Ilit Raz, Pendiri dan CEO Joonko – Seri Wawancara

Ilit Raz adalah pendiri dan CEO Joonko, sebuah platform yang membantu bisnis menerapkan AI pada strategi sumber daya keberagaman. Saat ini perusahaannya bekerja dengan Adidas, American Express, Crocs dan PayPal. Dia telah mengumpulkan lebih dari $38,5M dan perusahaan telah tumbuh 500% selama dua tahun berturut-turut.

Apa yang awalnya menarik Anda untuk ilmu komputer?

Teknologi adalah salah satu industri terbesar dan paling sukses di Israel, sehingga saya selalu terpapar pada industri ini dalam satu atau lain cara sepanjang hidup saya. Ketika saya memasuki tentara, saya mendapatkan kesempatan untuk bekerja di unit teknologi di mana saya mengelola pengembangan perangkat lunak keamanan dan menghabiskan waktu untuk belajar tentang ilmu komputer. Dari sana saya terpesona dan tahu saya ingin mengejar karir di bidang ini setelah saya meninggalkan tentara.

Kapan Anda pertama kali terpapar pada kesenjangan dalam industri seperti kesenjangan gaji dan promosi?

Selama beberapa tahun pertama saya bekerja di perusahaan perangkat lunak swasta, saya tidak secara pribadi menyadari bias yang dihadapi oleh perempuan. Kemudian, saya mulai berjejaring dengan teknolog yang kebetulan perempuan. Saya dengan cepat menyadari seberapa besar masalahnya setelah mendengar cerita yang mereka bagikan tentang dibicarakan, diabaikan, atau tidak mendapatkan pengakuan untuk ide-ide mereka.

Bagaimana cerita asal Joonko?

Saya memiliki gelar di ilmu komputer dan latar belakang di teknik perangkat lunak dan NLP. Saya telah secara pribadi mengalami bias tidak sadar dan sadar melalui lingkungan profesional saya, dan sekelompok manajer produk perempuan yang saya ikuti juga memperkenalkan saya pada masalah tempat kerja yang lebih dari sekedar kesenjangan gaji. Ini tampak seperti pertemuan yang dijadwalkan ketika perempuan atau orang tua perlu meninggalkan pekerjaan atau menyaksikan siapa yang berbicara atau mempresentasikan selama pertemuan. Meskipun contoh-contoh ini tampak minor, mereka signifikan dan berpengaruh ketika Anda adalah orang yang terkena dampak.

Saya datang untuk memahami bahwa ini adalah masalah yang lebih luas, sehingga saya memutuskan untuk menggunakan latar belakang teknis saya—saya memiliki gelar di CS dan latar belakang di teknik perangkat lunak dan NLP—dan menangani masalah ini secara langsung dengan menciptakan solusi teknologi baru, yang bagaimana Joonko lahir.

Bagaimana Joonko menyaring kolam bakat dari latar belakang yang beragam dan kurang terwakili?

Algoritma kami yang dipatenkan pertama kali menggunakan pemrosesan bahasa alami dan visi komputer untuk memindai data publik tentang kandidat yang dirujuk kepada kami. Kami mencari data yang memvalidasi apakah seseorang mengidentifikasi diri sebagai kurang terwakili. Misalnya, jika seseorang memiliki pronoun “dia/wanita” pada profil LinkedIn mereka, kami dapat menyimpulkan bahwa mereka mungkin mengidentifikasi diri sebagai perempuan dan menetapkan poin data tersebut. Jika profil kandidat mengumpulkan cukup poin, kami mengundang mereka untuk bergabung dengan jaringan bakat kami, dan setelah mereka mendaftar, mereka memvalidasi asumsi kami dengan mengatakan kepada kami bagaimana mereka mengidentifikasi diri.

Bagaimana Joonko kemudian memverifikasi bakat ini?

