Interviews
Arsham Ghahramani, PhD, mede-oprichter en CEO van Ribbon – Interviewreeks
Arsham Ghahramani, PhD, is de mede-oprichter en CEO van Ribbon. Gevestigd in Toronto en oorspronkelijk uit het VK, heeft Ghahramani een achtergrond in zowel kunstmatige intelligentie als biologie. Zijn professionele ervaring omvat een breed scala aan domeinen, waaronder high-frequency trading, recruitment en biomedisch onderzoek.
Ghahramani begon rond 2014 te werken in het veld van AI. Hij voltooide zijn PhD aan The Francis Crick Institute, waar hij vroege vormen van generatieve AI gebruikte om de regulatie van kankergenen te bestuderen – lang voordat de term “generatieve AI” mainstream werd.
Hij leidt momenteel Ribbon, een technologiebedrijf dat zich richt op het versnellen van het wervingsproces. Ribbon heeft meer dan 8 miljoen dollar aan financiering opgehaald, heeft meer dan 200.000 werkzoekenden ondersteund en blijft zijn team uitbreiden. Het platform heeft als doel het wervingsproces 100 keer sneller te maken door AI en automatisering te combineren om recruitmentworkflows te stroomlijnen.
Laten we bij het begin beginnen – wat inspireerde je om Ribbon op te richten, en wat was het “aha”-moment dat je deed beseffen dat het wervingsproces kapot was?
Ik ontmoette mijn mede-oprichter Dave Vu toen we beiden bij Ezra waren – hij was hoofd van People & Talent, en ik was hoofd van Machine Learning. Toen we mijn team snel opschalden, voelden we constant de druk om snel hogerop te komen, maar we hadden niet de juiste tools om het proces te stroomlijnen. Ik was vroeg met AI (ik heb mijn PhD in 2014 afgerond, lang voordat AI mainstream werd), en ik had een vroeg inzicht in de impact van AI op het wervingsproces. Ik zag met eigen ogen de inefficiënties en uitdagingen in traditionele recruitment en wist dat er een betere manier moest zijn. Die realisatie leidde ertoe dat we Ribbon creëerden.
Je hebt gewerkt in machine learning-rollen bij Amazon, Ezra en zelfs in algoritmische handel. Hoe heeft die achtergrond de manier beïnvloed waarop je Ribbon hebt opgebouwd?
Bij Ezra werkte ik aan AI-gezondheidstechnologie, waar de inzet niet hoger kon zijn – als een AI-systeem vooringenomen is, kan het een kwestie van leven en dood zijn. We hebben veel tijd en energie besteed aan het zorgen dat onze AI onpartijdig was, evenals het ontwikkelen van methoden om vooringenomenheid te detecteren en te mitigeren. Ik heb die technieken overgebracht naar Ribbon, waar we deze technieken gebruiken om de vooringenomenheid in onze AI-interviewer te monitoren en te verminderen, waardoor we uiteindelijk een meer eerlijk wervingsproces creëren.
Hoe heeft je ervaring als kandidaat en als recruiter je productbeslissingen beïnvloed in het begin?
Een baan vinden is een moeilijk proces voor junior-kandidaten. Ik herinner me nog niet zo lang geleden dat ik een junior-kandidaat was die solliciteerde naar veel banen. Het is sindsdien alleen maar moeilijker geworden. Bij Ribbon hebben we diepe empathie voor sollicitanten. Onze Voice AI is vaak het eerste contactpunt tussen een bedrijf en een kandidaat, dus we werken hard om deze ervaring positief en lonend te maken. Een van de manieren waarop we dat doen, is door ervoor te zorgen dat kandidaten gedurende het hele wervingsproces met dezelfde AI praten. Deze consistentie helpt bij het opbouwen van vertrouwen en comfort – in tegenstelling tot traditionele processen waarbij kandidaten tussen meerdere mensen worden doorgegeven, biedt onze AI een stabiele, vertrouwde aanwezigheid die kandidaten helpt om zich meer op hun gemak te voelen terwijl ze door interviews en assessments gaan.
Ribbons AI voert interviews uit die meer menselijk aanvoelen dan geënsceneerde bots. Vertel ons meer over Ribbons adaptieve interviewstroom. Wat voor soort real-time begrip gebeurt er achter de schermen?
We hebben vijf in-house machine learning-modellen gebouwd en gecombineerd met vier openbaar beschikbare modellen om de Ribbon-interviewervaring te creëren. Achter de schermen evalueren we de conversatie constant en combineren we dit met context van het bedrijf, carrièrepagina’s, openbare profielen, cv’s en meer. Al deze informatie komt samen om een naadloze interviewervaring te creëren. De reden waarom we zo veel informatie combineren, is dat we de kandidaat een ervaring willen geven die zo dicht mogelijk bij een menselijke recruiter komt.
Je benadrukt dat vijf minuten van spraak overeenkomen met een uur geschreven invoer. Wat voor soort signaal verzamel je in die audio-gegevens, en hoe wordt het geanalyseerd?
