ทำไม VC ถึงไม่ชอบสตาร์ทอัพด้านการจ้างงาน

• สตาร์ทอัพด้านการสรรหาบุคลากรมี โครงสร้างที่ไม่เหมาะกับการลงทุนแบบ VC เพราะ ขึ้นลงตามวัฏจักรเศรษฐกิจและคาดการณ์รายได้ได้ยาก
• การวัดผลลัพธ์คลุมเครือ และลูกค้า (สตาร์ทอัพ) เองก็ไม่เก่งเรื่องการจ้างงาน ทำให้พิสูจน์ประสิทธิภาพของผลิตภัณฑ์ได้ยาก
• ผู้ใช้มักชอบเครื่องมือที่ทำให้เห็น ‘ความพยายาม’ มากกว่าผลลัพธ์ และระบบอัตโนมัติก็กลับเจอแรงต้าน
• ความแตกต่างระหว่างเครื่องมือมีน้อยและการแข่งขันรุนแรง แทบเป็นไปไม่ได้ที่จะสร้างความสัมพันธ์แบบผูกขาด
• ยิ่งเติบโตมากขึ้น ก็ยิ่งเกิด ความสัมพันธ์ผกผันระหว่างคุณภาพของผู้ใช้กับผู้สมัคร (negative network effects)

---

ทำไมบริษัทร่วมลงทุนจึงหลีกเลี่ยงสตาร์ทอัพด้านการจ้างงาน

• ตอนก่อตั้ง Dover ในปี 2019 ผู้เขียนมองว่าการนำระบบอัตโนมัติและอัลกอริทึมมาใช้กับตลาดการจ้างงานคือโอกาสที่ชัดเจน
• แต่บรรดานักลงทุนมีความสงสัยในเชิงอารมณ์ และกรณีล้มเหลวตลอด 10–20 ปีที่ผ่านมาก็ยิ่งสนับสนุนมุมมองนั้น
• แม้ Dover จะได้รับเงินลงทุนจาก Founders Fund และ Tiger แต่ก็ทำให้เห็นชัดว่า การเติบโตจนถึงระดับเวนเจอร์สเกลนั้นยากเพียงใด

1. การจ้างงานเป็นอุตสาหกรรมที่มีความผันผวนตามวัฏจักรสูงมาก

• เมื่อเกิด ภาวะเศรษฐกิจมหภาคถดถอย งบที่ถูกตัดก่อนเป็นอันดับแรกก็คือการจ้างงาน
  • รายได้ของ Dover ในปี 2022 ลดลง 70% จากจุดสูงสุด
  • แม้แต่แพลตฟอร์มจัดหางานขนาดใหญ่ก็มีรายได้ลดลง 30–50% ในช่วงเศรษฐกิจซบเซา
• VC คาดหวัง การเติบโตแบบทบต้น แต่ตลาดการจ้างงานกลับ พังและฟื้นเป็นรอบ ๆ ซ้ำไปซ้ำมา
• ลูกค้ากลุ่ม สตาร์ทอัพ มักจะเร่งจ้างคนหนัก ๆ 3 เดือนหลังได้เงินลงทุน แล้วหยุดอีก 9 เดือน
  • ทำให้สร้างรายได้ที่มั่นคงได้ยาก
  • จึงต้องมีแนวทางป้องกันแบบ LinkedIn หรือ Greenhouse ที่ใช้สัญญาระยะยาว

2. ผลลัพธ์ของการจ้างงานแทบจะวัดไม่ได้

• แม้จะมีตัวชี้วัดอย่าง อัตราการจ้างต่อชั่วโมง, ความเร็วในการจ้าง แต่ส่วนใหญ่แทบไม่มีความหมาย
• การจ้างแต่ละครั้งมีตัวแปรเฉพาะตัวมากเกินไป
  • ทั้งตำแหน่ง ระยะของบริษัท สภาพตลาด ความยืดหยุ่นด้านค่าตอบแทน ระดับการมีส่วนร่วมของผู้จ้าง ฯลฯ
• ลูกค้ามักมีความกังขาว่า “คงไม่เหมาะกับสถานการณ์ของเรา”
• ผลคือ ยากที่จะวัดหรือทำซ้ำเส้นทางสู่ความสำเร็จได้ และต้องพึ่งสัญชาตญาณเป็นหลัก

