تیگران اسلویان، بنیانگذار و مدیرعامل CodeSignal – سری مصاحبه


تیگران اسلویان، یکی از بنیانگذاران و مدیرعامل CodeSignal و مسئول هدایت جهت گیری استراتژیک و نتایج کلی شرکت است. پس از فارغ التحصیلی از MIT، او CodeSignal را در سال 2015 تأسیس کرد تا به تیم ها و افراد کمک کند تا مهارت هایی را که آینده را شکل می دهند کشف و توسعه دهند.

کد سیگنال ماموریتی برای کشف و توسعه مهارت هایی است که آینده را شکل می دهد. ارزیابی مهارت‌ها و ابزارهای یادگیری مبتنی بر هوش مصنوعی به تیم‌های با عملکرد بالا این امکان را می‌دهد تا از شکاف‌های مهارتی فراتر رفته و به افراد کمک کنند تا مهارت‌های مورد نیاز برای ارتقاء سطح را پرورش دهند.

چه چیزی الهام‌بخش شما برای راه‌اندازی CodeSignal بود و این شرکت از زمان آغاز به کار آن در سال 2015 چگونه تکامل یافته است؟

در CodeSignal، ما همیشه به قدرت مهارت ها اعتقاد داشته ایم. در سال 2015، شاهد شکاف بزرگی بین روش‌های سنتی استخدام و تقاضاهای به‌سرعت در حال تحول صنعت فناوری بودیم. ما CodeSignal را برای ایجاد یک روش عینی تر، کارآمدتر و منصفانه تر برای ارزیابی استعدادهای فنی ایجاد کردیم. از آن زمان، ما بسیار فراتر از ابزارهای ارزیابی اولیه خود رشد کرده ایم و به یک پلتفرم مهارتی جامع تبدیل شده ایم که هم از استخدام و هم توسعه پشتیبانی می کند.

آیا می توانید انگیزه ایجاد ویژگی “تمرین گفتگو” را توضیح دهید؟ چرا فکر می کنید برای نیروی کار امروزی بسیار مهم است؟

انگیزه پشت “تمرین گفتگو” از این شناخت ناشی می شود که اگرچه مهارت های فنی ضروری هستند، اما تنها عامل تعیین کننده موفقیت یک توسعه دهنده نیستند. نیروی کار امروزی نیازمند متخصصانی است که بتوانند به طور موثر ارتباط برقرار کنند، رهبری کنند و همکاری کنند. در واقع، به گفته گارتنر، 55% رهبران مهندسی نرم افزار می گویند ایجاد مهارت های رهبری در توسعه دهندگان ارشد یک چالش بزرگ است. پلت فرم ما در حال حاضر در آموزش کدنویسی و مهارت های فنی برتر است. با «تمرین مکالمه»، با ارائه راهی برای توسعه‌دهندگان برای تقویت این مهارت‌های نرم‌افزاری به همان اندازه مهم، به یک نیاز حیاتی در بازار پاسخ می‌دهیم و در نهایت آنها را به مشارکت‌کنندگان مؤثرتر و ارزشمندتر تبدیل می‌کنیم.

شبیه‌سازی مبتنی بر هوش مصنوعی در «تمرین مکالمه» چگونه کار می‌کند و کاربران چه نوع مکالمه‌های واقعی در محل کار را می‌توانند انتظار داشته باشند؟

شبیه سازی مکالمه ما از چندین مدل هوش مصنوعی با دقت هماهنگ شده استفاده می کند که با هم کار می کنند تا سناریوهای مکالمه واقع گرایانه ایجاد کنند. کاربران در این دیالوگ‌های شبیه‌سازی شده شرکت می‌کنند، مهارت‌هایی مانند ارائه بازخورد در بررسی کد، برگزاری جلسات موثر انفرادی، یا حتی هدایت مکالمات چالش برانگیز را تمرین می‌کنند. مربی و راهنمای هوش مصنوعی ما «Cosmo» سپس در مورد سبک ارتباطی خود بازخورد ارائه می‌کند و پیشنهاداتی برای بهبود و توسعه ارائه می‌دهد. این مانند داشتن یک فضای تمرین خصوصی است که در آن می توانید مهارت های ارتباطی مهم را بدون قضاوت اصلاح و تقویت کنید.

