Η Ilit Raz, Ιδρυτής και Διευθύνων Σύμβουλος της Joonko – Σειρά Συνεντεύξεων

Η Ilit Raz είναι ο ιδρυτής και διευθύνων σύμβουλος της Joonko, μια πλατφόρμα που βοηθά τις επιχειρήσεις να εφαρμόσουν την τεχνητή νοημοσύνη στη στρατηγική τους για την ποικιλία. Σήμερα η εταιρεία της συνεργάζεται με την Adidas, American Express (AXP ), Crocs και PayPal. Έχει συγκεντρώσει πάνω από $38,5 εκατομμύρια και η εταιρεία έχει αυξηθεί κατά 500% για δύο συνεχόμενα χρόνια.

Τι σας έκανε να ενδιαφερθείτε για την επιστήμη των υπολογιστών;

Η τεχνολογία είναι μια από τις μεγαλύτερες και πιο επιτυχημένες βιομηχανίες στο Ισραήλ, οπότε έχω πάντα εκτεθεί στη βιομηχανία με κάποιον τρόπο καθ’ όλη τη διάρκεια της ζωής μου. Όταν μπήκα στο στρατό, κέρδισα την ευκαιρία να εργαστώ σε μια τεχνολογική μονάδα όπου διαχειριζόμουν την ανάπτυξη λογισμικού ασφαλείας και πέρασα χρόνο μαθαίνοντας για την επιστήμη των υπολογιστών. Από εκεί ήμουν εθισμένος και ήξερα ότι ήθελα να το ακολουθήσω ως καριέρα όταν έβγαινα από τον στρατό.

Πότε αρχίσατε να αντιλαμβάνεστε τα διάφορα κενά στη βιομηχανία, όπως τα κενά μισθού και προώθησης;

Κατά τη διάρκεια των πρώτων μου ετών εργασίας σε ιδιωτικές εταιρείες λογισμικού, δεν ήμουν προσωπικά ενήμερος για τις προκαταλήψεις που αντιμετωπίζουν οι γυναίκες. Τότε, άρχισα να συνεργάζομαι με τεχνολόγους που happened να είναι γυναίκες. Γρήγορα έγινα ενήμερος για το πόσο μεγάλο ήταν το πρόβλημα μετά από το να ακούσω τις ιστορίες που μοιράστηκαν αυτές οι γυναίκες για το να μιλήσουν πάνω, να αγνοηθούν ή να μην πάρουν πίστωση για τις ιδέες τους.

Μπορείτε να μοιραστείτε την ιστορία γέννησης της Joonko;

Έχω πτυχίο στην επιστήμη των υπολογιστών και πτυχίο στη μηχανική λογισμικού και NLP. Έχω προσωπικά βιώσει και συνειδητή, και ασυνείδητη προκατάληψη μέσω του επαγγελματικού μου περιβάλλοντος, και μια ομάδα γυναικών προϊσταμένων που ήμουν μέρος της, με έκανε να αντιληφθώ προβλήματα εργασίας που ήταν περισσότερα από απλά κενά μισθού. Αυτό μοιάζει με συνεδριάσεις που προγραμματίζονται όταν οι γυναίκες ή οι γονείς χρειάζονται να φύγουν από τη δουλειά ή να μαρτυρήσουν ποιος έχει τη δυνατότητα να μιλήσει ή να παρουσιάσει κατά τη διάρκεια συνεδριάσεων. Αν και αυτές οι περιπτώσεις φαίνονται ελάσσονες, είναι σημαντικές και επηρεάζουν όταν είσαι ο άνθρωπος που επηρεάζεται.

Κατάλαβα ότι αυτό ήταν ένα πιο ευρύ πρόβλημα, οπότε αποφάσισα να χρησιμοποιήσω το τεχνικό μου υπόβαθρο – έχω πτυχίο στην επιστήμη των υπολογιστών και πτυχίο στη μηχανική λογισμικού και NLP – και να το αντιμετωπίσω trực tiếp με τη δημιουργία μιας νέας τεχνολογικής λύσης, η οποία είναι πώς γεννήθηκε η Joonko.

