Ilit Raz, fondatrice et PDG de Joonko – Série d’entretiens

Ilit Raz est la fondatrice et la PDG de Joonko, une plateforme qui aide les entreprises à appliquer l’IA à leur stratégie de sourcing de la diversité. Aujourd’hui, son entreprise travaille avec Adidas, American Express (AXP ), Crocs et PayPal. Elle a levé plus de 38,5 millions de dollars et l’entreprise a connu une croissance de 500 % pendant deux années consécutives.

Qu’est-ce qui vous a initialement attiré vers l’informatique ?

La technologie est l’un des plus grands et des plus réussis secteurs en Israël, donc j’ai toujours été exposée à l’industrie d’une façon ou d’une autre tout au long de ma vie. Lorsque j’ai rejoint l’armée, j’ai eu l’opportunité de travailler dans une unité de technologie où j’ai géré le développement de logiciels de sécurité et j’ai passé du temps à apprendre sur l’informatique. À partir de là, j’étais accrochée et j’ai su que je voulais poursuivre cela comme carrière une fois que j’ai quitté l’armée.

Quand avez-vous été exposée pour la première fois aux écarts dans l’industrie, tels que les écarts de salaire et de promotion ?

Pendant mes premières années de travail dans des entreprises de logiciels privées, je n’étais pas personnellement consciente des préjugés auxquels les femmes étaient confrontées. Ensuite, j’ai commencé à me connecter avec des technologistes qui se trouvaient être des femmes. J’ai rapidement pris conscience de l’ampleur du problème après avoir écouté les histoires que ces femmes partageaient sur le fait d’être parlées par-dessus, ignorées ou de ne pas obtenir de crédit pour leurs idées.

Pouvez-vous partager l’histoire de la création de Joonko ?

J’ai un diplôme en informatique et une expérience en ingénierie logicielle et en traitement automatique des langues. J’ai personnellement vécu des préjugés inconscients et conscients à travers mon environnement professionnel, et un groupe de femmes responsables de produits avec lesquelles j’ai travaillé m’a également exposée à des problèmes de lieu de travail qui allaient au-delà des simples écarts de salaire. Cela ressemble à des réunions programmées lorsque les femmes ou les parents ont besoin de quitter le travail ou à des témoins qui parlent ou présentent lors de réunions. Même si ces exemples peuvent sembler mineurs, ils sont importants et influents lorsque vous êtes la personne touchée.

Je suis venue à comprendre que c’était un problème plus large, donc j’ai décidé d’utiliser mon expérience technique – j’ai un diplôme en informatique et une expérience en ingénierie logicielle et en traitement automatique des langues – et de résoudre le problème de manière proactive en créant une nouvelle solution technologique, ce qui est ainsi devenu Joonko.

Comment Joonko trouve-t-il le bassin de talents des candidats issus de milieux divers et sous-représentés ?

Notre algorithme propriétaire utilise d’abord le traitement automatique du langage et la vision par ordinateur pour analyser les données publiques sur les candidats qui nous sont recommandés. Nous recherchons des données qui valident si quelqu’un s’identifie comme sous-représenté. Par exemple, si une personne a des pronoms « elle » sur son profil LinkedIn, nous pouvons déduire qu’elle pourrait s’identifier comme une femme et attribuer ce point de données. Si le profil de la personne collecte suffisamment de points, nous l’invitons à rejoindre notre réseau de talents, et une fois qu’elle s’inscrit, elle valide encore notre hypothèse en nous disant comment elle s’identifie.

Comment Joonko évalue-t-il ensuite ces talents ?

Nous utilisons une combinaison de touche humaine et de technologie pour mettre en correspondance les candidats avec les postes ouverts qui leur conviennent. Tout d’abord, chaque candidat qui rejoint notre réseau est recommandé par l’équipe de recrutement avec laquelle il a récemment passé un entretien, mais qu’il n’a pas pu embaucher. Les équipes de recrutement ne recommandent que des candidats qui ont atteint le dernier tour, ce qui garantit qu’ils sont de haute qualité. Ensuite, nous utilisons le traitement automatique du langage pour mettre en correspondance le candidat avec l’entreprise et le rôle qui conviennent. Nous collectons des mots clés à partir de leur CV et du poste pour lequel ils ont initialement postulé, puis les comparons avec les emplois annoncés sur notre plateforme. La plupart des modèles n’utilisent que deux ensembles de données, donc en utilisant trois, nous augmentons notre capacité à faire la bonne correspondance.

Comment Joonko aide-t-il les entreprises à conserver ces talents ?

Nous aidons les entreprises à conserver les talents tout au long du processus de recrutement en intégrant notre système avec le système de suivi des candidats. Notre intégration nous permet de tirer des données, de manière agrégée, sur la façon dont les candidats Joonko progressent dans le processus. Partout où nous voyons un déclin par rapport aux candidats non Joonko, nous travaillons avec les entreprises pour améliorer la correspondance ou améliorer leur processus de recrutement.

Quelles sont les autres façons dont Joonko utilise l’IA dans son processus d’embauche ou de mise en correspondance ?

Nous utilisons la vision par ordinateur et le traitement automatique du langage pour déterminer si un candidat s’identifie comme sous-représenté. Nous utilisons le traitement automatique du langage pour mettre en correspondance les candidats avec les rôles de notre pool et nous utilisons l’apprentissage automatique pour améliorer le processus de correspondance à mesure que les candidats sélectionnent les rôles qui les intéressent. Enfin, la correspondance et la recommandation sont automatisées de bout en bout. Les recruteurs n’ont rien à faire jusqu’à ce qu’ils décident d’entretien avec un candidat recommandé par Joonko.

Pouvez-vous discuter des avantages d’un bassin de recrutement diversifié pour éviter les préjugés de l’IA ?

La façon dont nous le voyons est que plus vous pouvez attirer et interviewer des candidats sous-représentés, plus vous pouvez auditer les données pour les préjugés humains et technologiques. Les préjugés, à leur base, se produisent lorsqu’un modèle (ou une personne) est utilisé pour voir des données similaires encore et encore. Lorsque vous investissez lourdement dans la diversité des candidats, vous pouvez former votre technologie, et l’équipe de recrutement qui l’utilise, pour contribuer à la diversité.

Quelles sont les autres raisons pour lesquelles la diversité devrait être une priorité pour les entreprises ?

De nombreuses entreprises s’appuient généralement sur les références pour pourvoir les postes vacants, ce qui peut conduire à une main-d’œuvre homogène. Je pense qu’il est important pour les entreprises de mettre en lumière les talents négligés – y compris les « candidats médaillés d’argent » qui ont atteint les dernières étapes dans les meilleures entreprises mais n’ont pas obtenu le poste.

Non seulement donner la priorité à la diversité, à l’équité et à l’inclusion est objectivement la bonne chose à faire et une partie importante d’une société équitable et progressiste, mais cela est également bon pour les affaires – les entreprises qui donnent la priorité à ces efforts sont plus productives et réussies, tandis que les employés sont plus heureux et restent plus longtemps.

Avez-vous des conseils finals pour les femmes qui envisagent de se lancer dans l’informatique ou l’IA ?

Trouvez des communautés de femmes sur lesquelles vous pouvez vous appuyer lorsque les choses deviennent difficiles. L’avenir de l’industrie de l’intelligence artificielle dépend de la participation des femmes, mais est actuellement dominé par les hommes. Plus vous pouvez rapidement construire un réseau de femmes qui partagent vos expériences, plus vous êtes susceptible d’être soutenues et de prospérer dans l’industrie.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Joonko.