معلم هوش مصنوعی به چه روش هایی بازخورد ارائه می کند و چگونه تضمین می کند که بازخورد بدون قضاوت باقی بماند

Cosmo، مربی هوش مصنوعی ما، زبان، لحن و رویکرد کاربر را در طول مکالمات شبیه سازی شده یک به یک تجزیه و تحلیل می کند. سپس بازخورد خاصی را ارائه می‌کند، مناطقی را که کاربر در آنها برتری داشته است برجسته می‌کند و عبارت‌ها یا استراتژی‌های جایگزین را پیشنهاد می‌کند که بهبود ممکن است مفید باشد. بازخورد به گونه ای طراحی شده است که سازنده باشد و بر توسعه مهارت متمرکز باشد، نه قضاوت کردن. ما معتقدیم که این یک محیط یادگیری امن و حمایتی ایجاد می کند.

چگونه می‌بینید که ابزار «تمرین مکالمه» بر افراد حرفه‌ای جوان و ارشد در محیط‌های کاری روزانه‌شان تأثیر می‌گذارد؟

برای حرفه ای های اولیه، “تمرین مکالمه” راهی بدون ریسک برای ایجاد اعتماد به نفس و مهارت های ارتباطی ضروری ارائه می دهد. این می تواند رشد آنها را تسریع کند و به آنها کمک کند تا در مراحل اولیه حرفه خود برجسته شوند. یک مجموعه مهارت کامل می تواند یک توسعه دهنده خوب را به یک توسعه دهنده عالی تبدیل کند. برای متخصصان ارشد، فرصتی برای اصلاح سبک های رهبری و مدیریت خود فراهم می کند و اثربخشی آنها را در هدایت تیم ها و پروژه ها افزایش می دهد. در نهایت، ما این ابزار را به عنوان یک محیط کاری مشارکتی، ارتباطی و سازنده تر برای همه می بینیم.

با تمرکز روزافزون بر هوش مصنوعی در توسعه مهارت‌ها، CodeSignal چگونه بین آموزش مهارت‌های فنی و پرورش مهارت‌های نرم تعادل ایجاد می‌کند؟

در CodeSignal، ما معتقدیم که مهارت‌های فنی و نرم دو روی یک سکه هستند. از سال 2015، پلتفرم ما از توسعه مهارت‌های فنی کاربرانمان پشتیبانی می‌کند و با افزودن «تمرین مکالمه»، این تخصص را به توسعه مهارت‌های نرم گسترش می‌دهیم. و ما هوش مصنوعی را ابزاری قدرتمند برای هر دو حوزه می بینیم. با استفاده از هوش مصنوعی برای یادگیری شخصی و ارائه آن یادگیری در شبیه‌سازی‌های واقعی، می‌توانیم به طور موثر طیف کاملی از مهارت‌هایی را که حرفه‌ای‌های امروزی برای پیشرفت به آن نیاز دارند، آموزش داده و تقویت کنیم.

در مقاله شما “آنچه شما باید در مورد مهندسان سریع بدانید – و چرا ممکن است شما یکی از آنها را بخواهیدشما بر نقش حیاتی مهندسان سریعاً در استفاده از پتانسیل کامل ابزارهای هوش مصنوعی مانند ChatGPT و GitHub Copilot تاکید می کنید. همانطور که فناوری هوش مصنوعی به پیشرفت خود ادامه می دهد، نقش مهندسان سریع را چگونه متصور می شوید و CodeSignal چه ابتکاری برای پشتیبانی یا ادغام این حرفه در حال ظهور در پلتفرم خود انجام می دهد؟

نقش مهندس سریع هنوز در مراحل اولیه است، اما به سرعت در حال تبدیل شدن به یک مهارت بسیار تخصصی است. با این حال، با پیچیده‌تر شدن مدل‌های هوش مصنوعی، توانایی ایجاد اعلان‌های مؤثر برای به حداکثر رساندن کاربرد آنها بسیار مهم است. ما می بینیم که مهندسی سریع به یک شایستگی اصلی در نقش های مختلف تبدیل می شود، نه تنها محدود به متخصصان هوش مصنوعی.

