Raised AI 扩展 AI 招聘解决方案，帮助企业寻找顶尖人才 – 币界网

作者：斯宾塞·赫尔斯

通过人工智能帮助企业提高招聘效率和速度的Raised AI公司的创始人Roman Ishchenko分享了技术如何帮助企业降低成本，即使在Web3、区块链和加密行业等高度专业化的领域也能找到合适的候选人。

10月23日 — 近年来，招聘市场进入了新的转型阶段。人工智能工具的爆炸式增长、远程和去中心化团队的兴起，以及 Web3、区块链和加密货币等新兴行业的兴起，使得传统的招聘模式效率低下。企业不仅面临着寻找合格人才的挑战，还面临着因错误招聘而产生的成本和风险的不断增加，这些成本和风险可能高达求职者年薪的五倍。

与此同时，人工智能既是问题，也是解决方案：它不仅催生了大量合成简历和深度伪造面试，也提供了一种彻底重塑招聘流程的方法。问题在于如何明智地利用它——让招聘过程更快、更便宜、更智能，同时又不失人性化。

数学博士、Raised AI 创始人 Roman Ishchenko 致力于解答这个问题。多年来，他一直在万事达卡等大型企业内部推出人工智能和数据驱动产品，并为《财富》500 强客户提供咨询服务。如今，他决定将招聘重新定义为一种产品。他的公司获得了 500 Global 和 Ultra VC 的投资，实现了从寻源到筛选的近一半招聘流程的自动化，从而降低了高达 50% 的成本，并将招聘时间缩短了 60%。

在这次采访中，罗曼解释了人工智能如何改变招聘经济学，加密和区块链中的招聘有何根本不同，以及为什么未来的工作取决于在算法精度和人类专业知识之间取得平衡。

Roman，您创办了一家利用人工智能技术的公司，不仅让招聘速度更快，而且从根本上提高了招聘效率。您实现了招聘流程的哪些环节的自动化？这如何转化为客户可衡量的财务影响？

在 Raised，我们已将近一半的招聘流程自动化——从寻源、拓展到候选人筛选和报告。这使我们能够以比传统代理机构或内部团队高出两倍的成本效率完成招聘。我们的一些客户现在每年与我们签订长期合同，将 10 到 20 多个招聘任务外包给我们，有效地取代了他们的内部招聘部门。通过结合人工智能、数据和招聘人员的专业知识，我们达到了内部难以比拟的效率水平。随着人工智能持续降低每位员工的边际成本，外包招聘变得越来越合理。客户还发现招聘速度提高了 60%，这直接推动了收入增长。填补关键职位空缺所节省的每一个月，都意味着数十万美元的额外收入。得益于数据驱动的匹配和我们专有的候选人库，我们的试用期成功率接近 100%，从而减少了招聘失败、入职浪费，并提高了投资回报率。

当一家公司在招聘中犯错误时，我们实际上谈论的是什么样的财务和运营损失？

不同职位的招聘方式差异很大，但我们专注于高级专家——高级机器学习工程师、人工智能产品负责人以及销售主管或市场副总裁等商业高管。对于这些职位，错误的招聘成本远超招聘费用。例如，销售主管的招聘失误可能导致公司无法达成季度收入目标、下一轮融资延期，甚至危及公司的生存。如果考虑到生产力损失、团队混乱、入职费用以及执行延迟的机会成本，总损失很容易达到候选人年薪的三到五倍。正因如此，我们如此重视精准匹配。我们的人工智能不仅评估技术技能，还会分析文化和背景契合度，预测候选人在特定公司环境中的表现。这种整体方法显著降低了不匹配的风险，这也是我们的客户继续与我们合作多个职位的主要原因之一。

推荐文章

曾预测“解放日”崩盘的分析师再次发布比特币预测

交易传奇人物 Jon Najarian 加入 Solana DAT Upexi 担任顾问

Raised AI 扩展 AI 招聘解决方案，帮助企业寻找顶尖人才

是的，你们的平台取得了令人印象深刻的接近100%的试用成功率。你们是如何构建一个流程来确保候选人和公司之间如此紧密的匹配的？

我们将人工智能的精准性与人类的专业知识相结合。我们的匹配算法分析数千个数据点，涵盖候选人技能、职业经历以及市场基准，从而在极短的时间内找到最合适的人才。这正是我们速度和可扩展性的驱动力。同时，人力层面也发挥着至关重要的作用。每位客户都会与各自领域的专家级招聘伙伴合作，例如，由前工程师领导机器学习职位的搜索，或由前销售人员领导市场营销人才的招聘。凭借这些经验，我们的团队不仅执行职位描述，还帮助客户定义职位。我们许多最出色的成果都源于这种合作。利用来自市场数据、过往职位安排和绩效反馈的洞察，我们经常指导客户优化职位范围，有时还会建议在类似情况下表现更佳的略有不同的人才。

