Arsham Ghahramani, PhD, spoluzakladatel a CEO Ribbonu – Interview Series

Arsham Ghahramani, PhD, je spoluzakladatel a CEO Ribbonu. Sídli v Torontu a původem je z Velké Británie, Ghahramani má zkušenosti v oblasti umělé inteligence a biologie. Jeho profesionální zkušenosti zahrnují řadu oblastí, včetně high-frequency tradingu, náboru a biomedicínského výzkumu.

Ghahramani začal pracovat v oblasti umělé inteligence kolem roku 2014. Dokončil svůj PhD na The Francis Crick Institute, kde aplikoval rané formy generativní umělé inteligence na studium regulace genů rakoviny – dlouho předtím, než se termín “generativní umělé inteligence” stal mainstreamem.

V současné době vede Ribbon, technologickou společnost zaměřenou na dramatické urychlení procesu náboru. Ribbon získal více než 8 milionů dolarů na financování, podporuje více než 200 000 uchazečů o zaměstnání a pokračuje v růstu svého týmu. Platforma má za cíl učinit nábor 100x rychlejším kombinací umělé inteligence a automatizace pro optimalizaci pracovních toků náboru.

Začneme na začátku — co vás inspirovalo k založení Ribbonu a jaký byl „aha“ moment, který vám ukázal, že nábor je rozbitý?

Potkal jsem svého spoluzakladatele Dave Vu, zatímco jsme byli oba v Ezra–on byl Head of People & Talent a já jsem byl Head of Machine Learning. Když jsme rychle škálovali můj tým, neustále jsme cítili tlak na rychlé najímání, ale chyběly nám správné nástroje pro optimalizaci procesu. Byl jsem raný v oblasti umělé inteligence (dokončil jsem svůj PhD v roce 2014, dlouho předtím, než se umělé inteligence stala mainstreamem) a měl jsem rané pochopení dopadů umělé inteligence na nábor. Viděl jsem přímo neefektivitu a výzvy v tradičním náboru a věděl jsem, že musí existovat lepší způsob. To mě vedlo k vytvoření Ribbonu.

Pracoval jste v rolích strojového učení v Amazonu, Ezra a dokonce v algoritmickém obchodování. Jak vám tato zkušenost pomohla při budování Ribbonu?

V Ezra jsem pracoval na zdravotnické technologii s umělou inteligencí, kde byly sázky nejvyšší–pokud je systém umělé inteligence zkreslený, může to být otázka života a smrti. Strávili jsme hodně času a energie tím, že jsme zajistili, aby naše umělé inteligence byla nezaujatá, a vyvinuli jsme metody pro detekci a zmírnění zkreslení. Přenesl jsem tyto techniky do Ribbonu, kde je používáme k monitorování a snižování zkreslení v našem umělém interviewéru, což nakonec vytváří více rovnocenný proces náboru.

Jak vaše zkušenost jako kandidát a manažer náboru ovlivnila vaše rozhodnutí o produktu na počátku?

Najít práci je únavný proces pro juniorní kandidáty. Pamatuji si, že jsem nebyl tak dávno juniorním kandidátem, který se učil na mnoho pracovních míst. Od té doby se to stalo ještě těžším. V Ribbonu máme hlubokou empatii k uchazečům o zaměstnání. Naše Voice AI je často prvním kontaktním bodem mezi společností a kandidátem, takže se snažíme, aby tato zkušenost byla pozitivní a odměňující. Jedním z způsobů, jak to děláme, je zajištění toho, aby kandidáti hovořili se stejnou umělou inteligencí po celou dobu procesu náboru. Tato konzistence pomáhá budovat důvěru a pohodlí–na rozdíl od tradičních procesů, kde jsou kandidáti předáváni mezi několika lidmi, naše umělé inteligence poskytuje stálou, známou přítomnost, která pomáhá kandidátům cítit se více uvolněně, když procházejí pohovory a hodnocení.

Ribbonova umělé inteligence provádí pohovory, které se cítí více lidsky než skriptované boty. Řekněte nám více o Ribbonově adaptivním interview flow. Jaký druh reálného porozumění se děje na pozadí?

Vyvinuli jsme pět interních modelů strojového učení a kombinovali je se čtyřmi veřejně dostupnými modely, abychom vytvořili Ribbonovu interview zkušenost. Na pozadí neustále vyhodnocujeme konverzaci a kombinovali ji s kontextem ze společnosti, kariérních stránek, veřejných profilů, životopisů a dalšího. Všechny tyto informace se spojují, aby vytvořily plynulou interview zkušenost. Důvod, proč kombinovali tolik informací, je ten, že chceme dát kandidátovi zkušenost, která je co nejblíže lidskému náboráři.

Vy zdůrazňujete, že pět minut hlasu může odpovídat jedné hodině psaného vstupu. Jaký druh signálu zachycujete v tomto audio datu a jak je analyzován?

