Илит Раз, основатель и генеральный директор Joonko – Интервью

Илит Раз является основателем и генеральным директором Joonko, платформы, которая помогает бизнесу применять ИИ к своей стратегии набора разнообразных сотрудников. Сегодня ее компания работает с Adidas, American Express (AXP ), Crocs и PayPal. Она подняла более $38,5M и компания выросла на 500% за два последовательных года.

Что изначально привлекло вас к информатике?

Технологии являются одной из крупнейших и наиболее успешных отраслей в Израиле, поэтому я всегда была знакома с отраслью в той или иной форме на протяжении всей своей жизни. Когда я поступила в армию, я получила возможность работать в технологическом подразделении, где я управляла разработкой программного обеспечения безопасности и проводила время, изучая информатику. С тех пор я была увлечена и знала, что хочу сделать это своей карьерой, когда я покину армию.

Когда вы впервые узнали о различных пробелах в отрасли, таких как зарплатные и карьерные пробелы?

В течение первых нескольких лет работы в частных компаниях по разработке программного обеспечения я не была лично осведомлена о предвзятости, с которой сталкиваются женщины. Затем я начала общаться с технологами, которые оказались женщинами. Я быстро поняла, насколько велика проблема после того, как услышала истории, которые эти женщины рассказали о том, как их перебивали, игнорировали или не давали им кредит за их идеи.

Можете ли вы рассказать историю создания Joonko?

У меня есть степень в области информатики и опыт работы в области разработки программного обеспечения и обработки естественного языка. Я лично испытала как бессознательное, так и сознательное предвзятое отношение через свою профессиональную среду, и группа женщин-продакт-менеджеров, частью которой я была, также познакомила меня с проблемами на рабочем месте, которые были больше, чем просто зарплатные пробелы. Это выглядит как встречи, запланированные на время, когда женщины или родители должны уйти с работы, или свидетели того, кто получает право говорить или представлять на встречах. Хотя эти случаи кажутся незначительными, они значительны и влиятельны, когда вы являетесь человеком, на которого они влияют.

Я поняла, что это более широкая проблема, поэтому я решила использовать свой технический опыт – я имею степень в области информатики и опыт работы в области разработки программного обеспечения и обработки естественного языка – и решить эту проблему, создав новое технологическое решение, которое является тем, как родилась Joonko.

Как Joonko находит таланты из разнообразных и недостаточно представленных слоев населения?

Наш проприетарный алгоритм сначала использует обработку естественного языка и компьютерное зрение для сканирования публичных данных о кандидатах, которые нам рекомендуют. Мы ищем данные, которые подтверждают, что человек идентифицирует себя как недостаточно представленный. Например, если у человека есть местоимения “она/её” на его странице LinkedIn, мы можем сделать вывод, что он может идентифицировать себя как женщина, и присвоить этому данный пункт. Если профиль человека собирает достаточно пунктов, мы приглашаем его в нашу сеть талантов, и как только он зарегистрируется, он进一步 подтверждает наше предположение, рассказывая нам, как он идентифицирует себя.

Как Joonko проверяет этот талант?

Мы используем комбинацию человеческого подхода и технологий, чтобы сопоставить кандидатов с открытыми позициями, которые подходят им. Сначала каждый кандидат, который присоединяется к нашей сети, рекомендует команду по набору персонала, с которой он недавно проходил собеседование, но которую не смог нанять. Команды по набору персонала рекомендуют только кандидатов, которые дошли до финального раунда, что гарантирует, что они являются высококачественными кандидатами. Оттуда мы используем обработку естественного языка, чтобы сопоставить кандидата с компанией и ролью, которая является правильным вариантом. Мы собираем ключевые слова из его резюме и роли, на которую он изначально проходил собеседование, а затем сравниваем их с работами, представленными на нашей платформе. Большинство моделей используют только два набора данных, поэтому использование трех увеличивает нашу способность сделать правильное совпадение.

Как Joonko помогает компаниям сохранять этот талант?

Мы помогаем компаниям сохранять таланты на протяжении всего процесса набора персонала, интегрируясь с системой отслеживания заявок. Наша интеграция позволяет нам получать данные в агрегированном виде о том, как далеко кандидаты Joonko проходят через трубу. Где бы мы ни видели спад по сравнению с кандидатами, не являющимися Joonko, мы работаем с компаниями, чтобы либо улучшить совпадение, либо улучшить их процесс набора персонала.

Можете ли вы рассказать о других способах, которыми Joonko использует ИИ в процессе набора или подбора?

Мы используем компьютерное зрение и обработку естественного языка, чтобы определить, идентифицирует ли кандидат себя как недостаточно представленный. Мы используем обработку естественного языка, чтобы сопоставить кандидатов с ролями в нашем пуле, и мы используем машинное обучение, чтобы улучшить процесс сопоставления, когда кандидаты выбирают роли, которые их интересуют. Наконец, сопоставление и рекомендация автоматизированы от начала до конца. Рекрутерам не нужно делать ничего, пока они не решат пригласить на собеседование кандидата, рекомендованного Joonko.

Можете ли вы обсудить преимущества диверсифицированного пула набора, чтобы избежать предвзятости ИИ?

Мы рассматриваем это так: чем больше кандидатов из недостаточно представленных слоев населения вы можете привлечь и пригласить на собеседование, тем больше данных вы можете проверить на человеческую и технологическую предвзятость. Предвзятость, в своей основе, возникает, когда модель (или человек) привыкает видеть одинаковые данные снова и снова. Когда вы сильно инвестируете в разнообразие кандидатов, вы можете обучить свою технологию, а также команду по набору персонала, которая использует ее, чтобы внести свой вклад в колесо разнообразия.

Можете ли вы рассказать о других причинах, по которым разнообразие должно быть приоритетом для компаний?

Многие компании обычно полагаются на рекомендации, чтобы заполнить открытые позиции, что, согласно данным, может привести к однородной рабочей силе. Я считаю, что важно для компаний сосредоточиться на упущенном таланте – включая “серебряных медалистов”, которые дошли до финальных этапов в лучших компаниях, но не получили работу.

Не только приоритизация разнообразия, равенства и инклюзивности является объективно справедливым и правильным делом и важной частью прогрессивного, справедливого общества, но это также просто хорошо для бизнеса – компании, которые отдают приоритет этим усилиям, более продуктивны и успешны, а сотрудники счастливее и дольше остаются.

У вас есть какие-либо окончательные советы для женщин, которые рассматривают возможность карьеры в области информатики или ИИ?

Найдите сообщества женщин, на которых вы можете опереться, когда дела становятся трудными. Будущее отрасли искусственного интеллекта зависит от участия женщин, но в настоящее время оно доминируется мужчинами. Чем быстрее вы сможете построить сеть женщин, которые разделяют ваши опыт, тем более вероятно, что вы будете поддержаны и процветать в отрасли.

Спасибо за отличное интервью, читатели, которые хотят узнать больше, должны посетить Joonko.