Arsham Ghahramani, PhD – współzałożyciel i CEO Ribbon
Arsham Ghahramani, PhD, jest współzałożycielem i dyrektorem generalnym firmy Ribbon. Mieszka w Toronto, a pochodzi z Wielkiej Brytanii. Ma wykształcenie w dziedzinie sztucznej inteligencji i biologii. Jego doświadczenie zawodowe obejmuje różne branże, w tym handel wysokiej częstotliwości, rekrutację i badania biomedyczne.
Ghahramani rozpoczął pracę w obszarze sztucznej inteligencji około 2014 roku. Doktorat uzyskał w The Francis Crick Institute, gdzie wykorzystywał wczesne formy generatywnej AI do badania regulacji genów nowotworowych – na długo przed tym, zanim termin „generatywna AI” stał się powszechnie znany.
Obecnie kieruje Ribbon, firmą technologiczną, która skupia się na znacznym przyspieszeniu procesu rekrutacji. Ribbon pozyskał ponad 8 milionów dolarów finansowania, pomógł ponad 200 000 kandydatom i stale powiększa swój zespół. Platforma ma na celu przyspieszenie rekrutacji stukrotnie, łącząc sztuczną inteligencję i automatyzację, aby usprawnić proces zatrudniania.
Co zainspirowało Cię do założenia Ribbon i jaki był ten moment olśnienia, w którym zdałeś sobie sprawę, że rekrutacja jest nieskuteczna?
Poznałem mojego współzałożyciela, Dave’a Vu, gdy obaj pracowaliśmy w Ezra – on był szefem działu HR i Talent, a ja kierowałem zespołem Machine Learning. Gdy szybko rozwijaliśmy mój zespół, ciągle odczuwaliśmy presję, aby zatrudniać szybciej, ale brakowało nam odpowiednich narzędzi do usprawnienia tego procesu. Wcześnie zająłem się AI (doktorat ukończyłem w 2014 roku, na długo przed boomem na AI) i już wtedy rozumiałem, jaki wpływ może mieć sztuczna inteligencja na rekrutację. Na własne oczy widziałem nieefektywność i wyzwania tradycyjnego procesu zatrudniania i wiedziałem, że musi istnieć lepsze rozwiązanie. To właśnie doprowadziło nas do stworzenia Ribbon.
Pracowałeś w obszarze machine learning w Amazonie, Ezra, a nawet w handlu algorytmicznym. Jak to doświadczenie wpłynęło na Twój sposób budowania Ribbon?
W Ezra zajmowałem się technologiami AI w zdrowiu, gdzie stawki były niezwykle wysokie – jeśli system AI był stronniczy, mogło to zadecydować o życiu lub śmierci. Poświęciliśmy wiele czasu i energii, aby upewnić się, że nasza sztuczna inteligencja jest wolna od uprzedzeń, oraz opracowaliśmy metody wykrywania i minimalizowania takich błędów. Przeniosłem te techniki do Ribbon, gdzie wykorzystujemy je do monitorowania i redukcji stronniczości w naszym AI-rekruterze, tworząc bardziej sprawiedliwy proces rekrutacji.
Jak Twoje doświadczenie jako kandydata i rekrutera wpłynęło na wczesne decyzje produktowe?
Szukanie pracy to trudny proces, szczególnie dla początkujących kandydatów. Sam jeszcze niedawno byłem w takiej sytuacji – aplikowałem do wielu miejsc, a teraz stało się to jeszcze trudniejsze. W Ribbon mamy głębokie zrozumienie dla osób poszukujących pracy. Nasz Voice AI często jest pierwszym punktem kontaktu między firmą a kandydatem, dlatego staramy się, aby to doświadczenie było pozytywne i wartościowe. Jednym ze sposobów jest zapewnienie, że kandydat rozmawia z tym samym AI przez cały proces rekrutacji. Ta spójność buduje zaufanie i komfort – w przeciwieństwie do tradycyjnych metod, gdzie kandydat jest przekazywany między różnymi osobami, nasze AI zapewnia stałą, znajomą obecność, która pomaga kandydatowi czuć się swobodniej podczas rozmów i ocen.
Ribbon przeprowadza rozmowy, które wydają się bardziej ludzkie niż działanie zaprogramowanych botów. Opowiedz więcej o adaptacyjnym przepływie rozmowy. Jakie analizy odbywają się w tle?
Stworzyliśmy pięć własnych modeli machine learning i połączyliśmy je z czterema publicznie dostępnymi modelami, aby zapewnić doświadczenie rozmowy w Ribbon. W tle stale analizujemy przebieg konwersacji, łącząc ją z kontekstem firmy, stron kariery, publicznych profili, życiorysów i innych danych. Wszystko to składa się na płynne doświadczenie rozmowy. Łączymy tak wiele informacji, ponieważ chcemy, aby kandydat miał wrażenie jak najbliższe rozmowie z ludzkim rekruterem.
Podkreślasz, że pięć minut rozmowy głosowej może dostarczyć tyle informacji co godzina pisemnych odpowiedzi. Jakie dane są wychwytywane w tej rozmowie i jak są analizowane?
