Applying for jobs online is one of the worst digital experiences of our time. And applying for jobs in person really isn't much better.
הגשת מועמדות לעבודה באינטרנט היא אחת מהחוויות הדיגיטליות הנוראיות של זמננו. והגשת מועמדות פנים מול פנים לא הרבה יותר טובה.
[The Way We Work]
[הדרך שבה אנו עובדים]
Hiring as we know it is broken on many fronts. It's a terrible experience for people. About 75 percent of people who applied to jobs using various methods in the past year said they never heard anything back from the employer. And at the company level it's not much better. 46 percent of people get fired or quit within the first year of starting their jobs. It's pretty mind-blowing. It's also bad for the economy. For the first time in history, we have more open jobs than we have unemployed people, and to me that screams that we have a problem.
גיוס עובדים כמו שהוא היום מקולקל מהרבה בחינות. זו חוויה נוראה לאנשים. בערך 75 אחוז מאנשים שהגישו מועמדות למשרות בכל מיני דרכים בשנה שעברה אמרו שהם לא קיבלו שום תגובה מהמעסיק. וברמת החברה המצב לא הרבה יותר טוב. 46 אחוז מהאנשים מפוטרים או עוזבים תוך השנה הראשונה מתחילת העבודה. זה די מדהים. זה גם רע לכלכלה. בפעם הראשונה בהיסטוריה, יש לנו יותר משרות פתוחות מאשר אנשים שאינם מועסקים, ולדעתי זה אומר בבירור שיש לנו בעיה.
I believe that at the crux of all of this is a single piece of paper: the résumé. A résumé definitely has some useful pieces in it: what roles people have had, computer skills, what languages they speak, but what it misses is what they have the potential to do that they might not have had the opportunity to do in the past. And with such a quickly changing economy where jobs are coming online that might require skills that nobody has, if we only look at what someone has done in the past, we're not going to be able to match people to the jobs of the future.
אני מאמינה שהמקור של כל זה היא פיסת נייר אחת: קורות החיים. בקורות חיים בהחלט יש חלקים מועילים: אילו תפקידים היו לאנשים, יכולות מחשב, אילו שפות הם דוברים, אבל מה שחסר זה הפוטנציאל של מה שיוכלו לעשות שאולי לא הייתה להם הזדמנות לעשות בעבר. ועם כלכלה שמשתנה מהר כל כך שבה עולות לרשת משרות שאולי דורשות מיומנויות שאין לאף אחד, אם נסתכל רק על מה שמישהו עשה בעבר, לא נוכל להתאים אנשים למשרות של העתיד.
So this is where I think technology can be really helpful. You've probably seen that algorithms have gotten pretty good at matching people to things, but what if we could use that same technology to actually help us find jobs that we're really well-suited for? But I know what you're thinking. Algorithms picking your next job sounds a little bit scary, but there is one thing that has been shown to be really predictive of someone's future success in a job, and that's what's called a multimeasure test.
אז כאן אני חושבת שטכנולוגיה יכולה ממש לעזור. בטח ראיתם שאלגוריתמים נהיו די טובים בהתאמת אנשים למוצרים, אבל מה אם נוכל להשתמש באותה טכנולוגיה לעזור לנו למצוא משרה שאנחנו ממש מתאימים לה? אבל אני יודעת מה אתם חושבים. לתת לאלגוריתם לבחור את המשרה הבאה שלכם נשמע קצת מפחיד, אבל יש דבר אחד שהוכח שמנבא היטב הצלחה עתידית של מישהו במשרה, וזה מבחן “מרובה מידות“ (multimeasure test).
Multimeasure tests really aren't anything new, but they used to be really expensive and required a PhD sitting across from you and answering lots of questions and writing reports. Multimeasure tests are a way to understand someone's inherent traits -- your memory, your attentiveness. What if we could take multimeasure tests and make them scalable and accessible, and provide data to employers about really what the traits are of someone who can make them a good fit for a job?
מבחנים מרובי מידות הם בעצם לא דבר חדש, אבל פעם הם היו יקרים מאד ודרשו דוקטור שישב מולך ולענות על הרבה שאלות ולכתוב דוחות. מבחנים מרובי מידות הם דרך להבין את התכונות האינהרנטיות של מישהו הזיכרון שלך, תשומת הלב שלך. מה אם נוכל לקחת מבחנים מרובי מידות ולהפוך אותם לנגישים ובקנה מידה גדול, ולספק נתונים למעסיקים על מה באמת התכונות של מישהו שיכול להתאים היטב למשרה?
This all sounds abstract. Let's try one of the games together. You're about to see a flashing circle, and your job is going to be to clap when the circle is red and do nothing when it's green.
כל זה נשמע מופשט. בואו ננסה אחד מהמשחקים יחד. אתם עומדים לראות עיגול מוצג לזמן קצר, והתפקיד שלכם יהיה למחוא כף כשהעיגול אדום ולא לעשות כלום כשהוא ירוק.
[Ready?]
[מוכנים?]
[Begin!]
[התחילו!]
