Аршам Гахрамани, PhD, сооснователь и CEO Ribbon – Интервью

Аршам Гахрамани, PhD, является сооснователем и CEO Ribbon. Основанный в Торонто и изначально из Великобритании, Гахрамани имеет опыт в области искусственного интеллекта и биологии. Его профессиональный опыт охватывает различные области, включая высокочастотную торговлю, набор персонала и биомедицинские исследования.

Гахрамани начал работать в области ИИ около 2014 года. Он завершил свою диссертацию в Институте Фрэнсиса Крика, где он применил ранние формы генеративного ИИ для изучения регуляции генов рака – задолго до того, как термин “генеративный ИИ” вошел в широкое использование.

В настоящее время он руководит Ribbon, технологической компанией, которая фокусируется на значительном ускорении процесса найма. Ribbon привлекла более 8 миллионов долларов финансирования, поддержала более 200 000 соискателей и продолжает расти свою команду. Платформа направлена на то, чтобы сделать процесс найма в 100 раз быстрее, сочетая ИИ и автоматизацию для оптимизации потоков набора персонала.

Давайте начнем с начала — что вдохновило вас основать Ribbon, и какой был момент, когда вы поняли, что процесс найма сломан?

Я встретил своего сооснователя Дэйва Ву, когда мы оба были в Эзре – он был руководителем отдела персонала и талантов, а я был руководителем отдела машинного обучения. Когда мы быстро расширяли мою команду, мы постоянно чувствовали давление, чтобы нанять людей быстро, но у нас не было правильных инструментов, чтобы оптимизировать этот процесс. Я был одним из первых, кто начал работать с ИИ (я завершил свою диссертацию в 2014 году, задолго до того, как ИИ стал мейнстримом), и у меня было раннее понимание влияния ИИ на процесс найма. Я увидел лично неэффективность и проблемы в традиционном наборе персонала и знал, что должен быть лучший способ. Это понимание привело нас к созданию Ribbon.

Вы работали в ролях машинного обучения в Amazon (AMZN ), Эзре и даже в алгоритмической торговле. Как этот опыт повлиял на ваш подход к построению Ribbon?

В Эзре я работал над ИИ в области здравоохранения, где ставки не могли быть выше – если система ИИ предвзята, это может быть вопросом жизни и смерти. Мы потратили много времени и энергии на то, чтобы убедиться, что наша система ИИ не была предвзятой, а также разработали методы для обнаружения и смягчения предвзятости. Я применил эти методы в Ribbon, где мы используем эти методы для мониторинга и снижения предвзятости в нашей системе ИИ-интервьюера, в конечном итоге создавая более справедливый процесс найма.

Как ваш опыт в качестве кандидата и менеджера по найму повлиял на принятие решений о продукте на ранней стадии?

Поиск работы – это изнурительный процесс для младших кандидатов. Я помню, не так давно я был младшим кандидатом, подавая заявки на многие работы. С тех пор это стало только сложнее. В Ribbon у нас есть глубокое сочувствие к соискателям. Наша система ИИ-интервью часто является первой точкой контакта между компанией и кандидатом, поэтому мы работаем над тем, чтобы сделать этот опыт положительным и полезным. Одним из способов, которыми мы это делаем, является обеспечение того, чтобы кандидаты общались с одной и той же системой ИИ на протяжении всего процесса найма. Эта последовательность помогает построить доверие и комфорт – в отличие от традиционных процессов, где кандидатов передают между несколькими людьми, наша система ИИ обеспечивает стабильное, знакомое присутствие, которое помогает кандидатам чувствовать себя более комфортно, когда они проходят через интервью и оценки.

Система ИИ Ribbon проводит интервью, которые кажутся более человеческими, чем скриптовыми ботами. Расскажите нам больше о адаптивном потоке интервью Ribbon. Какое реальное понимание происходит за кулисами?

Мы построили пять внутренних моделей машинного обучения и объединили их с четырьмя общедоступными моделями, чтобы создать опыт интервью Ribbon. За кулисами мы постоянно оцениваем разговор и объединяем эту информацию с контекстом компании, страницами карьеры, публичными профилями, резюме и многим другим. Все эта информация объединяется, чтобы создать бесшовный опыт интервью. Мы объединяем так много информации, потому что хотим дать кандидату опыт, максимально приближенный к человеческому рекрутеру.

Вы подчеркиваете, что пять минут голоса могут соответствовать одному часу письменного ввода. Какой сигнал вы捕ываете в этом аудиоданных, и как он анализируется?

