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.
[The Way We Work]
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.
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.
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.
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?
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.
[Ready?]
[Begin!]
[Green circle]
[Green circle]
[Red circle]
[Green circle]
[Red circle]
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.
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.
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.
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.
التقدم للوظائف عبر الإنترنت
هي واحدة من الأسوأ
الخبرات الرقمية في عصرنا.
حتى التقدم للوظائف شخصيًا
ليس أفضل بكثير في الواقع.
[الطريقة التي نعمل بها]
التوظيف كما نعرفه
لديه ثغرات على العديد من الجبهات.
أنه تجربة سيئة للأشخاص.
حوالي 75% من الأشخاص
الذين تقدموا إلى الوظائف
باستخدام طرق مختلفة في العام الماضي
قال إنهم لم يتلقوا شيئًا أبدًا
من صاحب العمل.
وعلى مستوى الشركة ليس أفضل بكثير.
46 في المئة من الأشخاص يتم إقالتهم
أو أنهم يقدمون استقالتهم
في غضون العام الأول من بدء عملهم.
أنه شيء مخيف.
وسيء للاقتصاد أيضًا.
ولأول مرة في التاريخ،
لدينا من الوظائف الشاغرة أكثر
مما لدينا من أشخاص عاطلين،
وهذا بالنسبة لي جرس إنذار بوجود مشكلة.
أعتقد أنه في صميم كل هذا
هي ورقة واحدة: السيرة الذاتية.
السيرة ذاتية لها بالتأكيد
بعض القطع المفيدة فيها:
ما الأدوار التي قام بها الشخص،
مهارات الحاسوب،
ما اللغات التي يتحدثها،
لكن ما تفتقده هو
وجود القدرة على القيام بشيء
لم تكن الفرصة مواتية للقيام به في الماضي.
ومع مثل هذا الاقتصاد المتغير بسرعة
حيث الوظائف تأتي عبر الإنترنت
والتي قد تتطلب مهارات لا يملكها أحد،
وإذا نظرنا فقط إلى ما الذي قام به
شخص ما في الماضي،
لن نكون قادرين على مطابقة الناس
مع وظائف المستقبل المناسبة.
لذلك أعتقد أن هنا يأتي دور
التكنولوجيا المفيد حقًا.
ربما كنتم قد رأيتم
أن الخوارزميات تقوم بدور جيد جدًا
في مطابقة الأشخاص مع الأشياء،
ولكن ماذا لو استطعنا استخدامها
تلك التكنولوجيا نفسها
لمساعدتنا فعلا في العثور على وظائف
المناسبة تمامًا لنا؟
لكنني أعرف ما تفكرون فيه.
أن تختار الخوارزميات عملك المقبل
يبدو مخيفًا بعض الشيء،
ولكن تبين أن هناك شيء واحد
يتنبأ حقًا
بنجاح شخص ما في المستقبل في وظيفة،
وهذا ما يسمى اختبار متعدد المقاييس.
الاختبارات المتعددة
ليست شيئًا جديدًا حقًا،
ولكنها باهظة الثمن جدًا
وتتطلب ما يعادل درجة الدكتوراه
والإجابة على كثير
من الأسئلة وكتابة التقارير.
الاختبارات المتعددة هي وسيلة
لفهم السمات الكامنة لشخص ما -
ذاكرتكم، انتباهكم.
ماذا لو قمنا بإجراء اختبارات
متعددة المقاييس
وجعلها قابلة للتطوير ويمكن الوصول إليها،
وتقديم البيانات لأصحاب العمل
حول حقا ما هي الصفات
الشخص الذي سيؤدي العمل بشكل جيد؟
يبدو كل هذا تجريديًا.
لنجرب إحدى الألعاب معًا.
أنتم على وشك رؤية دائرة تومض،
وستقومون بالتصفيق عندما تكون الدائرة حمراء
ولا تفعلون شيئًا عندما تكون الدائرة خضراء.
[مستعدون؟]
[نبدأ!]
[دائرة خضراء]
[دائرة خضراء]
[دائرة حمراء]
[دائرة خضراء]
[دائرة حمراء]
ربما أنت ذلك النوع من الأشخاص
الذي يصفق بعد ميلي ثانية واحدة
من ظهور دائرة حمراء.
أو ربما أنت ذلك النوع من الأشخاص
الذي يأخذ فقط فترة أطول قليلًا
ليكون متأكدًا 100 في المئة.
