Jak Folkso znajduje osobę, z którą będzie ci dobrze pracować

Folkso prowadzi cię do właściwej osoby

Umiejętności i stawka dają listę. Z kim z tej listy będzie ci dobrze pracować przez najbliższe trzy miesiące, lista nie powie.

Folkso jest zbudowane pod to pytanie. Znajduje ludzi, którzy wykonują taką pracę, i sprawdza ich. Twoje AI porównuje ich z tym, jak pracujesz, i mówi, kto jest bliżej. Obie połowy opierają się na badaniach ludzi w pracy i obie mierzymy.

Pasować najlepiej znaczy pasować i do zadania, i do sposobu, w jaki pracujesz. Liczby pochodzą z 300 testowych wyszukiwań, których poprawne odpowiedzi znaliśmy z góry i które nie brały udziału w dostrajaniu. Obsłużył je ten sam kod, który odpowiada tobie w ChatGPT i Claude.

Cztery kroki od twojej prośby do właściwej osoby

1. Folkso znajduje ludzi, którzy wykonują taką pracę. Dalej przechodzą tylko osoby otwarte na takie zadania, a ktoś, czyje własne warunki wykluczają twoje zadanie, odpada. Model czyta w całości 50 najbliższych profili, bez kontaktów, a pierwsze z nich czyta jeszcze raz, po jednej osobie, zanim ci je pokaże.
2. Twoje AI dostaje fakty. O każdej osobie widzi zdanie z jej własnego profilu, które pokazuje, że potrafi to zrobić, oraz coś konkretnego, co was łączy, jeśli takie coś jest. Widzi, co nie zgadza się z twoimi warunkami, na przykład stawkę powyżej budżetu. Dostaje też krótki portret tego, jak ta osoba pracuje i na czym jej zależy w pracy, oszacowany na podstawie tekstu profilu. Do portretu trafiają tylko pewne oszacowania.
3. Twoje AI porównuje je z tobą. Widziało, jak pracujesz, w twoich rozmowach i we wspólnej pracy, więc zna cię lepiej niż jakikolwiek wypełniony przez ciebie profil. Waży tempo i rytm, to, czy ktoś pracuje sam, czy potrzebuje częstych uzgodnień, jak się spiera i przyjmuje uwagi oraz co jest dla niego ważne w pracy. Czasem właściwa jest osoba, która pracuje tak jak ty. Czasem ta, która uzupełnia twoją słabą stronę, na przykład ktoś zorganizowany dla osoby pracującej zrywami. Swoją opinię AI pisze na każdej karcie i może oznaczyć jedną osobę jako „Najbliżej”.
4. Decydujesz ty. Karty zostają w kolejności Folkso. Czytasz opinie i wybierasz, do kogo napisać.

Opinia zaczyna się od faktu z profilu i nazywa „ale”, jeśli takie jest. Nie ma w niej procentów zgodności ani „idealnego dopasowania”. W badaniach z udziałem użytkowników, które prowadzili Bansal i współpracownicy, wyjaśnienia AI sprawiały, że ludzie częściej przyjmowali jego sugestię, niezależnie od tego, czy była słuszna, czy błędna. Imię, zdjęcie, płeć, wiek i pochodzenie nie biorą udziału w porównaniu.

Folkso nie czyta twoich czatów ani pamięci asystenta. Do wyszukiwania trafiają tylko warunki zadania, a jeśli twoje AI chce zamienić coś, co o tobie pamięta, w warunek, najpierw pyta ciebie.

Opinie widzisz tylko ty, a po 30 dniach są usuwane. Osoba, której dotyczy opinia, jej nie widzi.

Co decyduje o tym, czy dwojgu ludziom dobrze się razem pracuje

Dopasowanie w Folkso stoi na metaanalizach i długich badaniach ludzi w pracy. Oto te, z których korzysta.

