Arsham Ghahramani, PhD, medstifter og administrerende direktør for Ribbon – Intervju-serie

Arsham Ghahramani, PhD, er medstifter og administrerende direktør for Ribbon. Med base i Toronto og oprindeligt fra Storbritannien, har Ghahramani en baggrund i både kunstig intelligens og biologi. Hans professionelle erfaring spænder over en række domæner, herunder high-frequency trading, rekruttering og biomedicinsk forskning.

Ghahramani begyndte at arbejde med kunstig intelligens omkring 2014. Han afsluttede sin PhD ved The Francis Crick Institute, hvor han anvendte tidlige former for generativ kunstig intelligens til at studere cancergenregulering – længe før begrebet “generativ kunstig intelligens” blev almindeligt brugt.

Han leder i øjeblikket Ribbon, et teknologiselskab, der fokuserer på at accelerere ansættelsesprocessen dramatisk. Ribbon har samlet over 8 millioner dollars i funding, støttet over 200.000 jobkandidater og fortsætter med at udvide sit hold. Platformen sigter mod at gøre ansættelse 100 gange hurtigere ved at kombinere kunstig intelligens og automatisering for at strømline rekrutteringsarbejdsprocesser.

Lad os starte fra begyndelsen – hvad inspirerede dig til at grundlægge Ribbon, og hvad var “aha”-øjeblikket, der gjorde dig klar over, at ansættelse var brudt?

Jeg mødte min medstifter Dave Vu, mens vi begge var på Ezra – han var chef for People & Talent, og jeg var chef for Machine Learning. Da vi hurtigt udvidede mit hold, følte vi konstant presset for at ansætte hurtigt, men vi manglede de rigtige værktøjer til at strømline processen. Jeg var tidligt ude med kunstig intelligens (jeg afsluttede min PhD i 2014, længe før kunstig intelligens blev almindeligt), og jeg havde en tidlig forståelse af kunstig intelligens’ indvirkning på ansættelse. Jeg så med egne øjne inefficienserne og udfordringerne i traditionel rekruttering og vidste, at der måtte være en bedre måde. Denne erkendelse førte os til at oprette Ribbon.

Du har arbejdet med maskinlæringsroller på Amazon (AMZN ), Ezra og endda i algoritme-handel. Hvordan formede denne baggrund din tilgang til opbygning af Ribbon?

På Ezra arbejdede jeg med kunstig intelligens i sundhedssektoren, hvor indsatsen ikke kunne være højere – hvis et kunstig intelligens-system er fordomsfuldt, kan det være en liv eller død-situation. Vi brugte meget tid og energi på at sikre, at vores kunstig intelligens var upartisk, samt udviklede metoder til at opdage og mindske fordomme. Jeg overførte disse teknikker til Ribbon, hvor vi anvender disse teknikker til at overvåge og reducere fordomme i vores kunstig intelligens-interviewer, hvilket i sidste ende skaber en mere ligelig ansættelsesproces.

Hvordan påvirkede din erfaring som kandidat og ansættelsesleder dine produktbeslutninger i begyndelsen?

At finde en job er en hård proces for junior-kandidater. Jeg husker ikke så længe siden, at jeg selv var en junior-kandidat, der ansøgte om mange job. Det er kun blevet hårdere siden da. Hos Ribbon har vi stor medfølelse for jobkandidater. Vores Voice AI er ofte det første punkt, hvor et firma og en kandidat mødes, så vi arbejder hårdt for at gøre denne oplevelse positiv og belønning. En af måderne, vi gør det på, er ved at sikre, at kandidaterne taler med samme AI hele ansættelsesprocessen igennem. Denne konsistens hjælper med at opbygge tillid og komfort – til forskel fra traditionelle processer, hvor kandidaterne bliver overført mellem mange mennesker, så vores AI giver en stabil og velkendt tilstedeværelse, der hjælper kandidaterne med at føle sig mere afslappede, mens de går igennem interviews og vurderinger.

Ribbons kunstig intelligens gennemfører interviews, der føles mere menneskelige end skriptede bots. Fortæl os mere om Ribbons adaptive interview-flow. Hvad sker der med virkeligt forstående bag kulissen?

Vi har bygget fem interne maskinlæringsmodeller og kombineret dem med fire offentligt tilgængelige modeller for at skabe Ribbon-interview-oplevelsen. Bag kulissen vurderer vi konstant samtalen og kombinerer den med kontekst fra firmaet, karriere-sider, offentlige profiler, CV’er og mere. All denne information kommer sammen for at skabe en ubrudt interview-oplevelse. Årsagen til, at vi kombinerer så meget information, er, at vi ønsker at give kandidaten en oplevelse, der er så tæt på en menneskelig rekrutteringschef som muligt.

Du fremhæver, at fem minutters tale kan matche en time skrevet input. Hvad for en signal indsamler du i denne audio-data, og hvordan analyseres den?

