Arsham Ghahramani, PhD, medeoprichter en CEO van Ribbon – Interviewreeks

Arsham Ghahramani, PhD, is de medeoprichter 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 toepaste om de regulatie van kankergenen te bestuderen – lang voordat de term “generatieve AI” in mainstream gebruik kwam.

Hij leidt momenteel Ribbon, een technologiebedrijf dat zich richt op het versnellen van het wervingsproces. Ribbon heeft meer dan $8 miljoen aan financiering opgehaald, ondersteunt meer dan 200.000 werkzoekenden en blijft zijn team uitbreiden. Het platform heeft als doel het wervingsproces 100 keer sneller te maken door AI en automatisering te combineren om de wervingswerkstromen te stroomlijnen.

Laten we bij het begin beginnen – wat inspireerde je om Ribbon op te richten, en wat was het “aha”-moment dat je besefte dat de werving kapot was?

Ik ontmoette mijn medeoprichter 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 opschalen, voelden we constant de druk om snel hoger te komen, maar we hadden niet de juiste tools om het proces te stroomlijnen. Ik was vroeg met AI (ik voltooide mijn PhD in 2014, lang voordat AI mainstream werd), en ik had een vroeg inzicht in de impact van AI op de werving. Ik zag met eigen ogen de inefficiënties en uitdagingen in de traditionele werving en wist dat er een betere manier moest zijn. Die realisatie leidde ons ertoe om Ribbon te creëren.

Je hebt gewerkt in machine learning-rollen bij Amazon (AMZN ), Ezra en zelfs in algoritmische handel. Hoe heeft die achtergrond je benadering van het opbouwen van Ribbon beïnvloed?

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 besteedden veel tijd en energie aan het zorgen dat onze AI onpartijdig was, evenals het ontwikkelen van methoden om vooringenomenheid te detecteren en te mitigeren. Ik bracht die technieken over naar Ribbon, waar we deze technieken gebruiken om de vooringenomenheid in onze AI-interviewer te controleren en te verminderen, waardoor we een meer eerlijke wervingsproces creëren.

Hoe heeft je ervaring als kandidaat en als wervingsmanager de productbeslissingen die je in het begin nam, beïnvloed?

Een baan vinden is een zware taak voor junior-kandidaten. Ik herinner me, niet zo lang geleden, dat ik een junior-kandidaat was die veel banen solliciteerde. Het is sindsdien alleen maar moeilijker geworden. Bij Ribbon hebben we diepe empathie voor werkzoekenden. 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 de hele wervingsprocedure met dezelfde AI praten. Deze consistentie helpt vertrouwen en comfort opbouwen – in tegenstelling tot traditionele processen waarbij kandidaten tussen meerdere mensen worden doorverwezen, biedt onze AI een stabiele, vertrouwde aanwezigheid die kandidaten helpt 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 vier openbaar beschikbare modellen gecombineerd om de Ribbon-interviewervaring te creëren. Achter de schermen evalueren we de conversatie constant en combineren we deze 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 ligt.

Je benadrukt dat vijf minuten voice-overeenkomt 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 zeer omslachtig, waarbij je veel verschillende formulieren en multiple-choice vragen moet invullen. We hebben ontdekt dat 5 minuten natuurlijk gesprek ongeveer 25 multiple-choice vragen waard is. De informatie-dichtheid van voice-conversatie is moeilijk te verslaan. Bovendien verzamelen we andere factoren, zoals taalvaardigheid en communicatieve vaardigheden.

Ribbon fungeert ook als een AI-gepowered schrijver met auto-samenvattingen en scoring. Wat is de rol van interpretatie bij het maken van deze gegevens nuttig – en eerlijk – voor wervingsmanagers?

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 beoordelen op zijn vaardigheden, verwijzen we naar twee dingen:

1. De oorspronkelijke vacature-eisen en
2. 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 nemen graag beslissingen op basis van concrete gegevens. Iets dat 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 ontwikkeld om kandidaten te beoordelen op basis van 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 cruciaal voor het democratiseren van toegang tot banen. Ribbons altijd-aan-interviewen stellen kandidaten in staat om deel te nemen op een moment dat voor hen het beste uitkomt, waardoor traditionele barrières zoals conflicterende schema’s of beperkte beschikbaarheid worden doorbroken, wat vooral gunstig is voor werkende ouders en mensen met onregelmatige uren. 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 werkzoekenden vaak extra beperkingen tegenkomen. Door rond-the-klok-toegang mogelijk te maken, helpt Ribbon ervoor te zorgen dat iedereen een eerlijke kans heeft om zijn vaardigheden te laten zien en werkgelegenheidskansen te krijgen.

Ribbon gaat niet alleen over werving – het gaat over het verminderen van wrijving tussen mensen en kansen. Wat ziet die toekomst eruit?

Bij Ribbon strekt onze visie zich uit tot verder dan efficiënte werving; we willen de wrijving tussen individuen en de kansen waarvoor ze geschikt zijn, wegnemen. We voorzien een toekomst waarin technologie talent naadloos verbindt met rollen die perfect overeenkomen met hun capaciteiten en ambities, ongeacht hun achtergrond of netwerk. Door de wrijving in carrièremobiliteit te verminderen, maken we het mogelijk voor werknemers om te groeien, te ontwikkelen en lonende kansen te vinden zonder onnodige barrières. Snellere interne mobiliteit, lagere verloop en uiteindelijk betere resultaten voor zowel individuen als bedrijven.

Hoe zie je AI de wervingsprocedure en de bredere arbeidsmarkt de komende vijf jaar transformeren?

AI zal de werving en de bredere arbeidsmarkt de komende vijf jaar diepgaand veranderen. We verwachten dat AI-gedreven automatisering repetitieve taken zal stroomlijnen, waardoor wervingsmanagers zich kunnen concentreren op diepere interacties met kandidaten en strategische wervingsbeslissingen. AI zal ook de precisie van het matchen van kandidaten met rollen verbeteren, waardoor de wervingsprocessen 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.