Ilit Raz, Oprichter en CEO van Joonko – Interview Serie

Ilit Raz is de oprichter en CEO van Joonko, een platform dat bedrijven helpt om AI toe te passen op hun diversiteitsstrategie voor werving. Vandaag werkt haar bedrijf samen met Adidas, American Express, Crocs en PayPal. Ze heeft meer dan $38,5 miljoen opgehaald en het bedrijf is 500% gegroeid in twee opeenvolgende jaren.

Wat trok je aanvankelijk aan tot informatica?

Technologie is een van de grootste en meest succesvolle industrieën in Israël, dus ik ben altijd op de een of andere manier met de industrie in aanraking gekomen. Toen ik in het leger ging, kreeg ik de kans om in een technologie-eenheid te werken waar ik de ontwikkeling van beveiligingssoftware beheerde en tijd doorbracht met leren over informatica. Vanaf dat moment was ik verslaafd en wist ik dat ik het als carrière wilde nastreven zodra ik uit het leger kwam.

Wanneer werd je voor het eerst geconfronteerd met de verschillende gaten in de industrie, zoals salaris- en promotiegaten?

Tijdens mijn eerste paar jaar werken bij particuliere softwarebedrijven, was ik me niet persoonlijk bewust van de vooroordelen waarmee vrouwen te maken kregen. Toen begon ik te netwerken met technici die toevallig vrouwen waren. Ik werd snel bewust van hoe groot het probleem was nadat ik de verhalen had gehoord die deze vrouwen deelden over het feit dat ze werden genegeerd, genegeerd of geen krediet kregen voor hun ideeën.

Kun je het verhaal achter Joonko delen?

Ik heb een diploma in informatica en een achtergrond in software-engineering en NLP. Ik heb zelf zowel onbewuste als bewuste vooroordelen meegemaakt in mijn professionele omgeving, en een groep van vrouwelijke productmanagers waar ik deel van uitmaakte, stelde me ook aan werkplekproblemen bloot die meer waren dan alleen salarishiaten. Dit zag eruit als vergaderingen die werden gepland wanneer vrouwen of ouders moesten vertrekken of getuige waren van wie mocht praten of presenteren tijdens vergaderingen. Hoewel deze voorbeelden klein lijken, zijn ze significant en invloedrijk als je de persoon bent die wordt beïnvloed.

Ik kwam tot de conclusie dat dit een meer algemeen probleem was, dus besloot ik mijn technische achtergrond te gebruiken – ik heb een diploma in informatica en een achtergrond in software-engineering en NLP – en het probleem rechtstreeks aan te pakken door een nieuwe technologie-oplossing te creëren, en dat is hoe Joonko is ontstaan.

Hoe vindt Joonko de talentenpool van sollicitanten uit diverse en ondervertegenwoordigde achtergronden?

Onze eigen algoritme gebruikt eerst natuurlijke taalverwerking en computerzicht om openbare gegevens over de kandidaten die aan ons worden doorverwezen te scannen. We zoeken naar gegevens die valideren of iemand zichzelf identificeert als ondervertegenwoordigd. Als iemand bijvoorbeeld “she/her”-pronomen op zijn of haar LinkedIn-profiel heeft, kunnen we afleiden dat ze zich mogelijk identificeren als vrouw en geven we die gegevens een punt. Als het profiel van de persoon voldoende punten verzamelt, nodigen we ze uit om deel te nemen aan ons talentennetwerk, en zodra ze zich aanmelden, valideren ze onze veronderstelling door ons te vertellen hoe ze zich identificeren.

Hoe controleert Joonko deze talenten vervolgens?