أو ربما كنت تصفق على الأخضر
رغم أنه ليس من المفترض أن تفعل ذلك.
الشيء الرائع هنا هو أن
هذا ليس مثل اختبار موحد
حيث يمكن قبول بعض الأشخاص في العمل
والبعض لا يمكنهم.
بدلًا من ذلك فهو يتعلق بفهم
الملاءمة بين الخصائص الخاصة بك
وما الذي يجعلك ملائمًا لوظيفة معينة.
وجدنا أنه إن صفقت في وقت متأخر
للون الأحمر، فلن تصفق للأخضر أبدًا،
وقد تكون لديك مستوى عالٍ من الاهتمام
وضبط النفس.
الأشخاص في هذا الربع عادة ما يكونوا
طلاب عظماء، أو ناجحين في أخذ الاختبارات،
أو عظماء في إدارة المشاريع أو المحاسبة.
ولكن إن صفقت فورًا للون الأحمر
وأحيانا للأخضر،
هذا قد يعني أنك أكثر اندفاعًا وإبداعًا،
ووجدنا أن مندوبي المبيعات ذوي الأداء
العالي غالبًا ما يجسدون هذه الصفات.
الطريقة التي نستخدمها بالفعل في التوظيف
هي أنه لدينا أفضل أشخاص ذوي أداء عالي
يجتازون تمارين العلوم العصبية
مثل هذه.
ثم نطور خوارزمية
قادرة فهم ما يجعل
هؤلاء ذوي الأداء العالي متميزين.
وعندما يتقدم الأشخاص للوظيفة،
نحن قادرون على اختيار المرشحين
الذي قد يكونوا الأنسب لهذا المنصب.
لذلك قد تفكرون أن هناك خطر في هذا.
عالم العمل اليوم ليس الأكثر تنوعًا
وإذا كنا نبني الخوارزميات
بناء على ذوي الأداء الحالي الأفضل،
كيف نتأكد
أننا لا نقوم بإدامة
التحيزات الموجودة بالفعل؟
مثلًا، إذا كنا نبني خوارزمية تستند
على المديرين التنفيذيين ذوي الأداء الأعلى
واستخدمنا إس و بي 500 كمجموعة تدريب،
ستجد بأن
أنت أكثر عرضة لتوظيف
رجل أبيض يدعى جون من أي امرأة.
وهذا هو الواقع الذي يقوم به
من هو في تلك الأدوار الآن.
لكن التكنولوجيا تشكل في الواقع
فرصة مثيرة للاهتمام حقًا.
يمكننا إنشاء خوارزميات أكثر إنصافًا
وأكثر عدلًا من البشر من أي وقت مضى.
كل خوارزمية نستخدمها قد تم اختبارها من قبل
لضمان بأنها لا تتحيز جنس أو عرق معين.
وإذا جرى تفضيل أي فئة عن الأخرى،
يمكننا فعلًا تغيير الخوارزمية
التي لم تعد صحيحة.
عندما نركز على مميزات الأصلية
التي يمكن أن تجعل شخص ما
مناسب جيد لوظيفة،
يمكننا تجاوز العنصرية، والكلاسيكية،
التمييز على أساس الجنس، والتحيز -
حتى التعليم الجيد.
أفضل التكنولوجيا والخوارزميات
التي لدينا لا ينبغي أن تستخدم فقط
لمساعدتنا في إيجاد سهرة الفيلم المقبل
أو أغنية جاستن بيبر المفضلة الجديدة.
تخيل لو استطعنا تسخير قوة التكنولوجيا
للحصول على توجيه حقيقي
على ما يجب أن نفعله
بناء على من نكون على مستوى أعمق.
داواکردنی کار، لەڕێی ئۆنلاین
یەکێکە لە ناخۆشترین ئەزمونە دیجیتاڵیەکان
لەسەردەمی ئێمە.
بەشێوەی یەکتربینینیش
بەڕاستی زۆر باشتر نییە.
[ڕێگەی کارکردنی ئێمە]
وەک دەزانین دامەزراندن
لە زۆر ڕووەوە لاواز بووە.
ئەوە بۆ خەڵکی ئەزموونێکی زۆر ناخۆشە.
نزیکەی سەدا 75 ی خەڵکی
ئەوانەی بە ڕێگەی جیاواز
داوای کاریان کردووە لە ساڵی ڕابردوودا،
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 سەرسامکەرە.
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.
