Arsham Ghahramani, PhD, medgrundare och VD för Ribbon – Intervju-serie

Arsham Ghahramani, PhD, är medgrundare och VD för Ribbon. Med bas i Toronto och ursprungligen från Storbritannien har Ghahramani en bakgrund inom både artificiell intelligens och biologi. Hans professionella erfarenhet spänner över en rad områden, inklusive högfrekvenshandel, rekrytering och biomedicinsk forskning.

Ghahramani började arbeta inom AI-området runt 2014. Han avslutade sin doktorsexamen vid The Francis Crick Institute, där han tillämpade tidiga former av generativ AI för att studera cancergenreglering – långt innan begreppet “generativ AI” blev allmänt känt.

Han leder för närvarande Ribbon, ett teknologiföretag som fokuserar på att dramatiskt påskynda rekryteringsprocessen. Ribbon har samlat in över 8 miljoner dollar i finansiering, stöttat över 200 000 jobbsökande och fortsätter att växa sin personal. Plattformen syftar till att göra rekrytering 100 gånger snabbare genom att kombinera AI och automatisering för att effektivisera rekryteringsflöden.

Låt oss börja från början — vad inspirerade dig att grundade Ribbon, och vad var det “aha”-ögonblick som gjorde dig inse att rekrytering var trasig?

Jag träffade min medgrundare Dave Vu medan vi båda var på Ezra – han var chef för Personal och Talang, och jag var chef för Maskinlärande. När vi snabbt utvidgade mitt team, kände vi ständigt trycket att anställa snabbt, men vi saknade rätt verktyg för att effektivisera processen. Jag var tidigt ute med AI (jag avslutade min doktorsexamen 2014, långt innan AI blev allmänt känt), och jag hade en tidig förståelse för AI:s påverkan på rekrytering. Jag såg förstahands de ineffektiviteter och utmaningar som finns i traditionell rekrytering och visste att det måste finnas ett bättre sätt. Den insikten ledde oss till att skapa Ribbon.

Du har arbetat i maskinlärande-roller på Amazon, Ezra och till och med i algoritmisk handel. Hur formade den bakgrunden sättet du angrep byggnationen av Ribbon?

På Ezra arbetade jag med AI-hälsovårdsteknik, där insatserna inte kunde vara högre – om ett AI-system är partiskt, kan det vara en fråga om liv och död. Vi lade ner mycket tid och energi på att se till att vår AI var opartisk, samt utvecklade metoder för att upptäcka och mildra partiskhet. Jag förde över dessa tekniker till Ribbon, där vi använder dessa tekniker för att övervaka och minska partiskhet i vår AI-intervjuare, vilket i slutändan skapar en mer rättvis rekryteringsprocess.

Hur påverkade din erfarenhet som kandidat och rekryterare de produktbeslut du fattade tidigt?

Att hitta ett jobb är en mödosam process för juniora kandidater. Jag minns, inte så länge sedan, att jag var en junior kandidat som ansökte till många jobb. Det har bara blivit svårare sedan dess. På Ribbon har vi stor empati för jobbsökande. Vår röst-AI är ofta den första kontaktpunkten mellan ett företag och en kandidat, så vi arbetar hårt för att göra den upplevelsen positiv och givande. Ett av sätten vi gör det är genom att se till att kandidaterna pratar med samma AI under hela rekryteringsprocessen. Den konsekvensen hjälper till att bygga förtroende och komfort – till skillnad från traditionella processer där kandidaterna överförs mellan flera personer, så våra AI erbjuder en stadig, bekant närvaro som hjälper kandidaterna att känna sig mer bekväma när de går igenom intervjuer och bedömningar.

Ribbons AI genomför intervjuer som känns mer mänskliga än skriptade botar. Berätta mer om Ribbons adaptiva intervjuförlöp. Vilken sorts realtidsförståelse sker bakom kulisserna?

Vi har byggt fem in-house maskinlärande modeller och kombinerat dem med fyra offentligt tillgängliga modeller för att skapa Ribbon-intervjuupplevelsen. Bakom kulisserna utvärderar vi ständigt samtalet och kombinerar det med kontext från företaget, karriärsidor, offentliga profiler, CV och mer. All denna information kommer samman för att skapa en sömlös intervjupplevelse. Anledningen till att vi kombinerar så mycket information är att vi vill ge kandidaten en upplevelse som är så nära en mänsklig rekryterare som möjligt.

Du betonar att fem minuters röst kan matcha en timmes skriftlig inmatning. Vilken sorts signal fångar du i den ljuddata, och hur analyseras den?