Ludzie mówią dość szybko! Większość procesów aplikacyjnych jest żmudna – wymaga wypełniania wielu formularzy i pytań wielokrotnego wyboru. Odkryliśmy, że 5 minut naturalnej rozmowy odpowiada około 25 pytaniom zamkniętym. Gęstość informacyjna rozmowy głosowej jest trudna do przebicia. Dodatkowo analizujemy inne czynniki, takie jak biegłość językowa i umiejętności komunikacyjne.
Ribbon działa również jako AI-powered scribe, automatycznie podsumowując i oceniając rozmowy. Jaką rolę odgrywa interpretowalność w uczynieniu tych danych użytecznymi – i sprawiedliwymi – dla rekruterów?
Interpretowalność jest kluczowa w podejściu Ribbon. Każda ocena i analiza, którą generujemy, jest zawsze powiązana ze źródłem, co czyni naszą AI w pełni przejrzystą.
Na przykład, gdy oceniamy umiejętności kandydata, odnosimy się do dwóch rzeczy:
- Wymagań stanowiska oraz
- Konkretnego momentu w rozmowie, w którym kandydat wspomniał o danej umiejętności.
Uważamy, że interpretowalność systemów AI jest niezwykle ważna, ponieważ pomagamy firmom podejmować decyzje, a firmy lubią opierać je na konkretnych danych. To kluczowe zarówno dla uczciwości, jak i zaufania do AI w rekrutacji.
Stronniczość w systemach AI to duży problem. W jaki sposób Ribbon minimalizuje lub łagodzi te uprzedzenia, jednocześnie znajdując najlepszych kandydatów?
Stronniczość to poważna kwestia w rekrutacji AI, którą traktujemy bardzo poważnie w Ribbon. Nasz AI-rekruter ocenia kandydatów na podstawie mierzalnych umiejętności i kompetencji, redukując subiektywność, która często wprowadza błędy. Regularnie audytujemy nasze systemy pod kątem uczciwości, korzystamy z różnorodnych i zrównoważonych zbiorów danych oraz wprowadzamy ludzką kontrolę, aby wychwytywać i korygować potencjalne błędy. Naszym celem jest sprawiedliwe wskazywanie najlepszych kandydatów, zapewniając równe szanse w procesie rekrutacji.
Kandydaci mogą odbywać rozmowy o dowolnej porze, nawet o 2 w nocy. Jak ważna jest elastyczność w demokratyzacji dostępu do pracy, szczególnie dla osób z mniej uprzywilejowanych społeczności?
Elastyczność jest kluczowa dla demokratyzacji dostępu do pracy. Funkcja rozmów o dowolnej porze w Ribbon pozwala kandydatom uczestniczyć w procesie rekrutacji w dogodnym dla nich momencie, usuwając tradycyjne bariery, takie jak konflikt harmonogramów czy ograniczona dostępność – co jest szczególnie korzystne dla rodziców pracujących i osób o niestandardowych godzinach. 25% rozmów w Ribbon odbywa się między 23:00 a 2:00 czasu lokalnego.
To szczególnie ważne dla mniej uprzywilejowanych społeczności, gdzie kandydaci często napotykają dodatkowe ograniczenia. Dzięki możliwości rozmów o każdej porze Ribbon pomaga zapewnić wszystkim równą szansę na zaprezentowanie swoich umiejętności i znalezienie pracy.
Ribbon to nie tylko rekrutacja – to redukcja barier między ludźmi a możliwościami. Jak wygląda ta przyszłość?
W Ribbon nasza wizja wykracza poza efektywną rekrutację – chcemy usunąć przeszkody między ludźmi a możliwościami, które do nich pasują. Widzimy przyszłość, w której technologia płynnie łączy talenty z rolami idealnie dopasowanymi do ich umiejętności i ambicji, niezależnie od pochodzenia czy sieci kontaktów. Zmniejszając tarcia w mobilności zawodowej, umożliwiamy pracownikom rozwój, znalezienie satysfakcjonujących możliwości bez niepotrzebnych barier. Szybsza mobilność wewnętrzna, niższa rotacja i lepsze wyniki zarówno dla pracowników, jak i firm.
Jak Twoim zdaniem AI zmieni proces rekrutacji i rynek pracy w ciągu najbliższych pięciu lat?
Sztuczna inteligencja głęboko przekształci rekrutację i rynek pracy w ciągu najbliższych pięciu lat. Oczekujemy, że automatyzacja oparta na AI usprawni powtarzalne zadania, pozwalając rekruterom skupić się na głębszych interakcjach z kandydatami i strategicznych decyzjach. AI poprawi także precyzję dopasowania kandydatów do stanowisk, przyspieszając proces i poprawiając doświadczenia aplikujących. Jednak, aby w pełni wykorzystać te korzyści, branża musi postawić na przejrzystość, uczciwość i etykę, zapewniając, że AI stanie się narzędziem budującym bardziej sprawiedliwy rynek pracy.
Dziękuję za świetną rozmowę. Czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Ribbon.