DINQ: un motore con agenti IA per trovare e analizzare talenti nell’IA

Assumere nell’intelligenza artificiale è difficile perché il talento è sparso. Chi ha davvero addestrato modelli di grandi dimensioni, costruito pipeline multimodali o ottimizzato l’inferenza lascia tracce in preprint, repository e interventi alle conferenze, non nel profilo di un portale di lavoro. DINQ affronta il problema con agenti IA: prima individua i candidati in fonti pubbliche, poi spiega in modo strutturato in che cosa ciascuno è forte.

DINQ è un motore di talenti focalizzato sul settore dell’IA. I suoi agenti individuano ricercatori e sviluppatori in fonti pubbliche e aiutano aziende e istituti di ricerca a selezionare profili adatti a un’esigenza tecnica precisa. Non è l’ennesimo archivio di curriculum: trasforma tracce tecniche pubbliche in segnali che un team può valutare.

Il livello dati consolida diverse fonti pubbliche autorevoli, tra cui Google Scholar e GitHub. Produzione scientifica, attività sul codice e preferenze di stack confluiscono in una scheda unica che serve a valutare insieme percorso di ricerca, capacità di ingegneria ed esperienza sul campo.

Oltre all’interfaccia web, DINQ offre DINQ-as-a-Service (DaaS), un modello che si integra nel sistema di selezione esistente così che ricerca e profilazione avvengano nel flusso di lavoro già in uso.

Che cosa fa DINQ

Ricerca globale di talenti

Gli agenti individuano specialisti in fonti pubbliche. La domanda non è chi si è candidato, ma chi lavora davvero sul problema, il che conta quando si deve costruire un bacino di candidati da zero.

Consolidamento multi-fonte

I segnali scientifici e quelli del codice vengono uniti per non confondere un solido elenco di pubblicazioni con esperienza in produzione, né un repository attivo con ricerca sistematica.

Ricerca semantica

Oltre a un nome o all’URL di un profilo di ricerca, si può descrivere il profilo cercato in linguaggio naturale, per esempio una persona focalizzata su modelli multimodali con esperienza di prodotto. L’ordinamento considera il background tecnico, non solo le parole chiave.

Filtri dettagliati

Stack, anni di esperienza, località e aspettativa salariale si combinano per ridurre un insieme ampio a un elenco esaminabile persona per persona.

Analisi approfondita del candidato

Ogni scheda si espande in un’analisi multidimensionale con profondità regolabile, che mostra attributi chiave e potenziale invece di un curriculum cronologico.

Profili visivi

Radar delle competenze, linea temporale di crescita e indice di influenza riassumono la forma delle capacità e il percorso professionale.

Grafo delle collaborazioni

La piattaforma mappa coautoraggi, legami industriali e percorsi di influenza, utile per stimare l’ampiezza reale della rete di un candidato.

Tendenze in tempo reale

L’analisi aggregata copre le direzioni tecniche più richieste, le mappe di movimento dei talenti e i riferimenti salariali per sottoarea.

Aggiornamento a eventi

Le schede sono seguite in continuo: un nuovo articolo o repository compare invece di restare fermo alla data di creazione.

Integrazione DaaS e demo

Le aziende collegano il servizio al proprio sistema di selezione; una demo permette di verificare l’adattamento prima di impegnarsi.

Come si usa

1. Creare l’account e definire la distribuzione di licenze e permessi nel team.
2. Partire da un’esigenza concreta: incollare l’URL di un profilo di ricerca, digitare un nome o descrivere in linguaggio naturale il profilo cercato.
3. Restringere i risultati con filtri su stack, esperienza, località e aspettativa salariale.
4. Aprire l’analisi approfondita di ogni preselezionato e confrontare il radar delle competenze con la linea temporale di crescita.
5. Consultare il grafo delle collaborazioni quando contano l’inserimento nel team e l’ampiezza della rete.
6. Calibrare la retribuzione con i riferimenti salariali prima del primo contatto.
7. In uso aziendale, richiedere una demo e confermare perimetro di integrazione e limiti dei dati per DaaS.

A chi serve

• Responsabili della selezione che costruiscono un team di IA e cercano candidati fuori dal flusso di curriculum in entrata.
• Laboratori e istituti che cercano collaboratori su una direzione tecnica ristretta.
• Responsabili tecnici che vogliono una lettura del candidato prima del primo colloquio.
• Investitori e analisti che seguono dove si spostano i talenti e quanto paga ciascuna sottoarea.
• Ricercatori e ingegneri che desiderano uno sguardo esterno sulla propria posizione.

Limiti da conoscere

• Prezzi, struttura dei piani e livello gratuito non sono pubblicati: il budget va confermato con il fornitore.
• La copertura dipende da dati pubblici; progetti interni, sistemi proprietari e comunità non anglofone sono rappresentati in modo disomogeneo, quindi i punteggi sono segnali e non verdetti.
• Sono nominate solo poche fonti e non sono documentati l’elenco completo, la frequenza di aggiornamento e la profondità storica.
• Le formule dell’indice di influenza e del radar delle competenze non sono pubblicate, il che rende inaffidabile confrontare punteggi tra ambiti diversi.
• Poiché si trattano dati personali, liceità delle fonti, conservazione e cancellazione vanno verificate secondo la normativa locale sulla privacy.
• La qualità della ricerca semantica segue quella della richiesta: una descrizione vaga restituisce un insieme vago.

Domande frequenti

Che differenza c’è con un portale di lavoro?

Un portale mostra chi cerca lavoro; DINQ mostra, da ricerca e codice pubblici, chi fa il lavoro, e raggiunge quindi anche i candidati passivi.

Serve un nome per iniziare?

No. Si può partire dall’URL di un profilo di ricerca o da una descrizione in linguaggio naturale del profilo desiderato.

La scheda può decidere un’assunzione?

Dovrebbe sostenere la selezione, non sostituirla: colloquio, storia di collaborazione e inserimento nel team restano fuori dai segnali pubblici.

Bisogna cambiare il sistema di selezione?

No. La modalità DaaS collega ricerca e profilazione al sistema già in uso.