Ilit Raz, Pendiri dan CEO Joonko – Seri Wawancara

Ilit Raz adalah pendiri dan CEO dari Joonko, sebuah platform yang membantu perusahaan menerapkan AI dalam strategi sumber daya manusia yang beragam. Saat ini perusahaannya bekerja sama dengan Adidas, American Express (AXP ), Crocs, dan PayPal. Dia telah mengumpulkan dana lebih dari $38,5M dan perusahaannya 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 bergabung dengan angkatan darat, saya mendapatkan kesempatan untuk bekerja di unit teknologi di mana saya mengelola pengembangan perangkat lunak keamanan dan menghabiskan waktu untuk mempelajari ilmu komputer. Dari sana saya terpikat dan tahu saya ingin mengejar karir di bidang ini setelah saya meninggalkan angkatan darat.

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 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-cerita yang mereka bagikan tentang dibicarakan, diabaikan, atau tidak mendapatkan pengakuan untuk ide-ide mereka.

Bagikanlah kisah awal 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 sekadar kesenjangan gaji. Ini seperti pertemuan yang dijadwalkan ketika perempuan atau orang tua perlu meninggalkan pekerjaan atau menyaksikan siapa yang berbicara atau mempresentasikan dalam pertemuan. Meskipun contoh-contoh ini tampak sepele, mereka signifikan dan berpengaruh ketika Anda adalah orang yang terkena dampak.

Saya 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 menanganinya secara langsung dengan menciptakan solusi teknologi baru, yang bagaimana Joonko lahir.

Bagaimana Joonko menyumber 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” di profil LinkedIn mereka, kami dapat menyimpulkan bahwa mereka mungkin mengidentifikasi diri sebagai perempuan dan menetapkan poin data itu. 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 membuat kecocokan yang tepat.

Bagaimana Joonko membantu perusahaan mempertahankan bakat ini?

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

Apa saja cara lain yang Joonko menggunakan 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 dalam kumpulan kami dan kami menggunakan pembelajaran mesin untuk memperbaiki proses pencocokan ketika kandidat memilih peran yang mereka minati. Terakhir, pencocokan dan rujukan sepenuhnya otomatis. Perekrut tidak perlu melakukan apa pun sampai mereka memutuskan untuk mewawancarai kandidat yang dirujuk oleh Joonko.

Bagaimana 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 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 memprioritaskan bakat yang terlupakan – termasuk ‘kandidat perak’ yang mencapai tahap akhir di perusahaan terkemuka 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 berpikiran 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 sangat 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 akan didukung dan sukses di industri ini.

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