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 ڕابردوودا،
توانستی کۆمپیوتەری،
ئەو زمانانەی قسەی پێدەکات،
بەڵام ئەوەی سی ڤی نیەتی ئەوەیە
ئەگەری کردنی شتانێکیان دەبێت
کە ڕەنگە لە ڕابردوودا
هەلی ئەنجامدانیانی نەبووبێت.
بەهۆی گۆڕانکاریی خێرای ئابوری لەم جۆرە
کە کارەکان دەبنە ئۆنڵاین
ڕەنگە داواکارییەکان شتانێک بن
کە کەس نەیبێت،
ئەگەر تەنها
سەیری ئەزموونی ڕابردووی کەسێک بکەین،
ئەوا ناتوانین خەڵکی لەگەڵ
کارەکانی داهاتوو بگونجێنین.
هەربۆیە پێموایە لێرەدا
تەکنەلۆجیا دەتوانێت یارمەتیدەر بێت.
لەوانەیە بینی بێتت کە ئەلگاریزم
لە گونجاندنی خەڵکی بۆ شتەکان
زۆر بەرەوپێش چووە،
بەڵام چی دەبوو هەمان تەکنەلۆجیامان
بەکارهێنابا
بۆ یارمەتیدانی 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 دەڵێن
تاقیکاری پێوانەیی جۆراوجۆر.
تاقیکارییەکان لە ڕاستیدا شتانێکی تازە نین،
بەڵام پێشتر بەڕاستی گران بوون و
دەبوایە بڕوانامەی دکتۆرات هەبا بۆی و
وەڵامی پڕسیاری زۆرت دابایەوە و
راپۆرتی زۆرت نووسیبایە.
تاقیکارییەکان ڕێگەیەکن
بۆ تێگەیشتن لە تایبەتمەندییەکانی کەسێک--
وەکو، یادگە و وریایی
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؟
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.
[ئامـــادەیت؟]
[دەست پێبکە!]
[بازنەی سەوز]
[بازنەی سەوز]
[بازنەی سوور]
[بازنەی سەوز]
[بازنەی سوور]
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.
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 وا لەو
کەسە بەهرەمەندانە دەکات تاک بن.
دواتر کە خەڵک داوای کارەکە دەکات،
دەتوانین بزانین کام لە بەربژێرەکان
ڕەنگە گونجاوترین بن بۆ کارەکە.
لەوانەیە وا بیربکەیتەوە ئەم کارە
مەترسی تێدایە.
کاری دونیا لە ئەمڕۆدا
جیاواترین نییە و
ئەگەر ئەلگاریزمەکان لەسەر بنەمای
باشترین ڕۆلبینەکان 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 ئەگەری زیاترە تۆ پیاوێکی سپی پێست
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 دڵنیابوون 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 ڕەگەزپەرستی، چینایەتی
، جیاوازی ڕەگەز و تەمەن هەڵگرین--
تەنانەت لە خوێندەواریەکی
باشیش
تەکنەلۆجیا و ئەلگاریزمە نایابەکانمان
نابێت تەنها
لە یارمەتی خۆمان بۆ دۆزینەوەی فیلم یان
گۆرانی نوێی جەستن بیبەر بەکاربهێنین.
بێنە پێش چاوت، توانیبامان
هێزی تەکنەلۆجیامان بەکارهێنابا
بۆ ڕێبەرایەتی ڕاستەقینە لەسەر ئەوەی دەبێت
چ بکەین
لەسەر بنەمای ناسینی خۆمان لە ناخەوە.
Jobsøgning på nettet
er en af de værste digitale
oplevelser i vor tid.
Og personlig jobsøgning
er ikke meget bedre.
[Måden vi arbejder på]
Ansættelse som vi
kender det, fungerer ikke
Det er en dårlig oplevelse.
Omtrent 75% af de
der søgte job
det seneste år
fortæller at de aldrig hørte
noget fra arbejdsgiveren.
I virksomhederne er
det ikke meget bedre
46% af de ansatte
bliver fyret eller siger op
indenfor det første år
af deres ansættelse.
Det er chokerende tal.
Og skidt for økonomien.
For første gang i historien
har vi flere ledige jobs
end arbejdsløse i USA,
og det viser et
tydeligt problem
Jeg tror sagens kerne er et
enkelt stykke papir: CV'et.
