Ilit Raz, Joonkon perustaja ja toimitusjohtaja – Haastattelusarja

Ilit Raz on. perustaja ja toimitusjohtaja Joonko, alusta, joka auttaa yrityksiä soveltamaan tekoälyä monimuotoisuuden hankintastrategiaansa. Nykyään hänen yrityksensä työskentelee Adidaksen, American Expressin, Crocsin ja PayPalin kanssa. Hän on keräsi yli 38.5 miljoonaa dollaria ja yritys on kasvanut 500 % kahtena peräkkäisenä vuotena.

Mikä alun perin houkutteli sinua tietojenkäsittelytieteeseen?

Teknologia on yksi suurimmista ja menestyneimmistä toimialoista Israelissa, joten olen aina ollut alttiina alalla tavalla tai toisella koko elämäni ajan. Armeijaan tullessani ansaitsin mahdollisuuden työskennellä teknologiayksikössä, jossa johdin tietoturvaohjelmistojen kehitystä ja vietin aikaa tietojenkäsittelytieteen opettelemiseen. Siitä lähtien olin koukussa ja tiesin, että haluan jatkaa sitä urana, kun jätin armeijan.

Milloin jouduit alun perin alttiiksi erilaisille alan puutteille, kuten palkka- ja ylennyspuutteille?

Parin ensimmäisen vuoden aikana, kun työskentelin yksityisissä ohjelmistoyrityksissä, en ollut henkilökohtaisesti tietoinen naisten kohtaamasta ennakkoluulosta. Sitten aloin verkostoitua tekniikkojen kanssa, jotka sattuivat olemaan naisia. Huomasin nopeasti, kuinka suuri ongelma oli, kun kuulin näiden naisten kertomuksia siitä, että heistä puhuttiin, heitä ei huomioitu tai he eivät saaneet kiitosta ideoistaan.

Voitko kertoa Joonkon taustalla olevan syntytarinan?

Minulla on tietojenkäsittelytieteen tutkinto ja tausta ohjelmistosuunnittelusta ja NLP:stä. Olen henkilökohtaisesti kokenut sekä tiedostamatonta että tietoista ennakkoluulottomuutta ammatillisen ympäristöni kautta, ja ryhmä naispuolisia tuotepäälliköitä, joihin kuuluin, altisti minut myös työelämän ongelmille, jotka olivat enemmän kuin vain palkkaeroja. Tämä näyttää siltä, ​​että tapaamisia suunnitellaan, kun naisten tai vanhempien on poistuttava töistä tai nähdäkseen, kuka saa puhua tai esiintyä kokouksissa. Vaikka nämä tapaukset vaikuttavat vähäisiltä, ​​ne ovat merkittäviä ja vaikuttavia, kun olet vaikuttaja.

Ymmärsin, että tämä oli laajempi ongelma, joten päätin käyttää teknistä taustaani – minulla on CS-tutkinto ja tausta ohjelmistosuunnittelusta ja NLP:stä – ja puuttua siihen suoraan luomalla uusi teknologiaratkaisu, näin Joonko syntyi.

Mistä Joonko hankkii monipuolisen ja aliedustetun taustan hakijoiden lahjakkuuden?

Alkuperäinen algoritmimme skannaa meille ohjattujen ehdokkaiden julkiset tiedot ensin luonnollisen kielen käsittelyn ja tietokonenäön avulla. Etsimme tietoja, jotka vahvistavat, tunnistaako joku itsensä aliedustetuksi. Jos henkilön LinkedInissä on esimerkiksi "hän" -pronominit, voimme päätellä, että hän saattaa tunnistaa itsensä naiseksi ja antaa tälle tietopisteelle pisteen. Jos henkilön profiili kerää tarpeeksi pisteitä, kutsumme hänet lahjakkuusverkostoomme, ja kun hän on rekisteröitynyt, hän vahvistaa olettamuksemme edelleen kertomalla meille, kuinka hän tunnistaa itsensä.

Miten Joonko sitten tutkii tämän lahjakkuuden?

