化的投资，而不仅仅是我们公司。最新一轮融资将使我们能够增强在核心市场的能力，创造公平的竞争环境，打破在工作世界中长期流行的排斥循环。”
还有许多其他初创公司利用AI和自动化来简化招聘流程，例如，位于纽约的Fetcher使用类似的数据处理技术来主动寻找新候选人，而Pymetrics利用AI作为公司独立平台的一部分根据神经科学游戏进行评估。
但据Shekerdemian称，Headstart将其技术定位为“融合候选信息并通过算法对其进行解释”的基础数据体系结构。“我们的USP具有获取所有这些数据的能力，而不仅仅是返回通过/失败或是/否，我们还可以结合所有数据输入的百分比对它们进行评分。”
偏差
尽管算法可以消除许多传统管理流程中的人为偏差，但我们已经看到越来越多的场景中算法本身表现出偏差，毕竟，人类可以创建算法。
最终，对于算法来解释为什么要做出某个决定要比人工做决定要困难得多。这就是为什么今天的大多数争论似乎都停留在哪个选项更好的原因上：无法解释自己的偏见算法，或者至少可以为他们的决策提供某些理由的偏见的人。
在其他地方，亚马逊先前取消了它一直在使用的人工智能驱动的招聘工具，特别是因为它针对女性。通过观察十年前成功履历中的模式，对实验工具进行了培训，以审查技术角色的申请。但是，这些应用程序大多数来自男性。因此，实际上，亚马逊一直在教授其机器学习系统，以青睐男性候选人。
专门针对Headstart，值得强调的是，候选人实际上并不是由机器聘用的，而是由人类做出所有最终决定。这只是一个审核工具，可帮助消除一些偏见（根据Headstart的说法，这种偏误最多可达到20％），同时还可以加快招聘过程。
Shekerdemian说：“技术及其消除偏见的能力引起了很多关注。” “的确如此。然而，我们在谈论这一点时，就好像人才招募选拔过程是纯净、健全且没有偏见的。但，偏见是长期存在的。”
当一项特定的工作收到数百个甚至数千个应用程序时，这种人为的偏见就变得更加复杂，并且要由一两个人来筛选这些应用程序。
Shekerdemian继续说：“技术,使用得当,可以公开,在很大程度上消除这种偏见。”
Shekerdemian承认，将机器学习与数据处理结合起来并不是完美的，但它确实解决了困扰固有的、耗费大量资源的招聘流程的许多内在问题。随着时间的推移，它应该会有所改善。
Shekerdemian补充道：“这台机器不考虑候选人的名字，而且潜意识里会因为对种族或性别的无意识偏见而降低申请人的价值。”。“这是否意味着机器是完美的？不，创建可靠的数据模型和算法是一个迭代过程。训练、执行、审查和重新培训模型需要时间，以提高准确性。标记可能导致偏见的东西，例如可能导致模型偏爱特定性别类型的标准，比如在Amazon案例中发生的情况。”
以上由AI翻译，仅供参考！
作者：PAUL SAWERS
来源：https://venturebeat.com/2019/11/18/headstart-raises-7-million-for-ai-that-tackles-recruitment-bias/
-
Headstart
【2017 YC Demo Day】Headstart：帮您从成百上千的简历中识别出最佳的候选人
8月23日，是Y Combinator2017年夏季路演的第二天！
连续3天，124个项目，300位创始人、500位硅谷投资人！
这将是YC成立12年以来最大的一次路演！
HRTechChina小编整理了其中全部的人力资源项目，一起来一睹为快：
Headstart
这是颠覆公司招聘的全新体验 — 使用Headstart，你只需点击几下屏幕就可以从成百上千的简历中识别出最佳的候选人，从而避免长达几周的简历评估和电话面试。
Headstart通过机器学习技术将心理测验与算法分析相结合，致力于发现候选人信息以及他们的技术专长，是否与公司的招聘需求相契合，从而实现自动、快速、准确的简历评估。
官网：https://www.headstartapp.com/
-
Headstart
证书、成绩、大学不能代表一切，“Headstart”用智能算法连接求职者和招聘方
Nicholas Shekerdemian想创办一家公司解决它自己的问题：获得去一家饼干公司的工作机会，尤其是当其他人都在申请的时候。于是，他建立了Headstart——帮合适的候选人找到合适的工作，并减少所有阻碍双方见面的不必要因素。
这是大型和小型企业共同面临的难题，一个不好的雇员所需要付出的成本是非常昂贵的，而负责招聘的人员通常只掌握很少的信息。Headstart所做的事情是，发现候选人信息、了解他们是否掌握技术专长，在合适的候选人和合适的招聘企业之间建立连接。
“许多公司仍然使用最基本的条件作为衡量标准——证书、成绩、大学。”Shekerdemian说，但这些只是一部分信息，并不能代表全部。我们希望建立一个平台，学生可以自己创建简介，包括兴趣、技能、自我评价、简历数据，可以是代表你这个人的一切信息。“我们希望使用像指纹一样准确的画像，从价值观、文化、技术角度来判断是否适合。”
求职者可以在Headstart上，填写申请表格。平台收集到这些简历后，可以向候选人提供更多的建议。而招聘方将获取这些详细的资料，得到一个机会去见一组（理论上更少）适合这项工作的候选人。
对于Headstart来说，这项问题的解决需要机器学习的应用。
从大公司或小公司收集信息，可以转化为一组防御性的数据集。有了数据集，可以进行更高质量的候选人匹配。在数据收集方面，Headstart已经进行了很多年。对于大公司来说，Headstart必须通过数千甚至数万个员工调查和数据分析，计算出公司文化和技术所要求的参数。每个公司都是不同的，Headstart必须从运行每一组无效的数据集开始，建立对公司的基本了解，再计算出哪些候选人最适合公司的架构。
另一方面，更小、更灵活的公司尝试使用新软件的可能性更高。因此，和许多创业公司一样，Headstart选择了自下而上，先从中小企业切入。但小公司的问题在于，如果一个公司只有五名员工，意味着Headstart只有五个数据点而不是数千个。在这种情况下，Headstart需要在每次招聘或面试候选人之后，迅速的调整和改进算法。
Headstart面临的又一个问题是同领域的竞争，比如在2015年获得800万美金融资的Koru。Shekerdemian表示，公司正不断完善算法，适应随着时间的变化而变化的需求。他希望能够凭借不断完善的算法，领先于竞争对手。
Headstart计划参加 Y Combinator 2017的夏季班。“过去几年来我们一直在努力，即使还没达到我们想要的地步，但是朝着正确的方向。”Shekerdemian说。
本文来自翻译：techcrunch.com，如若转载，请注明出处：http://36kr.com/p/5081046.html
扫一扫 加微信
hrtechchina