Mensen praten meestal vrij snel! De meeste sollicitatieprocessen zijn erg omslachtig, waarbij je wordt gevraagd om veel verschillende formulieren en multiple-choice-vragen in te vullen. We hebben ontdekt dat 5 minuten natuurlijke conversatie ongeveer 25 multiple-choice-vragen waard is. De informatiedichtheid van gespreksconversatie is moeilijk te verslaan. Bovendien verzamelen we andere factoren, zoals taalvaardigheid en communicatieve vaardigheden.
Ribbon fungeert ook als een AI-gepowered scribe met auto-samenvattingen en scoring. Wat is de rol van interpretatie bij het maken van deze gegevens nuttig – en eerlijk – voor recruiters?
Interpretatie staat centraal in Ribbons aanpak. Elke score en analyse die we genereren, is altijd gekoppeld aan de bron, waardoor onze AI diep transparant is.
Bijvoorbeeld, wanneer we een kandidaat scoren op zijn vaardigheden, verwijzen we naar twee dingen:
- De oorspronkelijke vacature-eisen en
- Het exacte moment in het interview waarop de kandidaat een vaardigheid noemde.
We geloven dat de interpretatie van AI-systemen diep belangrijk is, omdat we uiteindelijk bedrijven helpen om beslissingen te nemen, en bedrijven houden ervan om beslissingen te nemen op basis van concrete gegevens. Iets wat we essentieel achten voor zowel eerlijkheid als vertrouwen in AI-gedreven werving.
Vooringenomenheid in AI-wervingsystemen is een groot probleem. Hoe is Ribbon ontworpen om vooringenomenheid te minimaliseren of te mitigeren, terwijl het nog steeds de beste kandidaten naar voren brengt?
Vooringenomenheid is een kritiek punt in AI-werving, en we nemen het bij Ribbon zeer serieus. We hebben onze AI-interviewer zo ontworpen dat deze kandidaten beoordeelt op meetbare vaardigheden en competenties, waardoor de subjectiviteit die vaak vooringenomenheid introduceert, wordt verminderd. We controleren onze AI-systemen regelmatig op eerlijkheid, gebruiken diverse en gebalanceerde datasets en integreren menselijke toezicht om potentiële vooringenomenheden te detecteren en te corrigeren. Ons engagement is om de beste kandidaten eerlijk naar voren te brengen, waardoor eerlijke wervingsbeslissingen worden genomen.
Kandidaten kunnen op elk moment solliciteren, zelfs om 2 uur ‘s nachts. Hoe belangrijk is flexibiliteit bij het democratiseren van toegang tot banen, vooral voor onderbediende gemeenschappen?
Flexibiliteit is essentieel voor het democratiseren van toegang tot banen. Ribbons altijd-aan-interviewen stelt kandidaten in staat om deel te nemen op elk moment dat voor hen geschikt is, waardoor traditionele barrières zoals conflicterende schema’s of beperkte beschikbaarheid worden doorbroken, wat vooral gunstig is voor werkende ouders en mensen met ongebruikelijke werktijden. In feite vinden 25% van de Ribbon-interviews plaats tussen 23.00 en 02.00 uur lokale tijd.
Dit is vooral cruciaal voor onderbediende gemeenschappen, waar sollicitanten vaak extra beperkingen tegenkomen. Door toegang te bieden op elk moment, helpt Ribbon ervoor te zorgen dat iedereen een eerlijke kans heeft om zijn vaardigheden te laten zien en werkgelegenheidskansen te verkrijgen.
Ribbon gaat niet alleen over werving – het gaat over het verminderen van wrijving tussen mensen en kansen. Wat ziet die toekomst eruit?
Bij Ribbon gaat onze visie verder dan efficiënte werving; we willen de wrijving tussen individuen en de kansen waarvoor ze zijn geschikt, wegnemen. We voorzien een toekomst waarin technologie naadloos talent verbindt met rollen die perfect overeenkomen met hun vaardigheden en ambities, ongeacht hun achtergrond of netwerk. Door de wrijving in carrièremobiliteit te verminderen, stellen we medewerkers in staat om te groeien, te ontwikkelen en bevredigende kansen te vinden zonder onnodige barrières. Snellere interne mobiliteit, lagere personeelsverloop en uiteindelijk betere resultaten voor zowel individuen als bedrijven.
Hoe zie je AI de wervingsprocessen en de bredere arbeidsmarkt de komende vijf jaar transformeren?
AI zal de wervingsprocessen en de bredere arbeidsmarkt in de komende vijf jaar diepgaand veranderen. We verwachten dat AI-gedreven automatisering repetitieve taken zal stroomlijnen, recruiters in staat stelt om zich te concentreren op diepere interacties met kandidaten en strategische wervingsbeslissingen. AI zal ook de precisie van het matchen van kandidaten met rollen verbeteren, waardoor de wervingscycli worden versneld en de ervaring van kandidaten wordt verbeterd. Echter, om deze voordelen volledig te realiseren, moet de industrie transparantie, eerlijkheid en ethische overwegingen prioriteren, waardoor AI een betrouwbaar instrument wordt dat een meer eerlijke arbeidsmarkt creëert.
Bedankt voor het geweldige interview, lezers die meer willen leren, kunnen Ribbon bezoeken.
