Arsham Ghahramani, PhD, medgrunnlegger og administrerende direktør i Ribbon – Intervju-serie

Arsham Ghahramani, PhD, er medgrunnlegger og administrerende direktør i Ribbon. Basert i Toronto og opprinnelig fra Storbritannia, har Ghahramani en bakgrunn både i kunstig intelligens og biologi. Hans profesjonelle erfaring spenner over en rekke domener, inkludert høyfrekvenshandel, rekruttering og biomedisinsk forskning.

Ghahramani begynte å arbeide med kunstig intelligens rundt 2014. Han fullførte sin PhD ved The Francis Crick Institute, der han anvendte tidlige former for generativ kunstig intelligens til å studere kreftgenregulering – lenge før begrepet “generativ kunstig intelligens” ble vanlig.

Han leder for tiden Ribbon, et teknologiselskap som fokuserer på å dramatisk akselerere rekrutteringsprosessen. Ribbon har samlet inn over 8 millioner dollar i finansiering, støttet over 200 000 jobbsøkere og fortsetter å vokse sitt team. Plattformen har som mål å gjøre rekruttering 100 ganger raskere ved å kombinere kunstig intelligens og automatisering for å strømlinje rekrutteringsarbeidsflyten.

La oss starte fra begynnelsen — hva inspirerte deg til å grunnlegge Ribbon, og hva var “aha”-øyeblikket som gjorde deg klar over at rekruttering var feil?

Jeg møtte min medgrunnlegger Dave Vu mens vi begge var på Ezra – han var sjef for mennesker og talent, og jeg var sjef for maskinlæring. Da vi raskt skalert opp mitt team, følte vi konstant press for å ansette raskt, men manglet de riktige verktøyene for å strømlinje prosessen. Jeg var tidlig ute med kunstig intelligens (jeg fullførte min PhD i 2014, lenge før kunstig intelligens ble vanlig), og jeg hadde en tidlig forståelse av kunstig intelligens’ effekter på rekruttering. Jeg så førstehånds de ineffektivitetene og utfordringene i tradisjonell rekruttering og visste at det måtte finnes en bedre måte. Denne erkjennelsen ledet oss til å lage Ribbon.

Du har arbeidet i maskinlæringsroller i Amazon (AMZN ), Ezra og sogar i algoritme-handel. Hvordan påvirkte denne bakgrunnen måten du nærmet deg å bygge Ribbon?

På Ezra arbeidet jeg med kunstig intelligens-helseteknologi, der innsatsen ikke kunne være høyere – hvis et kunstig intelligens-system er forvrengt, kan det være en liv eller død-sak. Vi brukte mye tid og energi på å sikre at vårt kunstig intelligens-system var upartisk, samt utviklet metoder for å oppdage og motvirke forvrengning. Jeg tok over disse teknikker til Ribbon, der vi bruker disse teknikker for å overvåke og redusere forvrengning i vårt kunstig intelligens-intervjuer, og skaper dermed en mer rettferdig rekrutteringsprosess.

Hvordan påvirkede din erfaring som kandidat og rekrutteringsleder beslutningene du tok tidlig i produktutviklingen?

Å finne en jobb er en hard prosess for junior-kandidater. Jeg husker ikke så lenge siden at jeg selv var en junior-kandidat som søkte på mange jobber. Det har bare blitt hardere siden da. Hos Ribbon har vi stor empati for jobbsøkere. Vårt stemme-kunstig intelligens er ofte den første kontakten mellom et selskap og en kandidat, så vi jobber hardt for å gjøre denne opplevelsen positiv og givende. En av måtene vi gjør dette på er ved å sikre at kandidatene snakker med samme kunstig intelligens gjennom hele rekrutteringsprosessen. Denne konsistensen hjelper til å bygge tillit og komfort – i motsetning til tradisjonelle prosesser der kandidater blir overført mellom flere personer, så vårt kunstig intelligens-system gir en stabil og kjent tilstedeværelse som hjelper kandidatene til å føle seg mer komfortable når de går gjennom intervjuer og vurderinger.

Ribbons kunstig intelligens gjennomfører intervjuer som føles mer menneskelige enn skriptede boter. Fortell oss mer om Ribbons adaptive intervju-prosess. Hva slags sanntidsforståelse skjer bak kulissene?

Vi har bygget fem interne maskinlæringsmodeller og kombinert dem med fire offentlig tilgjengelige modeller for å skape Ribbon-intervju-opplevelsen. Bak kulissene vurderer vi hele tiden samtalen og kombinerer denne med kontekst fra selskapet, karriere-sider, offentlige profiler, CV-er og mer. All denne informasjonen kommer sammen for å skape en sammenhengende intervju-opplevelse. Grunnen til at vi kombinerer så mye informasjon er at vi ønsker å gi kandidaten en opplevelse så nær en menneskelig rekrutteringsleder som mulig.

Du fremhever at fem minutter med stemme kan matche en time med skriftlig innputt. Hva slags signal fanger du i denne lyddata, og hvordan analyseres det?

