مقابلات
إيليت راز، المؤسس والمدير التنفيذي لجونكو – سلسلة المقابلات
إيليت راز هو المؤسس والمدير التنفيذي لشركة جونكو، وهي منصة تساعد الشركات على تطبيق الذكاء الاصطناعي على استراتيجية التنوع في التجنيد. اليوم تعمل شركته مع شركة أديداس وأمريكان إكسبريس وكروكس وباي بال. لقد جمعت أكثر من 38.5 مليون دولار والشركة نمت بنسبة 500٪ لمدة عامين متتاليين.
ما الذي جذبك في البداية إلى علوم الحاسوب؟
التكنولوجيا هي واحدة من أكبر وأنجح الصناعات في إسرائيل، لذلك كنت دائمًا معرضًا للصناعة بطريقة ما على مدار حياتي. عندما دخلت الجيش، حصلت على الفرصة للعمل في وحدة تكنولوجية حيث قمت بإدارة تطوير برنامج أمان وضعت وقتًا في تعلم علوم الحاسوب. من هناك كنت مدمنًا واعرف أنني أريد متابعة ذلك كمهنة عندما أترك الجيش.
متى أصبحت على دراية بالفجوات المختلفة في الصناعة مثل فجوات الرواتب والترقيات؟
خلال السنوات القليلة الأولى التي عملت فيها في شركات برمجيات خاصة، لم أكن على دراية بالتحيز الذي تواجهه النساء. ثم بدأت في التواصل مع تقنيين كانوا من النساء. سريعًا ما أصبحت على دراية بمدى حجم المشكلة بعد الاستماع إلى القصص التي شاركها هؤلاء النساء حول كونهم يتحدثون فوقهم أو يتم تجاهلهم أو عدم الحصول على ائتمان لأفكارهم.
يمكنك أن تشاركنا قصة ولادة جونكو؟
لدي درجة في علوم الحاسوب و背景 في هندسة البرمجيات و NLP. لقد خضت شخصيًا كل من التحيز غير الواعي والواعي من خلال بيئتي المهنية، وجماعة من مديري المنتجات النساء كشفني أيضًا على قضايا مكان العمل التي كانت أكثر من مجرد فجوات في الرواتب. هذا يبدو مثل اجتماعات يتم جدولها عندما يحتاج النساء أو الآباء إلى مغادرة العمل أو مشاهدة من يتحدث أو يقدم خلال الاجتماعات. على الرغم من أن هذه الحالات تبدو طفيفة، إلا أنها مهمة ومؤثرة عندما تكون الشخص المتأثر.
أدركت أن هذا مشكلة أكثر انتشارًا، لذلك قررت استخدام خلفيتي التقنية – لدي درجة في علوم الحاسوب و背景 في هندسة البرمجيات و NLP – ومواجهة هذا التحدي بشكل مباشر من خلال إنشاء حل تكنولوجي جديد، وهذا هو كيف ولدت جونكو.
كيف تقوم جونكو بتوظيف مجموعة موهبة من المتقدمين من خلفيات متنوعة ومهمشة؟
خوارزميتنا المملوكة تستخدم معالجة اللغة الطبيعية والرؤية الحاسوبية لمسح البيانات العامة على المرشحين الذين تم إحالتهم إلينا. نبحث عن بيانات تثبت ما إذا كان شخص ما يحدد نفسه على أنه ممثل. على سبيل المثال، إذا كان شخص ما لديه “هي/ها” ضمائر على ملفه على لينكد إن، يمكننا أن نستنتج أنه قد يحدد نفسه على أنه امرأة وتنسب نقطة البيانات هذه نقطة. إذا جمع ملف الشخص البيانات đủ نقاط، ندعوه للانضمام إلى شبكة المواهب لدينا، وعندما يسجل الدخول، يؤكد أكثر من افتراضنا من خلال إخبارنا عن كيفية تحديده.