Kristof-Brown, Zimmerman i Johnson zebrali 172 badania z 836 wielkościami efektu, dotyczące tego, jak ludzie pasują do swojej pracy, organizacji, zespołu i przełożonego. Dopasowanie szło w parze z zadowoleniem i chęcią pozostania. Dopasowanie do przełożonego korelowało na poziomie 0,46 z zadowoleniem z tego przełożonego, a dopasowanie do zespołu na poziomie 0,47 ze zgraniem zespołu. Związki z wynikami w pracy były słabsze, od 0,07 do 0,20. Dopasowanie do zespołu wiązało się z ogólnym zadowoleniem z pracy słabiej, niż oczekiwali autorzy, i podają oni jeden powód. Wiele z tych badań mierzyło je, porównując wyniki testów osobowości.

Liden, Wayne i Stilwell przez pierwsze sześć miesięcy śledzili 166 nowych pracowników i ich przełożonych. To, czego oboje oczekiwali od siebie w pierwszych pięciu dniach, przewidywało jakość ich relacji w pracy po dwóch i po sześciu tygodniach. Podobieństwo, które dostrzegali w sobie nawzajem, i sympatia przewidywały ją w większości pomiarów. Podobieństwo demograficzne nie.

Edwards i Cable porównali wartości pracowników z 4 organizacji z wartościami ich organizacji. Wspólne wartości szły w parze z zadowoleniem z pracy i chęcią pozostania, głównie przez zaufanie do organizacji i jej ludzi, a w drugiej kolejności przez łatwiejsze porozumiewanie się. Dopasowania do pojedynczego współpracownika tam nie mierzono.

Czas dokłada swoje. Im dłużej ludzie pracują razem, tym mniej znaczą różnice demograficzne, a tym więcej różnice w postawach. Widać to w grupach roboczych (Harrison, Price i Bell) i w 144 studenckich zespołach projektowych, badanych w czterech falach pomiarów (Harrison i współpracownicy).

Mentoring pokazuje ten sam wzorzec. W metaanalizie Eby i współpracowników, obejmującej 173 próby i 40 737 osób, to, jak wysoko podopieczni oceniali swój mentoring, najściślej szło w parze z tym, jak bardzo byli podobni do mentora pod względem postaw, wartości, przekonań i osobowości. Wśród wszystkiego, co poprzedzało relację, były to najsilniejsze związki, od 0,38 do 0,59.

Najwięcej badań dotyczy par, a nawet tam podobieństwo osobowości wyjaśnia niewiele. W trzech ogólnokrajowych próbach par małżeńskich to, jak bardzo osobowości partnerów były do siebie podobne, dodawało mniej niż 0,5% do zadowolenia ze związku ponad osobowość każdego z nich (Dyrenforth i współpracownicy). W 43 badaniach obejmujących 11 196 par to, jak każdy z partnerów widział sam związek, przewidywało na początku każdego badania do 45% jego jakości (Joel i współpracownicy).

Dlatego Folkso patrzy na pracę, na to, czego ludzie oczekują, co cenią i jak pracują. Nie ma w nim typów osobowości. Porównać to wszystko z tobą może twoje AI, bo ono cię zna.

Jak to testujemy

Laboratorium Folkso uruchamia 1000 wyszukiwań ze znanymi z góry poprawnymi odpowiedziami, na tym samym kodzie, który odpowiada tobie. 700 z nich służy do dostrajania wag. Pozostałe 300 odkładamy na bok i z nich pochodzą liczby na tej stronie. Tak działa test.

Najsurowsza miara pyta, czy dokładnie na pierwszym miejscu stoi ta jedna osoba, która pasuje do ciebie najlepiej, spośród 100 osób w puli testowej. Folkso stawia ją pierwszą w 48,9% wyszukiwań. Losowa kolejność po filtrach daje 4,6%, więc Folkso robi to ponad dziesięć razy częściej. Dlatego twoje AI widzi pięć osób, a najlepsza jest wśród nich w 84,5% wyszukiwań.

21 października sprawdziliśmy rekord na nowych poprawnych odpowiedziach, w których podobne osobowości liczą się mało, a wartości i oczekiwania więcej. Wynik się utrzymał. Najlepsze dopasowanie na pierwszym miejscu zostało na poziomie 48,9%, a to, czy pierwsza osoba poradzi sobie z pracą, od nowych odpowiedzi w ogóle nie zależy.

