Ottimizza il processo di selezione con una dashboard

Panoramica

Computer può trasformare un caotico processo di selezione di dirigenti in una "war room" strutturata per assumere una singola figura chiave di Staff ML. Esamina ogni candidato sul web pubblico, lo valuta in base a criteri imprescindibili, simula un dibattito tra i membri della commissione esaminatrice e crea una dashboard interattiva che il team di leadership può utilizzare per convergere sulla scelta numero uno.

​

Risultato chiave

Computer ha acquisito il brief di assunzione e il pipeline di 12 persone, quindi ha condotto una ricerca approfondita sul web per ciascun candidato, incrociando le note del recruiter con pubblicazioni, attività su GitHub, interventi e post di blog per evidenziare punti di forza trascurati e segnali di allarme.

Ha creato una scheda di valutazione strutturata con punteggi da 1 a 5 per ogni criterio imprescindibile (seniority, addestramento di grandi modelli, storico delle pubblicazioni, PyTorch/addestramento distribuito, inferenza in tempo reale e competenze ingegneristiche di base) e ha segnalato automaticamente sette candidati che non soddisfacevano uno o più requisiti obbligatori. Cinque candidati hanno superato la soglia e sono passati a una valutazione più dettagliata.

Per i primi cinque candidati, Computer ha sintetizzato una vista della "commissione esaminatrice" basata su tre prospettive: Profondità tecnica, Capacità di esecuzione e Team Builder, evidenziando esplicitamente le tensioni nei casi in cui, ad esempio, un candidato era molto forte a livello di architettura ma meno efficace come leader di persone o responsabile di produzione.

Ha prodotto un chiaro elenco in ordine di ranking con Alex Petrov come raccomandazione numero uno, Wei Chen come miglior piano di riserva corretto per il rischio e Marcus Thompson come candidato a sorpresa ad alto potenziale, motivando le scelte in base ai risultati passati, alle aspettative retributive e alla probabilità di chiusura.

La dashboard della war room implementata include sette schede: un riepilogo esecutivo, una matrice di confronto dei candidati ordinabile, visualizzazioni con grafici a barre e radar delle schede di valutazione, schede di dibattito della commissione di assunzione, piani di colloquio su misura per i primi tre, una griglia di competitive intelligence che mette a confronto la proposta di Apex rispetto a Tesla/Figure/DeepMind/Pi per ciascun candidato, e un tracker del pipeline in stile Kanban da utilizzare nelle revisioni delle assunzioni a livello di CTO.

Espandi

Espandi

Espandi

Consigli

• Chiarisci i criteri e l'ambito dell'assunzione – Aggiungi indicazioni esplicite sui requisiti, ad esempio: "Questa risorsa deve essere in grado di diventare il nostro Direttore ML di fatto entro 18-24 mesi; non raccomandare nessuno che non sappia gestire end-to-end la roadmap dei modelli di base".
• Limita la ricerca esterna – Stabilisci confini su fonti e recenza, ad esempio: "Dai priorità agli ultimi 5 anni di lavoro e assegna un peso maggiore a pubblicazioni su sedi di alto livello e sistemi di produzione rispetto a progetti accademici meno recenti".
• Collega i risultati a una data di decisione – Assegna a Computer una cadenza decisionale, ad esempio: "Struttura la dashboard e i riepiloghi in modo da supportare una decisione di procedere o meno durante la riunione della commissione di assunzione del CTO lunedì prossimo".