Et CV indeholder utvivlsomt
vigtig information:
tidligere ansættelser,
IT-evner,
hvilke sprog de taler,
men sjældent noget om de potentialer
der måske ikke tidligere
er blevet udlevet
Og med en økonomi i forandring,
hvor de job der opslås på nettet
måske kræver evner som ingen har ...
hvis vi kun kigger på hvad
folk har lavet tidligere,
vil vi ikke kunne matche folk
til de rette jobs i fremtiden.
Det er her teknologien
kan være til stor hjælp
Algoritmer er gode til
at matche folk med ting,
men måske kan vi anvende
denne teknologi
til at finde jobs
vi matcher godt?
Men jeg ved hvad I tænker.
Algoritmer der vælger dit næste job,
lyder lidt skræmmende,
men der er en faktor som påviseligt er
en stærk indikator for en
kandidats fremtidige jobsucces
og det er en såkaldt multifaktortest.
Multifaktortests er egentlig ikke nye,
men de plejede at være meget dyre
og krævede at en PhD sad sammen med dig
og svar på en masse spørgsmål
og rapportskrivning.
Multifaktortests er en måde
at afdække folks naturlige talenter -
deres hukommelse, deres opmærksomhed.
Hvad hvis vi kunne gøre multifaktortests
tilgængelige i stor skala
og levere data til arbejdsgivere om
hvilke egenskaber den bedste ansøger
til jobbet bør have.
Det kan lyde abstrakt.
Lad os prøve en af testene sammen.
Snart vil I se en blinkende cirkel,
og jeres opgave er at klappe,
når cirklen er rød
og ingenting, når den er grøn.
[Klar?]
[Start!]
[Grøn cirkel]
[Grøn cirkel]
[Rød cirkel]
[Grøn cirkel]
[Rød cirkel]
Måske er du typen
der klapper øjeblikkeligt,
når en rød cirkel vises.
Eller måske er du typen,
der lige tager sig tid
til at være 100% sikker.
Eller måske klapper du på grøn,
selvom det ikke er meningen.
Det fede her er, at det ikke er
som en standardiseret test,
hvor nogle kan bruges
og andre ikke kan.
I stedet handler det om at forstå
matchet mellem dine talenter
og hvad der gør dig egnet
til et givent job
Vi har opdaget, at hvis du klapper
sent på rød og aldrig på grøn,
så scorer du nok højt i opmærksomhed
og højt i tilbageholdenhed.
Folk i den kvadrant er ofte gode
til at studere og tage tests,
gode til projektledelse eller bogføring.
Men hvis du klapper øjeblikkeligt på rød
og nogle gange på grøn,
kan det betyde, at du er
mere impulsiv og kreativ
Og vi ser at de bedste sælgere
ofte besidder disse talenter.
Vi bruger dette i ansættelser
ved at lade de dygtigste udføre
neurovidenskabelige øvelser
som denne.
Så udvikler vi en algoritme,
der kan udpege, hvad der
gør dem i toppen unikke.
Og når folk så søger jobbet,
kan vi udpege de kandidater,
der sandsynligvis er bedst.
Du fornemmer
måske en risiko
Arbejdsmarkedet i dag
er ikke så alsidigt,
og hvis vi laver algoritmer
baseret på de dygtigste i job,
hvordan sikrer vi så
at vi ikke gror fast
i gamle mønstre?
F.eks. hvis algoritmen baseres
på de dygtigste topchefer
og fodres med data fra S&P 500
(de største amerikanske virksomheder)
ville du opdage at
flere hvide mænd hedder John
end der totalt set er kvinder.
Sådan er sammensætningen af dem,
der har disse jobs nu.
Men teknologien giver os
en interessant mulighed.
Vi kan lave algoritmer,
der er mere retfærdige
og mere fair end mennesker
nogensinde har været.
Alle vores algoritmer er testet
for favorisering af
køn og etnicitet
Og hvis en bestemt
gruppe favoriseres,
så kan vi ændre algoritmen
så dette ikke sker.
Når vi fokuserer på
de naturlige talenter,
der er basis for et
et godt match,
kan vi undgå diskrimination på
race, køn, klasse og alder -
sågar uddannelsesniveau.
Vores bedste teknologi og algoritmer
skal ikke bare bruges
til at finde den næste film
eller favoritsang med Justin Bieber.
Vi kan udnytte
teknologiens kraft
til at få reel vejledning i
hvad vi burde lave
baseret på hvem vi er inderst inde.
Το να κάνετε αιτήσεις
για εργασία διαδικτυακά
είναι από τις χειρότερες εμπειρίες.
