Tradução automática. Ler o original em inglês: GitHub contributor lists are an early startup hiring pool →
TextCortex começou com as minhas tentativas de fazer fine-tuning do GPT-2 para escrita criativa útil. Esse trabalho tornou-se o ponto de partida técnico do produto.
Em 2021, conheci o Dominik Lambersy no Entrepreneur First em Berlim. Transformámos o trabalho no TextCortex AI e financiámos a empresa com recursos próprios até à nossa primeira ronda institucional. O anúncio de junho de 2022 regista 1,2 milhões de dólares liderados pela btov Partners, agora b2venture, com participação da Speedinvest e do Entrepreneur First.
Antes da ronda, o recrutamento roubava horas ao produto, aos clientes e ao que quer que tivesse avariado nessa manhã. O financiamento encheu a conta bancária mais depressa do que resolveu o recrutamento.
Tratei empregadores famosos como um proxy para o alcance de startup. Esperava que a profundidade académica se transferisse para o caos do produto. Depois, trabalhei em candidaturas ATS enquanto trabalho urgente chegava de todas as outras direções.
A minha amostra é uma empresa, sem experiência controlada nem tabela de conversão. O filtro em que confio é simples: procure pessoas que escolheram um problema útil, trabalharam nele em público e continuaram sem que um gestor lho atribuísse. Os contribuidores fornecem essa evidência antes da primeira entrevista. Antigos colegas também a podem fornecer.
Um logótipo famoso mede o sucesso dentro da máquina de outra pessoa
Um distintivo do Google ou da Amazon diz que a pessoa passou por um processo de contratação difícil e aprendeu a operar à escala. Diz pouco sobre o que acontece quando a maquinaria à sua volta desaparece.
Um engenheiro inicial pode tocar no frontend antes do almoço, rastrear uma falha de infraestrutura à tarde, reparar uma migração e responder a um cliente. Sem equipa de plataforma nem processo escrito, alguém tem de notar a lacuna e assumi-la.
Alguns antigos funcionários de grandes empresas tecnológicas são contratações excecionais para startups. O logótipo não os identifica. Cometi o mesmo erro de categoria com doutorados. Um doutoramento prova que alguém consegue terminar investigação difícil numa área restrita. Conseguiria essa pessoa transformar uma queixa incompleta numa decisão de produto e entregar a correção? Conseguiriam abandonar uma abordagem elegante quando a barata mantivesse a empresa viva?
A minha experiência com contratação de doutorados é pequena e má, por isso a afirmação mantém-se restrita. Já não atribuo preparação para startups ao credencial. Manter uma biblioteca, lançar projetos paralelos ou trabalhar em toda a stack do produto fornece melhor evidência.
O seu ATS achata o sinal mais útil
As candidaturas ATS colocam o fundador numa fila onde os candidatos aprenderam a parecer-se uns com os outros. Palavras-chave e resultados comprimidos substituem o repositório, a discussão de revisão e as decisões confusas que revelam quem assume a responsabilidade.
Uma startup autofinanciada não pode inspecionar cada pedaço de céu. Escolhe onde olhar.
Um ATS começa com pessoas que selecionaram a sua empresa. A pesquisa de contribuidores começa com trabalho que selecionou o seu autor.
O trabalho open-source deixa as provas
Uma contribuição é muito mais rica do que um quadrado verde num perfil. O commit mostra o que a pessoa mudou. O pull request mostra como o explicou. A revisão mostra como reagiu quando alguém discordou. O histórico de issues mostra se ajudou depois de a parte empolgante ter sido fundida.
Ninguém atribuiu a um contribuidor externo o problema exato da sua empresa. Eles encontraram um projeto, aprenderam o suficiente para o mudar e aceitaram que um mantenedor pudesse rejeitar o trabalho em público. Um pull request rejeitado com reflexão pode revelar tanto sobre o julgamento e a resposta a feedback como um fundido.
O grafo de dependências já contém um mapa de candidatos
Comece com o software que a sua empresa usa. A construir com uma biblioteca de componentes open-source? Inspecione os seus contribuidores. A trabalhar com PyTorch? Olhe para as pessoas que melhoram as partes adjacentes ao seu produto. Um repositório famoso cria a mesma armadilha de pedigree que um empregador famoso quando persegue o nome e ignora o trabalho.
