Joonko'nun Kurucusu ve CEO'su Ilit Raz - Röportaj Serisi

İlit Raz Kurucusu ve CEO'su Joonko, işletmelerin çeşitlilik kaynak bulma stratejilerine yapay zeka uygulamalarına yardımcı olan bir platform. Bugün şirketi Adidas, American Express, Crocs ve PayPal ile çalışıyor. o 38.5 milyon doları aştı ve şirket iki yıl üst üste %500 büyüdü.

Başlangıçta sizi bilgisayar bilimine çeken neydi?

Teknoloji, İsrail'deki en büyük ve en başarılı endüstrilerden biridir, bu yüzden hayatım boyunca her zaman endüstriye şu ya da bu şekilde maruz kaldım. Askere gittiğimde güvenlik yazılımlarının geliştirilmesini yönettiğim ve bilgisayar bilimleri hakkında bilgi edinerek vakit geçirdiğim bir teknoloji biriminde çalışma fırsatı kazandım. Oradan bağlandım ve ordudan ayrıldıktan sonra bunu bir kariyer olarak sürdürmek istediğimi biliyordum.

Sektördeki maaş ve terfi boşlukları gibi çeşitli boşluklara ilk ne zaman maruz kaldınız?

Özel yazılım şirketlerinde çalıştığım ilk birkaç yıl boyunca, kadınların karşılaştığı ön yargının kişisel olarak farkında değildim. Sonra, tesadüfen kadın olan teknoloji uzmanlarıyla iletişim kurmaya başladım. Bu kadınların üzerinde konuşulduğu, görmezden gelindiği veya fikirlerinin takdir edilmediğiyle ilgili paylaştığı hikayeleri dinledikten sonra sorunun ne kadar büyük olduğunun hemen farkına vardım.

Joonko'nun arkasındaki oluşum hikayesini paylaşabilir misiniz?

Bilgisayar bilimi diplomam ve yazılım mühendisliği ve NLP geçmişim var. Profesyonel çevrem aracılığıyla kişisel olarak hem bilinçsiz hem de bilinçli önyargı yaşadım ve parçası olduğum bir grup kadın ürün yöneticisi de beni maaş boşluklarından daha fazlası olan işyeri sorunlarına maruz bıraktı. Bu, kadınların veya ebeveynlerin işten ayrılmaları gerektiğinde programlanan toplantılara veya toplantılar sırasında kimin konuşacağına veya sunum yapacağına tanık olmaya benziyor. Bu örnekler önemsiz görünse de, etkilenen kişi siz olduğunuzda önemli ve etkilidir.

Bunun daha yaygın bir sorun olduğunu anladım, bu yüzden teknik geçmişimi kullanmaya karar verdim ––Bilgisayar alanında derecem ve yazılım mühendisliği ile NLP geçmişim var–– ve yeni bir teknoloji çözümü yaratarak bu sorunu doğrudan ele almaya karar verdim. Joonko böyle doğdu.

Joonko, çeşitli ve yeterince temsil edilmeyen geçmişlere sahip adaylardan oluşan yetenek havuzunu nasıl sağlıyor?

Tescilli algoritmamız, bize yönlendirilen adaylara ilişkin kamuya açık verileri taramak için öncelikle doğal dil işlemeyi ve bilgisayar görüşünü kullanır. Bir kişinin kendisini yeterince temsil edilmediğini doğrulayan verileri arıyoruz. Örneğin, bir kişinin LinkedIn'inde "she/her" zamirleri varsa, kendisini kadın olarak tanımlayabileceği ve bu veri noktasına bir nokta atayabileceği sonucunu çıkarabiliriz. Kişinin profili yeterli puan toplarsa, onu yetenek ağımıza davet ediyoruz ve onlar da kaydolduktan sonra bize nasıl tanımlandıklarını anlatarak varsayımımızı daha da doğruluyorlar.

O halde Joonko bu yeteneği nasıl inceliyor?