در CodeSignal، ما یک دوره مهندسی سریع راه‌اندازی کرده‌ایم که هدف آن کمک به فراگیران برای بهبود بهره‌وری با مدل‌های هوش مصنوعی است. ما همچنین ارزیابی‌های آزمایشی را برای سنجش مهارت‌های مهندسی سریع انجام می‌دهیم، و در حال توسعه ماژول‌های یادگیری اضافی هستیم تا به مهندسان کمک کنیم توانایی‌های خود را افزایش دهند. هدف ما این است که به افراد و سازمان‌ها کمک کنیم تا از طریق مهندسی سریع و ماهر، از قدرت هوش مصنوعی استفاده کنند.

تجربه شما در Google و استارت آپ های مختلف نقش دارد. این تجربیات چگونه رویکرد شما به رهبری در CodeSignal را شکل داده است؟

تجربیات من در گوگل و استارت آپ های مختلف در شکل گیری رویکرد رهبری من در CodeSignal موثر بوده است. در گوگل، اهمیت تعیین اهداف بلندپروازانه و پرورش فرهنگ نوآوری را آموختم. در محیط استارت‌آپ، ارزش چابکی، تدبیر و نیاز به انطباق مداوم با پویایی‌های بازار در حال تغییر را آموختم.

در CodeSignal، من تلاش می‌کنم این درس‌ها را با تعیین اهداف جسورانه، تشویق به آزمایش و حفظ تمرکز قوی روی اجرا ترکیب کنم. ما همچنین ساخت یک تیم متنوع و فراگیر را در اولویت قرار می دهیم و تشخیص می دهیم که دیدگاه های مختلف برای هدایت نوآوری ضروری است.

آیا می‌توانید اطلاعاتی از جنبش #GoBeyondResumes و نحوه اتصال آن به کاری که در CodeSignal انجام می‌دهید، به‌ویژه با این ویژگی جدید، به اشتراک بگذارید؟

جنبش #GoBeyondResumes با ماموریت CodeSignal برای کشف و توسعه مهارت هایی که آینده را شکل خواهند داد، همسو است. ما معتقدیم که مهارت ها، نه رزومه، باید عامل اصلی در تصمیم گیری های استخدام و توسعه باشند. پلتفرم ما برای ارزیابی عینی مهارت‌ها طراحی شده است و افراد را قادر می‌سازد تا توانایی‌ها و پتانسیل‌های خود را بدون توجه به پیشینه یا شجره خود به نمایش بگذارند.

محصولات ما از این ماموریت با ارائه بینش‌های دقیق در مورد مجموعه مهارت‌های افراد پشتیبانی می‌کنند. این نه تنها به کارفرمایان در تصمیم‌گیری آگاهانه در مورد استخدام و توسعه سود می‌رساند، بلکه افراد را قادر می‌سازد تا نقاط قوت و زمینه‌های رشد خود را شناسایی کنند و یک اکوسیستم استعداد عادلانه‌تر و مهارت محور را تقویت کنند.

همانطور که به آینده می نگرید، چشم انداز گسترده تری شما برای اینکه چگونه هوش مصنوعی نحوه کار و یادگیری ما را تغییر می دهد چیست و CodeSignal چگونه در این تحول قرار دارد؟

هوش مصنوعی آماده است تا اساساً نحوه کار و یادگیری ما را متحول کند. ما شاهد اتوماسیون فزاینده وظایف معمول خواهیم بود، که کارگران انسانی را آزاد می‌کند تا روی تلاش‌های خلاقانه‌تر و استراتژیک‌تر تمرکز کنند. یادگیری شخصی مبتنی بر هوش مصنوعی به یک هنجار تبدیل خواهد شد و افراد را قادر می‌سازد تا مهارت‌های جدید را کارآمدتر و مؤثرتر کسب کنند.

CodeSignal در خط مقدم این تحول قرار دارد. ابزارهای ارزیابی و توسعه مهارت‌های مبتنی بر هوش مصنوعی به سازمان‌ها کمک می‌کنند تا با این واقعیت جدید سازگار شوند. ما آینده‌ای را تصور می‌کنیم که در آن مهارت‌ها ارز نیروی کار باشد، و CodeSignal پلتفرمی است که افراد و سازمان‌ها را قادر می‌سازد در این اقتصاد مبتنی بر مهارت‌ها پیشرفت کنند.

با تشکر از شما برای مصاحبه عالی، خوانندگانی که مایل به کسب اطلاعات بیشتر هستند باید از آن بازدید کنند کد سیگنال.



منبع:unite.ai

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *