DINQ: mesin agen AI untuk menemukan dan menganalisis talenta AI

Merekrut di bidang AI sulit karena talentanya tersebar. Mereka yang benar-benar melatih model besar, membangun pipeline multimodal, atau mengerjakan optimasi inferensi meninggalkan jejak di pracetak, repositori kode, dan presentasi konferensi, bukan di profil situs lowongan. DINQ menangani masalah ini dengan agen AI: lebih dulu menemukan kandidat di sumber publik, lalu menjelaskan secara terstruktur di mana kekuatan tiap orang.

DINQ adalah mesin talenta yang berfokus pada bidang AI. Agennya mengidentifikasi peneliti dan pengembang di sumber publik serta membantu perusahaan dan lembaga riset memilih orang yang sesuai dengan kebutuhan teknis tertentu. Ini bukan basis data resume lain: ia mengubah jejak teknis publik menjadi sinyal yang bisa dinilai tim.

Lapisan data menyatukan beberapa sumber publik terpercaya, termasuk Google Scholar dan GitHub. Hasil riset, aktivitas kode, dan preferensi tumpukan teknologi bergabung dalam satu catatan kandidat yang dipakai menilai rekam jejak riset, kemampuan rekayasa, dan pengalaman praktik sekaligus.

Selain antarmuka web, DINQ menyediakan DINQ-as-a-Service atau DaaS, model yang dapat disematkan ke sistem rekrutmen yang sudah ada agar pencarian dan pembuatan profil berjalan di dalam alur kerja yang dipakai sehari-hari.

Apa yang dilakukan DINQ

Pencarian talenta global

Agen menemukan spesialis AI di sumber publik. Pertanyaannya bukan siapa yang melamar, melainkan siapa yang benar-benar mengerjakan masalah itu, yang penting saat kumpulan kandidat harus dibangun dari nol.

Penyatuan banyak sumber

Sinyal riset dan sinyal kode disatukan agar daftar publikasi yang kuat tidak disamakan dengan pengalaman produksi, dan repositori aktif tidak disamakan dengan riset sistematis.

Pencarian semantik

Selain nama atau tautan profil peneliti, profil yang dicari bisa dijelaskan dengan bahasa alami, misalnya peneliti yang fokus pada model multimodal dan punya pengalaman produk. Pemeringkatan mempertimbangkan latar teknis, bukan hanya kata kunci.

Filter terperinci

Tumpukan teknologi, tahun pengalaman, lokasi, dan ekspektasi gaji dapat dikombinasikan untuk menyusutkan kumpulan luas menjadi daftar yang bisa ditinjau satu per satu.

Analisis mendalam kandidat

Setiap catatan dapat dibuka menjadi analisis multidimensi dengan kedalaman yang bisa diatur, menampilkan atribut kunci dan potensi, bukan resume kronologis.

Profil visual

Radar keterampilan, garis waktu pertumbuhan, dan indeks pengaruh memperlihatkan bentuk kemampuan serta jalur karier secara sekilas.

Peta kolaborasi

Platform memetakan kepenulisan bersama, koneksi industri, dan jalur penyebaran pengaruh, berguna untuk menilai luas jaringan seorang kandidat.

Tren waktu nyata

Analisis agregat mencakup arah teknis yang diminati, peta pergerakan talenta, dan acuan gaji per subbidang.

Pembaruan berbasis peristiwa

Profil dipantau terus-menerus sehingga makalah atau repositori baru tercermin, tidak berhenti pada tanggal pencatatan.

Integrasi DaaS dan demo

Perusahaan dapat menghubungkan layanan ke sistem rekrutmen mereka; demo memungkinkan penilaian kesesuaian sebelum berkomitmen.

Cara memakainya

1. Buat akun dan tetapkan pembagian lisensi serta izin di dalam tim.
2. Mulai dari kebutuhan konkret: tempel tautan profil peneliti, ketik nama, atau jelaskan profil yang dicari dengan bahasa alami.
3. Persempit hasil dengan filter tumpukan teknologi, pengalaman, lokasi, dan ekspektasi gaji.
4. Buka analisis mendalam tiap kandidat terpilih dan bandingkan radar keterampilan dengan garis waktu pertumbuhan.
5. Periksa peta kolaborasi bila kesesuaian tim dan jangkauan jaringan penting.
6. Kalibrasi rentang gaji memakai acuan yang tersedia sebelum kontak pertama.
7. Untuk penggunaan korporat, minta demo dan pastikan cakupan integrasi serta batas data untuk DaaS.

Cocok untuk

• Perekrut yang membangun tim AI dan butuh kandidat di luar arus lamaran masuk.
• Laboratorium dan lembaga riset yang mencari kolaborator pada arah teknis sempit.
• Manajer teknis yang ingin gambaran kandidat sebelum panggilan pertama.
• Investor dan analis yang memantau arah perpindahan talenta dan tingkat gaji subbidang.
• Peneliti dan engineer yang ingin pandangan luar atas posisi mereka sendiri.

Batasan yang perlu diketahui

• Harga, struktur paket, dan kuota gratis tidak dipublikasikan, jadi anggaran harus dikonfirmasi ke penyedia.
• Cakupan bergantung pada data publik; proyek internal, sistem berpemilik, dan komunitas non-Inggris terwakili tidak merata, sehingga skor adalah sinyal, bukan putusan.
• Hanya beberapa sumber disebutkan dan daftar lengkap, frekuensi pembaruan, serta kedalaman historis tidak didokumentasikan.
• Rumus indeks pengaruh dan radar keterampilan tidak dipublikasikan sehingga membandingkan skor antar bidang kurang dapat diandalkan.
• Karena memproses data pribadi, keabsahan sumber, masa simpan, dan mekanisme penghapusan perlu diperiksa sesuai aturan privasi setempat.
• Kualitas pencarian semantik mengikuti kualitas deskripsi; permintaan yang kabur menghasilkan kumpulan yang kabur.

Pertanyaan umum

Apa bedanya dengan situs lowongan?

Situs lowongan menunjukkan siapa yang mencari kerja; DINQ menunjukkan siapa yang mengerjakan, berdasarkan riset dan kode publik, sehingga menjangkau kandidat pasif.

Apakah harus tahu nama untuk mulai?

Tidak. Bisa dimulai dari tautan profil peneliti atau deskripsi bahasa alami tentang profil yang dibutuhkan.

Bisakah analisis dipakai langsung untuk memutuskan rekrutmen?

Sebaiknya sebagai bantuan penyaringan. Wawancara, riwayat kolaborasi, dan kecocokan tim tidak terlihat dari sinyal publik.

Apakah sistem rekrutmen harus diganti?

Tidak. Mode DaaS menghubungkan pencarian dan pembuatan profil ke sistem yang sudah dipakai.