Σε περιβάλλον περιορισμένων πόρων, μια κακή πρόσληψη μπορεί να κοστίσει μήνες εκτέλεσης και να διαβρώσει την κουλτούρα μιας startup. Η περίπτωση της Mappa αναδεικνύει τη στροφή από το «καλό βιογραφικό» στη μετρήσιμη «συμβατότητα» ρόλου και ομάδας, με χρήση φωνητικής τεχνητής νοημοσύνης.
Για μια startup σε αρχικό στάδιο, η πρόσληψη δεν είναι απλώς στελέχωση. Είναι επιλογή ρυθμού, κουλτούρας και ρίσκου. Ένα λάθος «hire» δεν επιβαρύνει μόνο το μισθολογικό κόστος· αυξάνει την πιθανότητα καθυστερήσεων, κακών αποφάσεων και εσωτερικής τριβής, ενώ η διαδικασία αντικατάστασης (πρόσληψη–αποχώρηση–επαναπρόσληψη) αφαιρεί χρόνο από το προϊόν και την αγορά.
Από το βιογραφικό στη «συμβατότητα»
Σύμφωνα με όσα συζητήθηκαν σε επεισόδιο του podcast Build Mode του TechCrunch, η Σάρα Λουσένα, CEO και συνιδρύτρια της Mappa, περιγράφει πώς η εμπειρία της να «χτίσει» ομάδα μάρκετινγκ με κριτήρια που «έδειχναν σωστά στο χαρτί», αλλά δεν λειτούργησαν στην πράξη, την οδήγησε σε μια διαφορετική προσέγγιση. Ο πυρήνας είναι ότι οι παραδοσιακοί δείκτες (πτυχία, προηγούμενες θέσεις, «ένστικτο» στη συνέντευξη) δεν αρκούν όταν μια μικρή ομάδα χρειάζεται άμεση απόδοση και καθαρούς ρόλους.
Η Mappa προτείνει ένα μοντέλο στο οποίο «δεν υπάρχει χαρακτηριστικό εγγενώς καλό ή κακό», αλλά η καταλληλότητα εξαρτάται από το περιβάλλον και τον ρόλο. Με άλλα λόγια, η ερώτηση μετακινείται από το «είναι ικανός;» στο «ταιριάζει στις απαιτήσεις και στον τρόπο δουλειάς της ομάδας;».
Φωνητική τεχνητή νοημοσύνη και νέα εργαλεία αξιολόγησης
Η εταιρεία περιγράφεται ως πλατφόρμα «συμπεριφορικής νοημοσύνης» που χρησιμοποιεί φωνητική τεχνητή νοημοσύνη για να «αποκωδικοποιεί» ανθρώπινη συμπεριφορά σε λιγότερο από 60 δευτερόλεπτα, αξιοποιώντας ιδιόκτητο σύνολο δεδομένων από εκατοντάδες συνεντεύξεις και ανάλυση δεικτών που προκύπτουν από πρότυπα ομιλίας. Η υπόσχεση τέτοιων εργαλείων είναι διπλή: να μειώσουν τα επιφανειακά φίλτρα (όπως «σωστό» βιογραφικό) και να κάνουν πιο δομημένη τη λήψη απόφασης.
Ωστόσο, το μήνυμα που έχει αξία για μια ελληνική ή ευρωπαϊκή startup δεν είναι ότι η τεχνητή νοημοσύνη «αντικαθιστά» το HR, αλλά ότι η αξιολόγηση πρέπει να αποκτήσει διαδικασία: σαφή κριτήρια, δοκιμές, έλεγχο αναφορών και, κυρίως, χρόνο. Η ίδια η Λουσένα συνοψίζει την πρακτική συμβουλή ως εξής: οι founders πρέπει να επιβραδύνουν στην πρόσληψη και να ελέγχουν από νωρίς τη συμβατότητα, ώστε να μη «πληρώνουν» αργότερα το κόστος της συνεχούς ανακύκλωσης προσωπικού.
Σχόλιο 
: Η αγορά εργασίας για startups δεν κρίνεται μόνο από ταλέντο, αλλά από ταιριάσματα. Η «συμβατότητα» είναι η πιο υποτιμημένη μεταβλητή: σε μικρές ομάδες, ένας άνθρωπος που δεν κουμπώνει στον ρυθμό και στους ρόλους δημιουργεί δυσανάλογο κόστος. Τα εργαλεία τεχνητής νοημοσύνης μπορούν να βοηθήσουν στη δομή και στη συνέπεια της αξιολόγησης, αλλά η ευθύνη μένει στην ηγεσία: καθαρή περιγραφή ρόλου, μετρήσιμες προσδοκίες και πειθαρχία στο να μην «κλείνει» μια πρόσληψη από βιασύνη.
#Startups #Προσλήψεις #HR #ΤεχνητήΝοημοσύνη
