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.
การสมัครงานออนไลน์ เป็นหนึ่งในประสบการณ์ดิจิทัล ที่แย่ที่สุดในยุคของเรา และการสมัครงานด้วยตัวเอง ก็ไม่ได้ดีไปกว่ากัน
[The Way We Work]
[วิธีการทำงานของเรา]
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.
เรารู้กันดีว่าการจ้างงาน มันล้มเหลวในทุกกระบวนท่า เป็นประสบการณ์ที่แย่สำหรับหลายคน กว่าร้อยละ 75 ของคนสมัครงาน ที่ใช้วิธีการหลายอย่างในช่วงปีที่ผ่านมา บอกว่าพวกเขาไม่ได้ยินอะไรกลับมา จากบริษัทที่สมัครไปเลย สำหรับบริษัทเอง ก็ไม่ได้ดีไปกว่ากัน ร้อยละ 46 ถูกไล่ออกหรือลาออก ในช่วงปีแรกที่เริ่มทำงาน เป็นเรื่องที่น่าตกใจมาก และเลวร้ายมากสำหรับเศรษฐกิจ เป็นครั้งแรกในประวัติศาสตร์ ที่เรามีตำแหน่งงานว่าง มากกว่าคนที่ว่างงาน และสำหรับฉัน มันกรีดร้องว่าเรากำลังมีปัญหา
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.
ฉันเชื่อว่าปัญหาของทั้งหมดนี้ มาจากกระดาษแผ่นเดียว : เรซูเม่ แน่นอนว่าเรซูเม่ มีประโยชน์อยู่บ้าง เคยทำตำแหน่งอะไรมาบ้าง ทักษะคอมพิวเตอร์ พูดภาษาอะไร แต่สิ่งที่มันขาดคือ คนเหล่านั้นมีศักยภาพที่จะทำอะไร ที่พวกเขาอาจจะไม่มีโอกาสได้ทำในอดีต และด้วยเศรษฐกิจที่แปรผันอย่างรวดเร็ว ที่ซึ่งงานกำลังมาทางออนไลน์ ซึ่งอาจต้องใช้ทักษะที่ไม่มีใครมี ถ้าเรามัวแต่ดูสิ่งที่คนเคยทำในอดีต เราจะไม่สามารถหาคน มาทำงานในอนาคตได้เลย
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.
จุดนี้ ฉันคิดว่าเทคโนโลยี จะมาช่วยได้อย่างมาก คุณอาจเคยเห็นอัลกอริทึม ที่มีความสามารถ ในการจับคู่คนกับสิ่งต่าง ๆ หากเราสามารถใช้เทคโนโลยีเดียวกันนี้ ในการช่วยเราหางานที่เราเหมาะจริง ๆ ฉันรู้ว่าคุณคิดอะไรอยู่ อัลกอริทึมที่เลือกงานถัดไปให้คุณ ฟังดูน่ากลัวเล็กน้อย แต่มีสิ่งที่หนึ่งที่แสดงให้เห็นแล้ว ว่าเป็นการทำนายความสำเร็จ ในหน้าที่การงานของใครบางคนในอนาคต มันเรียกว่า การทดสอบด้วยตัววัดหลายตัว
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?
การทดสอบด้วยตัววัดหลายตัว ไม่ใช่อะไรใหม่ แต่มันเคยมีราคาที่สูงมาก ต้องมีผู้ที่จบ ป.เอก มานั่งตรงข้ามคุณ ต้องอาศัยการตอบคำถามมากมาย และการเขียนรายงาน การทดสอบด้วย ตัววัดหลายตัว เป็นวิธีที่ จะเข้าใจลักษณะโดยธรรมชาติของคน -- ความจำ ความใส่ใจ จะเกิดอะไรขึ้นหากเราสามารถ นำการทดสอบนั้น มาใช้ในวงกว้างและเข้าถึงได้ง่าย และให้ข้อมูลกับผู้จ้างงานเกี่ยวกับลักษณะ ของคนที่มีความเหมาะสมกับงาน
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.
มันฟังดูเป็นนามธรรม เรามาลองหนึ่งในเกมกัน อีกสักครู่ คุณจะเห็นวงกลมกระพริบ สิ่งที่คุณต้องทำคือปรบมือ เมื่อวงกลมเป็นสีแดง ไม่ต้องทำอะไร เมื่อเป็นสีเขียว
[Ready?]
[พร้อมไหม]
[Begin!]
[เริ่ม!]
[Green circle]
[วงกลมสีเขียว]
[Green circle]
[วงกลมสีเขียว]
[Red circle]
[วงกลมสีแดง]
[Green circle]
[วงกลมสีเขียว]
[Red circle]
[วงกลมสีแดง]
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.
