一位曾在 招聘桌的两边坐过的人。
在 Curriculo ATS 之前，Dev 多年来一直在决定人们看到什么的系统内部工作。推荐引擎。排名管道。将大量输入排序为五到十个重要的机器。这种工作教会你一个沉默的真理：排名的诚实性取决于你输入的信号。信号错误，整个系统就会在大规模上洗涤偏见。
这个教训伴随着 Dev 进入招聘领域。看着团队将简历通过关键词过滤器，这些过滤器奖励简历调优而不是实际工作，然后抱怨短名单感觉稀薄。招聘工具衡量的东西与招聘实际需要的东西之间的差距变得无法忽视。 Curriculo 起初是答案：一个根据候选人所建造的东西而不是他们知道如何输入的内容来评分的系统。
“关键词匹配奖励那些已经知道游戏规则的人。 结果奖励那些做过工作的人。”
这条路径， 简要地。
Dev 的背景处于机器学习和已发布软件的交叉点。在 Synopsys，工作围绕着需要在大规模上精确的系统：这种工程的失败是用硅测量的，而不是用票。 在 Amazon，它是搜索和推荐：关于一个人下一步可能想要什么的不断流动的判断。
这种组合，严谨与相关性，是 Curriculo 思考招聘的核心。一个 影响评分 并不是魔法，它是一个基于信号的排名函数，招聘经理在解释他们的决定时会提到的信号。
职业笔记
每个角色，都有一个一致的问题 。每个角色都有一个共同的目标。
每个角色在这里都塑造了 Curriculo 的排名：什么是证据，什么是噪音，谁在无法区分两者时付出代价。
- Synopsys · 机器学习工程
为精确的规模而进行工程设计。
软件和 ML 工作需要精确的容忍度，错误的答案是昂贵的。这就是偏向可衡量信号（数字，而不是感觉）的原因。
- Amazon · 搜索和推荐
学习排名系统的失败模式。
多年来，系统对不同类型的候选人进行排名：产品、结果、内容。每个大规模排名的失败模式（反馈循环、冷启动、坏代理）现在也出现在招聘软件中。值得注意。
- 2024 · Curriculo 成立，布鲁克林， NY
从简历方面开始。
Curriculo 推出了其 AI 简历生成器 ，帮助候选人以招聘经理阅读的方式编写简历：围绕结果，而不是流行词汇。观察候选人如何描述他们的工作，将优秀简历的形状转化为数据，而不是意见。
- 今日 · Curriculo ATS
一个 ATS，评估简历的实际内容。
同样的信号框架，以相反的方式运行：一个applicant tracking system，按照 Curriculo 教导候选人撰写简历的方式阅读简历。初创公司和小团队使用它来用0到100的影响评分取代关键词过滤，这个评分可以经受住审查。
Dev 构建的目标是
三个不可妥协的条件，用于 一个 ATS 值得信赖的。
重视结果而非形容词。
评估产生的收入、扩展的团队、交付的系统。永远不评估形容词堆。
默认可审计。
评分应该附带招聘经理可以阅读的理由。人可以在房间里辩护的决定。
数据统计
工作成果 到目前为止。
- 200+创始团队在 ATS 测试版
- 75%筛选时间减少
- 15 分钟从注册到第一份评分简历
尝试 Dev 构建的
评估您的下一位员工的方式，像 优秀的公司已经在思考。
免费发布您的第一份工作岗位。无需信用卡、无需按座位计费、无需实施项目。只需一个已按影响力评分排名的候选人收件箱。
关于公司的更多信息，请访问 关于 Curriculo 页面。