[Green circle]
[עיגול ירוק]
[Green circle]
[עיגול ירוק]
[Red circle]
[עיגול אדום]
[Green circle]
[עיגול ירוק]
[Red circle]
[עיגול אדום]
Maybe you're the type of person who claps the millisecond after a red circle appears. Or maybe you're the type of person who takes just a little bit longer to be 100 percent sure. Or maybe you clap on green even though you're not supposed to. The cool thing here is that this isn't like a standardized test where some people are employable and some people aren't. Instead it's about understanding the fit between your characteristics and what would make you good a certain job. We found that if you clap late on red and you never clap on the green, you might be high in attentiveness and high in restraint. People in that quadrant tend to be great students, great test-takers, great at project management or accounting. But if you clap immediately on red and sometimes clap on green, that might mean that you're more impulsive and creative, and we've found that top-performing salespeople often embody these traits.
אולי אתם מסוג האנשים שמוחאים כף מילישנייה אחרי שהעיגול האדום מופיע. או אולי אתם מסוג האנשים שלוקח להם רק טיפה יותר כדי להיות בטוחים ב100 אחוז. או אולי מחאתם כף בירוק למרות שלא הייתם אמורים. הדבר המגניב כאן הוא שזה לא כמו מבחן מתוקנן שם חלק מהאנשים מתאימים להעסקה וחלק לא. במקום זה, העניין הוא להבין את ההתאמה בין המאפיינים שלך ובין מה שגורם לך להיות טוב במשרה מסוימת. גילינו שאם מחאת כף מאוחר באדום ואף פעם לא מחאת כף בירוק, יתכן שיש לך תשומת לב גבוהה ושליטה עצמית גבוהה. אנשים ברביע הזה נוטים להיות תלמידים נהדרים, מצטיינים במבחנים, מצוינים בניהול פרויקטים או בחשבונאות. אבל אם מחאת כף מיד באדום ולפעמים מחאת כף בירוק, זה אולי אומר שאתם יותר אימפולסיביים ויצירתיים, ומצאנו שאנשי מכירות מצטיינים הרבה פעמים מגלמים את התכונות האלו.
The way we actually use this in hiring is we have top performers in a role go through neuroscience exercises like this one. Then we develop an algorithm that understands what makes those top performers unique. And then when people apply to the job, we're able to surface the candidates who might be best suited for that job.
הדרך שבה אנחנו משתמשים בזה בגיוס עובדים זה לתת לעובדים שמצטיינים בתפקיד לפתור תרגילים שבוחנים את המוח כמו זה. אז אנחנו מפתחים אלגוריתם שמבין מה מייחד את העובדים המצטיינים האלו. ואז כשאנשים מגישים מועמדות למשרה, נוכל לגלות את המועמדים שכנראה הכי מתאימים למשרה הזו.
So you might be thinking there's a danger in this. The work world today is not the most diverse and if we're building algorithms based on current top performers, how do we make sure that we're not just perpetuating the biases that already exist? For example, if we were building an algorithm based on top performing CEOs and use the S&P 500 as a training set, you would actually find that you're more likely to hire a white man named John than any woman. And that's the reality of who's in those roles right now. But technology actually poses a really interesting opportunity. We can create algorithms that are more equitable and more fair than human beings have ever been. Every algorithm that we put into production has been pretested to ensure that it doesn't favor any gender or ethnicity. And if there's any population that's being overfavored, we can actually alter the algorithm until that's no longer true. When we focus on the inherent characteristics that can make somebody a good fit for a job, we can transcend racism, classism, sexism, ageism -- even good schoolism.
אז אתם אולי חושבים שיש סכנה בזה. עולם העבודה היום הוא לא הכי מגוון ואם אנחנו בונים אלגוריתמים שמבוססים על העובדים המצטיינים הנוכחיים איך נוודא שאנחנו לא רק מנציחים את ההטיות הקיימות? לדוגמה, אם היינו בונים אלגוריתם שמבוסס על מנכ“לים עם ביצועים גבוהים ומשתמשים במדד S&P 500 כקבוצת אימון, בעצם תגלו שיותר סביר שתבחרו להעסיק איש לבן בשם ג’ון מאשר אישה כשלהי. וזו המציאות של מי נמצא בתפקידים האלו עכשיו. אבל הטכנולוגיה למעשה מציבה הזדמנות מעניינת מאד. אנחנו יכולים ליצור אלגוריתמים שוויוניים יותר והוגנים יותר משבני אדם היו אי פעם. כל אלגוריתם שאנחנו מוציאים לשימוש נבדק מראש כדי לוודא שאינו מעדיף שום מגדר או מוצא אתני מסוימים. ואם יש אוכלוסיה כלשהי שמועדפת מדי, אנחנו יכולים לשנות את האלגוריתם עד שזה כבר לא יהיה המצב. כשאנחנו מתרכזים במאפיינים המהותיים שיכולים לגרום למישהו להתאים היטב למשרה, אנחנו יכולים להתעלות מעל גזענות, סקסיזם, אפליה מעמדית, גילנות -- אפילו אפליה על בסיס בית הספר.
Our best technology and algorithms shouldn't just be used for helping us find our next movie binge or new favorite Justin Bieber song. Imagine if we could harness the power of technology to get real guidance on what we should be doing based on who we are at a deeper level.
הטכנולוגיה והאלגוריתמים הכי טובים שלנו לא צריכים לשמש רק לעזור לנו למצוא את הבינג′ סרטים הבא שלנו או השיר המועדף של ג’סטין ביבר. דמיינו שנוכל לגייס את כוחה של הטכנולוגיה לקבל הכוונה אמתית לגבי מה שאנחנו צריכים לעשות על בסיס מי שאנחנו ברמה עמוקה יותר.