Аршам Гахрамані, PhD, співзасновник і CEO Ribbon – Інтерв’ю Серія

Аршам Гахрамані, PhD, є співзасновником і CEO Ribbon. Розміщений у Торонто та походячи з Великої Британії, Гахрамані має досвід у сфері штучного інтелекту та біології. Його професійний досвід охоплює ряд галузей, включаючи високочастотну торгівлю, набір персоналу та біомедичні дослідження.

Гахрамані почав працювати у сфері штучного інтелекту близько 2014 року. Він закінчив свій PhD у Інституті Френсіса Кріка, де застосував ранні форми генеративного штучного інтелекту для вивчення регулювання генів раку – ще до того, як термін “генеративний штучний інтелект” увійшов у широке вживання.

Наразі він очолює Ribbon, технологічну компанію, що зосереджена на значному прискоренні процесу найму. Ribbon зібрав понад $8 мільйонів у вигляді фінансування, підтримав понад 200 000 осіб, що шукають роботу, і продовжує розширювати свою команду. Платформа спрямована на те, щоб зробити найм на 100 разів швидшим шляхом поєднання штучного інтелекту та автоматизації для оптимізації потоків набору персоналу.

Давайте почнемо з початку – що надихнуло вас заснувати Ribbon, і який був той момент, коли ви зрозуміли, що найм є розбитим?

Я зустрів свого співзасновника Дейва Ву, коли ми обоє були в Езрі – він був керівником відділу персоналу та талантів, а я був керівником машинного навчання. Коли ми швидко розширювали мою команду, ми постійно відчували тиск на швидке наймання, проте нам не вистачало правильних інструментів для оптимізації процесу. Я був одним з перших у сфері штучного інтелекту (я закінчив свій PhD у 2014 році, ще до того, як штучний інтелект став популярним), і я мав раннє розуміння впливу штучного інтелекту на наймання. Я бачив на власні очі неефективність та труднощі традиційного набору персоналу і знав, що має бути кращий спосіб. Це розуміння привело нас до створення Ribbon.

Ви працювали у ролях машинного навчання в Amazon (AMZN ), Езрі та навіть в алгоритмічній торгівлі. Як цей досвід сформував ваш підхід до побудови Ribbon?

У Езрі я працював над штучним інтелектом у сфері охорони здоров’я, де ставки не могли бути вищими – якщо система штучного інтелекту є упередженою, це може бути питання життя чи смерті. Ми витратили багато часу та енергії на те, щоб наш штучний інтелект був неупередженим, а також розробили методи для виявлення та пом’якшення упередженості. Я застосував ці техніки у Ribbon, де ми використовуємо ці техніки для моніторингу та зниження упередженості нашого штучного інтелекту-інтерв’юера, в кінцевому підсумку створюючи більш справедливий процес наймання.

Як ваш досвід кандидата та менеджера наймання вплинув на рішення щодо продукту на ранній стадії?

Знаходження роботи – це виснажливий процес для молодих кандидатів. Я пам’ятаю, не так давно, коли я був молодим кандидатом, який подавав заявку на багато робіт. Це стало ще складніше з тих пір. У Ribbon ми маємо глибоку співчуття до осіб, які шукають роботу. Наш голосовий штучний інтелект часто є першою точкою контакту між компанією та кандидатом, тому ми працюємо над тим, щоб зробити цей досвід позитивним та винагороджувальним. Одним із способів, яким ми робимо це, є забезпечення того, щоб кандидати спілкувалися з тим самим штучним інтелектом протягом усього процесу наймання. Ця послідовність допомагає будувати довіру та комфорт – на відміну від традиційних процесів, де кандидатів передають від однієї людини до іншої, наш штучний інтелект забезпечує стабільну, знайому присутність, яка допомагає кандидатам відчувати себе більш комфортно під час проходження інтерв’ю та оцінок.

Ribbon проводить інтерв’ю, які відчуваються більш людськими, ніж інтерв’ю, написані ботами. Розкажіть нам більше про адаптивний потік інтерв’ю Ribbon. Який реальний розуміння відбувається за лаштунками?

Ми створили п’ять внутрішніх моделей машинного навчання та поєднали їх з чотирма публічно доступними моделями для створення досвіду інтерв’ю Ribbon. За лаштунками ми постійно оцінюємо розмову та поєднуємо її з контекстом компанії, сторінок кар’єри, публічних профілів, резюме та іншого. Вся ця інформація поєднується для створення безшовного досвіду інтерв’ю. Причина, по якій ми поєднуємо так багато інформації, полягає в тому, що ми хочемо надати кандидатам досвід, якнайближчий до досвіду людського рекрутера.

Ви підкреслюєте, що п’ять хвилин голосу можуть відповідати одній годині письмового вводу. Який сигнал ви захоплюєте в цих аудіоданих, і як його аналізують?