Το να κάνετε αιτήσεις αυτοπροσώπως
δεν είναι και πολύ καλύτερο.
[Ο τρόπος που δουλεύουμε]
Η πρόσληψη όπως την ξέρουμε
έχει πολλές δυσκολίες.
Είναι από τις χειρότερες εμπειρίες.
Περίπου 75% των ανθρώπων
που αιτούνται δουλειά χρησιμοποιώντας
διάφορες μεθόδους τον τελευταίο χρόνο
μας είπαν ότι δεν πήραν ποτέ απάντηση.
Αλλά και στις εταιρίες
τα πράγματα δεν είναι καλύτερα.
Το 46% των ανθρώπων,
απολύονται ή παραιτούνται
μέσα στον πρώτο χρόνο
που αρχίζουν δουλειά.
Είναι σοκαριστικό.
Είναι επίσης κακό για την οικονομία.
Για πρώτη φορά στην ιστορία,
έχουμε περισσότερες
θέσεις εργασίας απ' ό,τι ανέργους
και για μένα αυτό δείχνει
ότι υπάρχει πρόβλημα.
Θεωρώ ότι η ουσία του προβλήματος
συνοψίζεται σε ένα χαρτί: το βιογραφικό.
Το βιογραφικό αναμφίβολα
έχει ωφέλιμα χαρακτηριστικά:
προϋπηρεσία, ηλεκτρονικές δεξιότητες,
ξένες γλώσσες,
αλλά αυτό που λείπει, είναι ποιες
είναι οι δυνατότητες του ατόμου
που ίσως δεν είχαν την ευκαιρία
να κάνουν στο παρελθόν.
Με την ταχύτητα που αλλάζει η οικονομία
όπου οι θέσεις εργασίας
γίνονται διαδικτυακές
που ίσως απαιτούν δεξιότητες
που δεν έχει κανένας,
εάν κοιτάξουμε μόνο την προϋπηρεσία,
δεν θα μπορούμε να βρούμε άτομα
με τις θέσεις εργασίας του μέλλοντος.
Εδώ νομίζω ότι μπορούμε
να αξιοποιήσουμε την τεχνολογία.
Πιθανότατα ξέρετε ότι οι αλγόριθμοι
έχουν βελτιωθεί σημαντικά
στο να συνδέουν ανθρώπους σε πράγματα,
αλλά εάν χρησιμοποιούσαμε
την ίδια τεχνολογία
στο να βρούμε δουλειές
στις οποίες ταιριάζουμε;
Ξέρω τι σκέφτεστε.
Ακούγεται λίγο τρομακτικό οι αλγόριθμοι
να επιλέγουν την επόμενη δουλειά σας,
αλλά υπάρχει κάτι που έχει δείξει
ότι προβλέπει τη μελλοντική
επιτυχία στην εργασία,
και αυτό λέγεται πολύμετρο τεστ.
Τα πολύμετρα τεστ
δεν είναι κάτι καινούριο,
αλλά ήτανε πολύ ακριβά
και ήταν απαραίτητο
ένας διδάκτορας να είναι παρών
και να απαντάει πολλές ερωτήσεις
και να κάνει αναφορές.
Τα πολύμετρα τεστ είναι ένας τρόπος
να καταλάβουμε τα εγγενή
χαρακτηριστικά κάποιου --
τη μνήμη, την προσήλωση.
Εάν μπορούσαμε να κάνουμε
πολύμετρα τεστ
και τα κάναμε κλιμακωτά και προσβάσιμα
ώστε να δώσουμε στοιχεία στους εργοδότες
για τα πραγματικά χαρακτηριστικά κάποιου
που μπορεί να είναι
πραγματικά καλός για μια δουλειά.
Όλα αυτά ακούγονται περίεργα.
Ας δοκιμάσουμε ένα παιχνίδι.
Θα δείτε έναν κύκλο που αναβοσβήνει,
θα πρέπει να χτυπάτε παλαμάκια
όταν ο κύκλος είναι κόκκινος
και τίποτα όταν είναι πράσινος.
[Έτοιμοι;]
[Ξεκινάμε!]
[Πράσινος κύκλος]
[Πράσινος κύκλος]
[Κόκκινος κύκλος]
[Πράσινος κύκλος]
[Κόκκινος κύκλος]
Ίσως να είστε ο τύπος ανθρώπου
που χειροκροτάει χιλιοστά του
δευτερολέπτου μετά τον κόκκινο κύκλο.