Lidé obvykle mluví khá rychle! Většina procesů žádání o práci je velmi únavná, protože vás nutí vyplnit mnoho různých formulářů a mnohočetných výběrů. Zjistili jsme, že 5 minut přirozené konverzace odpovídá zhruba 25 mnohočetným výběrům. Informační hustota hlasové konverzace je těžké překonat. Kromě toho shromažďujeme další faktory, jako je jazyková způsobilost a komunikační dovednosti.

Ribbon také funguje jako AI-powered scribe s auto-summaries a scoring. Jakou roli hraje interpretovatelnost při vytváření tohoto data užitečného — a spravedlivého — pro náboráře?

Interpretovatelnost je v jádru Ribbonova přístupu. Každý skóre a analýza, kterou generujeme, je vždy vázána na svůj zdroj, což činí naši umělou inteligenci hluboce transparentní.

Například, když skórujeme kandidáta na jeho dovednosti, odkazujeme se na dvě věci:

1. Původní požadavky na práci a
2. Přesný moment v interview, kdy kandidát zmínil dovednost.

Věříme, že interpretovatelnost systémů umělé inteligence je hluboce důležitá, protože nakonec pomáháme společnostem dělat rozhodnutí, a společnosti rády dělají rozhodnutí na základě konkrétních dat. Něco, co považujeme za kritické pro spravedlnost a důvěru v AI poháněném náboru.

Zkreslení v systémech umělé inteligence pro nábor je velkou obavou. Jak je Ribbon navržen tak, aby minimalizoval nebo zmírnil zkreslení, zatímco stále surface top kandidátů?

Zkreslení je kritickou otázkou v systémech umělé inteligence pro nábor a bereme ji velmi vážně v Ribbonu. Navrhli jsme náš umělý interviewér tak, aby hodnotil kandidáty na základě měřitelných dovedností a kompetencí, snižuje subjektivitu, která často zavádí zkreslení. Pravidelně auditujeme naše systémy umělé inteligence pro spravedlnost, využíváme rozmanité a vyvážené datové sady a integrujeme lidský dohled, aby chytili a opravili potenciální zkreslení. Naše závazek je surface nejlepších kandidátů spravedlivě, zajišťující rovnocenná rozhodnutí o náboru.

Kandidáti mohou absolvovat pohovor kdykoli, dokonce i ve 2 hodiny ráno. Jak důležitá je flexibilita při demokratizaci přístupu k práci, zejména pro znevýhodněné komunity?

Flexibilita je klíčová pro demokratizaci přístupu k práci. Ribbonova vždy zapnutá interview umožňuje kandidátům účastnit se v jakékoli době, která je pro ně vhodná, rozbití tradičních bariér, jako jsou konfliktní rozvrhy nebo omezená dostupnost, což je especialmente výhodné pro pracující rodiče a ty, kteří mají netradiční hodiny. Ve skutečnosti se 25% Ribbon pohovorů koná mezi 23. a 2. hodinou místního času.

To je especialmente kritické pro znevýhodněné komunity, kde uchazeči o zaměstnání často čelí dalšímu omezení. Povolením nepřetržitého přístupu Ribbon pomáhá zajistit, aby každý měl spravedlivou šanci ukázat své dovednosti a získat pracovní příležitosti.

Ribbon není jen o náboru — je o snižování tření mezi lidmi a příležitostmi. Jak vypadá tato budoucnost?

V Ribbonu naše vize sahá beyond efektivní nábor; chceme odstranit tření mezi jednotlivci a příležitostmi, pro které jsou vhodní. Předpokládáme budoucnost, kde technologie bezproblémově spojuje talent s rolemi, které jsou v souladu s jejich schopnostmi a ambicemi, bez ohledu na jejich pozadí nebo síť. Snižováním tření v kariérní mobilitě umožňujeme zaměstnancům růst, rozvíjet se a najít uspokojivé příležitosti bez zbytečných bariér. Rychlejší vnitřní mobilita, nižší fluktuace a nakonec lepší výsledky pro jednotlivce i společnosti.

Jak vidíte transformaci procesu náboru a širšího trhu práce umělou inteligencí v příštích pěti letech?

Umělé inteligence hluboce změní proces náboru a širší trh práce v příštích pěti letech. Očekáváme, že AI poháněná automatizace optimalizuje opakované úkoly, uvolní náboráře, aby se mohli soustředit na hlubší interakce s kandidáty a strategická rozhodnutí o náboru. Umělé inteligence také zvýší přesnost přiřazování kandidátů k rolím, urychlí časy náboru a verbessí zkušenosti kandidátů. Avšak, aby se tyto výhody plně realizovaly, musí průmysl priorizovat transparentnost, spravedlnost a etické úvahy, zajišťující, že umělé inteligence se stane důvěryhodným nástrojem, který vytváří více rovnocennou pracovní krajinu.

Děkuji vám za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Ribbon.