Люди зазвичай говорять досить швидко! Більшість процесів подачі заявок на роботу дуже трудомісткі, оскільки вам потрібно заповнити багато різних форм і відповідати на багато питання з多 вибором. Ми виявили, що 5 хвилин природної розмови відповідають приблизно 25 питанням з多 вибором. Інформаційна щільність розмови важко перевершити. Крім того, ми збираємо інші фактори, такі як мовна компетентність та комунікативні навички.

Ribbon також діє як штучний інтелект-писар з автоматичними резюме та оцінками. Яка роль тлумачності грає у тому, щоб зробити ці дані корисними та справедливими для рекрутерів?

Тлумачність є в центрі підходу Ribbon. Кожна оцінка та аналіз, які ми генеруємо, завжди пов’язані з їхнім джерелом, роблячи наш штучний інтелект глибоко прозорим.

Наприклад, коли ми оцінюємо кандидата за його навичками, ми посилаємося на дві речі:

1. Оригінальні вимоги до роботи та
2. Точну мить у інтерв’ю, коли кандидат згадав навичку.

Ми вважаємо, що тлумачність систем штучного інтелекту є глибоко важливою, оскільки в кінцевому підсумку ми допомагаємо компаніям приймати рішення, і компанії хочуть приймати рішення на основі конкретних даних. Це щось, що ми вважаємо критично важливим для справедливості та довіри у процесі наймання, керованому штучним інтелектом.

Упередженість у системах штучного інтелекту наймання є великою проблемою. Як Ribbon спроектований для мінімізації або пом’якшення упередженості, одночасно висуваючи найкращих кандидатів?

Упередженість є критичною проблемою у системах штучного інтелекту наймання, і ми ставимося до неї дуже серйозно у Ribbon. Ми створили наш штучний інтелект-інтерв’юер для оцінки кандидатів на основі вимірних навичок та компетенцій, знижуючи суб’єктивність, яка часто вводить упередженість. Ми регулярно проводимо аудит наших систем штучного інтелекту на предмет справедливості, використовуємо різноманітні та збалансовані набори даних, та інтегруємо людський нагляд для виявлення та корекції потенційних упереджень. Наша зобов’язання полягає у тому, щоб висунути найкращих кандидатів справедливо, забезпечуючи справедливі рішення щодо наймання.

Кандидати можуть проходити інтерв’ю в будь-який час, навіть о 2 годині ночі. Наскільки важлива гнучкість у демократизації доступу до роботи, особливо для недопредставлених спільнот?

Гнучкість є ключем до демократизації доступу до роботи. Інтерв’ю Ribbon, яке завжди доступне, дозволяє кандидатам брати участь у будь-який час, зручний для них, знижуючи традиційні бар’єри, такі як конфліктні графіки або обмежена доступність, що особливо корисно для робочих батьків та тих, хто має нетрадиційні години роботи. Насправді, 25% інтерв’ю Ribbon проходять між 23 годиною та 2 годиною ночі місцевого часу.

Це особливо важливо для недопредставлених спільнот, де особи, які шукають роботу, часто зустрічають додаткові обмеження. Надавши можливість проходити інтерв’ю в будь-який час, Ribbon допомагає забезпечити, щоб кожен мав справедливу можливість продемонструвати свої навички та отримати можливості зайнятості.

Ribbon не тільки про наймання – це про зниження тертя між людьми та можливостями. Який вигляд має це майбутнє?

У Ribbon наша бачення простягається за межі ефективного наймання; ми хочемо усунути тертя між людьми та можливостями, яким вони підходять. Ми бачимо майбутнє, де технології безшовно поєднують таланти з ролями, які ідеально відповідають їхнім здібностям та амбіціям, незалежно від їхнього походження чи мережі. Знижуючи тертя у кар’єрній мобільності, ми дозволяємо працівникам розвиватися, знайти повноцінні можливості без зайвих бар’єрів. Швидша внутрішня мобільність, нижча текучість кадрів та, в кінцевому підсумку, кращі результати для окремих осіб та компаній.

Як ви бачите, штучний інтелект трансформує процес наймання та ширший ринок праці за наступні п’ять років?

Штучний інтелект суттєво змінить процес наймання та ширший ринок праці за наступні п’ять років. Ми очікуємо, що автоматизація, керована штучним інтелектом, оптимізує повторювані завдання, звільняючи рекрутерів для більш глибоких взаємодій з кандидатами та стратегічних рішень щодо наймання. Штучний інтелект також покращить точність підбору кандидатів на ролі, прискорюючи терміни наймання та покращуючи досвід кандидатів. Однак, щоб повністю реалізувати ці переваги, галузі повинні пріоритезувати прозорість, справедливість та етичні розгляди, забезпечуючи, щоб штучний інтелект став довіреним інструментом, який створює більш справедливий ринок праці.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, повинні відвідати Ribbon.