Ή να είστε ο τύπος ανθρώπου
που χρειάζεται λίγο περισσότερο
για να είναι 100% σίγουρος.
Ή μπορεί να χειροκροτάτε
στον πράσινο αν και δεν πρέπει.
Το ωραίο εδώ είναι ότι αυτό
δεν είναι κάποιο στάνταρ τεστ
που κρίνει αν κάποιος είναι ικανός ή όχι.
Αντιθέτως έχει να κάνει
με την κατανόηση των χαρακτηριστικών σας
και τι θα σας έκανε
καλούς σε κάποια δουλειά.
Ανακαλύψαμε ότι εάν χειροκροτάτε αργότερα
από το κόκκινο και ποτέ στο πράσινο,
μπορεί να έχετε αυξημένη προσήλωση
και να είστε συγκρατημένος.
Άνθρωποι σαν αυτούς, τείνουν να είναι
καλοί μαθητές, ή καλοί στα τεστ,
καλοί σαν διαχειριστές έργων
ή στα λογιστικά.
Αλλά εάν χειροκροτήσατε αμέσως
στο κόκκινο και κάποιες φορές στο πράσινο,
μπορεί να σημαίνει ότι είσαστε
αυθόρμητοι και δημιουργικοί,
και βρήκαμε ότι οι καλύτεροι πωλητές
βρίσκονται σε αυτή την κατηγορία.
Το χρησιμοποιούμε στις προσλήψεις
βάζοντας κορυφαίους στους κλάδους τους
να κάνουν νευροεπιστημονικές ασκήσεις
σαν αυτήν.
Μετά αναπτύσσουμε έναν αλγόριθμο
που καταλαβαίνει τι κάνει
αυτούς τους ανθρώπους ιδιαίτερους.
Και όταν έχουμε αιτούντες για κάποια θέση,
είμαστε ικανοί να κατατάξουμε
τους πιο κατάλληλους για τη θέση.
Μπορεί να σκέφτεστε
ότι υπάρχει ρίσκο σε όλο αυτό.
Το εργατικό δυναμικό
δεν είναι το πιο ποικίλο
και αν χτίζουμε αλγόριθμους
βασισμένους σε κορυφαίους ανθρώπους
πώς είμαστε σίγουροι
ότι δεν διαιωνίζουμε
τις προκαταλήψεις που ήδη υπάρχουν;
Για παράδειγμα,
εάν δημιουργούμε ένα αλγόριθμο
βασισμένο σε κορυφαίους
διευθύνων συμβούλους
και χρησιμοποιήσουμε τις εταιρείες
S&P 500 ως εκπαιδευτικό σετ,
θα δείτε ότι είναι πολύ πιθανό
να προσλάβετε έναν λευκό άνδρα
ονόματι Tζον αντί για οποιαδήποτε γυναίκα.
Και είναι η πραγματικότητα
για το ποιοι έχουν αυτούς τους ρόλους.
Αλλά η τεχνολογία αναδεικνύει
μια πραγματικά ενδιαφέρουσα δυνατότητα.
Μπορούμε να χτίσουμε
αλγόριθμους πιο έντιμους
και πιο δίκαιους από τους ανθρώπους.
Κάθε αλγόριθμο που χτίζουμε,
τον δοκιμάζουμε
για να εξασφαλίσουμε ότι
δεν ευνοεί κάποιο φύλο ή εθνικότητα.
Και εάν υπάρχει κάποιος
περισσότερο ευνοούμενος,
μπορούμε να τροποποιήσουμε τον αλγόριθμο
μέχρι να μην ισχύει πια.
Όταν εστιάζουμε στα έμφυτα χαρακτηριστικά
τα οποία κάνουν κάποιο καλό για μια θέση,
μπορούμε να παραβλέψουμε τον ρατσισμό,
τον ταξισμό, τον σεξισμό, την ηλικία,
ή τη διαφορετική εκπαίδευση.
Η τεχνολογία και οι αλγόριθμοι
δεν πρέπει να χρησιμοποιούνται
μόνο για να βρούμε ταινίες
ή το επόμενο τραγούδι του Τζάστιν Μπίμερ.
Φανταστείτε να μπορούσαμε
να χρησιμοποιούσαμε την τεχνολογία
ώστε να μας συμβουλεύει
σε τι θα έπρεπε να κάνουμε
βασιζόμενοι στο ποιοι πραγματικά είμαστε.