Käytämme inhimillisen kosketuksen ja teknologian yhdistelmää löytääksemme hakijat sopiviin avoimiin tehtäviin. Ensinnäkin jokainen hakija, joka liittyy verkostoomme, ohjataan rekrytointitiimille, jonka kanssa he haastattelivat äskettäin, mutta eivät voineet palkata heitä. Rekrytointitiimit suosittelevat vain viimeiselle kierrokselle päässeitä ehdokkaita, mikä varmistaa, että he ovat laadukkaita ehdokkaita. Sieltä käytämme luonnollista kielenkäsittelyä sovittaaksemme hakijan juuri sopivaan yritykseen ja rooliin. Keräämme avainsanoja heidän ansioluettelostaan ​​ja roolistaan, johon he alun perin haastattelivat, ja vertaamme sitä sitten alustallamme markkinoituihin töihin. Useimmat mallit käyttävät vain kahta tietojoukkoa, joten kolmen käyttäminen sen sijaan parantaa kykyämme löytää oikea vastaavuus.

Miten Joonko auttaa yrityksiä säilyttämään tämän osaamisen?

Autamme yrityksiä säilyttämään osaamisen koko rekrytointiprosessin ajan integroimalla hakijoiden seurantajärjestelmään. Integraatiomme avulla voimme kerätä yhteenlaskettua tietoa siitä, kuinka pitkälle Joonko-ehdokkaat pääsevät putken läpi. Aina kun näemme pudotuksen muihin kuin Joonkon hakijoihin verrattuna, teemme yhteistyötä yritysten kanssa joko parantaaksemme yhteensopivuutta tai parantaaksemme heidän rekrytointiprosessiaan.

Millä muilla tavoilla Joonko käyttää tekoälyä palkkaamis- tai otteluprosessissaan?

Hyödynnämme tietokonenäköä ja luonnollisen kielen käsittelyä määrittääksemme, tunnistaako ehdokas olevansa aliedustettu. Käytämme luonnollista kielenkäsittelyä sovittaaksemme ehdokkaat joukossamme oleviin rooleihin ja käytämme koneoppimista parantaaksemme sovitusprosessia, kun hakijat valitsevat roolit, joista he ovat kiinnostuneita. Lopuksi haku ja viittaus on automatisoitu alusta loppuun. Rekrytoijan ei tarvitse tehdä mitään ennen kuin he päättävät haastatella Joonkon suosittelemaa ehdokasta.

Voisitteko keskustella monipuolisen rekrytointijoukon eduista tekoälyn harhautumisen välttämiseksi?

Tarkastelemme asiaa, mitä enemmän aliedustettuja ehdokkaita voit houkutella ja haastatella, sitä enemmän tietoja voit tarkastaa inhimillisen ja teknologisen puolueellisuuden varalta. Bias, sen ytimessä, tapahtuu, kun malli (tai henkilö) on tottunut näkemään samanlaisia ​​tietoja yhä uudelleen ja uudelleen. Kun panostat voimakkaasti ehdokkaiden monimuotoisuuteen, voit kouluttaa teknologiaasi ja sitä käyttävää rekrytointitiimiä osallistumaan monimuotoisuuden vauhtipyörään.

Mistä muista syistä monimuotoisuuden pitäisi olla yritysten prioriteetti?

Monet yritykset luottavat tyypillisesti suosituksiin täyttääkseen avoimet roolit, mikä tietojen mukaan voi johtaa homogeeniseen työvoimaan. Uskon, että on tärkeää, että yritykset kiinnittävät huomion huomiotta jääneet lahjakkuudet – mukaan lukien "hopeamitaliehdokkaat", jotka pääsivät huippuyrityksissä finaaliin, mutta eivät päätyneet työhön.

Sen lisäksi, että DE&I:n priorisointi objektiivisesti katsottuna on reilua ja oikeaa toimintaa ja tärkeä osa eteenpäin suuntautuvaa, tasapuolista yhteiskuntaa, se on myös yksinkertaisesti hyväksi yrityksille – yritykset, jotka asettavat nämä ponnistelut etusijalle, ovat tuottavampia ja menestyvämpiä, kun taas työntekijät ovat onnellisempia ja pysyä pidempään.

Onko sinulla viimeisiä neuvoja naisille, jotka haluavat hypätä tietojenkäsittelytieteeseen tai tekoälyyn?

Löydä naisten yhteisöjä, joihin voit turvautua, kun asiat ovat vaikeita. Tekoälyteollisuuden tulevaisuus riippuu naisten osallistumisesta, mutta tällä hetkellä sitä hallitsevat miehet. Mitä nopeammin voit rakentaa verkoston naisista, jotka jakavat kokemuksiasi, sitä todennäköisemmin saat tukea ja menestyt alalla.

Kiitos upeasta haastattelusta, lukijoiden, jotka haluavat tietää lisää, kannattaa käydä Joonko.