Ilit Raz, Fundadora e CEO da Joonko – Série de Entrevistas

Ilit Raz é a fundadora e CEO da Joonko, uma plataforma que ajuda as empresas a aplicar IA em sua estratégia de diversidade de contratação. Hoje, sua empresa trabalha com Adidas, American Express, Crocs e PayPal. Ela arrecadou mais de $38,5M e a empresa cresceu 500% por dois anos consecutivos.

O que a atraiu inicialmente para a ciência da computação?

A tecnologia é uma das maiores e mais bem-sucedidas indústrias em Israel, então sempre estive exposta à indústria de uma forma ou de outra ao longo da minha vida. Quando entrei no exército, tive a oportunidade de trabalhar em uma unidade de tecnologia onde gerenciei o desenvolvimento de software de segurança e passei tempo aprendendo sobre ciência da computação. A partir daí, fiquei viciada e sabia que queria seguir carreira nessa área quando saísse do exército.

Quando você foi inicialmente exposta às lacunas na indústria, como lacunas salariais e de promoção?

Durante meus primeiros anos trabalhando em empresas de software privadas, não estava pessoalmente ciente do viés que as mulheres enfrentavam. Então, comecei a me conectar com tecnólogos que, por acaso, eram mulheres. Rapidamente me tornei consciente de quão grande era o problema após ouvir as histórias que essas mulheres compartilhavam sobre serem interrompidas, ignoradas ou não receberem crédito por suas ideias.

Posso compartilhar a história de criação da Joonko?

Tenho um diploma em ciência da computação e uma formação em engenharia de software e NLP. Tenho experienciado, pessoalmente, tanto vieses inconscientes quanto conscientes, por meio do meu ambiente profissional, e um grupo de gerentes de produto femininos que eu fazia parte também me expôs a problemas de local de trabalho que iam além de lacunas salariais. Isso parece reuniões agendadas quando as mulheres ou os pais precisam sair do trabalho ou testemunhar quem fala ou apresenta durante as reuniões. Embora essas instâncias pareçam menores, são significativas e influentes quando você é a pessoa afetada.

Eu vim a entender que esse era um problema mais amplo, então decidi usar meu background técnico – tenho um diploma em CS e uma formação em engenharia de software e NLP – e enfrentar isso de frente, criando uma nova solução tecnológica, que é como a Joonko nasceu.

Como a Joonko fonte o pool de talentos de candidatos de origens diversas e sub-representadas?

Nosso algoritmo proprietário primeiro usa processamento de linguagem natural e visão computacional para digitalizar dados públicos sobre os candidatos que nos são referidos. Procuramos dados que validem se alguém se identifica como sub-representado. Por exemplo, se uma pessoa tem “ela/dela” pronomes em seu LinkedIn, podemos inferir que ela pode se identificar como mulher e atribuir esse ponto de dados a um ponto. Se o perfil da pessoa coleta pontos suficientes, convidamos para nossa rede de talentos, e uma vez que eles se inscrevem, validam nossa suposição, dizendo-nos como se identificam.

Como a Joonko verifica esse talento?

Usamos uma combinação de toque humano e tecnologia para combinar os candidatos com as vagas abertas que são adequadas. Primeiro, cada candidato que se junta à nossa rede é referido pela equipe de contratação com a qual ele recentemente fez uma entrevista, mas não pôde contratar. As equipes de contratação só referem candidatos que chegaram à rodada final, garantindo que sejam candidatos de alta qualidade. A partir daí, usamos processamento de linguagem natural para combinar o candidato com a empresa e o papel que é o ajuste certo. Coletamos palavras-chave do currículo dele e do papel para o qual ele originalmente fez a entrevista, então comparamos isso com os empregos comercializados em nossa plataforma. A maioria dos modelos usa apenas dois conjuntos de dados, então usar três aumenta nossa capacidade de fazer a combinação certa.

Como a Joonko ajuda as empresas a reter esse talento?

Assistimos as empresas a reter talentos ao longo do processo de contratação, integrando-nos com o sistema de rastreamento de candidatos. Nossa integração nos permite puxar dados, em agregado, sobre quão longe os candidatos da Joonko chegam ao pipeline. Onde quer que vejamos uma queda em comparação com candidatos não-Joonko, trabalhamos com as empresas para melhorar a combinação ou melhorar o processo de contratação.

Quais são outras maneiras pelas quais a Joonko usa IA em seu processo de contratação ou combinação?

Usamos visão computacional e processamento de linguagem natural para determinar se um candidato se identifica como sub-representado. Usamos processamento de linguagem natural para combinar os candidatos com os papéis em nosso pool e usamos aprendizado de máquina para melhorar o processo de combinação à medida que os candidatos selecionam os papéis que os interessam. Por fim, a combinação e o referenciamento são automatizados de ponta a ponta. Os recrutadores não precisam fazer nada até decidirem entrevistar um candidato referido pela Joonko.

Pode discutir os benefícios de um pool de contratação diversificado para evitar viés de IA?

A forma como vemos é que, quanto mais candidatos sub-representados você pode atrair e entrevistar, mais dados você pode auditar para vieses humanos e tecnológicos. O viés, em sua essência, ocorre quando um modelo (ou pessoa) é usado para ver dados semelhantes repetidamente. Quando você investe pesadamente na diversidade de candidatos, você pode treinar sua tecnologia, e a equipe de contratação que a usa, para contribuir para a roda de diversidade.

Quais são outras razões pelas quais a diversidade deve ser uma prioridade para as empresas?

Muitas empresas geralmente confiam em referências para preencher vagas abertas, o que os dados mostram que pode levar a uma força de trabalho homogênea. Acredito que é importante para as empresas dar destaque ao talento negligenciado – incluindo candidatos “medalhistas de prata” que chegaram às etapas finais em empresas de ponta, mas não conseguiram o emprego.

Não apenas priorizar DE&I é objetivamente a coisa certa e justa a fazer e uma parte importante de uma sociedade equitativa e de pensamento avançado, mas também é simplesmente bom para os negócios – as empresas que priorizam esses esforços são mais produtivas e bem-sucedidas, enquanto os funcionários são mais felizes e permanecem por mais tempo.

Tem algum conselho final para as mulheres que estão considerando entrar na ciência da computação ou IA?

Encontre comunidades de mulheres em quem você possa se apoiar quando as coisas ficam difíceis. O futuro da indústria de inteligência artificial depende da participação das mulheres, mas é atualmente dominada por homens. Quanto mais rápido você puder construir uma rede de mulheres que compartilham suas experiências, mais provável é que você seja apoiada e prospere na indústria.

Obrigada pela ótima entrevista, leitores que desejam aprender mais devem visitar Joonko.