Tradotto automaticamente. Leggi l’originale in inglese: GitHub contributor lists are an early startup hiring pool →
TextCortex è nato dai miei tentativi di fare fine-tuning di GPT-2 per la scrittura creativa utile. Quel lavoro è diventato il punto di partenza tecnico del prodotto.
Nel 2021 ho incontrato Dominik Lambersy a Entrepreneur First a Berlino. Abbiamo trasformato quel lavoro in TextCortex AI e abbiamo portato avanti l’azienda in bootstrap fino al nostro primo round istituzionale. L’annuncio del giugno 2022 registra 1,2 milioni di dollari guidati da btov Partners, ora b2venture, con la partecipazione di Speedinvest e Entrepreneur First.
Prima del round, il recruiting sottraeva ore al prodotto, ai clienti e a qualunque cosa si fosse rotta quella mattina. I finanziamenti hanno cambiato il conto in banca più in fretta del lavoro.
Trattavo i datori di lavoro famosi come un indicatore della capacità di lavorare in una startup. Mi aspettavo che la profondità accademica si trasferisse nel caos del prodotto. Poi ho smaltito le candidature via ATS mentre il lavoro urgente arrivava da ogni altra direzione.
Il mio campione è una sola azienda, senza esperimento controllato né tabella di conversione. Il filtro di cui mi fido è semplice: cercare persone che hanno scelto un problema utile, ci hanno lavorato in pubblico e hanno continuato senza che un manager glielo assegnasse. I contributor forniscono questa prova prima del primo colloquio. Anche gli ex colleghi possono fornirla.
Un logo famoso misura il successo dentro la macchina di qualcun altro
Un badge di Google o Amazon dice che la persona ha superato un processo di selezione difficile e ha imparato a operare su larga scala. Dice poco su cosa succede quando la macchina intorno a loro scompare.
Un ingegnere dei primi tempi può toccare il frontend prima di pranzo, tracciare un guasto all’infrastruttura nel pomeriggio, riparare una migrazione e rispondere a un cliente. Senza un team di piattaforma né processi scritti, qualcuno deve notare il vuoto e farsene carico.
Alcuni ex dipendenti delle big tech sono assunzioni eccezionali per una startup. Il logo non può identificarli. Ho commesso lo stesso errore di categoria con i dottorati. Un dottorato dimostra che qualcuno sa portare a termine una ricerca difficile in un’area ristretta. Questa persona saprebbe trasformare un reclamo incompleto in una decisione di prodotto e rilasciare la correzione? Saprebbe abbandonare un approccio elegante quando quello economico terrebbe in vita l’azienda?
La mia esperienza con l’assunzione di dottorati è limitata e negativa, quindi l’affermazione resta circoscritta. Non assegno più la prontezza per la startup in base al titolo. Mantenere una libreria, pubblicare progetti collaterali o lavorare su uno stack di prodotto completo fornisce prove migliori.
Il tuo ATS appiattisce il segnale più utile
Le candidature via ATS mettono il fondatore in una coda dove i candidati hanno imparato a sembrare uguali. Parole chiave ed esiti compressi sostituiscono il repository, la discussione in review e le decisioni caotiche che rivelano il senso di proprietà.
Una startup in bootstrap non può ispezionare ogni lembo di cielo. Scegli dove guardare.
Un ATS parte dalle persone che hanno scelto la tua azienda. La ricerca sui contributor parte dal lavoro che ha scelto il suo autore.
Il lavoro open-source lascia le ricevute
Un contributo è molto più ricco di un quadratino verde su un profilo. Il commit mostra cosa ha cambiato la persona. La pull request mostra come lo ha spiegato. La review mostra come ha reagito quando qualcuno non era d’accordo. La cronologia delle issue mostra se ha aiutato dopo che la parte entusiasmante è stata integrata.
Nessuno ha assegnato a un contributor esterno il problema esatto della tua azienda. Hanno trovato un progetto, hanno imparato abbastanza per modificarlo e hanno accettato che un maintainer potesse rifiutare il lavoro in pubblico. Una pull request rifiutata ma curata può rivelare tanto sul giudizio e sulla risposta al feedback quanto una accettata.
Il grafo delle dipendenze contiene già una mappa dei candidati
Parti dal software che usa la tua azienda. Stai costruendo con una libreria di componenti open-source? Esamina i suoi contributor. Lavori con PyTorch? Guarda le persone che migliorano le parti adiacenti al tuo prodotto. Un repository famoso crea la stessa trappola del pedigree di un datore di lavoro famoso quando insegui il nome e ignori il lavoro.
Quello screenshot contiene un bacino di assunzioni che un ATS non può produrre. Leggi i contributi. Trova modifiche simili ai problemi della tua azienda. Verifica se il lavoro è recente e se il profilo invita al contatto. Poi scrivi alle poche persone di cui puoi descrivere onestamente il lavoro.