3. ลูกค้า (สตาร์ทอัพ) กลับจ้างงานได้แย่ที่สุด

• สตาร์ทอัพมักจะ:
  • มีงบประมาณน้อย
  • ตั้งมาตรฐานผู้สมัครสูงเกินจริง
  • กำหนดเวลาที่ไม่สมเหตุสมผล
• กระบวนการทำงานกระจัดกระจาย และชอบวิธีแบบ ครั้งเดียวจบ/ตามสถานการณ์เฉพาะหน้า
• การตัดสินใจจ้างขึ้นอยู่กับผู้ก่อตั้ง ดังนั้นถ้าลำดับความสำคัญเปลี่ยน การจ้างก็หยุดทันที
• หลายครั้ง ยิ่งเป็นองค์กรที่จ้างคนไม่สำเร็จ ก็ยิ่งพยายามพึ่งบริการภายนอกมากขึ้น (adverse selection)

4. ต้องตอบโจทย์ตัวชี้วัดที่เน้นภาพลักษณ์

• หลายองค์กรให้ความสำคัญกับ ตัวชี้วัดที่ดูเหมือนผลงาน มากกว่าผลลัพธ์จริง
• ตัวอย่าง: เปลี่ยน ATS ซ้ำ ๆ หรือวนใช้เครื่องมืออีเมลอัตโนมัติไปเรื่อย ๆ
• ความต้องการของผู้ใช้มักนำไปสู่ คำขอฟีเจอร์ที่แทบไม่สร้างผลกระทบ
  • เช่น A/B test อีเมลฉบับที่ 3
• สุดท้ายผลิตภัณฑ์ก็ ยัดฟีเจอร์มากเกินไปและหนักขึ้นเรื่อย ๆ ผู้ใช้เหนื่อยล้าและเลิกใช้

5. สร้างความสัมพันธ์แบบผูกขาดได้ยาก

• สตาร์ทอัพมัก ใช้หลายเครื่องมือ หลายเอเจนซีพร้อมกัน
• “ใครส่งผู้สมัครที่ดีกว่ามาได้ก่อน” คือทั้งหมดที่สำคัญ
  • คุณภาพระยะยาวของผลิตภัณฑ์หรือประสบการณ์ผู้ใช้จึงไม่ใช่เรื่องสำคัญ
• เมื่อจ้างสำเร็จ ก็ยากที่จะระบุให้ได้ว่าเกิดจากอะไร จึง ยากแม้แต่จะพิสูจน์ส่วนร่วมของตัวเอง

6. มีแรงต้านต่อระบบอัตโนมัติสูงมาก

• แม้แต่งานพื้นฐานก็ยังไม่อยากให้ทำอัตโนมัติ (เช่น อีเมลนัดหมาย)
• เหตุผลมีดังนี้:
  • กลัวการถูกแทนที่
  • ต้องการควบคุมทุกขั้นตอน
  • ใช้งานแบบแมนนวลเพื่อ “พิสูจน์ว่าตัวเองลงแรงจริง”
  • กังวลว่าถ้าระบบอัตโนมัติ ทำผลงานได้ดี อาจนำไปสู่การลดคนหรือลดงบประมาณ
• ผลลัพธ์คือเกิดวัฒนธรรมที่ ยิ่งใช้เวลาเยอะก็ยิ่งดูน่าเชื่อถือ แม้จะไม่เกี่ยวกับประสิทธิภาพ

7. ผลิตภัณฑ์ด้านการจ้างงานมี ‘negative network effects’

• ยิ่งแพลตฟอร์มเติบโต คุณภาพของผู้สมัครก็ยิ่งลดลง
• ตัวอย่าง: ความสำเร็จช่วงแรกของ Triplebyte → การขยายสู่คนหมู่มาก → คุณภาพผู้สมัครลดลง → ผู้ใช้เลิกใช้
• โครงสร้างที่ทุกคนแข่งขันกันในพูลเดียวกัน ทำให้เสน่ห์ของแพลตฟอร์มลดลง
• หากอยากมีความได้เปรียบในการแข่งขัน ก็ต้องมี ผู้สมัครหรือแนวทางที่แตกต่าง แต่ยิ่งแพร่หลายก็ยิ่งทำได้ยาก

---

ด้วยปัญหาเชิงโครงสร้างเหล่านี้ VC จึงมีสัญชาตญาณที่มองสตาร์ทอัพด้านการจ้างงานด้วยความสงสัย
คนที่อยากเริ่มทำสตาร์ทอัพด้านการจ้างงานจึงต้อง ต่อสู้ไม่ใช่แค่กับคู่แข่ง แต่กับโครงสร้างของตลาดเองด้วย