Faisal Ahmed. Medgrundare & CTO på Knockri – Intervjuserie

Faisal Ahmed är en teknikledare och produktentusiast med passion för djupinlärning och AI, med förmågan att designa och utveckla komplexa tekniska lösningar på vardagliga problem. Han är en dataingenjör som avslutade sin masterexamen i informationssystem och design vid University of Toronto och har mer än 8 års branscherfarenhet som mjukvaruingenjör som arbetar för Sony Corp Indien och CPPIB Kanada.

Han är både medgrundare och CTO på Knockri, en plattform för bedömning av beteendekompetens som förbättrar mångfalden utan att påverka arbetsprestationer eller anställningseffektivitet.

Kan du definiera ursprunget till namnet Knockri och varför det valdes?

Det finns två etymologiska ursprung för namnet Knockri. Först använde vi ordet "knacka" för att hänvisa till att knacka på möjlighetens dörr. Det andra, mycket relaterat till mitt, Maazs och Jahanzaibs arv, är ordet 'Knockri', som betyder 'jobb' för över en miljard människor på många sydasiatiska språk.

Skulle du kunna dela med dig av Knockris tillkomstberättelse och hur den uppstod från en personlig upplevelse i anställningsprocessen?

Idén till Knockri förverkligades först 2016 när vår VD, Jahanzaib, hade en utmanande tid att hitta arbete på grund av sitt namn. Efter att Maaz föreslog att han skulle anglicera sitt namn på CV:n erbjöds Jahanzaib fler anställningsmöjligheter. Det var en till synes mindre förändring, men det gjorde en värld av skillnad. När vi märkte denna väsentligt bristfälliga del av rekryteringsprocessen, gick vi samman för att utveckla en lösning med användning av teknik. Det var där jag kom in. I samarbete med Jahanzaib och Maaz ville jag använda teknik för att jämna ut villkoren för kandidater. Eftersom AI var i sin linda vid den tiden visste jag att det skulle vara ett ambitiöst projekt att ta mig an, men utmaningen fick mig att vilja ta itu med det ännu mer. Vi såg potentialen med maskininlärning för att minska hinder för kandidater redan 2016, och jag har varit glad att lösa problemet med anställningsfördomar sedan dess.

Varför misslyckas den senaste utbildningen inom mångfald, jämlikhet och inkludering (DEI) både företag och samhället i allmänhet?

DEI-utbildningen misslyckas eftersom företagets motivation kanske inte är på rätt plats. Det finns politiska och måttstyrda motiv som helt enkelt inte genomför verklig förändring och orsakar större klyftor i partiskhet. Att skriva en mission statement och genomdriva företagsriktad bias-träning, där motivationerna enbart ligger "att göra det för att vi måste" gör ingen skillnad. Handlingar säger mycket högre än ord, och att vara motiverad av rätt skäl, såsom produktivitet eller olika synpunkter bland dina anställda för företagets framgång, kommer att göra utbildningen mycket mer effektiv.

Du var tidigare utsedd till medlem i World Economic Forums globala råd för jämställdhet och inkludering, vad innebar denna roll och vad lärde du dig av denna erfarenhet?

Under vårt arbete med World Economic Forum bidrog vi till Diversity, Equity and Inclusion 4.0 Toolkit för ledare för att påskynda sociala framsteg i framtidens arbete. Rapporten undersöker de praktiska möjligheter och risker som snabbt framväxande teknologier utgör för mångfalds-, jämlikhets- och inkluderingsinsatser. Den beskriver också hur teknik kan bidra till att minska partiskhet från rekryteringsprocesser, diversifiera talangpooler och riktmärka mångfald och inkludering mellan organisationer. Utöver detta bidrog vi till Forumets nya Global Social Mobility Index 2020, som ger insikt i förutsättningarna för att bryta kopplingen mellan socioekonomisk bakgrund och en individs utfall i livet. Vi lärde oss vikten av sociala framsteg och är stolta över att ha bidragit med vårt arbete till Forumet för att främja DEI-initiativ med hjälp av teknik för framtiden.