Kami menggunakan kombinasi sentuhan manusia dan teknologi untuk mencocokkan kandidat dengan posisi terbuka yang sesuai. Pertama, setiap kandidat yang bergabung dengan jaringan kami dirujuk oleh tim perekrutan yang baru saja mereka wawancarai, tetapi tidak bisa merekrut mereka. Tim perekrutan hanya merujuk kandidat yang mencapai putaran final, sehingga memastikan mereka adalah kandidat berkualitas tinggi. Dari sana, kami menggunakan pemrosesan bahasa alami untuk mencocokkan kandidat dengan perusahaan dan peran yang tepat. Kami mengumpulkan kata kunci dari resume mereka dan peran yang mereka wawancarai sebelumnya, lalu membandingkannya dengan pekerjaan yang dipasarkan di platform kami. Sebagian besar model hanya menggunakan dua set data, sehingga menggunakan tiga set data meningkatkan kemampuan kami untuk mencocokkan yang tepat.

Bagaimana Joonko membantu perusahaan dalam mempertahankan bakat ini?

Kami membantu perusahaan dalam mempertahankan bakat selama proses perekrutan dengan mengintegrasikan dengan sistem pelacakan aplikasi. Integrasi kami memungkinkan kami untuk menarik data, dalam agregat, tentang seberapa jauh kandidat Joonko maju melalui pipa. Di mana pun kami melihat penurunan dibandingkan dengan kandidat non-Joonko, kami bekerja dengan perusahaan untuk memperbaiki pencocokan atau memperbaiki proses perekrutan mereka.

Apa saja cara lain yang Joonko gunakan AI dalam proses perekrutan atau pencocokan?

Kami menggunakan visi komputer dan pemrosesan bahasa alami untuk menentukan apakah kandidat mengidentifikasi diri sebagai kurang terwakili. Kami menggunakan pemrosesan bahasa alami untuk mencocokkan kandidat dengan peran di kolam kami dan kami menggunakan pembelajaran mesin untuk memperbaiki proses pencocokan ketika kandidat memilih peran yang mereka minati. Terakhir, pencocokan dan rujukan diotomatisasi dari ujung ke ujung. Perekrut tidak perlu melakukan apa pun sampai mereka memutuskan untuk mewawancarai kandidat yang dirujuk oleh Joonko.

Apakah Anda bisa membahas manfaat dari kolam perekrutan yang beragam untuk menghindari bias AI?

Cara kami melihatnya adalah, semakin banyak kandidat yang kurang terwakili yang dapat Anda tarik dan wawancarai, semakin banyak data yang dapat Anda audit untuk bias manusia dan teknologi. Bias, pada intinya, terjadi ketika model (atau orang) digunakan untuk melihat data yang sama berulang-ulang. Ketika Anda berinvestasi besar dalam keberagaman kandidat, Anda dapat melatih teknologi Anda, dan tim perekrutan yang menggunakannya, untuk berkontribusi pada roda keberagaman.

Apa saja alasan lain mengapa keberagaman harus menjadi prioritas bagi perusahaan?

Banyak perusahaan biasanya mengandalkan rujukan untuk mengisi posisi terbuka, yang menurut data dapat menyebabkan tenaga kerja yang homogen. Saya percaya bahwa perusahaan harus memperhatikan bakat yang terlewatkan – termasuk kandidat ‘perak’ yang mencapai tahap final di perusahaan teratas tetapi tidak mendapatkan pekerjaan.

Tidak hanya memprioritaskan DE&I secara objektif adalah hal yang adil dan benar untuk dilakukan dan merupakan bagian penting dari masyarakat yang maju dan adil, tetapi juga baik untuk bisnis – perusahaan yang memprioritaskan upaya ini lebih produktif dan sukses, sedangkan karyawan lebih bahagia dan bertahan lebih lama.

Apakah Anda memiliki saran terakhir untuk perempuan yang ingin melompat ke ilmu komputer atau AI?

Cari komunitas perempuan yang dapat Anda andalkan ketika hal-hal menjadi sulit. Masa depan industri kecerdasan buatan bergantung pada partisipasi perempuan, tetapi saat ini didominasi oleh laki-laki. Semakin cepat Anda dapat membangun jaringan perempuan yang berbagi pengalaman Anda, semakin mungkin Anda untuk didukung dan berkembang dalam industri ini.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Joonko.