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.
Cercare lavoro online è tra le peggiori esperienze digitali del nostro tempo. E farlo di persona non è molto meglio.
[The Way We Work]
[Il modo in cui lavoriamo]
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.
La ricerca di personale che conosciamo è da rifare. È un'esperienza terribile per le persone. Circa il 75% delle persone che hanno cercato lavoro lo scorso anno usando vari metodi non ha mai ricevuto notizie dal datore di lavoro. E a livello aziendale non è molto meglio. Il 46% delle persone viene licenziato o si licenzia durante il primo anno di lavoro. Una cosa sconvolgente. Danneggia anche l'economia. Per la prima volta nella storia, abbiamo più posti di lavoro vacanti che numero di disoccupati, e ciò vuol dire che c'è un problema.
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.
Il punto cruciale della questione è un semplice foglio di carta: il CV. Un curriculum contiene alcune informazioni utili: i ruoli ricoperti, le abilità informatiche, le lingue parlate, ma ciò che manca è il potenziale delle persone di fare cose che magari in passato non hanno avuto l'occasione di fare. E con un'economia che cambia velocemente dove i lavori si cercano online e che richiedono abilità che nessuno ha, se ci soffermiamo solamente a cosa uno ha fatto in passato, non riusciremo ad assegnare alle persone i lavori del futuro.
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.
Ed è qui che penso che la tecnologia possa essere utile. Avrete notato che gli alogritmi sono diventati ottimi nell'abbinare le persone alle cose. E se potessimo usare quella stessa tecnologia per aiutarci a trovare dei lavori per cui siamo adatti? Ma so a cosa state pensando. Fa paura pensare che siano gli algoritmi a scegliere per te, ma esiste un metodo che riesce a predire il successo lavorativo di un individuo, ed è il cosiddetto test multi-valutativo. Questi test in realtà non sono niente di nuovo,
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?
ma un tempo erano molto costosi richiedevano la presenza di qualcuno con un PhD e rispondere a molte domande e scrivere dei report. Questi test sono un modo per capire i tratti innati di una persona: la memoria, il grado di attenzione. E se potessimo fare dei test, renderli scalabili e accessibili, e fornire ai datori le informazioni su quali sono quei tratti che rendono un individuo adatto per un certo lavoro?
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.
Tutto ciò sembra astratto. Proviamo uno dei giochi insieme. Vedrai un cerchio intermittente, e il tuo compito sarà applaudire quando il cerchio è rosso e stare fermo quando è verde.
[Ready?]
[Pronti?]
[Begin!]
[Via!]
[Green circle]
[Cerchio verde]
[Green circle]
[Cerchio verde]
[Red circle]
[Cerchio rosso]
[Green circle]
[Cerchio verde]
[Red circle]
[Cerchio rosso]
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.
Forse sei il tipo di persona che applaude appena il cerchio rosso appare. O forse sei il tipo di persona che ci mette un po' di più per essere sicura al 100%. O forse applaudi al verde anche se non dovresti. La cosa bella è che questo non è come un test standardizzato dove alcune persone sono idonee e altre no. Invece, si tratta di capire l'idoneità tra le tue caratteristiche e ciò che ti renderebbe bravo in un lavoro. Se applaudi tardi sul rosso e non applaudi mai sul verde, potresti essere molto attento e controllato. Le persone in quel quadrante sono ottimi studenti, bravi nei test, bravi a gestire progetti o nella contabilità. Ma se applaudi subito sul rosso e a volte anche sul verde, potrebbe significare che sei più impulsivo e creativo, e spesso i venditori migliori incarnano queste caratteristiche.
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.
Il modo in cui usiamo ciò nelle assunzioni è far sì che i migliori in un ruolo svolgano degli esercizi di neuroscienze come questo. Poi sviluppiamo un algoritmo che capisce cosa rende queste persone uniche. Quando le persone cercano lavoro, siamo in grado di proporre i candidati più adatti per quel lavoro.
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.
Potresti pensare che è pericoloso. Il mondo lavorativo oggi non è il più diversificato e se creiamo algoritmi basati sui migliori candidati attuali, come possiamo assicurarci che non stiamo solo perpetuando le faziosità che già esistono? Se creiamo un algoritmo basato sui migliori amministratori delegati e usiamo l'indice Standard & Poor 500, ti accorgeresti che assumeresti con più probabilità un bianco di nome John e non una donna. E questa è la realtà di chi ricopre questi ruoli ora. Ma la tecnologia offre un'opportunità davvero interessante. Possiamo creare degli algoritmi più equi e più giusti rispetto agli esseri umani. Ogni algoritmo che creiamo è stato collaudato per assicurare che non favorisca un genere o un'etnia. E se c'è una popolazione che viene favorita maggiormente, possiamo alterare l'algoritmo fino a che non lo sia più. Quando ci focalizziamo sui tratti innati che possono rendere qualcuno idoneo per un lavoro, possiamo trascendere le discriminazioni di razza, classe, sesso, età -- anche dell'istruzione.
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.
Ttecnologia e algoritmi non si dovrebbero usare solo per aiutare a trovare il prossimo film o una canzone di Justin Bieber. Immagina se si potesse sfruttare il potere della tecnologia per avere una guida su cosa dovremmo fare basata su chi siamo nel profondo.