Esse screenshot contém um conjunto de candidatos que um ATS não consegue fabricar. Leia as contribuições. Encontre mudanças semelhantes aos problemas que a sua empresa tem. Verifique se o trabalho é recente e se o perfil convida ao contacto. Depois escreva às poucas pessoas cujo trabalho consegue descrever honestamente.
A primeira mensagem deve provar que fez a leitura:
Li a sua contribuição para [projeto], especialmente a decisão que tomou em [pull request específico]. Estamos a lidar com um problema relacionado na [empresa]. A função cobre [âmbito real], e os intervalos de salário e equity são [intervalos]. Se isso parecer interessante, gostaria de lhe mostrar o problema e ouvir como o abordaria.
Explica porque é esta pessoa, expõe o âmbito e coloca a compensação em aberto. Um orçamento apertado é uma restrição da empresa. Não lhe dá permissão para desperdiçar o tempo de um candidato nem para disfarçar um salário fraco com linguagem heroica.
Um prompt de pesquisa só é útil quando devolve o trabalho
Dê a qualquer um dos modelos um briefing restrito e exija links. Substitua cada campo entre colchetes.
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.O alcance em massa destrói o sinal que procura
Fazer scraping a todos os contribuidores e transformar o grafo noutro funil é o atalho óbvio. Não o faça. A Política de Utilização Aceitável do GitHub proíbe explicitamente usar informações obtidas do serviço para spam, incluindo e-mail não solicitado, e menciona explicitamente recrutadores, headhunters e portais de emprego.
Também é uma má contratação. A especificidade cria a vantagem. A automação a apaga e deixa a mesma fila plana, só que agora você interrompeu pessoas que nunca se candidataram. Use o grafo para descoberta, siga o caminho de contato que um contribuidor publicou, facilite a recusa e pare após uma clara falta de interesse. A lista menor é a funcionalidade.
Amigos vêm com uma longa verificação de referências
Pessoas que você conhece fornecem evidências que nenhum ciclo de entrevistas consegue recriar. Você já viu se elas terminam trabalho chato, lidam com conflito e avisam você cedo.
A amizade ainda não estabelece clareza de função, apetite por risco ou acordo sobre dinheiro e equity. Coloque isso por escrito. Explique as partes feias com o mesmo cuidado que você usa para a missão. Mostre o problema real em vez de fazer a empresa parecer mais segura do que é.
Use o mesmo padrão nas entrevistas. Peça aos candidatos que percorram o trabalho que escolheram e depois dê a eles um problema real com detalhes confidenciais removidos. Observe o que perguntam e como lidam com uma especificação incompleta. High agency inclui pedir ajuda antes que um problema fique caro.
Sourcing barato não salva um filtro descuidado
A contribuição pública tem seu próprio viés. Favorece pessoas com tempo, permissão e confiança para trabalhar onde estranhos podem julgá-las. Engenheiros excelentes com responsabilidades de cuidado, contratos de trabalho restritivos ou carreiras de código fechado podem não deixar rastro público. Use o trabalho público como uma fonte de alto sinal. Sua ausência não prova nada.
Decida o que o trabalho exige e escreva a evidência que prevê esses comportamentos. Depois que a contratação fizer trabalho real, compare a previsão com o que aconteceu. Se candidatos contribuidores precisam de tanta direção quanto candidatos do ATS, sua teoria falhou. Mude o filtro.
Não posso mostrar uma tabela provando que contribuidores superam ex-googlers, doutores ou candidatos. Posso mostrar o filtro que sobreviveu aos meus erros. Uma marca me disse onde alguém teve sucesso. Um diploma me disse o que estudaram. Uma candidatura me disse como se descreveram. Trabalho público me mostrou o que escolheram, o que entregaram e o que aconteceu quando outra pessoa contestou.
Com um orçamento apertado, a certeza não está disponível. Evidência é mais barata que uma má contratação, e ela já está no grafo de dependências.