Люди обычно говорят довольно быстро! Большинство процессов подачи заявки на работу очень утомительны, требуя от вас заполнить много разных форм и множество вопросов с несколькими вариантами ответов. Мы обнаружили, что 5 минут естественного разговора эквивалентны примерно 25 вопросам с несколькими вариантами ответов. Плотность информации в голосовом разговоре трудно превзойти. Кроме того, мы собираем другие факторы, такие как владение языком и навыки общения.

Ribbon также выступает в качестве ИИ-поверенного с автоматическими резюме и оценками. Какую роль играет интерпретируемость в том, чтобы сделать эти данные полезными – и справедливыми – для рекрутеров?

Интерпретируемость является核心 подхода Ribbon. Каждый балл и анализ, который мы генерируем, всегда привязан к его источнику, что делает наш ИИ глубоко прозрачным.

Например, когда мы оцениваем кандидата по его навыкам, мы ссылаемся на два вещи:

1. Оригинальные требования к работе и
2. Точный момент в интервью, когда кандидат упомянул навык.

Мы считаем, что интерпретируемость систем ИИ глубоко важна, потому что в конечном итоге мы помогаем компаниям принимать решения, и компании хотят принимать решения на основе конкретных данных. Это то, что мы считаем критически важным для справедливости и доверия в ИИ-обусловленном найме.

Предвзятость в системах ИИ-найма является большой проблемой. Как Ribbon спроектирован, чтобы минимизировать или смягчить предвзятость, одновременно выявляя лучших кандидатов?

Предвзятость является критической проблемой в ИИ-найме, и мы относимся к этому очень серьезно в Ribbon. Мы построили нашу систему ИИ-интервью, чтобы оценивать кандидатов на основе измеримых навыков и компетенций, снижая субъективность, которая часто вводит предвзятость. Мы регулярно проводим аудит наших систем ИИ на справедливость, используем разнообразные и сбалансированные наборы данных и интегрируем человеческий надзор, чтобы обнаружить и исправить потенциальные предвзятости. Наша приверженность – выявить лучших кандидатов справедливо, обеспечивая справедливые решения о найме.

Кандидаты могут проходить интервью в любое время, даже в 2 часа ночи. Насколько важно гибкость в демократизации доступа к работе, особенно для недостаточно обслуживаемых сообществ?

Гибкость является ключом к демократизации доступа к работе. Возможность всегда-на интервью Ribbon позволяет кандидатам участвовать в любое время, удобное для них, разрушая традиционные барьеры, такие как конфликтующие графики или ограниченная доступность, что особенно полезно для работающих родителей и тех, кто имеет нетрадиционные часы. Фактически, 25% интервью Ribbon проходят между 23:00 и 2:00 местного времени.

Это особенно важно для недостаточно обслуживаемых сообществ, где соискатели часто сталкиваются с дополнительными ограничениями. Позволяя круглосуточный доступ, Ribbon помогает обеспечить, чтобы каждый имел справедливую возможность продемонстрировать свои навыки и получить возможности трудоустройства.

Ribbon не только о найме – это о снижении трения между людьми и возможностями. Какой будущий?

В Ribbon наше видение выходит за рамки эффективного найма; мы хотим удалить трение между людьми и возможностями, для которых они подходят. Мы представляем будущее, где технологии безшовно соединяют таланты с ролями, которые идеально соответствуют их способностям и амбициям, независимо от их происхождения или сети. Снижая трение в карьерной мобильности, мы позволяем сотрудникам расти, развиваться и находить полноценные возможности без ненужных барьеров. Более быстрая внутренняя мобильность, более низкая текучесть и в конечном итоге лучшие результаты для отдельных лиц и компаний.

Как вы видите, ИИ будет преобразовывать процесс найма и более широкий рынок труда в течение следующих пяти лет?

ИИ глубоко изменит процесс найма и более широкий рынок труда в течение следующих пяти лет. Мы ожидаем, что ИИ-обусловленная автоматизация оптимизирует повторяющиеся задачи, освобождая рекрутеров для более глубокого взаимодействия с кандидатами и стратегических решений о найме. ИИ также повысит точность сопоставления кандидатов с ролями, ускоряя сроки найма и улучшая опыт кандидатов. Однако, чтобы полностью реализовать эти выгоды, отрасль должна уделять приоритетное внимание прозрачности, справедливости и этическим соображениям, обеспечивая, что ИИ становится надежным инструментом, который создает более справедливый рынок труда.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Ribbon.