คุณอาจจะเป็นคนประเภทที่ ปรบมือเสี้ยววินาที หลังจากวงกลมสีแดงปรากฎ หรืออาจะเป็นประเภท ใช้เวลานานสักหน่อย เพื่อให้แน่ใจร้อยเปอร์เซ็นต์ หรืออาจจะเป็นคนที่ปรบมือเมื่อเห็นสีเขียว แม้ไม่ควรจะทำก็ตาม ความเจ๋งคือ นี่ไม่ใช่แบบทดสอบมาตรฐาน ที่บางคนจะได้งาน และบางคนไม่ได้ มันเกี่ยวกับการเข้าใจความเหมาะสม ระหว่างคุณลักษณะของคุณ กับสิ่งที่ทำให้คุณเก่งในงานบางอย่าง เราพบว่าถ้าคุณปรบมือช้าเมื่อเห็นสีแดง และไม่เคยปรบมือตอนสีเขียว คุณอาจเป็นคนที่มีความใส่ใจ และความยับยั้งชั่งใจสูง คนที่อยู่ในกลุ่มนี้มักเป็นนักเรียนที่เก่ง เป็นนักทำข้อสอบที่เก่ง เด่นในเรื่อง การจัดการโปรเจกต์หรือบัญชี แต่ถ้าคุณปรบมือทันทีเมื่อเห็นสีแดง และปรบมือบ้างตอนสีเขียว อาจจะหมายความว่าคุณเป็นคน หุนหันและสร้างสรรค์ เราพบว่านักขายที่เก่ง ๆ มักมีคุณลักษณะนี้
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.
วิธีที่เราใช้สิ่งนี้ในการเลือกคนเข้าทำงาน คือเราเอาคนเก่ง ๆ ในงาน มาทำแบบทดสอบทางประสาทวิทยา เหมือนอันนี้ จากนั้นเราพัฒนาอัลกอริทึม ที่เข้าใจว่าอะไรทำให้คนเก่ง ๆ เหล่านี้ มีความพิเศษ จากนั้นเมื่อมีคนมาสมัครงาน เราจะสามารถกรองผู้สมัคร ที่อาจมีความเหมาะสมที่สุดกับงาน
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.
คุณอาจคิดว่าา มันมีความเสี่ยงเหมือนกันนะ โลกการทำงานในปัจจุบัน ไม่ได้มีความหลากหลายนัก ถ้าเราสร้างอัลกอริทึมโดยอาศัย คนเก่ง ๆ ที่มีอยู่ เราจะแน่ใจได้ยังไง ว่าเราไม่ได้ไป ส่งเสริมอคติที่มีอยู่แล้ว ตัวอย่างเช่น ถ้าเราพัฒนาอัลกอริทึม โดยอาศัยซีอีโอท็อป ๆ และใช้ข้อมูลจาก S&P 500 ในการทดสอบ คุณจะพบว่า คุณมีแนวโน้มจะจ้างชายผิวขาวชื่อจอร์น มากกว่าผู้หญิง และนั่นคือความจริงที่ว่า ใครอยู่ในตำแหน่งนั้นตอนนี้ แต่เทคโนโลยี ก็มอบโอกาสที่น่าสนใจเช่นกัน เราสามารถสร้างอัลกอริทึม ที่มีความเท่าเทียม และยุติธรรมมากว่าที่มนุษย์เคยเห็นมา อัลกอริทึมทุกตัวที่เราใช้ได้ถูกทดสอบ เพื่อให้แน่ใจว่ามันไม่ได้เอนเอียง ไปทางเพศใดหรือเชื้อชาติใด และหากมีประชากรใด ที่ได้รับความชื่นชอบมากกว่า เราก็สามารถที่จะปรับอัลกอริทึม จนกว่ามันจะหายไป เมื่อเราสนใจไปที่คุณลักษณะตามธรรมชาติ ที่ทำให้ให้สักคนเหมาะสมกับงาน เราสามารถก้าวข้ามการเหยีดเชื้อชาติ ชนชั้น เพศ อายุ -- แม้กระทั่งการไปโรงเรียนดี ๆ
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.
เทคโนโลยีที่ดีและอัลกิริทึมที่ดีที่สุด ไม่ควรถูกใช้แค่ การช่วยให้เราหาหนังเรื่องถัดไป หรือเพลงใหม่ติดหูของจัสติน บีเบอร์ จินตนาการดูว่าเราจะสามารถ ใช้พลังของเทคโนโลยี เพื่อให้ได้แนวทางว่า เราควรจะทำอะไร จากสิ่งที่เราเป็น ในระดับลึกลงไป