Solicitar trabajos online
es una de las peores
experiencias digitales hoy en día.
Y solicitar en persona,
de hecho, no es mucho mejor.
[Así funcionamos]
La contratación de hoy
está dañada en varios frentes.
Una experiencia terrible para la gente.
Cerca del 75 % de las personas
que solicitaron trabajos
usando varios métodos el año pasado
dijeron que nunca recibieron respuesta
del empleador.
Y a nivel corporativo
no es mucho mejor.
46 % de la gente es despedida o renuncia
en su primer año de trabajo.
Es increíble.
También es malo para la economía.
Por primera vez en la historia,
tenemos más trabajos disponibles
que desempleados,
y para mí, eso indica
que hay un problema.
Creo que el punto crucial de todo esto
está en un papel: el currículum.
Un currículum tiene partes útiles:
qué cargos tuvo la gente,
aptitud informática,
los idiomas que hablan,
pero lo que falta es
en qué tienen potencial
que tal vez no hayan tenido
la oportunidad de mostrar antes.
Y con una economía que cambia velozmente
con trabajos online
que quizá exijan aptitudes
que nadie tiene,
si solo viéramos lo que alguien hizo
en el pasado,
no podremos emparejar a la gente
con los trabajos del futuro.
Ahí es donde creo
que la tecnología puede ser muy útil.
Probablemente han visto
que los algoritmos han mejorado
al juntar personas con cosas,
pero, ¿qué tal si pudiéramos usar
esa tecnología
para ayudarnos a encontrar trabajos
para los que somos idóneos?
Sé lo que están pensando.
Algoritmos que eligen tu nuevo trabajo
suena espeluznante,
pero hay algo que fue demostrado
ser realmente predictivo
sobre el futuro éxito en un trabajo,
y se llama prueba de multimedición.
Estas pruebas no son nada nuevo,
pero solían ser muy costosas
y exigían un doctor ante ti,
responder muchas preguntas
y escribir informes.
Estas pruebas son una manera
de comprender los rasgos inherentes
de alguien --
tu memoria, tu atención.
¿Y si pudiéramos hacer estas pruebas,
expandirlas y hacerlas accesibles
para proveer datos a los empleadores
sobre los rasgos
de alguien que puede estar
calificado para un trabajo?
Todo esto suena vago.
Intentemos con uno de esos juegos.
Vas a ver un círculo intermitente,
y tu trabajo será aplaudir
cuando el círculo se ponga rojo,
y no hacer nada cuando esté verde.
[¿Listo?]
[¡Comienza!]
Tal vez seas el tipo de persona
que aplaude un milisegundo después
de ver un círculo rojo.
O tal vez la persona
que le toma un poco más
para estar 100 % seguro.
O tal vez aplaudes en el verde
y se supone que no debes hacerlo.
Lo genial es que
no es una prueba estandarizada
donde algunos son empleables
y otros no.
Por el contrario, se trata de entender
cómo encajan tus características
y lo que te haría bueno
para cierto trabajo.
Descubrimos que si aplaudes tarde
en rojo pero nunca en verde,
es posible que tengas un alto nivel
de atención y control.
Personas en ese cuadrante tienden
a ser buenos estudiantes, en pruebas,
en gestión de proyectos o contabilidad.
Pero si aplaudes de inmediato en rojo
y algunas veces en verde,
eso puede significar que eres
más impulsivo y creativo,
y hemos descubierto que vendedores
de alto nivel a menudo tienen este rasgo.
La manera en que lo usamos para contratar
es haciendo que empleados productivos en
un cargo hagan ejercicios de neurociencia
como este.
Luego creamos un algoritmo
que entiende qué es
lo que los hace únicos.
Y luego cuando las personas aplican,
podemos resaltar los candidatos
que pueda que sean los más indicados.
Es posible que piensen
que existe un riesgo en esto.
El mundo laboral hoy
no es el más diverso
y si estamos creando algoritmos
basado en los mejores rendimientos,
¿cómo nos aseguramos
de no estar perpetuando
los sesgos que ya existen?
Por ejemplo, si estamos creando
un algoritmo basado en los mejores CEO
y usamos el S&P 500
como equipo de entrenamiento,
de hecho encontrarían
que es más probable contratar a un hombre
blanco llamado John que a una mujer.
Y esa es la realidad de quien
está en esos cargos ahora.
Pero la tecnología de hecho propone
una oportunidad muy interesante.
