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.
داواکردنی کار، لەڕێی ئۆنلاین یەکێکە لە ناخۆشترین ئەزمونە دیجیتاڵیەکان لەسەردەمی ئێمە. بەشێوەی یەکتربینینیش بەڕاستی زۆر باشتر نییە.
[The Way We Work]
[ڕێگەی کارکردنی ئێمە]
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.
وەک دەزانین دامەزراندن لە زۆر ڕووەوە لاواز بووە. ئەوە بۆ خەڵکی ئەزموونێکی زۆر ناخۆشە. نزیکەی سەدا 75 ی خەڵکی ئەوانەی بە ڕێگەی جیاواز لە سالی ڕابردوودا داوای کاریان کردووە، وتویانە، هەرگیز وەڵامیان نەدراوەتەوە. هەروەها لەسەر ئاستی کۆمپانیاش باشتر نییە. سەدا 46 ی خەڵک دەردەکرێن یان وازدەهێنن لە ماوەی یەکەم ساڵی دەستپێکی کارەکەیان. بەڕاستی ئەوە سەرسام کەرە. ئەوە بۆ لایەنی ئابووریش خراپە. بۆ یەکەم جار لە مێژوودا، ئێمە کاری بەردەستمان لە ژمارەی خەڵکی بێکار زیاتر هەیە، بەلای منەوە ئەوە ئاشکرایە کە کێشەیەکمان هەیە.
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.
من بڕوام وایە، کە سەرچاوەی هەموو ئەوە پارچە کاغەزێکە، کە بریتییە لە سی ڤی. سی ڤی، چەند لایەنێکی بە سوودی هەیە لێرەدا: وەکو، ڕۆڵی خەڵک لە ڕابردوو، توانستی کۆمپیتەری، ئەو زمانانەی قسەی پێ دەکات، بەڵام ئەوەی سی ڤی نیەتی ئەوەیە ئەگەری کردنی شتانێکیان دەبێت کە ڕەنگە لە ڕابردوودا هەلی ئەنجامدانیانی نەبوو بێت. بەهۆی گۆڕانکاریی خێرای ئابوری لەم جۆرە کە کارەکان دەبنە ئۆنلاین ڕەنگە داواکارییەکان شتانێک بن کە کەس نەیبێت، ئەگەر تەنها سەیری ئەزموونی ڕابردووی کەسێک بکەین، ئەوا ناتوانین خەڵکی لەگەڵ کارەکانی داهاتوو بگونجێنین.
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.
هەربۆیە پێموایە لێرەدا تەکنەلۆجیا دەتوانێت یارمەتی دەربێت. لەوانەیە بینی بێتت کە ئەلگاریزم لە گونجاندنی خەڵکی بۆ شتەکان زۆر بەرەوپێش چووە، بەڵام چی دەبوو هەمان تەکنەلۆجیامان بەکارهێنابا بۆ یارمەتی خۆمان لە دۆزینەوەی ئەو کارانەی کە ئێمە بۆیان گونجاوین؟ بەڵام دەزانم بیر لەچی دەکەنەوە. هەڵبژاردنی کاری دواترت بەهۆی ئەلگاریزم کەمێ ترسناک دیارە، بەڵام شتێک هەیە دەرکەوتووە لە پێشبینی کردنی سەرکەوتنی کاری داهاتووی کەسێک، ئەویش پێی دەلێن تاقیکاری پێوانەیی جۆراوجۆر.
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?
تاقیکاریەکان لە ڕاستیدا تازە شتانێکی تازە نین، بەڵام پێشتر بەڕاستی گران بوون و دەبوایە بڕوانامەی دکتۆرات هەبا بۆی و وەلامی پڕسیاری زۆرت دابایەوە و ڕاپۆرتی زۆر بنووسیت. تاقیکارییەکان ڕێگەیەکن بۆ تێگەیشتن لە تایبەتمەندییەکانی کەسێک-- وەکو، یادگە و بەدیقەتی چی دەبوو توانیبامان تاقیکارییەکان بکەین و وامان لێکردبان بەردەوام و بەردەست بن و زانیارییەکان بە خاوەن کارەکان لە بارەی تایبەتمەندیەکانی کەسێک کە دەتوانێت بۆ کارەکە گونجاوی بکات، بدەین؟
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.
هەموو ئەوانە خەیاڵی دیارن. با بەیەکەوە یارییەک تاقیبکەینەوە. تۆ بازنەیەکی ڕەنگدار دەبینیت و کارەکەت بریتی دەبێت لە چەپڵەلێدان کاتێک بازنەکە سوور دەبێت و کاتێک دەبێتە سەوز هیچ ناکەیت.
[Ready?]
[ئامـــادەیت؟]
[Begin!]
[دەست پێبکە!]
[Green circle]
[بازنەی سەوز]
[Green circle]
[بازنەی سەوز]
[Red circle]
[بازنەی سوور]
[Green circle]
[بازنەی سەوز]
[Red circle]
[بازنەی سوور]
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.