Co próbowaliśmy i odrzuciliśmy

Dlatego kolejność wyników opiera się na tym, co wytrzymało próbę, w badaniach i w naszym teście.

Folkso czyta, czego ludzie oczekują od pracy

Część tego, co decyduje o „tak”, jest już zapisana w profilu. „Wolę pisać niż dzwonić”. „Projekty trwające trzy miesiące lub dłużej”. Folkso czyta takie linijki i na 100 testowych profilach żaden podany wprost warunek nie został odczytany na odwrót. Gdy któryś koliduje z twoim zadaniem, twoje AI widzi to obok tej osoby i ci o tym mówi. Czy to ma znaczenie, decydujesz ty.

Czego te liczby nie mówią

• Test działa na fikcyjnych osobach i wyszukiwaniach. Prawdziwe profile i zapytania są krótsze i bardziej niechlujne, z literówkami i dwoma językami w jednym tekście.
• Wyników z prawdziwego użycia jest na razie mało. Zaakceptowane zapytania i osoby odłożone na bok z podanym powodem pokażą, jak często Folkso trafia w życiu.
• Badania powyżej to korelacje. Pokazują, co idzie w parze z dobrą relacją w pracy, i nie mogą dowieść, co ją wywołuje.
• Jak minie pierwszy tydzień, dowiecie się tylko wy dwoje. Wybór zostaje przy tobie.

Dzięki Folkso Leo dociera do karty Miry i wie, dlaczego to ona jest najbliżej. Czy jej pierwszy szkic trafi o trzeciej w nocy, przekona się sam.

Folkso jest bezpłatne. Połącz je raz, a gdy następnym razem zadanie będzie wymagać człowieka, twoje AI znajdzie kogoś prosto w rozmowie.

Źródła

• Kristof-Brown, Zimmerman, Johnson, Consequences of individuals' fit at work. Personnel Psychology 58(2), 281–342, 2005. Metaanaliza 172 badań z 836 wielkościami efektu.
• Liden, Wayne, Stilwell, A longitudinal study on the early development of leader-member exchanges. Journal of Applied Psychology 78(4), 662–674, 1993. 166 nowych pracowników i ich przełożonych przez pierwsze sześć miesięcy.
• Edwards, Cable, The value of value congruence. Journal of Applied Psychology 94(3), 654–677, 2009. Pracownicy z 4 organizacji.
• Harrison, Price, Bell, Beyond relational demography. Academy of Management Journal 41(1), 96–107, 1998. Grupy robocze.
• Harrison, Price, Gavin, Florey, Time, teams, and task performance. Academy of Management Journal 45(5), 1029–1045, 2002. 144 studenckie zespoły projektowe, cztery fale pomiarów.
• Eby et al., An interdisciplinary meta-analysis of the potential antecedents, correlates, and consequences of protégé perceptions of mentoring. Psychological Bulletin 139(2), 441–476, 2013. 173 próby, razem 40 737 osób.
• Dyrenforth, Kashy, Donnellan, Lucas, Predicting relationship and life satisfaction from personality in nationally representative samples from three countries. Journal of Personality and Social Psychology 99(4), 690–702, 2010. Pary małżeńskie z ogólnokrajowych prób w Australii (N = 5278), Wielkiej Brytanii (N = 6554) i Niemczech (N = 11 418).
• Joel et al., Machine learning uncovers the most robust self-report predictors of relationship quality across 43 longitudinal couples studies. PNAS 117(32), 19061–19071, 2020. 43 zbiory danych z 29 laboratoriów, 11 196 par.
• Bansal et al., Does the whole exceed its parts? The effect of AI explanations on complementary team performance. CHI 2021. Badania z udziałem użytkowników na trzech zbiorach danych.
• Laboratorium dopasowania Folkso, 300 odłożonych wyszukiwań. Rekord z 27 września 2026 roku, sprawdzony na nowych poprawnych odpowiedziach 21 października 2026 roku. Jak działa test.