Arsham Ghahramani ، دکترا، بنیانگذار و مدیرعامل Ribbon است. غهرامانی مستقر در تورنتو و اصالتاً از انگلیس ، هم در هوش مصنوعی و هم در زیست شناسی پیشینه دارد. تجربه حرفه ای وی دامنه دامنه هایی از جمله تجارت با فرکانس بالا ، استخدام و تحقیقات زیست پزشکی را شامل می شود.
غهرامانی در سال 2014 کار خود را در زمینه هوش مصنوعی آغاز کرد. وی دکترای خود را در موسسه فرانسیس کریک به پایان رساند ، جایی که وی اشکال اولیه AI تولید کننده را برای مطالعه تنظیم ژن سرطان اعمال کرد – طول قبل از اصطلاح “AI تولید کننده” وارد استفاده از جریان اصلی شد.
وی در حال حاضر رهبری می کند روبان، یک شرکت فناوری متمرکز بر تسریع چشمگیر روند استخدام. روبان دارد بیش از 8 میلیون دلار جمع آوری کرد در بودجه ، بیش از 200،000 متقاضی شغل را پشتیبانی کرد و همچنان به رشد تیم خود ادامه می دهد. این پلتفرم با هدف ترکیب AI و اتوماسیون برای ساده تر کردن گردش کار استخدام ، استخدام 100 برابر را سریعتر انجام می دهد.
بیایید از ابتدا شروع کنیم – چه چیزی به شما الهام بخش است که روبان پیدا کنید ، و لحظه “آه” که باعث شد شما متوجه شوید استخدام شده است شکسته شد؟
من با بنیانگذار من دیو وو آشنا شدم در حالی که هر دو در عزرا بودیم-او رئیس مردم و استعداد بود و من رئیس یادگیری ماشین بودم. از آنجا که ما به سرعت تیم خود را مقیاس کردیم ، دائماً فشار به سرعت بیشتر احساس می کردیم ، اما ما فاقد ابزارهای مناسب برای ساده سازی روند بودیم. من زودتر به هوش مصنوعی بودم (دکترای خود را در سال 2014 به پایان رساندم ، مدتها قبل از اینکه AI به جریان اصلی تبدیل شود) ، و من درک اولیه از تأثیرات هوش مصنوعی در استخدام داشتم. من دست اول ناکارآمدی و چالش ها را در استخدام سنتی دیدم و می دانستم که باید راهی بهتر وجود داشته باشد. این تحقق ما را به ایجاد روبان سوق داد.
شما در نقش های یادگیری ماشین در آمازون ، عزرا و حتی در تجارت الگوریتمی کار کرده اید. چگونه آن پس زمینه نحوه نزدیک شدن به روبان ساختمان را شکل داد؟
در Ezra ، من در AI Health Tech کار کردم ، جایی که سهام نمی تواند بالاتر باشد – اگر یک سیستم هوش مصنوعی مغرضانه باشد ، می تواند موضوع زندگی یا مرگ باشد. ما زمان و انرژی زیادی را صرف کردیم تا اطمینان حاصل کنیم که هوش مصنوعی ما بی طرفانه است و همچنین روش هایی برای تشخیص و کاهش تعصب ایجاد می کنیم. من این تکنیک ها را به روبان آوردم ، جایی که ما از این تکنیک ها برای نظارت و کاهش تعصب در مصاحبه کننده AI خود استفاده می کنیم ، در نهایت یک فرایند استخدام عادلانه تر ایجاد می کنیم.
چگونه تجربه شما به عنوان نامزد و مدیر استخدام بر تصمیمات محصول که در اوایل گرفته اید تأثیر گذاشت؟
پیدا کردن شغل یک روند ناخوشایند برای نامزدهای جوان است. من به یاد می آورم ، چندی پیش ، کاندیدای خردسال هستم که در بسیاری از مشاغل متقاضی است. از آن زمان فقط سخت تر می شود. در روبان ، ما همدلی عمیقی برای افراد متقاضی کار داریم. هوش مصنوعی صوتی ما اغلب اولین نقطه تماس بین یک شرکت و یک نامزد است ، بنابراین ما سخت تلاش می کنیم تا این تجربه را مثبت و پاداش دهنده کنیم. یکی از راه هایی که ما انجام می دهیم با اطمینان از گپ زدن نامزدها با همان هوش مصنوعی در کل مراحل استخدام است. این قوام به ایجاد اعتماد و آسایش کمک می کند – مانند فرآیندهای سنتی که در آن نامزدها بین چندین نفر قرار می گیرند ، هوش مصنوعی ما یک حضور پایدار و آشنا را فراهم می کند که به نامزدها کمک می کند تا از طریق مصاحبه ها و ارزیابی ها احساس راحتی بیشتری کنند.