Hur använder Knockri AI för att göra det möjligt för arbetsgivare att övervinna omedveten fördom under anställningsprocessen?

Knockri har gift sig med I/O-psykologi och maskininlärning för att hjälpa till att identifiera beteenden relaterade till specifika färdigheter som krävs för vissa jobb. Istället för att fokusera på hur en person pratar, ser ut, deras kön eller var de kommer ifrån, fokuserar vi på de färdigheter de tillför bordet. Med Knockri spelar det första intrycket inte lika stor roll som i en traditionell intervju – det är alla viktiga färdigheter du kan ta till dig för att bli bäst på ett jobb. Faktum är att vi har gjort det möjligt att välja rätt kandidat utan att ens se deras namn!

Kan du definiera vad som gör ett etiskt AI-system och hur Knockri kan undvika partiskhet i sin egen AI-plattform?

AI är ett kraftfullt verktyg i allmänhet och kan användas på både gott och ont. Det är också ett system som ingenjörer, som jag själv, förstår bättre än vad folk förstår människor. Vi har stor kontroll över hur systemet beter sig, och när det kommer till att bygga etiska system tror jag att så länge motivationerna är på rätt plats är det lättare att träna modellerna på ett positivt sätt. I ett AI-system kan vi kontrollera dess beteende och bygga inom specifika regler och processer för att säkerställa att AI:s beslutsfattande är mer etiskt än tränade mänskliga processer. Och det stannar inte bara där. Det finns alltid fel och blinda fläckar som du kan förbise när du bygger ett system, men på Knockri ser vi alltid till att resultaten spåras och att våra resultat alltid ger rätt utdata. Med en hård kritik av systemet kan våra omfattande tester genom algoritmer identifiera om vissa egenskaper gynnas, och algoritmiskt fixa detta för att ge oss transparens.

Var hämtar Knockri träningsdata och säkerställer att denna data inte är oavsiktligt partisk?

Enkelt uttryckt använder vi vår egen data. Vi hämtar ingen data från öppna källor som vi inte har kontroll över. Vi tar utskrifter som samlats in från bedömningar som har utformats av våra I/O-psykologer för att säkerställa att rätt frågor och färdigheter identifieras. Vi granskar sedan annoteringarna för att säkerställa att inget språk gynnas – i princip tar vi full kontroll över vår datainsamling. Detta säkerställer att den data vi samlar in håller hög kvalitet och att resultaten som algoritmen ger oss är mycket mer effektiva. Eftersom vi vill vara säkra på att vi är trogna vårt uppdrag att vara DEI-fokuserade, har vi utökat vår implementering till olika områden, vilket innebär att vi arbetar över olika geografier, befattningar och branscher för att samla in en väl avrundad uppsättning data. Genom att ha mer varierande data kan vi vara säkra på att den är mindre partisk.

Finns det något mer du skulle vilja dela med dig av om Knockri?

Det finns ett par saker jag skulle vilja dela med mig av. Den första handlar om I/O-psykologi. Ofta antar folk att AI är skrämmande, särskilt som det har utvecklats under de senaste åren. Men vi sammanför den urgamla vetenskapen om I/O-psykologi – studiet av mänskligt beteende – för att driva vår teknik. Verkligen, vi levererar I/O-psykologi i stor skala med hjälp av maskininlärning för att minska partiskhet i rekryteringsmetoder. Slutligen, DEI börjar och slutar inte bara hos våra kunder. På Knockri värdesätter vi DEI lika mycket som de som kommer till oss, vilket vi är stolta över inom vår egen organisation. Som ett företag som brinner för DEI uppmuntrar vi dig att göra din del för att minska partiskhet för dem som historiskt sett kanske inte hade så många möjligheter på arbetsmarknaden. Som jag sa tidigare, handlingar säger mer än ord.