Ilit Raz é o fundador e CEO da Joonko, uma plataforma que ajuda as empresas aplicar IA à sua estratégia de sourcing de diversidade. Hoje sua empresa trabalha com Adidas, American Express, Crocs e PayPal. Ela é arrecadou mais de US$ 38,5 milhões e a empresa cresceu 500% por dois anos consecutivos.
O que inicialmente atraiu você para a ciência da computação?
A tecnologia é uma das maiores e mais bem-sucedidas indústrias de Israel, por isso sempre estive exposto à indústria de uma forma ou de outra ao longo da minha vida. Quando entrei no exército, ganhei a oportunidade de trabalhar em uma unidade de tecnologia onde gerenciei o desenvolvimento de software de segurança e passei um tempo aprendendo sobre informática. A partir daí, fiquei viciado e sabia que queria seguir essa carreira assim que deixasse o exército.
Quando você foi inicialmente exposto a várias lacunas na indústria, como salário e lacunas promocionais?
Durante Nos meus primeiros anos trabalhando em empresas privadas de software, eu não estava pessoalmente ciente do preconceito que as mulheres enfrentavam. Então, comecei a fazer networking com tecnólogos que por acaso eram mulheres. Rapidamente percebi o tamanho do problema depois de ouvir as histórias que essas mulheres compartilharam sobre serem faladas, ignoradas ou não receberem crédito por suas ideias.
Você pode compartilhar a história da gênese por trás Joonko?
Sou formado em ciência da computação e com experiência em engenharia de software e PNL. Eu experimentei pessoalmente preconceitos inconscientes e conscientes em meu ambiente profissional, e um grupo de gerentes de produto do qual fazia parte também me expôs a problemas no local de trabalho que eram mais do que apenas diferenças salariais. Parece que as reuniões são agendadas quando as mulheres ou os pais precisam sair do trabalho ou testemunhar quem pode falar ou apresentar durante as reuniões. Embora essas instâncias pareçam menores, elas são significativas e influentes quando você é a pessoa afetada.
Eu entendi que esse era um problema mais generalizado, então decidi usar minha experiência técnica––eu tenho um diploma em CS e um histórico em engenharia de software e PNL––e enfrente isso de frente criando uma nova solução de tecnologia, que é como Joonko nasceu.
Como Joonko obtém o talento pool de candidatos de origens diversas e sub-representadas?
Nosso algoritmo proprietário primeiro usa processamento de linguagem natural e visão computacional para escanear dados públicos sobre os candidatos que nos são encaminhados. Procuramos dados que validem se alguém se identifica como sub-representado. Por exemplo, se uma pessoa tem pronomes “ela/ela” em seu LinkedIn, podemos inferir que ela pode se identificar como mulher e atribuir um ponto a esses dados. Se o perfil da pessoa acumular pontos suficientes, nós a convidamos para nossa rede de talentos e, uma vez que ela se inscreve, ela valida ainda mais nossa suposição, dizendo-nos como se identifica.
Como Joonko examina isso talento?
Usamos uma combinação de toque humano e tecnologia para combinar os candidatos com as vagas em aberto que são adequadas. Primeiro, cada candidato que entra em nossa rede é indicado pela equipe de contratação com a qual foi entrevistado recentemente, mas não conseguiu contratá-lo. As equipes de contratação apenas indicam os candidatos que chegaram à rodada final, garantindo assim que sejam candidatos de alta qualidade. A partir daí, usamos o processamento de linguagem natural para combinar o candidato com a empresa e a função que melhor se encaixa. Coletamos palavras-chave de seu currículo e da função para a qual foram originalmente entrevistados e, em seguida, comparamos com os empregos comercializados em nossa plataforma. A maioria dos modelos usa apenas dois conjuntos de dados, portanto, usar três aumenta nossa capacidade de fazer a correspondência certa.
Como Joonko ajuda as empresas a reter esse talento?
Ajudamos as empresas a reter talentos em todo o processo de recrutamento, integrando-se ao sistema de rastreamento de candidatos. Nossa integração nos permite extrair dados, de forma agregada, sobre até onde os candidatos Joonko avançam no pipeline. Sempre que vemos uma queda em comparação com candidatos não Joonko, trabalhamos com empresas para melhorar a correspondência ou melhorar seu processo de recrutamento.
Quais são algumas outras maneiras pelas quais Joonko usa IA em seu processo de contratação ou combinação?
Aproveitamos a visão computacional e o processamento de linguagem natural para determinar se um candidato se identifica como sub-representado. Usamos processamento de linguagem natural para combinar candidatos com as funções em nosso pool e usamos aprendizado de máquina para melhorar o processo de correspondência à medida que os candidatos selecionam as funções em que estão interessados. Por fim, a correspondência e a indicação são automatizadas de ponta a ponta. Os recrutadores não precisam fazer nada até que decidam entrevistar um candidato indicado por Joonko.
Você poderia discutir os benefícios de um grupo diversificado de contratações para evitar o viés da IA?
Da maneira que vemos, quanto mais candidatos sub-representados você atrair e entrevistar, mais dados você poderá auditar quanto ao viés humano e tecnológico. O viés, em sua essência, ocorre quando um modelo (ou pessoa) está acostumado a ver dados semelhantes repetidamente. Quando você investe pesadamente na diversidade de candidatos, pode treinar sua tecnologia e a equipe de recrutamento que a utiliza para contribuir com o volante da diversidade.
Quais são alguns outros motivos pelos quais a diversidade deve ser uma prioridade para as empresas ?
Muitas empresas geralmente dependem de indicações para preencher cargos em aberto, o que mostra os dados que podem levar a uma força de trabalho homogênea. Acredito que é importante que as empresas destaquem os talentos negligenciados-incluindo’candidatos à medalha de prata’que chegaram aos estágios finais nas principais empresas, mas acabaram não conseguindo o emprego.
Não é apenas isso. priorizar DE&I objetivamente a coisa justa e certa a fazer e uma parte importante de uma sociedade equitativa e com visão de futuro, mas também é simplesmente bom para os negócios-empresas que priorizam esses esforços são mais produtivas e bem-sucedidas, enquanto os funcionários são mais felizes e permanecem por mais tempo.
Você tem algum conselho final para mulheres que estão pensando em dar um salto na ciência da computação ou IA?
Encontre comunidades de mulheres nas quais você pode se apoiar quando as coisas ficam difíceis. O futuro da indústria de inteligência artificial depende da participação das mulheres, mas atualmente é dominado pelos homens. Quanto mais rápido você construir uma rede de mulheres que compartilham suas experiências, maior a probabilidade de você ser apoiado e prosperar no setor.
Obrigado pela ótima entrevista, os leitores que desejam aprender mais devem visitar Joonko.