هوش مصنوعی Ribbon مصاحبه هایی را انجام می دهد که احساس انسانی بیشتری نسبت به ربات های ضبط شده دارند. درباره جریان مصاحبه تطبیقی Ribbon بیشتر بگویید. چه نوع درک در زمان واقعی در پشت صحنه اتفاق می افتد؟
ما پنج مدل یادگیری ماشین داخلی را ساخته ایم و آنها را با چهار مدل در دسترس عمومی ترکیب کرده ایم تا تجربه مصاحبه روبان را ایجاد کنیم. در پشت صحنه ، ما دائماً مکالمه را ارزیابی می کنیم و این را با زمینه شرکت ، صفحات مشاغل ، پروفایل های عمومی ، رزومه ها و موارد دیگر ترکیب می کنیم. همه این اطلاعات برای ایجاد یک تجربه مصاحبه یکپارچه جمع می شوند. دلیل این که ما اطلاعات زیادی را با هم ترکیب می کنیم این است که می خواهیم به نامزد تجربه نزدیک به یک استخدام کننده انسانی بدهیم.
شما برجسته می کنید که پنج دقیقه صدا می تواند با یک ساعت ورودی کتبی مطابقت داشته باشد. چه نوع سیگنالی را در آن داده های صوتی ضبط می کنید و چگونه تجزیه و تحلیل می شود؟
مردم به طور کلی خیلی سریع صحبت می کنند! بیشتر فرآیندهای کاربرد شغلی بسیار خسته کننده هستند و به شما وظیفه می کنند اشکال مختلف و سؤالات چند گزینه ای را پر کنید. ما دریافتیم که 5 دقیقه مکالمه طبیعی با حدود 25 سوال چند گزینه ای برابر است. چگالی اطلاعات مکالمه صوتی سخت است. مهمتر از آن ، ما در حال جمع آوری عوامل دیگری مانند مهارت زبان و مهارت های ارتباطی هستیم.
Ribbon همچنین به عنوان یک کاتب AI با استفاده از کارشناسی ارشد و گلزنی عمل می کند. تفسیر پذیری در ساخت این داده ها برای استخدام کنندگان و عادلانه برای استخدام کنندگان چه نقشی دارد؟
تفسیر در هسته رویکرد روبان است. هر نمره و تحلیلی که ما تولید می کنیم همیشه به منبع آن گره خورده است و هوش مصنوعی ما را بسیار شفاف می کند.
به عنوان مثال ، وقتی کاندیدایی را در مورد مهارت های آنها به دست می آوریم ، ما به دو چیز مراجعه می کنیم:
- نیازهای اصلی شغلی و
- لحظه دقیق مصاحبه که نامزد از یک مهارت یاد کرد.
ما معتقدیم که تفسیر سیستم های هوش مصنوعی بسیار مهم است زیرا در پایان روز ، ما به شرکت ها کمک می کنیم تا تصمیم گیری کنند و شرکت هایی دوست دارند بر اساس داده های مشخص تصمیم گیری کنند. چیزی که ما معتقدیم برای انصاف و اعتماد به استخدام AI محور بسیار مهم است.
