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.
نوکریوں کے لیے آن لائن درخواست دینا ہمارے دور کا ایک بدترین ڈیجیٹل تجربہ ہے۔ اور بذات خود درخواست دینا بھی کچھ اچھا نہیں۔
[The Way We Work]
[ہم جس انداز سے کام کرتے ہیں]
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.
بھرتیوں کا عمل جیسا ہم جانتے ہیں مختلف ٹکڑوں میں تقسیم ہوتا ہے۔ یہ لوگوں کے لیے ایک تکلیف دہ تجربہ ہے۔ تقریبا 75 فیصد لوگ جنھوں نے پچھلے سال مختلف طریقوں سے نوکری کے لئے درخواست دی کہتے ہیں انھیں آجر کی طرف سے کوئی جواب موصول نہیں ہوا۔ اور اداروں کی سطح پر بھی کوئی خاص بہتری نہیں۔ 46 فیصد لوگ یا نوکری چھوڑ گئے یا نکال دیئے گئے نوکری کے آغاز کے پہلے ہی سال میں۔ کافی ناقابل یقین ہے یہ۔ یہ معیشت کے لئے بھی نقصان دہ ہے تاریخ میں پہلی بار، ہمارے پاس بے روزگاروں سے زیادہ نوکریاں موجود ہیں، میری نظر میں یہ علامت ہے کہ ہم مشکل میں ہیں۔
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.
میرا ماننا ہے کہ اس سب کہ پیچھے ایک کاغذ کا ٹکڑا ہے: درخواست۔ ایک درخواست یقیناً کچھ کارآمد حصوں پر مشتمل ہوتی ہے: لوگوں کی گذشتہ ذمہ داریاں، کمپیوٹرکی مہارت، وہ کونسی زبانیں بولتے ہیں، مگرجس چیز کی کمی ہے وہ لوگوں کی ان صلاحیتوں کا ذکر ہے جنھیں ماضی میں ظاہر ہونے کا موقع نہ مل سکا ہو۔ اور اس تیزی سے بدلتی معیشت میں جہاں نوکریاں آن لائن آ رہی ہوں ایسی صلاحیت درکار ہوسکتی ہے جو کسی میں نہ ہو، اگر ہم صرف یہ دیکھیں کہ کسی نے ماضی میں کیا کیا ہے، تو ہم لوگوں کو مستقبل کی ملازمتوں سے مطابقت نہیں دے پائیں گے۔
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.
میرے خیال میں اس جگہ ٹیکنالوجی بہت مددگار ہو سکتی ہے۔ آپ نے شائد دیکھا ہو کہ الگورتھم بہت اچھے ہوچکے ہیں لوگوں کو چیزوں سے ملانے میں، کیا ہو اگر ہم وہی تکنیک استعمال کرسکیں ایسی نوکری کی تلاش میں جو حقیقتاً ہمارے حساب سے ہو؟ مجھے پتہ ہے آپ کیا سوچ رہے ہیں۔ الگورتھم سے اگلی نوکری حاصل کرنا کافی خوفناک سا ہے، مگر ایک چیز ہے جو واضح ہے کسی کی نوکری میں مستقبل میں کامیابی کی حتمی پیشن گوئی کرنا، یا جسے کثیر پیمائشی امتحان کہا جاتا ہے۔
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?
کثیر پیمائشی امتحان کوئی نئی چیز نہیں ہیں، مگر یہ بہت مہنگے ہوا کرتے تھے اور کمرے میں آپکے ساتھ ایک پی ایچ ڈی کی موجودگی اور بہت سے جوابات دینا اور رپورٹس لکھنا۔ کثیر پیمائشی امتحان ایک ذریعہ ہیں کسی کی باطنی صلاحیتوں کو سمجھنے کا -- آپ کی یادداشت، آپ کی حاضر دماغی کا۔ کیا ہو اگر ہم کثیر پیمائشی امتحان لے سکیں اور انھیں آسانی سے قابل فہم بنا سکیں، اور ان کی معلومات اداروں کو فراہم کر سکیں کہ اصل صلاحیتیں کیا ہیں ان کی جو کہ ایک نوکری کے لئے مناسب امیدوار ہوسکتے ہیں؟
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.
یہ سب عجیب سا لگتا ہے۔ چلیں ساتھ مل کر ایک کھیل کھیلیں۔ ابھی آپ ایک چمکتا ہوا دائرہ دیکھیں گے، آپ کا کام ہے کہ اس وقت تالی بجائیں جب دائرہ سرخ ہو اور جب سبز ہو تو کچھ نہ کریں۔
[Ready?]
[ تیار؟]
[Begin!]
[ شروع کریں!]
[Green circle]
[ سبز دائرہ]
[Green circle]
[ سبز دائرہ]
[Red circle]
[ سرخ دائرہ]
[Green circle]
[ سبز دائرہ]
[Red circle]
[ سرخ دائرہ]
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.