您是否依赖自己的专有数据库，还是使用将人工智能与开放数据分析相结合的混合方法？

现在，我们近一半的职位直接来自我们自有的人才库，并且随着每个新项目的推进，人才库也在不断壮大。我们负责的每个职位都会生成关于候选人的结构化数据——他们的技能、行业、行为模式和招聘结果——从而不断改进我们的匹配模型。随着时间的推移，这种反馈循环将成为我们强大的竞争壁垒。我们仍然会在必要时使用外部数据源，但我们的长期目标是成为一个完全自给自足的市场，大多数招聘都在我们自己的生态系统中进行。随着数据库的扩展，我们能够提供比内部团队或传统代理机构更准确、速度更快的结果。与领英等通常只提供表面信息（例如职位、公司和地点）的平台不同，我们的系统能够捕捉到更深层次的洞察：人们实际使用的技术、他们参与过的项目类型以及他们在哪些公司环境中表现最佳。在我们的人工智能职业教练助理的支持下，我们已经与候选人建立了长期、值得信赖的关系，因此我们可以直接联系少数最合适且准备就绪的专业人士，而不必为了填补一个职位而联系数百人。我们可以立即联系到少数最合适、最愿意立即参与的人才。每一次搜索都会丰富我们的数据，并改进下一次搜索，从而创造自然扩展的复合效率。我们的最终愿景是打造全球最智能的招聘网络，一个充满活力、自学成才的生态系统，让企业能够无缝衔接招聘顶尖人才，求职者则将“Raised”视为值得信赖的人工智能职业伙伴。

您曾与 Web3 和区块链公司广泛合作，并且自从在万事达卡工作以来就一直对这个领域充满热情，在那里您与主要的金融科技公司合作开展数字创新项目。您是如何在这个领域寻找专家的——您也与行业专家合作吗？还是您采用的方法有所不同？

我们的 AI 模型专门针对 Web3 招聘进行训练，使我们能够使用行业独有的标准来评估候选人，例如链上经验、DAO 参与度、对代币经济学的理解以及在去中心化生态系统中的工作经验。这种专业化使我们能够识别出通用招聘工具通常会忽略的顶级人才。同时，我们建立了一个由 Web3 专业人士组成的专属网络，并与在该领域拥有实际实践经验的招聘人员合作。他们中的许多人曾直接与 Web3 初创公司、协议或风险基金合作。这种领域熟练度与数据驱动智能的结合，使我们不仅能够评估技术专业知识，还能高度准确地评估文化和环境契合度。如今，我看到加密行业在美国正在经历真正的复兴，基础设施、金融科技和区块链创新领域正呈现强劲势头。正因如此，将 AI 的精准度与业内专家的专业知识相结合变得至关重要——这使我们能够比传统公司更快、更有效地完成即使是最复杂、最专业的职位。

加密货币和区块链领域的招聘有哪些独特之处？它与传统 IT 招聘有何不同？企业面临哪些具体挑战？

第一个主要区别在于人才在网络上的分布位置和方式。许多顶尖的加密货币专业人士不会在领英上打造个人品牌，而是活跃于 X、Discord 或 DAO 社区，通常使用假名。他们使用完全不同的“语言”进行交流，这种“语言”受到 Web3 文化、治理模式和社区驱动项目的影响。因此，招聘人员必须调整他们的整体方法，从数据源和外联渠道到评估可信度和参与度。另一个挑战是市场深度。Web3 人才库相对较小，最优秀的专家通常已经参与了充满激情的项目或早期创业公司。这使得基于关系的招聘和专有数据库比传统的 B2B 软件职位更为重要，因为后者的市场更广阔、更透明。最后，该行业发展速度惊人——每隔几个月就会出现新的技术、协议和叙事，这意味着招聘人员必须真正精通该领域，才能区分真正的专业知识和炒作。仅仅了解技术技能已经不够了；还必须掌握生态系统、代币模型以及社区内的声誉动态。

Roman，根据您的经验，人工智能驱动的招聘优化是否可以被视为不仅仅是一种人力资源工具，而是直接影响企业盈利能力的一个因素？

优秀的创始人和公司不会将招聘视为需要最小化的成本，而是将其视为决定公司发展轨迹的战略投资。这一点在人工智能和深度科技等领域尤为明显，在这些领域，招聘一位关键人才，例如一位世界级的机器学习工程师或产品负责人，就足以决定公司能否赢得市场。如今，顶尖工程师的年薪高达数百万美元，并非因为公司想超支，而是因为杰出人才的回报巨大。人工智能驱动的自动化技术则更进一步，使整个流程更快、更智能、更具成本效益。从财务角度来看，投资回报率 (ROI) 的衡量标准包括：通过自动化日常任务降低每名员工的招聘成本；更快的执行速度（可直接转化为收入增长）；以及通过更佳的匹配度和更好的文化契合度提高员工留任率。例如，招聘一个关键的市场推广职位所节省的每个月时间，都可能意味着数十万美元的额外收入。因此，人工智能驱动的招聘远不止是一种人力资源效率工具；它直接影响着盈利能力。它的真正优势在于帮助公司智能扩展规模，并将人才获取从被动需求转变为核心竞争优势。

本行业公告文章仅供参考和教育目的，不构成财务或投资建议。

微信里点“发现”，扫一下二维码便可将本篇文章分享至朋友圈