Mennesker snakker generelt ganske raskt! De fleste jobb-søknadsprosesser er svært kjedelige, og krever at du fyller ut mange forskjellige skjemaer og multiple-valg-spørsmål. Vi har funnet ut at 5 minutter med naturlig samtale tilsvarer omtrent 25 multiple-valg-spørsmål. Informasjons-tettheten i stemme-samtale er hard å slå. I tillegg samler vi inn andre faktorer, som språk-ferdighet og kommunikasjonsevner.

Ribbon fungerer også som et kunstig intelligens-drevet skriver med auto-summeringer og scoring. Hva slags rolle spiller tolkbarhet i å gjøre denne dataen nyttig – og rettferdig – for rekrutterere?

Tolkbarhet er kjernen i Ribbons tilnærming. Hver score og analyse vi genererer er alltid koblet tilbake til sin kilde, og gjør vårt kunstig intelligens-system dypt gjennomsiktig.

For eksempel, når vi scorer en kandidat på deres ferdigheter, henviser vi til to ting:

1. De opprinnelige jobbkravene og
2. Omgående øyeblikket i intervjuet da kandidaten nevnte en ferdighet.

Vi tror at tolkbarheten av kunstig intelligens-systemer er dypt viktig, fordi vi på slutten av dagen hjelper selskaper med å ta beslutninger, og selskaper liker å ta beslutninger basert på konkrete data. Noe vi mener er kritisk for både rettferdighet og tillit i kunstig intelligens-drevet rekruttering.

Forvrengning i kunstig intelligens-rekrutteringssystemer er en stor bekymring. Hvordan er Ribbon designet for å minimere eller motvirke forvrengning samtidig som det fremhever topp-kandidater?

Forvrengning er en kritisk problemstilling i kunstig intelligens-rekruttering, og vi tar det svært alvorlig i Ribbon. Vi har bygget vårt kunstig intelligens-intervju til å vurdere kandidater basert på målbare ferdigheter og kompetanser, og reduserer dermed subjektiviteten som ofte introduserer forvrengning. Vi gjennomfører regelmessig audit av våre kunstig intelligens-systemer for rettferdighet, anvender diverse og balanserte datasett, og integrerer menneskelig tilsyn for å fange og korrigere potensielle forvrengninger. Vårt engasjement er å fremheve de beste kandidatene rettferdig, og sikre rettferdige rekrutteringsbeslutninger.

Kandidater kan intervjue når som helst, selv klokken 2 om natten. Hvor viktig er fleksibilitet i å demokratisere tilgangen til jobber, spesielt for underrepresenterte samfunn?

Fleksibilitet er nøkkel til å demokratisere jobb-tilgang. Ribbons intervjuer kan gjennomføres når som helst, og bryter dermed ned tradisjonelle barrierer som konfliktende tidsskjemaer eller begrensede tilgjengelighet, noe som er spesielt gunstig for arbeidende foreldre og de med ikke-tradisjonelle arbeidstider. Faktisk skjer 25% av Ribbons intervjuer mellom klokken 23 og 02 lokale tid.

Dette er spesielt kritisk for underrepresenterte samfunn, der jobbsøkere ofte møter ekstra begrensninger. Ved å aktivere døgnet-runde tilgang, hjelper Ribbon til å sikre at alle har en rettferdig mulighet til å vise frem sine ferdigheter og sikre jobb-muligheter.

Ribbon handler ikke bare om rekruttering – det handler om å redusere friksjon mellom mennesker og muligheter. Hva ser denne fremtiden ut som?

Hos Ribbon ser vi en fremtid der teknologi sammenhenger talenter med roller som passer perfekt med deres evner og ambisjoner, uavhengig av deres bakgrunn eller nettverk. Ved å redusere friksjon i karriere-bevegelse, muliggjør vi at ansatte kan vokse, utvikle seg og finne meningsfulle muligheter uten unødvendige barrierer. Raskere interne bevegelser, lavere omsetning og til slutt bedre resultater for både enkelt-personer og selskaper.

Hvordan ser du på at kunstig intelligens transformerer rekrutteringsprosessen og den bredere jobb-markedet de neste fem årene?

Kunstig intelligens vil forandre rekrutteringsprosessen og den bredere jobb-markedet dramatisk de neste fem årene. Vi forventer at kunstig intelligens-drevet automatisering vil strømlinje gjentakende oppgaver, og frigjøre rekrutterere til å fokusere på dypere kandidat-interaksjoner og strategiske rekrutteringsbeslutninger. Kunstig intelligens vil også forbedre nøyaktigheten i å matche kandidater med roller, akselerere rekrutterings-tidsrammer og forbedre kandidat-opplevelser. Men for å realisere disse fordelene fullt ut, må industrien prioritere gjennomsiktighet, rettferdighet og etiske overvegelser, og sikre at kunstig intelligens blir et pålitelig verktøy som skaper en mer rettferdig arbeids-markeds-landskap.

Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke Ribbon.