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.
ネットで職に 応募するというのは 今の時代の 最悪の経験の1つでしょう 直接応募するのだって 少しもマシではありません
[The Way We Work]
シリーズ 働き方
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.
これまでの採用のやり方には いろんな面で問題があって 仕事を探す人にとって 酷い経験です 過去1年に様々な方法で 職に応募した人の75%は 過去1年に様々な方法で 職に応募した人の75%は その会社からまったく 音沙汰がなかったと言います 会社側にしても 状況が酷いのは同じです 採用後1年以内に 46%の人が クビになるか 退職するかしています びっくりしますよね 経済にとっても 良くありません 現在は 歴史上初めて 失業者よりも 求人が多くなっていて これは何か問題があることを 示していそうです
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.
その核にあると私が思っているのは 1枚の紙切れ 履歴書です 履歴書には確かに 有用な情報もあります 職歴 コンピュータースキル 語学力 でも そこに欠けているのは これまでやるチャンスがなかったけれど 潜在力を持っているものです 経済が急速に変化している今 ネット上に現れる仕事は 誰も持っていないスキルを 必要とするかもしれず 候補者が過去に 何をしてきたかだけを見ていては 今後の仕事と人との マッチングはできません
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.
そこでテクノロジーが 役に立ちます コンピューターが 人と物事のマッチングを すごく上手くできることに お気づきでしょう 自分に良く合った仕事を 見付けるために 同じテクノロジーを 使えないでしょうか? どう思っているか 分かりますよ コンピューターが自分の次の仕事を選ぶなんて 少しゾッとすると でも 社員が将来 仕事で成功するかどうかの 良い参考指標となるものが 一つあるんです 「マルチメジャー・テスト」です
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?
これは別に新しいもの ではありませんが かつては とてもコストが高く 専門家付き添いの元で 受験者は沢山の質問に答え 作文をする必要がありました マルチメジャー・テストは 記憶力や注意力といった その人の本質的な性質を 把握するためのものです マルチメジャー・テストを もっと簡単に 多くの人が 使えるようにし その仕事に適した人の性質が どのようなものかというデータを 求人側に示せるとしたら どうでしょう?
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.
ちょっと分かりにくいので ひとつゲームを してみましょう これから円が 現れますので その円が赤だったら 手を叩き 緑だったら 何もしないでください
[Ready?]
[準備はいい?]
[Begin!]
[はじめ!]
[Green circle]
[緑の円]
[Green circle]
[緑の円]
[Red circle]
[赤い円]
[Green circle]
[緑の円]
[Red circle]
[赤い円]
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.
赤い円が出た瞬間に 手を叩くタイプの人もいるし 絶対間違わないように 少し間を置いてから 手を叩く人 緑で 手を叩くべきでないのに 叩いてしまう人もいます これがいいのは 合格不合格を決める テストではなく 皆さんの性質に 適した仕事を 知るためのもの だということです 赤で少し遅れて手を叩き 緑では決して手を叩かなかった人は 用心深く 自制心の 強い人かもしれません そういう人の傾向として 学校では優秀で 試験の点数が良く プロジェクト管理や 会計などに向いています 赤で即座に手を叩き 時々緑でも叩いてしまった人は もっと衝動的で クリエイティブかもしれず 営業成績の良いセールスパーソンに よく見られます
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.
これを採用の際に どう使うかというと その職種において 優秀な人に こうした神経科学的な 課題をやってもらい その人たちの 特徴を見分ける アルゴリズムを 開発します すると人々が職に 応募してきたときに その職に最も適性のある候補者を 見付けられるようになります
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.
そのようなやり方は 危険だと思うかもしれません 現在の仕事の世界は必ずしも 人の多様性に富んでおらず 現時点での成績優秀者に基づいて アルゴリズムを作ったら 既存のバイアスを固定化させることに ならないでしょうか? 既存のバイアスを固定化させることに ならないでしょうか? たとえば S&P 500を 訓練セットとして 優れたCEOのデータを元に アルゴリズムを作ったなら きっと どんな女性よりも ジョンという名の白人男性の方が 採用される可能性が 高くなるでしょう それが現在CEO職を占めている人の 現実なのです でも テクノロジーは本当に 興味深い機会を与えてくれます どんな人間よりも 公平・公正な アルゴリズムを作ることが できるのです 私達が本番で使う アルゴリズムは 性別や民族に偏りがないか あらかじめテストしています ある種の層が 贔屓されているのが分かったら それが解消されるよう アルゴリズムを調整します 仕事への適性を生む 人の本質的な性質に 焦点を当てることで 人種差別 階級差別 性差別 老人差別 学歴差別さえ 克服可能になります
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.
最高のテクノロジーやアルゴリズムを 次に見る映画や ジャスティン・ビーバーに似た好みの曲を 探すのにしか使わないのは もったいないです テクノロジーの力を使って 自分自身が本質的にどういう 人間かに基づいた指針が得られたら 素敵だとは思いませんか