كيف تقوم جونكو بعد ذلك بفحص هذه الموهبة؟
نستخدم مزيجًا من اللمس البشري والتكنولوجيا لمطابقة المرشحين مع المناصب المفتوحة التي تناسبهم. أولاً، كل مرشح ينضم إلى شبكتنا يتم إحالته من قبل فريق التوظيف الذي تمت مقابلته مؤخرًا ولكن لم يتم توظيفه. أفرقة التوظيف ترفق فقط المرشحين الذين وصلوا إلى الجولة النهائية، وبالتالي يضمنون أن يكونوا مرشحين عالي الجودة. من هناك، نستخدم معالجة اللغة الطبيعية لمطابقة المرشح مع الشركة والمنصب الذي يناسبهم. نجمع كلمات مفتاحية من سيرتهم الذاتية والمنصب الذي تم مقابلتهم من أجله في الأصل، ثم نقارن ذلك بالوظائف التي يتم تسويقها على منصتنا. معظم النماذج تستخدم فقط مجموعتين من البيانات، لذلك استخدام ثلاث مجموعات يزيد من قدرتنا على إيجاد المطابقة الصحيحة.
كيف تساعد جونكو الشركات على الاحتفاظ بهذه الموهبة؟
نساعد الشركات في الاحتفاظ بالمواهب خلال عملية التوظيف من خلال التكامل مع نظام تتبع المتقدمين. يسمح لنا التكامل بسحب البيانات، بشكل مجمل، حول مدى تقدم مرشحي جونكو في الأنابيب. في أي مكان نرى انخفاضًا في比較 مع مرشحي غير جونكو، نعمل مع الشركات على تحسين المطابقة أو تحسين عملية التوظيف الخاصة بهم.
ما هي بعض الطرق الأخرى التي تستخدم جونكو فيها الذكاء الاصطناعي في عملية التوظيف أو المطابقة؟
نستخدم الرؤية الحاسوبية ومعالجة اللغة الطبيعية لتحديد ما إذا كان المرشح يحدد نفسه على أنه ممثل. نستخدم معالجة اللغة الطبيعية لمطابقة المرشحين مع الأدوار في مجموعة لدينا ونستخدم التعلم الآلي لتحسين عملية المطابقة عندما يختار المرشحون الأدوار التي يهتمون بها. أخيرًا، يتم تلقائيًا المطابقة والإحالة من النهاية إلى النهاية. لا يحتاج المُجنِدون إلى فعل أي شيء حتى يقرروا مقابل المرشح الذي أرسله جونكو.
يمكنك مناقشة فوائد مجموعة توظيف متنوعة لتجنب انحياز الذكاء الاصطناعي؟
ننظر إليه على النحو التالي، كلما جذبت وتم مقابلة مرشحين أكثر من المجموعات الممثلة، زادت البيانات التي يمكنك فحصها لتحيز بشري وتكنولوجي. الانحياز، في جوهره، يحدث عندما يتم استخدام نموذج (أو شخص) لرؤية بيانات متشابهة مرارًا وتكرارًا. عندما تستثمر بشكل كبير في تنوع المرشحين، يمكنك تدريب تكنولوجياك، وفريق التوظيف الذي يستخدمه، على المساهمة في عجلة التنوع.
ما هي بعض الأسباب الأخرى التي يجب أن تكون التنوع أولوية للشركات؟
تعتمد الشركات عادة على التوصيات لتعبئة المناصب الشاغرة، والتي تظهر البيانات أنها يمكن أن تؤدي إلى قوة عمل متجانسة. أعتقد أنه من المهم للشركات أن تسلط الضوء على المواهب المهمشة – بما في ذلك “مرشحي الميدالية الفضية” الذين وصلوا إلى المراحل النهائية في الشركات الرائدة ولكنهم لم يحصلوا على الوظيفة.
ليس فقط تحديد الأولوية للتنوع والشمول هو الشيء العادل والصحيح الذي يجب فعله وجزء مهم من المجتمع المتقدم والمنصف، ولكنه أيضًا مجرد شيء جيد للأعمال – الشركات التي تضع هذه الجهود في الأولوية تكون أكثر إنتاجية ونجاحًا، بينما الموظفون أكثر سعادة ويتابعون لفترة أطول.
هل لديك أي نصيحة نهائية للنساء اللواتي يبحثن عن القفز في علوم الحاسوب أو الذكاء الاصطناعي؟
ابحثي عن مجتمعات من النساء يمكنك النظر إليها عندما تصبح الأمور صعبة. يعتمد مستقبل صناعة الذكاء الاصطناعي على مشاركة النساء، ولكنها حاليًا تهيمن عليها الرجال. كلما بنيت شبكة من النساء الذين يشاركونك تجاربك، زادت احتمالية دعمك وازدهارك في الصناعة.
شكرًا على المقابلة الرائعة، القراء الذين يرغبون في التعلم أكثر يجب أن يزوروا جونكو.