تعصب در سیستم های استخدام هوش مصنوعی یک نگرانی بزرگ است. چگونه روبان برای به حداقل رساندن یا کاهش تعصب در حالی که هنوز نامزدهای برتر را پیدا می کند ، طراحی شده است؟
تعصب یک مسئله مهم در استخدام هوش مصنوعی است و ما آن را با روبان بسیار جدی می گیریم. ما مصاحبه کننده هوش مصنوعی خود را برای ارزیابی نامزدها بر اساس مهارت ها و شایستگی های قابل اندازه گیری ساخته ایم و ذهنیت را که اغلب تعصب را معرفی می کند ، کاهش می دهیم. ما به طور مرتب سیستم های هوش مصنوعی خود را برای انصاف ممیزی می کنیم ، از مجموعه داده های متنوع و متعادل استفاده می کنیم و نظارت انسانی را برای گرفتن و تصحیح تعصبات احتمالی ادغام می کنیم. تعهد ما این است که بهترین کاندیداها را به طور عادلانه و اطمینان از تصمیمات استخدام عادلانه داشته باشیم.
داوطلبان می توانند در هر زمان ، حتی در ساعت 2 صبح مصاحبه کنند. انعطاف پذیری در دموکراتیک کردن دسترسی به مشاغل ، به ویژه برای جوامع تحت نظارت چقدر مهم است؟
انعطاف پذیری برای دموکراتیک کردن دسترسی به شغل مهم است. مصاحبه همیشه روبان به نامزدها اجازه می دهد تا در هر زمان مناسب برای آنها شرکت کنند ، موانع سنتی مانند برنامه های متناقض یا در دسترس بودن محدود را تجزیه کنند ، که به ویژه برای والدین شاغل و کسانی که ساعات غیر سنتی دارند مفید است. در حقیقت ، 25 ٪ از مصاحبه های روبان بین 11 بعد از ظهر و 2 صبح به وقت محلی اتفاق می افتد.
این امر به ویژه برای جوامع تحت نظارت بسیار مهم است ، جایی که افراد متقاضی کار اغلب با محدودیت های اضافی روبرو هستند. با فعال کردن دسترسی به شبانه روزی ، روبان کمک می کند تا همه افراد فرصتی عادلانه برای نمایش مهارت های خود و امنیت فرصت های شغلی داشته باشند.
روبان فقط مربوط به استخدام نیست – این در مورد کاهش اصطکاک بین افراد و فرصت ها است. این آینده چگونه به نظر می رسد؟
در روبان ، دید ما فراتر از استخدام کارآمد است. ما می خواهیم اصطکاک بین افراد و فرصت هایی که برای آنها مناسب است حذف کنیم. ما آینده ای را پیش بینی می کنیم که فناوری یکپارچه استعدادها را با نقش هایی که کاملاً با توانایی ها و جاه طلبی های آنها مطابقت دارد ، بدون در نظر گرفتن پیشینه یا شبکه آنها ، پیوند می دهد. با کاهش اصطکاک در تحرک شغلی ، ما کارکنان را قادر می سازیم بدون موانع غیر ضروری ، رشد ، توسعه و یافتن فرصت های تحقق بخش را پیدا کنند. تحرک داخلی سریعتر ، گردش مالی پایین و در نهایت نتایج بهتر برای افراد و شرکت ها.
چگونه می بینید که هوش مصنوعی در طی پنج سال آینده روند استخدام و بازار کار گسترده تر را تغییر می دهد؟
هوش مصنوعی در پنج سال آینده عمیقاً استخدام استخدام و بازار کار گسترده تر خواهد شد. ما انتظار داریم که اتوماسیون AI محور وظایف تکراری را ساده تر کند و استخدام کنندگان را آزاد کند تا روی تعامل کاندیدای عمیق تر و تصمیمات استخدام استراتژیک تمرکز کنند. هوش مصنوعی همچنین دقت تطبیق نامزدها را با نقش ها ، تسریع در زمان های استخدام و بهبود تجربیات نامزد افزایش می دهد. با این حال ، برای تحقق کامل این مزایا ، صنعت باید شفافیت ، انصاف و ملاحظات اخلاقی را در اولویت قرار دهد و اطمینان حاصل کند که هوش مصنوعی به ابزاری قابل اعتماد تبدیل می شود که منظره اشتغال عادلانه تری ایجاد می کند.
با تشکر از شما برای مصاحبه عالی ، خوانندگانی که مایل به کسب اطلاعات بیشتر هستند باید بازدید کنند روبانبشر
