مقابلات
إيليت راز، المؤسس والرئيس التنفيذي لشركة Joonko – سلسلة المقابلات
أضف Unite.AI إلى مصادرك المفضلة على Google
إيليت راز هو المؤسس والرئيس التنفيذي لشركة جونكو، وهي منصة تساعد الشركات على تطبيق الذكاء الاصطناعي في استراتيجية تنوعها. اليوم، تعمل شركته مع أديداس وأمريكان إكسبريس وكروكس وباى بال. لقد جمعت أكثر من 38.5 مليون دولار، ونمت الشركة بنسبة 500٪ لمدة عامين متتاليين. (AXP )
ماذا جذبك في البداية إلى علوم الحاسوب؟
تكنولوجيا المعلومات هي واحدة من أكبر وأكثر الصناعات نجاحًا في إسرائيل، لذلك كنت دائمًا معرضًا للصناعة بطريقة ما طوال حياتي. عندما دخلت الجيش، حصلت على فرصة للعمل في وحدة تكنولوجية حيث قمت بإدارة تطوير برنامج أمان وضعت وقتًا في学习 علوم الحاسوب. من هناك، كنت مدمنًا وأردت متابعة ذلك كمهنة بعد مغادرة الجيش.
متى كنت تعرضت لأول مرة للفجوات المختلفة في الصناعة مثل فجوات الرواتب والترقيات؟
خلال السنوات القليلة الأولى التي عملت فيها في شركات برمجيات خاصة، لم أكن على دراية شخصية بالتحيز الذي تواجهه النساء. ثم بدأت في التواصل مع تقنيين كانوا من النساء. سريعًا ما أدركت مدى حجم المشكلة بعد الاستماع إلى القصص التي شاركنيها هذه النساء حول كونهم يتحدثون فوق صوتهم أو يُ忽َرون أو لا يحصلون على ائتمان لافكارهم.
يمكنك أن تشاركنا قصة ولادة Joonko؟
لدي درجة في علوم الحاسوب و背景 في هندسة البرمجيات و NLP. لقد تعرضت شخصيًا للتحيز غير الواعي والواعي من خلال بيئتي المهنية، كما كشفت لي مجموعة من مديري المنتجات النساء عن مشاكل مكان العمل التي كانت أكثر من مجرد فجوات الرواتب. هذا يشبه جداول الاجتماعات التي يتم تحديدها 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 الفنية – لدي درجة في علوم الحاسوب و背景 في هندسة البرمجيات و NLP – ومواجهة هذا الأمر بشكل مباشر من خلال إنشاء حل تكنولوجي جديد، وهكذا ولدت Joonko.
كيف تقوم Joonko بتحديد مجموعة المواهب من المتقدمين من خلفيات متنوعة وممثلة تمثيلا ناقصًا؟
استخدمنا خوارزمية مملوكة لنا تستخدم معالجة اللغة الطبيعية والرؤية الحاسوبية لفحص البيانات العامة على المرشحين الذين يُحالون إلينا. نبحث عن بيانات تؤكد ما إذا كان شخص ما يحدد نفسه على أنه غير ممثل. على سبيل المثال، إذا كان شخص ما لديه ضمائر “هي/ها” على لينكد إن، يمكننا أن نستنبط أنه قد يحدد نفسه على أنه امرأة ونعين نقطة بيانات تلك. إذا جمعت ملفه الشخصي نقاط كافية، ندعوه للانضمام إلى شبكة المواهب لدينا، وعندما يسجل الدخول، يؤكد لدينا افتراضنا من خلال إخبارنا عن كيفية تحديده.