Il primo messaggio deve dimostrare che hai letto davvero:
Ho letto il tuo contributo a [progetto], in particolare la decisione che hai preso in [pull request specifica]. Stiamo affrontando un problema correlato in [azienda]. Il ruolo copre [ambito reale], e gli intervalli di stipendio e equity sono [intervalli]. Se ti sembra interessante, vorrei mostrarti il problema e sentire come lo affronteresti.
Spiega perché questa persona, espone l’ambito e mette la retribuzione allo scoperto. Un budget risicato è un vincolo aziendale. Non ti dà il permesso di sprecare il tempo di un candidato o di mascherare uno stipendio debole con un linguaggio eroico.
Un prompt di ricerca è utile solo quando restituisce il lavoro
Dai a entrambi i modelli un brief ristretto e chiedi link. Sostituisci ogni campo tra parentesi.
Claude:
Research contributors for [ROLE] at [COMPANY, URL]. We build [PRODUCT] with
[STACK] and need help with [3 CONCRETE PROBLEMS]. Search [REPOSITORY URL], its
dependencies and adjacent projects. Return at most six people. For each, link a
profile and two relevant commits, pull requests, reviews or issues. Explain the
technical match, judgment shown, recency and uncertainty. Prefer substance over
commit counts. Use only public professional information. Never infer protected
traits, guess contact details or invent evidence.ChatGPT:
Research a [ROLE] for [COMPANY, URL] working on [PROJECT AND PROBLEMS]. Search
[REPOSITORY URL], its dependencies and related projects. Return at most six
contributors in a table: profile, contribution links, problem ownership,
response to review, recency, fit and caveats. Every judgment must cite public
work I can open. Exclude prolific but weak matches. Do not scrape personal data
or draft bulk outreach. Give me one specific question about each person's work.L’outreach di massa distrugge il segnale che cercavi
Fare scraping di tutti i contributor e trasformare il grafo in un altro funnel è la scorciatoia ovvia. Non farlo. La Acceptable Use Policy di GitHub vieta esplicitamente l’uso delle informazioni ottenute dal servizio per spam, inclusa la posta elettronica non richiesta, e chiama in causa reclutatori, headhunter e bacheche di lavoro.
È anche un pessimo modo di assumere. La specificità crea il vantaggio. L’automazione lo cancella e lascia la stessa coda piatta, solo che ora hai interrotto persone che non si erano mai candidate. Usa il grafo per la scoperta, segui il canale di contatto che un contributore ha pubblicato, rendi facile il rifiuto e fermati dopo un chiaro disinteresse. La lista più piccola è la feature.
Gli amici arrivano con una lunga verifica delle referenze
Le persone che conosci forniscono prove che nessun ciclo di colloqui può ricreare. Hai visto se portano a termine il lavoro noioso, gestiscono i conflitti e ti avvisano in anticipo.
L’amicizia non stabilisce comunque la chiarezza del ruolo, la propensione al rischio o l’accordo su cash ed equity. Metti tutto per iscritto. Spiega le parti sgradevoli con la stessa cura che usi per la mission. Mostra loro il problema reale invece di far sembrare l’azienda più sicura di quanto sia.
Usa lo stesso standard nei colloqui. Chiedi ai candidati di illustrare un lavoro che hanno scelto, poi dai loro un problema reale con i dettagli riservati rimossi. Osserva cosa chiedono e come gestiscono una specifica incompleta. L’alta iniziativa include chiedere aiuto prima che un problema diventi costoso.
Un sourcing economico non salva un filtro negligente
Il contributo pubblico ha il suo bias. Favorisce le persone con tempo, permesso e fiducia per lavorare dove gli estranei possono giudicarli. Ottimi ingegneri con impegni di assistenza familiare, contratti di lavoro restrittivi o carriere closed-source possono non lasciare traccia pubblica. Usa il lavoro pubblico come fonte ad alto segnale. La sua assenza non prova nulla.
Decidi cosa richiede il ruolo e scrivi le prove che prevedono quei comportamenti. Dopo che l’assunto ha svolto lavoro reale, confronta la previsione con ciò che è successo. Se i candidati contributori richiedono tante indicazioni quanto i candidati ATS, la tua teoria è fallita. Cambia il filtro.
Non posso mostrarti una tabella che dimostra che i contributori battono ex Googler, PhD o candidati. Posso mostrarti il filtro che è sopravvissuto ai miei errori. Un brand mi diceva dove qualcuno aveva avuto successo. Una laurea mi diceva cosa aveva studiato. Una candidatura mi diceva come si descriveva. Il lavoro pubblico mi mostrava cosa avevano scelto, cosa avevano pubblicato e cosa era successo quando un’altra persona aveva obiettato.
Con un budget risicato, la certezza non è disponibile. Le prove costano meno di una cattiva assunzione, e sono già lì, nel grafo delle dipendenze.