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.
Az online állásinterjú napjaink egyik legrosszabb digitális élménye. A személyes állásinterjúk sem sokkal jobbak.
[The Way We Work]
[Így működünk]
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.
A felvétel tudomásunk szerint több sebből vérzik. Borzasztó élmény az emberek számára. Az embereknek mintegy 75 százaléka, akik tavaly különböző módokon jelentkeztek állásra, azt állítja, sosem kapott visszajelzést a munkáltatótól. A cégek szintjén se sokkal jobb a helyzet. Az emberek 46 százalékát kirúgják, vagy felmondanak a munkába állás első évében. Elég megdöbbentő. Ez a gazdaságnak is rossz. A történelem során először több betöltendő állás van, mint munkanélküli, és ez azt jelenti, nagy bajban vagyunk.
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.
Úgy hiszem, mindez egy darab papíron múlik: az önéletrajzon. Az önéletrajzban vannak hasznos elemek: korábbi munkakörök, számítógépes ismeretek, beszélt nyelvek, de hiányzik belőle annak lehetősége, amit korábban nem állt módjukban megtenni. Egy ennyire gyorsan változó gazdaságban, ahol online hirdetnek olyan állásokat, melyekhez korábban ismeretlen készségekre lehet szükség, ha csak azt nézzük, mit csinált valaki a múltban, nem fogjuk tudni összehangolni az embereket és az állásokat.
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.
Ebben lehet segítségünkre a technológia. Biztos látták már, hogy az algoritmusok nagyon jól összepárosítják az embereket a a dolgokkal. Mi lenne ha ugyanezt a technológiát arra használnánk, hogy hozzánk illő munkát találjunk? Tudom, mire gondolnak. Kicsit ijesztően hangzik, hogy algoritmusok választják ki új állásunkat. de van egy dolog, amiről kiderült, hogy előrevetíti a jövőbeli szakmai sikert, és ezt úgy hívják: többfunkciós teszt.
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?
A többfunkciós teszt nem újdonság, de korábban nagyon drága volt, és kellett mellénk egy doktor, aki megválaszolta a sok kérdést, és jelentéseket írt. A többfunkciós teszt arra szolgál, hogy megismerjük egy személy belső készségeit, memóriáját és koncentrálóképességét. Mi lenne, ha a többfunkciós tesztet bővíthetővé, hozzáférhetővé tennénk, és adatokat biztosítanánk a munkáltatóknak azokról a készségekről, amelyek alkalmasnak tesznek valakit egy munkára?
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.
Ez nagyon elvontan hangzik. Játsszunk együtt egy játékot. Mindjárt meglátnak egy villogó kört, az lesz a dolguk, hogy tapsoljanak, ha a kör piros, és ne tegyenek semmit, ha zöld.
[Ready?]
[Mehet?]
[Begin!]
[Indul!]
[Green circle]
[Zöld kör]
[Green circle]
[Zöld kör]
[Red circle]
[Piros kör]
[Green circle]
[Zöld kör]
[Red circle]
[Piros kör]
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.
Akad önök között, aki azonnal tapsol, amint megjelenik a piros kör. Van, aki kivár, hogy száz százalékig biztos legyen. Van, aki esetleg a zöldnél tapsol, amikor nem kellene. Ebben az a legjobb, hogy nem szabványos teszt, ami arról szól, hogy egyesek alkalmazhatók, mások pedig nem. Ez a teszt annak megértéséről szól, hogy meglévő tulajdonságaink hogyan tesznek alkalmassá minket egy állásra. Arra jutottunk, hogy aki későn tapsol a pirosnál és sosem tapsol a zöldnél, annak kimagasló lehet a figyelme, és magas az önmérséklete. Ebben a szeletben vannak a legjobb tanulók és tesztmegoldók, kiváló projektmenedzserek vagy könyvelők. Aki viszont rögtön tapsol a pirosnál vagy néha a zöldnél, az azt jelentheti, hogy impulzívabb és kreatívabb. Úgy találtuk, hogy a legjobban teljesítő kereskedőkre általában ez jellemző.
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.
A felvételi során kiszűrjük, kik teljesítenek a legjobban valamelyik szerepben, őket neurológiai tesztnek vetjük alá, mint amilyen ez is. Aztán algoritmust fejlesztünk, ami kielemzi, mitől egyediek a legjobbak. Aztán amikor az emberek állásra jelentkeznek, fel tudjuk tárni, hogy a jelöltek közül melyik a legalkalmasabb.
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.
Biztos azt gondolják, ez veszélyes. A munka világa ma nem éppen sokszínű, és a jelenlegi legjobbak alapján írunk algoritmusokat, akkor hogyan lehetnénk biztosak abban, hogy nem betonozzuk be a már meglévő torzulásokat? Például ha a vezérigazgatók teljesítménye alapján írunk egy algoritmust, és az S&P 500 határidős indexszel tanítjuk be, látni fogjuk, sokkal valószínűbb, hogy egy John nevű fehér férfit veszünk fel, mint bármilyen más nőt. Többnyire ilyen emberek töltik be ezeket a szerepeket. A technológia azonban igazán érdekes lehetőséget teremt. Sokkal méltányosabb és igazságosabb algoritmusokat írhatunk, mint amit emberek valaha is alkottak. Minden megírt algoritmust előzetesen megvizsgálunk, hogy biztosítsuk: nem részesít előnyben se társadalmi nemet, se etnikumot. Ha a népesség egy részét mégis előnyben részesíti, módosíthatjuk a programot addig, amíg ez már nem igaz. Amikor azokra a belső jellemzőkre fókuszálunk, amik alkalmassá tesznek egy állásra, felülemelkedhetünk a rasszizmuson, előítéleten, szexizmuson, az életkori és iskolázottságbeli hátrányos megkülönböztetésen.
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.
A legjobb technológiát és programokat ne csak menő új filmek vagy az új Justin Bieber-szám megtalálására használjuk. Képzeljék el, ha arra használnánk a technológiát, hogy valódi tanácsot kapjunk arról, mit tegyünk annak alapján, hogy milyen a személyiségünk.