ڕەنگە تۆ لەو کەسانە بیت کە چەپڵە لێدەدەن ڕاستەوخۆ دوای دەرکەوتنی بازنەی سوور. یان ڕەنگە لەو کەسانە بیت کە کەمێ کاتی زیاتری پێدەچێت هەتا سەدا 100 دڵنیا دەبێتەوە. یان ڕەنگە لەو کاتەی بازنەکە سەوزە چەپڵە لێدەیت لە کاتێکدا نابێت. لێرەدا، ئەوەی باشە ئەم تاقیکردنەوە ستاندارد نییە کە هەندێک خەڵک بۆی گونجاوبێت و هەندێکیش نا. بەڵکو ئەمە دەربارەی تێگەیشتنە لە نێوان تایبەتمەندییەکانت و ئەوشتەی لە کارێکی دیاریکراودا باشت دەکات. بۆمان دەرکەوت ئەگەر درەنگ لەسەر ڕەنگی سوور چەپلەت لێدا و لەسەر سەوز لێت نەدا، ڕەنگە تۆ کەسێکی زۆر ئارامگر و زۆر بە دیقەتیت. خەڵکی لەناو ئەم بارەدا دەکرێت خوێندکاری زۆرباش، زۆر باش بن لە بەرێوەبردن یان ژمێریاری. بەڵام ئەگەر ڕاستەوخۆ چەپلەت لەسەر سوور لێ بدەیت و جارجاریش لە سەر سەوز، ئەوا ڕەنگە مانای هەڵەشەیی و داهێنەرانەی تۆ بگەیەنێت، بۆشمان دەرکەوتووە کە باشترین فرۆشیارەکان بە زۆری ئەو تایبەتمەندییەیان تێدایە.
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.
ڕێگەی بەکارهێنانی لە دامەزراندن دا لای ئێمە ئەوەیە، ئێمە باشترین نوێنەرمان لە ڕۆڵی ڕاهێنانی زانستی نۆرۆلۆجی هەیە وەکو ئەوە. دواتر ئەلگاریزمێک پەرە پێ دەدەین کە تێدەگات چی شتێک ئەو دواتر کە خەڵک داوای کارەکە دەکات، دەتوانین لەبارەی بەربژێرەکانەوە بزانین کە ڕەنگە گونجاوترین بن نۆ کارەکە.
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.
لەوانەیە وا بیربکەیتەوە ئەم کارە مەترسی تێدایە. کاری دونیا لە ئەمڕۆدا جیاواترین نییە و ئەگەر ئەلگاریزمەکان لەسەر بنەمای باشترین ڕۆل بینەکان درووست بکەین، چۆن دڵنیا دەبین کە بەردەوامی بەو جیاکارییە نادەین کە پێشتر بوونی هەیە؟ بۆ نموونە، ئەگەر ئەلگاریزمێک لەسەر بنەمای باشترین بەڕێوبەرکان درووست بکەین هەروەها بەکارهێنانی S&P 500 وەک کۆمەڵەی ڕاهێنان، ئەوا بۆت دەردەکەوێت کە تۆ ئەگەری زیاترە کە پیاوێکی سپی بە ناوی جۆن هەڵبژێریت وەک لە ژنێک. ئەوەش ڕاستی ژیانی ئەو کەسانەیە کە ئیستا لەو رۆڵانەدان. بەڵام بەڕاستی تەکنەلۆجیا دەبێتە دەرفەتێکی سەرنج ڕاکێش. دەتوانین ئەلگاریزمی یەکسان درووست بکەین هەروەها دادپەروەرانەتر لەوەی مرۆڤ تائێستا بووبێ. هەر ئەلگاریزمێک کە دەیخەینە بەرهەمەکەوە ئەوا تاقیکردنەوەی بۆ کراوە بۆ دلنیا بوون کە جیاوازی ڕەگەزی یان نەژادی ناکات. ئەگەر مافی هەر کەسێک درابێتە کەسێکی تر، ئەوا دەتوانین ئەلگاریزمەکە بگۆڕین هەتا شتی لەو جۆرە نامێنیت. کاتێک سەرنج دەخەینە سەر تایبەتمەندیە زگماکیەکان کە وا دەکات کەسێک بۆ کارێک گونجاو بێت، ئەوا دەتوانین سنوری ڕەگەز پەرستی، چینایەتی ، جیاوازی ڕەگەز و تەمەن هەڵگرین-- تەنانەت لە خوێندەواریەکی باشیش
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.
تەکنەلۆجیا و ئەلگاریزمە نایابەکانمان نابێت تەنها لە یارمەتی خۆمان بۆ دۆزینەوەی فیلم یان گۆڕانی تازەوی جەستن بیبەر بەکاربهێنین. بێنە پێش چاوت، توانیبامان هێزی تەکنەلۆجیامان بەکارهێنابا بۆ ڕێبەرایەتی ڕاستەقینە لەسەر ئەوەی دەبێت چ بکەین لەسەر بنەمای ناسینی خۆمان لە ناخەوە.