كيف تقوم Joonko بعد ذلك بفحص هذه المواهب؟
نستخدم مزيجًا من اللمس البشري والتكنولوجيا لمطابقة المرشحين مع المناصب المفتوحة التي تناسبهم. أولًا، كل مرشح ينضم إلى شبكتنا يُحال من قبل فريق التوظيف الذي قام بمقابلته مؤخرًا ولكن لم يتمكن من توظيفه. أفراد فريق التوظيف يحالون فقط المرشحين الذين وصلوا إلى الجولة النهائية، مما يضمن أنهم مرشحون عالي الجودة. من هناك، نستخدم معالجة اللغة الطبيعية لمطابقة المرشح مع الشركة والوظيفة التي تناسبهم. نجمع كلمات مفتاحية من سيرتهم الذاتية والوظيفة التي قاموا بمقابلتها في الأصل، ثم نقارن ذلك بالوظائف المعلن عنها على منصتنا. معظم النماذج تستخدم فقط مجموعتين من البيانات، لذلك استخدام ثلاث مجموعات يزيد من قدرتنا على إيجاد المطابقة الصحيحة.
كيف تساعد Joonko الشركات على الاحتفاظ بهذه المواهب؟
نساعد الشركات على الاحتفاظ بالمواهب خلال عملية التوظيف من خلال التكامل مع نظام تتبع المتقدمين. يسمح لنا التكامل بسحب البيانات، بشكل مجمل، حول مدى تقدم مرشحي Joonko في الخطوط. حيثما نرى انخفاضًا مقارنة بمرشحي Joonko، نعمل مع الشركات على تحسين المطابقة أو تحسين عملية التوظيف.
ما هي بعض الطرق الأخرى التي تستخدم Joonko فيها الذكاء الاصطناعي في عملية التوظيف أو المطابقة؟
نستخدم الرؤية الحاسوبية ومعالجة اللغة الطبيعية لتحديد ما إذا كان المرشح يحدد نفسه على أنه غير ممثل. نستخدم معالجة اللغة الطبيعية لمطابقة المرشحين مع الأدوار في مجموعةنا ونستخدم التعلم الآلي لتحسين عملية المطابقة عندما يختار المرشحون الأدوار التي يهتمون بها. أخيرًا، يتم تلقائيًا المطابقة والتحويل من النهاية إلى النهاية. لا يحتاج المُجنّدون إلى فعل أي شيء حتى يقرروا مقابلة مرشحًا يُحال من قبل Joonko.
يمكنك أن تناقش فوائد مجموعة توظيف متنوعة لتجنب انحياز الذكاء الاصطناعي؟
ننظر إلى الأمر على النحو التالي: كلما زادت المواهب غير الممثلة التي يمكنك جذبها ومقابلتها، زادت البيانات التي يمكنك فحصها لتحيز بشري وتكنولوجي. الانحياز، في جوهره، يحدث عندما يستخدم نموذج (أو شخص) لرؤية بيانات متشابهة بشكل متكرر. عندما تستثمر بكثافة في تنوع المرشحين، يمكنك تدريب تكنولوجياك وفريق التوظيف الذي يستخدمها 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، مما يؤدي إلى وجود قوة عاملة متجانسة. أعتقد أن من المهم للشركات وضع الضوء على المواهب المهملة – بما في ذلك مرشحي “الميدالية الفضية” الذين وصلوا إلى المراحل النهائية في الشركات الرائدة ولكن لم يتمكنوا من الحصول على الوظيفة.
ليس فقط من العدل والمعقول أن يُعتبر التنوع والشمول أولويات للشركات، ولكنها أيضًا جيدة للأعمال – الشركات التي تُrioritizes هذه الجهود أكثر إنتاجية ونجاحًا، بينما الموظفون أكثر سعادة ومدى بقاء أطول.
هل لديك أي نصيحة أخيرة للنساء اللواتي يبحثن عن القفز في علوم الحاسوب أو الذكاء الاصطناعي؟
ابحثي عن مجتمعات من النساء يمكنك النزول عليهن عندما تصبح الأمور صعبة. مستقبل صناعة الذكاء الاصطناعي يعتمد على مشاركة النساء، ولكنها حاليًا تهيمن عليها الرجال. كلما زادت سرعة بناء شبكة من النساء اللواتي يشاركنك تجاربك، زادت احتمالية دعمك وازدهارك في الصناعة.
شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا جونكو.