Mennesker taler generelt ret hurtigt! De fleste jobansøgningsprocesser er meget besværlige, da de kræver, at du udfylder mange forskellige skemaer og multiple-choice-spørgsmål. Vi har fundet ud af, at 5 minutters naturlig samtale svarer til cirka 25 multiple-choice-spørgsmål. Informationsdensiteten i tale-samtale er svær at slå. Oven i det indsamler vi også andre faktorer, såsom sprogkompetence og kommunikationsfærdigheder.

Ribbon fungerer også som en AI-drevet skriver med auto-resumer og scoring. Hvad er rollen af fortolkning i at gøre denne data nyttig – og retfærdig – for rekrutteringsledere?

Fortolkning er centralt i Ribbons tilgang. Hver score og analyse, vi genererer, er altid tilknyttet sin kilde, hvilket gør vores AI dybt gennemsigtig.

For eksempel, når vi scorer en kandidat på deres færdigheder, henviser vi til to ting:

1. De oprindelige jobkrav og
2. Det præcise øjeblik i interviewet, hvor kandidaten nævnte en færdighed.

Vi mener, at fortolkningen af kunstig intelligens-systemer er dybt vigtig, fordi vi på længere sigt hjælper firmaer med at træffe beslutninger, og firmaer ønsker at træffe beslutninger baseret på konkrete data. Noget, vi mener er kritisk for både retfærdighed og tillid i AI-drevet ansættelse.

Forudindtagelse i AI-ansættelsessystemer er en stor bekymring. Hvordan er Ribbon designed til at minimere eller mindske forudindtagelse, samtidig med at det fremhæver topkandidater?

Forudindtagelse er et kritisk problem i AI-ansættelse, og vi tager det meget alvorligt hos Ribbon. Vi har bygget vores AI-interviewer til at vurderer kandidater på basis af målbare færdigheder og kompetencer, hvilket reducerer den subjektivitet, der ofte introducerer forudindtagelse. Vi gennemfører regelmæssigt audits af vores AI-systemer for retfærdighed, anvender diverse og balancerede datasæt og integrerer menneskelig oversigt for at fange og korrigere potentielle forudindtagelser. Vores engagement er at fremhæve de bedste kandidater på en retfærdig måde, hvilket sikrer retfærdige ansættelsesbeslutninger.

Kandidater kan interviewes når som helst, selv kl. 2 om natten. Hvordan vigtig er fleksibilitet i at demokratisere adgang til job, især for underrepræsenterede samfund?

Fleksibilitet er nøgle til at demokratisere adgang til job. Ribbons altid-tilgængelige interviews tillader kandidater at deltage på et tidspunkt, der er bekvemt for dem, og bryder således ned traditionelle barrierer som modsatrettede tidsplaner eller begrænsede muligheder, hvilket er særligt gavnligt for arbejdende forældre og personer med ikke-traditionelle arbejdstider. Faktisk sker 25% af Ribbons interviews mellem kl. 23 og 2 om natten lokal tid.

Dette er særligt kritisk for underrepræsenterede samfund, hvor jobkandidater ofte står over for yderligere begrænsninger. Ved at aktivere døgnet-rundt-adgang hjælper Ribbon med at sikre, at alle har en retfærdig chance for at fremhæve deres færdigheder og sikre ansættelsesmuligheder.

Ribbon er ikke kun om ansættelse – det handler om at reducere friktion mellem mennesker og muligheder. Hvad ser den fremtid ud?

Hos Ribbon strækker vores vision sig ud over effektiv ansættelse; vi ønsker at fjerne friktion mellem individer og de muligheder, de er egnede til. Vi forestiller os en fremtid, hvor teknologi ubesværet forbinder talent med roller, der passer perfekt til deres evner og ambitioner, uanset deres baggrund eller netværk. Ved at reducere friktion i karriere-mobilitet giver vi medarbejdere mulighed for at vokse, udvikle sig og finde tilfredsstillende muligheder uden unødvendige barrierer. Hurtigere interne mobilitet, lavere omsætning og i sidste ende bedre resultater for både individer og firmaer.

Hvordan ser du AI forandre ansættelsesprocessen og den bredere arbejdsmarked i de næste fem år?

AI vil omforme ansættelse og det bredere arbejdsmarked i de næste fem år. Vi forventer, at AI-drevet automatisering vil strømline gentagne opgaver, hvilket giver rekrutteringsledere mulighed for at fokusere på dybere kandidat-interaktioner og strategiske ansættelsesbeslutninger. AI vil også forbedre præcisionen i at matche kandidater med roller, hvilket accelererer ansættelses-tider og forbedrer kandidat-oplevelser. Men for at realisere disse fordele fuldt ud, må branchen prioritere gennemsigtighed, retfærdighed og etiske overvejelser, hvilket sikrer, at AI bliver et troværdigt værktøj, der skaber et mere ligeligt ansættelses-landskab.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Ribbon.