Vivienne Ming

Varför organisationer samarbetar med Vivienne Ming

• Hennes ramverk ”Tax on Being Different” kvantifierar – i ekonomiska och produktivitetsmässiga termer – den kostnad organisationer betalar när marginaliserade arbetstagare måste lägga ner extra arbete bara för att bedömas som likvärdiga. Detta är ett mätargument med kommersiella implikationer, inte ett värderingsargument.
• Som chefsforskare på Gild har hon utvecklat maskininlärningsmodeller som tränats på 122 miljoner yrkesverksamma, vilket gör henne till en av få personer som direkt har operationaliserat prediktiv AI för talangbedömning i stor skala, utanför ett rent akademiskt sammanhang.
• Hon omformulerar mångfald från en fråga om efterlevnad till ett optimeringsproblem: ett problem som kan modelleras, mätas och korrigeras med hjälp av samma verktyg som organisationer redan använder för operativa beslut.
• Hennes forskning spänner över arbetsmarknad, utbildning och hälsa, vilket ger henne en ovanligt bred evidensbas för vad som faktiskt förutsäger långsiktig mänsklig kapacitet och vad som inte gör det.
• Hennes artiklar har publicerats i Nature och Neural Information Processing Systems, och hon har akademiska tjänster vid UC Berkeley och UCL. Hennes argument har därför en institutionell trovärdighet som konsulter och konferensföreläsare vanligtvis inte kan mäta sig med.

Höjdpunkter i biografin

• Doktorsexamen i psykologi från Carnegie Mellon University; gemensamt postdoktoralt stipendium vid Stanford University och UC Berkeleys Redwood Center for Theoretical Neuroscience
• Tidigare chefsforskare vid Gild, där hon byggde ML-modeller tränade på 122 miljoner yrkesverksamma för att bedöma mänsklig förmåga bortom konventionella meriter
• Grundare och styrelseordförande för Socos Labs, ett oberoende forskningsinstitut som tillämpar AI och neurovetenskap på utmaningar inom arbetsmarknad, utbildning och hälsa
• Forskning publicerad i Nature, Neural Information Processing Systems och Neural Computation
• Rankad som nr 5 på Financial Times/OUTstanding-listan över världens främsta HBTQ-chefer (2017); utnämnd till BBC 100 Women (2017) och Inc. Magazine's "10 Women to Watch in Tech"
• Ordförande för UC Berkeley Neurotech Collider Hub; hedersprofessor vid UCL Global Business School for Health; styrelseledamot i RFK Human Rights

Biografi

Vivienne Ming byggde sin karriär på en obehaglig empirisk iakttagelse: de rekryteringssignaler som organisationer betraktar som tillförlitliga – examina, prestationer vid anställningsintervjuer, institutionell bakgrund – förutsäger inte det de påstår sig förutsäga. Hon testade detta i stor skala. Som chefsforskare på Gild utvecklade hon maskininlärningsmodeller tränade på data från 122 miljoner yrkesverksamma, i jakten på vad som faktiskt skiljer högpresterande från dem med meriter. Skillnaden var betydande. De flesta organisationer optimerade för indikatorer, inte för förmåga.

Den insikten genomsyrar allt hon har gjort sedan dess. På Socos Labs, det forskningsinstitut hon grundade tillsammans med sin fru Dr. Norma Ming, har hon utvidgat frågan till att omfatta utbildning och hälsa, undersökt vilka psykologiska konstruktioner som verkligen förutsäger långsiktiga livsutfall och publicerat den forskningen i Nature och Neural Information Processing Systems. Argumentet är konsekvent: mätsystemen i organisationer är systematiskt bristfälliga, och kostnaden bärs tyngst av dem som inte passar in i mallen.

Hennes ramverk ”Tax on Being Different” sätter siffror på den kostnaden. Med utgångspunkt i storskaliga HR-data kvantifierar det den extra bördan av meriter som kvinnor, personer med annan hudfärg och HBTQ+-personer måste bära för att kunna utvärderas på lika villkor. Detta är inte ett kulturellt argument. Det är ett argument om produktivitet och innovation: ett som har framförts för styrelser och ledningsgrupper hos Google, Deloitte och Salesforce, och presenterats vid Royal Society.

Hon har en doktorsexamen i psykologi från Carnegie Mellon University och har haft postdoktorala tjänster vid både Stanford och UC Berkeley. Hon är ordförande för UC Berkeley Neurotech Collider Hub, innehar en hedersprofessur vid UCL:s Global Business School for Health och sitter i styrelsen för RFK Human Rights. År 2017 rankades hon som nummer 5 på Financial Times/OUTstandings lista över världens främsta HBTQ-chefer.

Viktiga föreläsningsämnen

• AI och prediktiv modellering av mänsklig kapacitet
• Ekonomin bakom talangbedömning och fördomar
• Neurovetenskapen bakom beslutsfattande i organisationer
• Mångfald, inkludering och produktivitetskostnaden för olikheter
• Kollektiv intelligens mellan människa och maskin
• AI-tillämpningar inom utbildning, hälsa och kompetensutveckling
• Innovationsmetodik: att lösa svårformulerade problem

Perfekt för

• HR-chefer och rekryteringschefer som vill utvärdera om deras rekryteringssignaler är prediktiva
• VD:ar och styrelser som integrerar AI i personalbeslut och personalutvecklingsstrategier
• DEI-chefer som söker evidensbaserade, affärsmässigt formulerade argument för systemförändring
• Teknik- och innovationsavdelningar som undersöker gränserna och tillämpningarna för AI i mänskliga sammanhang

Resultat för målgruppen

• En kvantifierad, datagrundad förståelse för vad bristfälliga rekryteringssystem kostar organisationer i produktivitet och innovation
• En konkret omformulering av mångfald: inte en moralisk skyldighet utan ett mät- och optimeringsproblem
• Praktiska frågor att tillämpa på sina egna rekryterings-, befordrings- och utvecklingsprocesser
• Tydlighet om var AI på ett tillförlitligt sätt förbättrar mänsklig bedömning – och var den befäster de fördomar som redan finns inbäddade i data
• Ett nytt vokabulär för kompetens som går bortom meriter och signaler som är kopplade till meriter