Arsham Ghahramani, PhD, medgrundare och VD för Ribbon – Intervjuserie

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 omfattar en mängd olika 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 accelerera 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 “aha”-ögonblicket som gjorde att du insåg 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 maskinlärning. 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 fanns i traditionell rekrytering och visste att det måste finnas ett bättre sätt. Den insikten ledde oss till att skapa Ribbon.

Du har arbetat med maskinlärning på Amazon (AMZN ), Ezra och till och med inom algoritmbaserad handel. Hur påverkade den bakgrunden din tillvägagångssätt när du byggde Ribbon?

På Ezra arbetade jag med AI-hälsoteknik, 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 skapar en mer jämlik rekryteringsprocess.

Hur påverkade din erfarenhet som kandidat och rekryterare dina produktbeslut i början?

Att hitta ett jobb är en mödosam process för juniora kandidater. Jag minns, inte alltför länge sedan, att jag var en junior kandidat som sökte 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 sätt som vi gör det på 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 kandidater överförs mellan flera personer, så våra AI ger en stadig, välbekant närvaro som hjälper kandidaterna att känna sig mer bekväma när de går igenom intervjuer och utvärderingar.

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

Vi har byggt fem in-house maskinlärningsmodeller och kombinerat dem med fyra allmänt 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 intervjuprocess. 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 skriven inmatning. Vilken slags signal fångar du i den ljuddata, och hur analyseras den?

Människor talar vanligtvis ganska snabbt! De flesta jobbansökningsprocesser är mycket tråkiga, eftersom de kräver att du fyller i många olika formulär och flera frågor med flera alternativ. Vi har funnit att 5 minuters naturlig konversation motsvarar cirka 25 flera frågor med flera alternativ. Informationsdensiteten i röstkommunikation är svår att slå. Utöver det samlar vi in andra faktorer, som språkfärdighet och kommunikationsförmåga.

Ribbon fungerar också som en AI-stödd skrivare med autosammanfattningar och poängsättning. Vilken roll spelar tolkbarhet för att göra dessa data användbara – och rättvist – för rekryterare?

Tolkbarhet är kärnan i 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. Det 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 konkret data. Något vi tror är avgörande för både rättvisa och förtroende i AI-driven rekrytering.

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

Partiskhet är ett kritiskt problem 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 rättvist rekryteringsbeslut.

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

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

Detta är särskilt avgörande för underrepresenterade samhällen, där jobbsökande ofta står inför ytterligare begränsningar. Genom att möjliggöra dygnet-runt-tillgång hjälper Ribbon till att säkerställa att alla har en rättvis chans att visa upp 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 de är lämpade för. Vi ser en framtid där teknologi sömlöst kopplar talang till roller som stämmer perfekt överens med deras förmågor och ambitioner, oavsett deras bakgrund eller nätverk. Genom att minska friktionen i karriärsmobilitet möjliggör vi för anställda att växa, utvecklas och hitta meningsfulla möjligheter utan onödiga hinder. Snabbare intern mobilitet, 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 förvandla 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 kommer att påskynda rekryteringstider och förbättra 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 arbetsmarknad.

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