イリット・ラズ、Joonkoの創設者兼CEO – インタビュー・シリーズ

イリット・ラズは、Joonkoの創設者兼CEOです。Joonkoは、企業がAIを多様性採用戦略に適用するのを支援するプラットフォームです。現在、彼女の会社はアディダス、American Express (AXP ) 、Crocs、PayPalと協力しています。她は3,850万ドル以上を調達し、会社は2年連続で500%成長しています。

コンピューター・サイエンスに最初に惹かれたのは何ですか?

テクノロジーはイスラエルで最大かつ最も成功した業界の1つなので、私はいつもある程度テクノロジー業界に触れてきました。軍に入ったとき、私はテクノロジー部門で働く機会を得て、セキュリティソフトウェアの開発を管理し、コンピューター・サイエンスについて学びました。そこから私はコンピューター・サイエンスに夢中になり、軍を辞めた後、キャリアとして追求したいと思いました。

業界におけるギャップ（給与や昇進のギャップなど）に最初に気づいたのはいつですか?

私が最初の数年間、民間のソフトウェア会社で働いていたとき、女性が直面している偏見について私は知りませんでした。次に、私は技術者である女性とネットワークを構築し始めました。私はすぐに、彼女たちが話した話から、話が聞かれない、無視される、またはアイデアに信用されないという問題がどれほど大きいかを知りました。

Joonkoの創設ストーリーを共有してください。

私はコンピューター・サイエンスの学位を持っており、ソフトウェア・エンジニアリングとNLPの背景があります。私は、職場環境で無意識的または意識的な偏見を経験しました。また、私が参加していた女性製品マネージャーのグループも、給与ギャップ以外の職場問題に私を引き込みました。会議が女性や親が仕事を終える時間に予定されることや、会議中に誰が話したり発表したりできるかを見ていることは、重大で影響力のあるものです。

私は、これがより広範な問題であることを理解し、技術的な背景を利用して新しい技術ソリューションを作成することにしました。これがJoonkoが生まれた理由です。

Joonkoは、どのようにして多様性のある背景を持つ応募者のタレント・プールを取得していますか?

私たちの独自のアルゴリズムは、自然言語処理とコンピューター・ビジョンを使用して、候補者に関する公開データをスキャンします。私たちは、候補者が自己認識しているかどうかを検証するデータを探します。たとえば、LinkedInのプロフィールに「彼女/彼女」という呼称が付いている場合、彼女が女性であると自己認識している可能性が高いと推測できます。プロフィールが十分なポイントを集めると、候補者に私たちのタレント・ネットワークに参加するよう招待し、候補者が参加すると、さらに自己認識を検証します。

Joonkoは、どのようにしてこのタレントを審査していますか?

私たちは、人間の感覚と技術を組み合わせて、候補者を適切な役割にマッチングします。まず、候補者が私たちのネットワークに参加するたびに、候補者を紹介した採用チームによって候補者が紹介されます。採用チームは、最終ラウンドまで到達した候補者しか紹介しません。そこから、自然言語処理を使用して、候補者を会社と役割にマッチングします。候補者の履歴書と元々面接した役割からキーワードを収集し、それを私たちのプラットフォームで宣伝されている仕事と比較します。ほとんどのモデルは2つのデータセットしか使用しませんが、3つのデータセットを使用することで、正しいマッチングを行う能力が高まります。

Joonkoは、企業がこのタレントを維持するのをどのように支援していますか?

私たちは、採用プロセス全体で企業がタレントを維持するのを支援しています。採用トラッキング・システムと統合することで、Joonkoの候補者がパイプラインをどの程度進むかについての集計データを取得できます。Joonko以外の候補者と比較して、候補者がドロップアウトする場所が見つかると、企業と協力して、マッチングを改善したり、採用プロセスを改善したりします。

Joonkoは、採用またはマッチング・プロセスでAIをどのように使用していますか?

私たちは、候補者が自己認識しているかどうかを判断するために、コンピューター・ビジョンと自然言語処理を使用しています。候補者を役割にマッチングするために自然言語処理を使用し、マッチング・プロセスを改善するためにマシン・ラーニングを使用しています。最後に、マッチングと紹介はエンド・ツー・エンドで自動化されています。Joonkoによって候補者が紹介されるまで、採用担当者は何もしなくて済みます。

多様性のある採用プールを確保することでAIの偏見を避けることの利点について話してください。

私たちが見るように、多様性のある候補者をより多く魅了し、面接することができるほど、人間や技術的な偏見を監査するためのデータが得られます。偏見は、モデル（または人）が繰り返し同じようなデータを見ているときに発生します。候補者の多様性に投資することで、技術と採用チームを多様性のフライホイールに貢献するようにトレーニングできます。

企業にとって多様性が優先事項となる他の理由は何ですか?

多くの企業は、オープンな役割を埋めるために、紹介に頼ることが多いですが、これは均一なワークフォースにつながる可能性があります。私は、企業が見過ごされた才能、たとえば「銀メダリスト」候補者（トップ企業で最終選考まで残ったが採用されなかった候補者）にスポットライトを当てることが重要であると考えています。

多様性、公平性、インクルージョン（DE&I）を優先することは、客観的に見て、公正で正しいことであり、前向きで公平な社会の重要な部分であるだけでなく、ビジネスにとって良いことです。DE&Iを優先する企業は、より生産的で成功し、従業員は幸せで残ります。

コンピューター・サイエンスやAIに飛び込もうとしている女性に最終的なアドバイスは何ですか?

困難な時期に頼れる女性のコミュニティを見つけてください。人工知能業界の未来は女性の参加に依存していますが、現在は男性が支配しています。女性のネットワークを構築することができるほど早く、業界で支えられ、繁栄する可能性が高くなります。

素晴らしいインタビュー、ありがとうございます。詳しく知りたい読者は、Joonkoを訪問してください。