Ilit Raz, Oprichter en CEO van Joonko – Interviewreeks

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 (AXP ), 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 zat, 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 kloven in de industrie, zoals salaris- en promotiekloven?

Tijdens mijn eerste paar jaar werken bij particuliere softwarebedrijven was ik me niet persoonlijk bewust van de vooroordelen die vrouwen tegenkwamen. Toen begon ik te netwerken met technologen die toevallig vrouwen waren. Ik werd snel bewust van hoe groot het probleem was nadat ik naar de verhalen had geluisterd die deze vrouwen deelden over het feit dat ze werden genegeerd, genegeerd of geen erkenning 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 vrouwelijke productmanagers waar ik deel van uitmaakte, heeft me ook geconfronteerd met werkplekproblemen die verder gingen dan alleen salariskloven. Dit omvat bijeenkomsten die worden gepland wanneer vrouwen of ouders het werk moeten verlaten, of het aanschouwen van wie mag praten of presenteren tijdens bijeenkomsten. Hoewel deze voorvallen klein lijken, zijn ze significant en invloedrijk als je de persoon bent die wordt beïnvloed.

Ik kwam tot het besef 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 technologieoplossing te creëren, en dat is hoe Joonko is ontstaan.

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

Ons eigen algoritme gebruikt eerst natuurlijke taalverwerking en computervisie om openbare gegevens over de kandidaten te scannen die aan ons worden doorverwezen. We zoeken naar gegevens die valideren of iemand zichzelf identificeert als ondervertegenwoordigd. Als een persoon bijvoorbeeld “ze/hun” pronominale vormen op hun LinkedIn-profiel heeft, kunnen we afleiden dat ze zich mogelijk identificeren als vrouw en geven we die gegevenspunten toe. Als het profiel van de persoon voldoende punten verzamelt, nodigen we hen uit om deel te nemen aan ons talentennetwerk, en zodra ze zich aanmelden, valideren ze onze veronderstelling nog verder door ons te vertellen hoe ze zich identificeren.

Hoe selecteert 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 vormen. Eerst wordt elke kandidaat die zich bij ons netwerk aansluit, doorverwezen door het wervingsTeam waar ze onlangs een sollicitatiegesprek hebben gehad, maar waar ze niet werden aangenomen. De wervingsTeams verwijzen alleen kandidaten door 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 vormt. We verzamelen trefwoorden uit hun cv en de functie waarvoor ze oorspronkelijk solliciteerden, en vergelijken die met de banen die op ons platform worden aangeboden. De meeste modellen gebruiken slechts twee datasets, dus door er drie te gebruiken, vergroten we onze mogelijkheden 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 integratie 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 samen met bedrijven om het matchen te verbeteren of hun wervingsproces te verbeteren.

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

We gebruiken computervisie 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 van begin tot eind geautomatiseerd. Wervingsmedewerkers 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 vermijden?

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, in zijn kern, treedt op wanneer een model (of persoon) gewend is om vergelijkbare gegevens te zien. Wanneer je zwaar investeert in kandidaatdiversiteit, kun je je technologie en het wervingsTeam dat het gebruikt, trainen om bij te dragen aan de diversiteit.

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

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

Naast het feit dat het prioriteit geven aan diversiteit en inclusie objectief het rechtvaardige en juiste ding is om te doen en een belangrijk onderdeel vormt van een vooruitstrevende, rechtvaardige samenleving, is het ook 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 de informatica of AI te springen?

Zoek gemeenschappen van vrouwen waar je op kunt vertrouwen als dingen moeilijk worden. De toekomst van de kunstmatige intelligentie-industrie is afhankelijk 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 je bent om ondersteund te worden en te gedijen in de industrie.

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