ہوسکتا ہے آپ ان لوگوں میں ہوں جو سرخ دائرہ نظر آنے کے ملی سیکنڈ بعد تالی بجاتے ہوں. یا آپ ان لوگوں میں سے ہوں جنھیں 100 فیصد یقین کرنے میں کچھ وقت لگتا ہو۔ ہوسکتا ہے آپ نے سبز پر تالی بجائی ہو جب کہ آپ کو نہ بجانی ہو۔ اچھی بات یہ ہے کہ یہ کوئی عمومی آزمائش نہیں ہے جو کچھ لوگوں پرقابل عمل ہو اور کچھ پر نہیں۔ جبکہ یہ دراصل توازن سمجھنا ہے آپ کی خصوصیات کے مابین اور کیا آپ کے لیے اچھی نوکری ہو گی۔ ہمیں پتہ چلا کہ اگر آپ نےلال پر دیر سے تالی بجائی یا سبز پر بالکل نہیں بجائی، ہوسکتا ہے آپ بہت محتاط ہوں اور بہت قابو میں۔ اس طبقے میں شامل لوگ اچھے شاگرد، اور اچھے امتحان لینے والے ہوتے ہیں، منصوبوں کے انتظام یا حساب کتاب میں بہترین۔ مگرآپ نے سرخ پر جلدی تالی بجائی، اور کچھ بار سبز پر، اس کا مطلب ہوسکتا ہے کہ آپ تھوڑے جلد باز اور تخلیقی ہوں، اور ہم نے دیکھا ہے کہ کامیاب سوداگر اکثر اس صلاحیت کے حامل ہوتے ہیں۔
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.
اسے بھرتیوں میں استعمال کا طریقہ یہ ہے کہ کسی ایک نوکری کے لئے بہترین امیدواروں کو ذہنی مشقوں سے گزارا جائے جیسی کہ یہ ہے۔ پھر ہم ایک الگورتھم بنائیں جو سمجھتا ہے کہ بہترین لوگوں کو کیا چیز منفرد بناتی ہے۔ اور جب لوگ ملازمت کے لئے درخواست دیتے ہیں، ہم سب سے مناسب لوگوں کا انتخاب کرنے کے قابل ہوجاتے ہیں۔
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.
ہوسکتا ہے آپ اس میں خطرہ محسوس کر رہے ہوں۔ آج کی ملازمت کی دنیا اتنی ہمہ جہت نہیں ہے اور اگر ہم موجودہ بہترین افراد کے حساب سے کوئی الگورتھم بنائیں، تو کیسے یہ یقینی بنائیں کہ ہم پہلے سے موجود تعصبات کو ہی ایک مستقل عمل نہیں بنا رہے ہیں؟ مثلاً اگر ہم بہترین سی ای اوز کے انتخاب کا ایک الگورتھم ترتیب دے رہے ہوں اور ایس اینڈ پی 500 تربیت کے طریقے کو استعمال کریں، تو آپ کو پتہ چلے گا کہ شائد آپ جان نامی ایک سفید فام کو ملازمت دیں بجائے ایک عورت کے۔ اور یہی حقیقت جس سے پتہ چلتا ہے کہ کون اس جگہ پر ابھی ہے۔ مگر ٹیکنالوجی دراصل ایک بہت ہی دلچسپ موقع دیتی ہے۔ ہم ایسے الگورتھم بنا سکتے ہیں جو بہت منصفانہ ہوں اور اتنے شفاف جتنے انسان کبھی نہ تھے۔ ہر الگورتھم جسے ہم بناتے ہیں وہ پہلے آزمایا جاتا ہے یقینی بنانے کے لیے کہ اس سے کسی خاص قومیت یا جنس کو فائدہ نہ ہو۔ اور اگر آبادی کا کوئی طبقہ زیادہ مراعات یافتہ ہوجائے، ہم اس الگورتھم کو تبدیل کرسکتے ہیں جب تک کہ صحیح نہ ہوجائے۔ جب ہم باطنی صلاحیتوں پر توجہ دیتے ہیں جو کسی کو کسی ملازمت کے لئے مناسب بنا سکتا ہے، تو ہم تعصب، درجہ بندی، جنسی یا عمر کی تفریق سے بہت آگے نکل سکتے ہیں -- یہاں تک کہ اسکولوں کے فرق سے بھی۔
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.
ہماری بہترین ٹیکنالوجی اور الگورتھم کا استعمال صرف اس لئے نہیں ہونا چاہیے جس سے صرف آنے والی فلم یا جسٹن بیبیر کا نیا گانا ڈھونڈا جا سکے۔ سوچیں اگر ہم ٹیکنالوجی کی طاقت پر قابو پا سکیں حقیقی رہنمائی کےلیے کہ ہمیں دراصل کیا کرنا چاہیے اس بنیاد پر کہ حقیقتاً ہم کیا ہیں۔