DINQ: silnik agentów AI do wyszukiwania i analizy talentów w AI

Rekrutacja w obszarze sztucznej inteligencji jest trudna, bo talenty są rozproszone. Osoby, które naprawdę trenowały duże modele, budowały potoki multimodalne albo pracowały nad optymalizacją wnioskowania, zostawiają ślady w preprintach, repozytoriach kodu i wystąpieniach konferencyjnych, a nie w profilu na portalu pracy. DINQ podchodzi do problemu agentami AI: najpierw odnajduje kandydatów w źródłach publicznych, potem w uporządkowany sposób pokazuje, w czym ktoś jest mocny.

DINQ to silnik talentów skupiony na obszarze AI. Jego agenci identyfikują badaczy i programistów w źródłach publicznych i pomagają firmom oraz instytucjom badawczym wybrać osoby odpowiadające konkretnej potrzebie technicznej. To nie kolejna baza CV: narzędzie zamienia publiczne ślady techniczne w sygnały, które zespół może ocenić.

Warstwa danych łączy kilka uznanych źródeł publicznych, między innymi Google Scholar i GitHub. Dorobek naukowy, aktywność w kodzie i preferencje dotyczące stosu technologicznego trafiają do jednego rekordu kandydata, służącego do łącznej oceny dorobku badawczego, kompetencji inżynierskich i praktyki.

Poza interfejsem webowym DINQ oferuje model DINQ-as-a-Service, czyli DaaS, który można wbudować w istniejący system rekrutacji, aby wyszukiwanie i profilowanie odbywały się w dotychczasowym procesie pracy.

Co robi DINQ

Globalne wyszukiwanie talentów

Agenci odnajdują specjalistów w źródłach publicznych. Pytanie nie brzmi, kto wysłał aplikację, ale kto naprawdę pracuje nad problemem, co ma znaczenie przy budowaniu puli kandydatów od zera.

Łączenie wielu źródeł

Sygnały naukowe i kodowe trafiają do jednego rekordu, dzięki czemu mocna lista publikacji nie jest mylona z doświadczeniem produkcyjnym, a aktywne repozytorium z systematyczną pracą badawczą.

Wyszukiwanie semantyczne

Poza nazwiskiem lub linkiem do profilu badacza można opisać szukany profil językiem naturalnym, na przykład osoba skupiona na modelach multimodalnych z doświadczeniem produktowym. Ranking uwzględnia zaplecze techniczne, nie tylko słowa kluczowe.

Precyzyjne filtry

Stos technologiczny, lata doświadczenia, lokalizacja i oczekiwania płacowe można łączyć, aby zredukować szeroki zbiór do listy możliwej do przejrzenia osoba po osobie.

Pogłębiona analiza kandydata

Każdy rekord rozwija się w wielowymiarową analizę o regulowanej głębokości, pokazującą kluczowe cechy i potencjał zamiast chronologicznego CV.

Wizualne profile

Radar umiejętności, os czasu rozwoju i wskaźnik wpływu pokazują strukturę kompetencji oraz ścieżkę kariery.

Grafy współpracy

Platforma odwzorowuje współautorstwo, powiązania branżowe i drogi rozprzestrzeniania się wpływu, co pomaga ocenić rzeczywisty zasięg sieci kandydata.

Trendy na bieżąco

Analiza zagregowana obejmuje popularne kierunki techniczne, mapy przepływu talentów i odniesienia płacowe w poddziedzinach.

Aktualizacja zdarzeniowa

Profile są śledzone na bieżąco, więc nowa publikacja lub repozytorium się pojawia, a rekord nie zastyga w dniu utworzenia.

Integracja DaaS i demo

Firmy mogą podłączyć usługę do własnego systemu rekrutacji; demo pozwala sprawdzić dopasowanie przed decyzją.

Jak się z tego korzysta

1. Utwórz konto i ustal podział licencji oraz uprawnień w zespole.
2. Zacznij od konkretnej potrzeby: wklej link do profilu badacza, wpisz nazwisko lub opisz szukany profil językiem naturalnym.
3. Zawęź wyniki filtrami stosu technologicznego, doświadczenia, lokalizacji i oczekiwań płacowych.
4. Otwórz pogłębioną analizę każdej wybranej osoby i porównaj radar umiejętności z osią czasu rozwoju.
5. Sprawdź graf współpracy, gdy liczy się dopasowanie do zespołu i zasięg sieci.
6. Skalibruj wynagrodzenie na podstawie odniesień płacowych przed pierwszym kontaktem.
7. W użyciu firmowym poproś o demo i potwierdź zakres integracji oraz zasady dotyczące danych w DaaS.

Dla kogo

• Rekruterzy budujący zespół AI, którzy potrzebują kandydatów spoza napływających aplikacji.
• Laboratoria i instytuty szukające współpracowników w wąskim kierunku technicznym.
• Menedżerowie techniczni, którzy chcą wstępnej oceny kandydata przed pierwszą rozmową.
• Inwestorzy i analitycy śledzący przepływ talentów oraz poziom płac w poddziedzinach.
• Badacze i inżynierowie, którzy chcą zobaczyć swoją pozycję z zewnątrz.

Ograniczenia do poznania

• Ceny, struktura planów i poziom darmowy nie są publikowane, więc budżet trzeba potwierdzić u dostawcy.
• Zasięg zależy od danych publicznych; projekty wewnętrzne, systemy własne i społeczności nieanglojęzyczne są reprezentowane nierówno, dlatego oceny są sygnałami, a nie wyrokami.
• Wymieniono tylko kilka źródeł, a pełna lista, częstotliwość aktualizacji i głębokość historyczna nie są udokumentowane.
• Wzory wskaźnika wpływu i radaru umiejętności nie są jawne, co czyni porównywanie ocen między dziedzinami zawodnym.
• Ponieważ przetwarzane są dane osobowe, legalność źródeł, okres przechowywania i usuwanie trzeba sprawdzić zgodnie z lokalnymi przepisami o prywatności.
• Jakość wyszukiwania semantycznego zależy od jakości opisu; nieprecyzyjne zapytanie daje nieprecyzyjny zbiór.

Częste pytania

Czym to się różni od portalu pracy?

Portal pokazuje, kto szuka pracy. DINQ na podstawie publicznych badań i kodu pokazuje, kto tę pracę wykonuje, docierając także do kandydatów pasywnych.

Czy trzeba znać nazwisko, aby zacząć?

Nie. Można wyjść od linku do profilu badacza albo od opisu potrzebnego profilu językiem naturalnym.

Czy analiza zastępuje decyzję o zatrudnieniu?

Powinna wspierać selekcję, a nie ją zastępować. Rozmowa, historia współpracy i dopasowanie do zespołu pozostają poza sygnałami publicznymi.

Czy trzeba wymienić system rekrutacji?

Nie. Tryb DaaS podłącza wyszukiwanie i profilowanie do systemu, który już działa.