We gebruiken een combinatie van menselijke interactie en technologie om kandidaten te koppelen aan de open posities die een goede match zijn. Eerst wordt elke kandidaat die zich bij ons netwerk aansluit, doorverwezen door het wervingsteam waar ze onlangs een sollicitatiegesprek mee hebben gehad, maar ze niet konden aannemen. De wervingsteams verwijzen alleen kandidaten die het tot de laatste ronde hebben geschopt, waardoor ze van hoge kwaliteit zijn. Vervolgens gebruiken we natuurlijke taalverwerking om de kandidaat te koppelen aan het bedrijf en de rol die de beste match is. We verzamelen trefwoorden uit hun cv en de rol waarvoor ze oorspronkelijk solliciteerden, en vergelijken dat met de banen die op ons platform worden aangeboden. De meeste modellen gebruiken alleen twee datasets, dus het gebruik van drie in plaats daarvan verhoogt onze mogelijkheid om de juiste match te maken.

Hoe helpt Joonko bedrijven bij het behouden van deze talenten?

We helpen bedrijven bij het behouden van talent door middel van het integreren met het sollicitatiesysteem. Onze integratie stelt ons in staat om gegevens te verzamelen, in aggregate, over hoe ver Joonko-kandidaten door de pijplijn komen. Waar we een afname zien in vergelijking met niet-Joonko-kandidaten, werken we met bedrijven om het matchen te verbeteren of hun wervingsproces te verbeteren.

Wat zijn enkele andere manieren waarop Joonko AI gebruikt in het wervings- of matchmakingsproces?

We gebruiken computerzicht en natuurlijke taalverwerking om te bepalen of een kandidaat zichzelf identificeert als ondervertegenwoordigd. We gebruiken natuurlijke taalverwerking om kandidaten te koppelen aan de rollen in onze pool en we gebruiken machine learning om het matchingsproces te verbeteren naarmate kandidaten de rollen selecteren waarin ze geïnteresseerd zijn. Ten slotte is het matchen en doorverwijzen geautomatiseerd van begin tot eind. Wervers hoeven niets te doen totdat ze besluiten om een kandidaat te interviewen die door Joonko is doorverwezen.

Kunt u de voordelen van een gediversifieerde wervingspool bespreken om AI-vooringenomenheid te voorkomen?

De manier waarop we ernaar kijken is dat hoe meer ondervertegenwoordigde kandidaten je kunt aantrekken en interviewen, hoe meer gegevens je kunt auditen voor menselijke en technologische vooroordelen. Vooroordeel treedt in wezen op wanneer een model (of persoon) gewend is aan het zien van vergelijkbare gegevens herhaaldelijk. Wanneer je zwaar investeert in kandidaatdiversiteit, kun je je technologie en het wervings-team dat deze gebruikt, trainen om bij te dragen aan de diversiteitsvliegwiel.

Wat zijn enkele andere redenen waarom diversiteit een prioriteit moet zijn voor bedrijven?

Veel bedrijven vertrouwen doorgaans op verwijzingen om open posities in te vullen, wat volgens gegevens kan leiden tot een homogene werkkracht. Ik geloof dat het belangrijk is voor bedrijven om een spotlight te werpen op over het hoofd gezien talent – inclusief ‘zilveren medaille-kandidaten’ die het tot de laatste ronde hebben geschopt bij topbedrijven, maar uiteindelijk niet de baan kregen.

Niet alleen is het prioriteren van DE&I objectief het rechtvaardige en juiste ding om te doen en een belangrijk onderdeel van een vooruitstrevende, rechtvaardige samenleving, maar het is ook gewoon goed voor de business – bedrijven die deze inspanningen prioriteren, zijn productiever en succesvoller, terwijl werknemers gelukkiger zijn en langer blijven.

Heb je enig laatste advies voor vrouwen die overwegen om in informatica of AI te springen?

Zoek naar gemeenschappen van vrouwen waar je op kunt steunen als dingen moeilijk worden. De toekomst van de kunstmatige intelligentie-industrie hangt af van de deelname van vrouwen, maar wordt momenteel gedomineerd door mannen. Hoe sneller je een netwerk van vrouwen kunt opbouwen die je ervaringen delen, hoe waarschijnlijker het is dat je wordt ondersteund en gedijt in de industrie.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten bezoeken Joonko.