Πώς η Joonko πηγαίνει το ταλέντο από ποικίλες και υποεκπροσωπημένες ομάδες;

Ο ιδιοκτητικός μας αλγόριθμος χρησιμοποιεί πρώτα την επεξεργασία φυσικής γλώσσας και την επεξεργασία εικόνας για να σκανάρει δημόσιες δεδομένα για τους υποψήφιους που αναφέρονται σε μας. Ψάχνουμε για δεδομένα που επικυρώνουν εάν κάποιος αυτοπροσδιορίζεται ως υποεκπροσωπημένος. Για παράδειγμα, εάν ένας άνθρωπος έχει “αυτή/αυτός” προσφωνήματα στο LinkedIn, μπορούμε να υποθέσουμε ότι μπορεί να αυτοπροσδιορίζεται ως γυναίκα και να του αναθέσουμε αυτό το σημείο δεδομένων. Εάν το προφίλ του συλλέγει αρκετά σημεία, τον προσκαλούμε στο δίκτυό μας ταλέντων και όταν εγγράφεται, επικυρώνει την υπόθεσή μας λέγοντας μας πώς αυτοπροσδιορίζεται.

Πώς η Joonko ελέγχει αυτό το ταλέντο;

Χρησιμοποιούμε μια συνδυασμένη ανθρώπινη επαφή και τεχνολογία για να ταιριάξουμε τους υποψήφιους με τις ανοιχτές θέσεις που είναι κατάλληλες. Πρώτα, κάθε υποψήφιος που εντάσσεται στο δίκτυό μας αναφέρεται από την ομάδα προσλήψεων με την οποία συνεντεύχθηκε πρόσφατα, αλλά δεν μπόρεσε να τον προσλάβει. Οι ομάδες προσλήψεων αναφέρουν μόνο υποψήφιους που έφτασαν στον τελικό γύρο, επομένως εγγυώνται ότι είναι υψηλής ποιότητας υποψήφιοι. Από εκεί, χρησιμοποιούμε επεξεργασία φυσικής γλώσσας για να ταιριάξουμε τον υποψήφιο με την εταιρεία και το ρόλο που είναι ο κατάλληλος. Συλλέγουμε λέξεις-κλειδιά από το βιογραφικό του και το ρόλο για τον οποίο αρχικά συνεντεύχθηκε, και στη συνέχεια τα συγκρίνουμε με τις δουλειές που διαφημίζονται στην πλατφόρμα μας. Τα περισσότερα μοντέλα χρησιμοποιούν μόνο δύο σύνολα δεδομένων, οπότε η χρήση τριών αυξάνει την ικανότητά μας να κάνουμε την σωστή αντιστοίχιση.

Πώς η Joonko βοηθά τις εταιρείες να διατηρήσουν αυτό το ταλέντο;

Βοηθάμε τις εταιρείες να διατηρήσουν το ταλέντο σε όλη τη διαδικασία προσλήψεων, ενσωματώνοντας με το σύστημα παρακολούθησης υποψήφιων. Η ενσωμάτωση μας επιτρέπει να τραβήξουμε δεδομένα, σε σύνολο, για το πόσο μακριά φτάνουν οι υποψήφιοι της Joonko στη διαδικασία. Όπου και να δούμε μια πτώση σε σύγκριση με τους μη-υποψήφιους της Joonko, συνεργαζόμαστε με τις εταιρείες για να βελτιώσουμε την αντιστοίχιση ή να βελτιώσουμε τη διαδικασία προσλήψεων τους.