Människor talar vanligtvis ganska snabbt! De flesta jobbansökningsprocesser är mycket tråkiga, och du måste fylla i många olika formulär och flervalsfrågor. Vi har funnit att 5 minuters naturlig konversation motsvarar cirka 25 flervalsfrågor. Informationsdensiteten i röstkommunikation är svår att slå. Utöver det samlar vi in andra faktorer, såsom språkfärdighet och kommunikationsförmåga.

Ribbon fungerar också som en AI-driven skrivare med auto-sammanfattningar och poängsättning. Vilken roll spelar tolkbarhet för att göra dessa data användbara – och rättvisa – för rekryterare?

Tolkbarhet ligger i hjärtat av Ribbons tillvägagångssätt. Varje poäng och analys vi genererar är alltid kopplad till dess ursprung, vilket gör vår AI djupt transparent.

Till exempel, när vi poängsätter en kandidat för deras färdigheter, hänvisar vi till två saker:

1. De ursprungliga jobbkraven och
2. Den exakta ögonblicket i intervjun då kandidaten nämnde en färdighet.

Vi tror att tolkbarheten av AI-system är djupt viktig eftersom vi i slutändan hjälper företag att fatta beslut, och företag vill fatta beslut baserat på konkreta data. Något vi tror är avgörande för både rättvisa och förtroende i AI-driven rekrytering.

Partiskhet i AI-rekryteringssystem är en stor oro. Hur är Ribbon utformat för att minimera eller mildra partiskhet samtidigt som man lyfter fram de bästa kandidaterna?

Partiskhet är en kritisk fråga i AI-rekrytering, och vi tar det mycket allvarligt på Ribbon. Vi har byggt vår AI-intervjuare för att bedöma kandidater baserat på mätbara färdigheter och kompetenser, vilket minskar den subjektivitet som ofta introducerar partiskhet. Vi granskar regelbundet våra AI-system för rättvisa, använder diversifierade och balanserade datamängder och integrerar mänsklig tillsyn för att upptäcka och korrigera potentiell partiskhet. Vårt åtagande är att lyfta fram de bästa kandidaterna på ett rättvist sätt, vilket säkerställer rättvisa rekryteringsbeslut.

Kandidater kan intervjuas när som helst, även klockan 02.00. Hur viktigt är flexibilitet i att demokratisera tillgång till jobb, särskilt för underrepresenterade grupper?

Flexibilitet är nyckeln till att demokratisera tillgång till jobb. Ribbons intervjuer som alltid är tillgängliga tillåter kandidater att delta när som helst som passar dem, vilket bryter ner traditionella barriärer som tidskonflikter eller begränsad tillgänglighet, vilket är särskilt viktigt för föräldrar som arbetar och de som har ovanliga arbetstider. 25 % av Ribbons intervjuer sker mellan 23.00 och 02.00 lokal tid.

Detta är särskilt kritiskt för underrepresenterade grupper, där jobbsökande ofta möter ytterligare begränsningar. Genom att möjliggöra dygnet-runt-tillgång hjälper Ribbon till att säkerställa att alla har en rättvis chans att visa sina färdigheter och säkra anställningsmöjligheter.

Ribbon handlar inte bara om rekrytering – det handlar om att minska friktionen mellan människor och möjligheter. Vad ser den framtiden ut som?

På Ribbon sträcker sig vår vision bortom effektiv rekrytering; vi vill ta bort friktionen mellan individer och de möjligheter som de är lämpade för. Vi ser en framtid där teknologi sömlöst kopplar ihop talang med roller som matchar deras färdigheter och ambitioner perfekt, oavsett deras bakgrund eller nätverk. Genom att minska friktionen i karriärrörlighet möjliggör vi att anställda kan växa, utvecklas och hitta meningsfulla möjligheter utan onödiga hinder. Snabbare intern rörlighet, lägre personalomsättning och slutligen bättre resultat för både individer och företag.

Hur ser du att AI förvandlar rekryteringsprocessen och den bredare arbetsmarknaden under de kommande fem åren?

AI kommer att omvandla rekryteringsprocessen och den bredare arbetsmarknaden under de kommande fem åren. Vi förväntar oss att AI-driven automatisering kommer att effektivisera repetitiva uppgifter, vilket gör att rekryterare kan fokusera på djupare kandidatinteraktioner och strategiska rekryteringsbeslut. AI kommer också att förbättra precisionen i att matcha kandidater till roller, vilket påskyndar rekryteringstider och förbättrar kandidatupplevelser. Men för att förverkliga dessa fördelar fullt ut måste branschen prioritera transparens, rättvisa och etiska överväganden, vilket säkerställer att AI blir ett pålitligt verktyg som skapar en mer jämlik anställningslandskap.

Tack för den utmärkta intervjun, läsare som vill lära sig mer kan besöka Ribbon.