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.
Procurar emprego na Internet é uma das piores experiências digitais do nosso tempo. Procurar empregos pessoalmente também não é nada bom.
[The Way We Work]
[A Maneira Como Trabalhamos]
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 forma actual de contratação apresenta complicações. É uma péssima experiência para as pessoas. Cerca de 75% das pessoas que se candidataram a vagas de diversas formas, no ano passado, reportaram nunca terem recebido resposta. A perspectiva da empresa também não é boa: 46% das pessoas são despedidas ou largam o emprego logo no primeiro ano. É difícil de perceber. Também é mau para a economia. Pela primeira vez na história, temos mais vagas de emprego do que pessoas desempregadas. Isto é um alerta de que temos um 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.
Creio que, no cerne disso tudo, esteja um pedaço de papel: o currículo. O currículo certamente contém partes úteis: experiências prévias, competências informáticas, competências linguísticas mas o que falta é o potencial da pessoa, do que ela pode fazer e que talvez não tenha tido oportunidade de fazer no passado. Numa economia em rápida mudança, e com empregos "online", exigindo competências que ninguém possui, se apenas analisarmos o passado duma pessoa, não conseguiremos pessoas para os empregos do 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.
É aí que acho que a tecnologia pode ser bastante útil. Provavelmente repararam que os algoritmos melhoraram bastante em corresponder pessoas com coisas. Mas e se pudéssemos usar essa mesma tecnologia para nos ajudar a encontrar empregos bem adequados para nós? Sei o que estão a pensar. Algoritmos a escolher o nosso próximo emprego parece assustador, mas há uma coisa que se mostrou muito boa em prever o sucesso futuro de alguém num emprego: são os chamados testes de multi-medição.
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?
Os testes de multi-medição não são novidade, mas eram muito caros, exigiam a presença de um doutorado, a resposta a muitas perguntas e à escrita de relatórios. Estes testes são uma maneira de entender as características inerentes de uma pessoa, a memória, a atenção. E se pudéssemos pegar nesses testes, torná-los mais abrangentes e acessíveis e fornecer dados aos empregadores sobre quais são as características de alguém que possa ser um bom candidato a determinada função?
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.
Parece algo muito abstracto. Vamos fazer um dos jogos. Vão ver um círculo luminoso, e têm de bater palmas quando o círculo ficar vermelho e não fazerem nada quando ficar verde.
[Ready?]
[Preparados?]
[Begin!]
[Começar!]
[Green circle]
[Círculo verde]
[Green circle]
[Círculo verde]
[Red circle]
[Círculo vermelho]
[Green circle]
[Círculo verde]
[Red circle]
[Círculo vermelho]
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.
Talvez sejam o tipo de pessoa que bate as palmas um milissegundo após o vermelho aparecer. Ou talvez sejam o tipo de pessoa que leva um pouco mais de tempo para ter 100% de certeza. Ou talvez batam palmas no verde mesmo quando não deviam. O bom aqui é que este não é um teste-padrão, em que algumas pessoas são dadas como aptas e outras não. Na verdade, ele mostra as afinidades entre as nossas características e o emprego que seria ideal para nós. Descobrimos que, quem bate as palmas no vermelho e nunca no verde, tem níveis altos de atenção e de contenção. As pessoas nesse quadrante tendem a ser óptimos alunos, óptimos em testes, em gestão de projectos ou em contabilidade. Se batem as palmas sempre no vermelho e às vezes no verde, isso pode significar que vocês são mais impulsivos e criativos, e descobrimos que os vendedores de alto desempenho normalmente são assim.
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.
Usamos isso em contratações aplicando exercícios neurocientíficos como esse a pessoas de alto desempenho. Depois desenvolvemos um algoritmo que entende o que torna únicas essas pessoas de alto desempenho. Então, quando as pessoas se candidatam a uma vaga, podemos seleccionar os melhores para a função.
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.
Talvez vocês pensem que há riscos nisso. O mundo do trabalho de hoje não é tão diversificado e, se criarmos algoritmos com base em pessoas de alto desempenho, como garantimos que não estejamos a perpetuar as tendências já existentes? Por exemplo, se criássemos um algoritmo baseado em executivos de alto desempenho e usássemos o S&P 500 como padrão de treino, iríamos descobrir que tendemos a contratar um homem branco chamado John do que qualquer mulher. É o tipo de pessoa que ocupa esses cargos actualmente. Mas a tecnologia apresenta uma oportunidade muito interessante. Podemos criar algoritmos mais equitativos e mais justos que os seres humanos. Cada algoritmo que produzimos foi testado para garantir que nenhum género ou raça seja favorecido. Quando algum grupo está a ser favorecido, podemos alterar o algoritmo até que isso não ocorra. Quando nos focamos nas características inerentes que podem tornar alguém uma boa opção para um emprego, transcendemos o racismo, o classismo, o sexismo, a idade... até mesmo a formação escolar.
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 melhor tecnologia e algoritmos não devem ser usados apenas para ajudar a achar a nossa próxima maratona de filmes ou música favorita. Imaginem se pudéssemos aproveitar o poder da tecnologia para descobrirmos o que devíamos estar a fazer com base em quem somos a um nível mais profundo.