Τι είναι κάποιες άλλες τρόποι που η Joonko χρησιμοποιεί την τεχνητή νοημοσύνη στη διαδικασία προσλήψεων ή αντιστοίχισης;

Χρησιμοποιούμε επεξεργασία εικόνας και επεξεργασία φυσικής γλώσσας για να καθορίσουμε εάν ένας υποψήφιος αυτοπροσδιορίζεται ως υποεκπροσωπημένος. Χρησιμοποιούμε επεξεργασία φυσικής γλώσσας για να ταιριάξουμε τους υποψήφιους με τους ρόλους στη πισίνα μας και χρησιμοποιούμε μηχανική μάθηση για να βελτιώσουμε τη διαδικασία αντιστοίχισης καθώς οι υποψήφιοι επιλέγουν τους ρόλους που τους ενδιαφέρουν. Τέλος, η αντιστοίχιση και η αναφορά είναι αυτοματοποιημένες από το ένα έως το άλλο άκρο. Οι рекруτέρ δεν χρειάζεται να κάνουν τίποτα μέχρι να αποφασίσουν να συνεντευχθούν έναν υποψήφιο που αναφέρεται από την Joonko.

Μπορείτε να συζητήσετε τα οφέλη μιας ποικιλόμορφης πισίνας προσλήψεων για την αποφυγή προκατάληψης της τεχνητής νοημοσύνης;

Ο τρόπος που το βλέπουμε είναι ότι, όσο περισσότερους υποεκπροσωπημένους υποψήφιους μπορείτε να προσελκύσετε και να συνεντευχθείτε, τόσο περισσότερα δεδομένα μπορείτε να ελέγξετε για ανθρώπινη και τεχνολογική προκατάληψη. Η προκατάληψη, στην καρδιά της, συμβαίνει όταν ένα μοντέλο (ή άνθρωπος) χρησιμοποιείται για να δει παρόμοια δεδομένα ξανά και ξανά. Όταν επενδύετε σε ποικιλία υποψηφίων, μπορείτε να εκπαιδεύσετε την τεχνολογία σας, και την ομάδα προσλήψεων που τη χρησιμοποιεί, να συνεισφέρουν στην ποικιλόμορφη ρόδα.

Τι είναι κάποιες άλλες λόγοι για τους οποίους η ποικιλότητα πρέπει να είναι προτεραιότητα για τις εταιρείες;

Πολυάριθμες εταιρείες συνήθως βασίζονται στις συστάσεις για να γεμίσουν τις ανοιχτές θέσεις, το οποίο τα δεδομένα δείχνουν ότι μπορεί να οδηγήσει σε μια ομοιογενή εργατική δύναμη. Πιστεύω ότι είναι σημαντικό για τις εταιρείες να φωτίζουν το παρατημένο ταλέντο – συμπεριλαμβανομένων των υποψηφίων “ασημένιου μετάλλου” που έφτασαν στο τελικό στάδιο σε κορυφαίες εταιρείες αλλά δεν έλαβαν τη δουλειά.

Δεν μόνο είναι η προτεραιότητα της ποικιλότητας αντικειμενικά το δίκαιο και το σωστό πράγμα να κάνετε και ένα σημαντικό μέρος μιας προοδευτικής, ισότιμης κοινωνίας, αλλά είναι επίσης απλά καλό για τις επιχειρήσεις – οι εταιρείες που προτεραιότητα αυτών των προσπαθειών είναι πιο παραγωγικές και επιτυχημένες, ενώ οι εργαζόμενοι είναι πιο ευτυχισμένοι και παραμένουν για μεγαλύτερο χρονικό διάστημα.

Έχετε κάποια τελικά συμβουλές για τις γυναίκες που σκέφτονται να πηδήξουν στην επιστήμη των υπολογιστών ή την τεχνητή νοημοσύνη;

Βρείτε κοινότητες γυναικών που μπορείτε να βασιστείτε όταν τα πράγματα γίνουν δύσκολα. Το μέλλον της βιομηχανίας της τεχνητής νοημοσύνης εξαρτάται από τη συμμετοχή των γυναικών, αλλά σήμερα κυριαρχείται από άνδρες. Όσο γρηγορότερα μπορείτε να χτίσετε ένα δίκτυο γυναικών που μοιράζονται τις εμπειρίες σας, τόσο πιο πιθανό είναι να υποστηριχθείτε και να ευδοκιμήσετε στη βιομηχανία.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν Joonko.