Adayları uygun olan açık pozisyonlarla eşleştirmek için insan dokunuşu ve teknolojinin bir kombinasyonunu kullanıyoruz. İlk olarak, ağımıza katılan her aday, yakın zamanda görüştükleri ancak onları işe alamadıkları işe alma ekibi tarafından yönlendirilir. İşe alma ekipleri, yalnızca son tura kalan adayları yönlendirir ve böylece yüksek kaliteli adaylar olmalarını sağlar. Buradan, adayı şirketle ve doğru olan rolle eşleştirmek için doğal dil işlemeyi kullanırız. Özgeçmişlerinden ve başlangıçta görüşme yaptıkları rolden anahtar kelimeler topluyoruz, ardından bunları platformumuzda pazarlanan işlerle karşılaştırıyoruz. Çoğu model yalnızca iki veri seti kullanır, dolayısıyla bunun yerine üç veri seti kullanmak doğru eşleştirmeyi yapma yeteneğimizi artırır.

Joonko şirketlere bu yeteneği elde tutmada nasıl yardımcı oluyor?

Başvuru takip sistemi ile entegre olarak şirketlerin işe alım süreci boyunca yetenekleri elde tutmalarına yardımcı oluyoruz. Entegrasyonumuz, Joonko adaylarının boru hattından ne kadar ilerledikleri hakkında toplu olarak veri çekmemize izin veriyor. Joonko olmayan adaylara kıyasla nerede bir düşüş görürsek, eşleştirmeyi iyileştirmek veya işe alım sürecini iyileştirmek için şirketlerle birlikte çalışıyoruz.

Joonko'nun işe alma veya eşleştirme sürecinde yapay zekayı kullandığı başka yollar nelerdir?

Bir adayın kendisini yeterince temsil edilmediğini tespit edip etmediğini belirlemek için bilgisayar görüşünden ve doğal dil işlemeden yararlanıyoruz. Adayları havuzumuzdaki rollerle eşleştirmek için doğal dil işlemeyi kullanıyoruz ve adaylar ilgilendikleri rolleri seçerken eşleştirme sürecini iyileştirmek için makine öğrenimini kullanıyoruz. Son olarak, eşleştirme ve yönlendirme uçtan uca otomatik hale getiriliyor. İşe alma görevlilerinin Joonko'nun yönlendirdiği bir adayla görüşmeye karar verene kadar hiçbir şey yapmasına gerek yoktur.

Yapay zeka yanlılığını önlemek için çeşitlendirilmiş bir işe alma havuzunun faydalarını tartışabilir misiniz?

Bizim bakış açımıza göre, ne kadar az temsil edilen adayı çekebilir ve mülakat yapabilirseniz, insani ve teknolojik önyargı için o kadar fazla veriyi denetleyebilirsiniz. Önyargı, özünde, bir model (veya kişi) benzer verileri tekrar tekrar görmeye alıştığında ortaya çıkar. Aday çeşitliliğine yoğun bir şekilde yatırım yaptığınızda, teknolojinizi ve onu kullanan işe alma ekibini çeşitlilik çarkına katkıda bulunacak şekilde eğitebilirsiniz.

Çeşitliliğin şirketler için bir öncelik olmasının başka nedenleri nelerdir?

Birçok şirket genellikle açık rolleri doldurmak için tavsiyelere güvenir ve veriler bunun homojen bir iş gücüne yol açabileceğini gösterir. Şirketlerin göz ardı edilen yeteneklere ışık tutmasının önemli olduğuna inanıyorum - en iyi şirketlerde son aşamalara gelen ancak sonunda işi alamayan 'gümüş madalyalı adaylar' da dahil.

DE&I'ye nesnel olarak öncelik vermek yapılacak adil ve doğru şey ve ileri görüşlü, eşitlikçi bir toplumun önemli bir parçası olmakla kalmaz, aynı zamanda iş dünyası için de iyidir - bu çabalara öncelik veren şirketler daha üretken ve başarılı olurken, çalışanlar daha mutlu ve daha uzun süre takılın.

Bilgisayar biliminde veya yapay zekada sıçrama yapmak isteyen kadınlara son bir tavsiyen var mı?

İşler zorlaştığında güvenebileceğiniz kadın toplulukları bulun. Yapay zeka sektörünün geleceği kadınların katılımına bağlı ancak şu anda erkeklerin hakimiyetinde. Deneyimlerinizi paylaşan kadınlardan oluşan bir ağı ne kadar hızlı kurarsanız, sektörde desteklenme ve başarılı olma olasılığınız o kadar artar.

Harika röportaj için teşekkürler, daha fazla bilgi edinmek isteyen okuyucular ziyaret etmelidir. Joonko.