Podemos crear algoritmos más equitativos
y más justos de lo que
los humanos hayan podido ser.
Cada algoritmo en producción
ha sido previamente examinado
para asegurar que no favorece
a ningún género o etnia.
Y si hay alguna población
que es favorecida,
de hecho podemos alterar
el algoritmo hasta que cambie ese valor.
Cuando nos enfocamos
en las características innatas
que pueden hacer de alguien
un buen candidato,
podemos superar la discriminación
por raza, clase, sexo, o edad --
y después, una buena educación.
Nuestra mejor tecnología y algoritmos
no solo deberían usarse
para ayudarnos a encontrar una maratón
de películas o canción de Justin Bieber.
Imaginen si pudiéramos usar
el poder de la tecnología
para recibir una guía real
de lo que deberíamos hacer
basados en quiénes somos
a mayor profundidad.
درخواست شغل به صورت آنلاین
یکی از بدترین تجربههای دیجیتال
دوران ما است.
و انجام آن به صورت شخصی هم واقعا چندان
بهتر نیستند.
[طریقی که ما کار میکنیم]
استخدام کردن میدانیم در خیلی
جبههها شکست خورده.
تجربه وحشتناکی برای مردم است.
در حدود ۷۵ درصد آدمهایی که با
استفاده از روشهای متنوع در سال
گذشته درخواست شغل کردند
گفتند که هرگز از کارفرما پاسخی نشنیدند.
و در سطح شرکتی هم اوضاع بهتر نبوده است.
۴۶ درصد کارکنان ظرف یک سال اول
شروع کارشان
استعفا دادند یا اخراج شدهاند.
کاملا عجیب است.
برای اقتصاد هم خوب نیست.
برای اولین بار در تاریخ،
در قیاس با آدمهای بیکار،
فرصتهای شغلی بیشتری داریم،
و به نظرم خبر از وجود
مشکلی دارد.
باور دارم که مسبب اصلی همه اینها
وجود یک تکه کاغذ به اسم رزومه است.
قطعا یک رزومه حاوی نکات مفیدی است:
مهارتهای رایانهای، نقشهایی
که شخص داشته،
زبانهایی که صحبت میکند،
اما آنچه ندارد اشاره به
پتانسیلهایی است که برای انجام دارد
که احتمالا در گذشته فرصتی برای
انجامشان را نداشته است.
و با چنین اقتصاد به سرعت در حال تغییری
در جایی که شغلها آنلاین هستند
احتمالا مهارتهایی لازمند که کسی ندارد،
اگر فقط به کارهایی که فرد در
گذشته انجام داده نگاه کنیم،
قادر به مطابقت دادن آنها با شغلهای
آینده نخواهیم بود.
بنابراین اینجاست که به نظرم
فناوری باید به کمک بیاید.
احتمالا دیدهاید که الگوریتمها چطور
در تطبیق دادن آدمها با
چیزها عملکرد نسبتا خوبی داشتند،
اما اگر از همین فناوری استفاده کنیم
جهت کمک
واقعی به ما در یافتن شغلهایی
که ما واقعا برای آنها مناسب هستیم؟
اما میدانم به چه فکر میکنید.
گزینش شغل بعدی شما توسط
الگوریتمها کمی ترسناک است،
اما یک جیزی هست که نشان داده
برای موفقیت آینده شخص در یک شخص
واقعا متضمن پیشگویی باشد.
و به آن آزمونهای چندسنجشی میگویند.
این آزمونها واقعا چیز جدیدی نیستند،
اما قدیم خیلی گران بودند
وباید یک نفر با مدرک
دکتری روبریتان بنشیند
و کلی پرسش و پاسخ و گزارشنویسی
در کار بود.
آزمونهای چند سنجشی روشی هستند
برای فهم خصایص ذاتی فرد--
حافظه و توجه شما.
چطور میشود اگر این آزمونهای چندسنجشی را
برداریم و درجهبندی کرده و در دسترس
قرار دهیم
و دادههایی را در اختیار کارفرمایان
قرار دهیم که درباره خصایص است
که آن فرد را مناسب داشتن آن شغل میکند؟
ناملموس به نظر میرسد.
بیایید یک بازی با هم انجام دهیم.
یک دایرهای جلوی شما ظاهر می شود،
شغل شما این است که اگر قرمز بود
دست بزنید
و وقتی سبز است کاری نکنید.
[آماده؟]
[شروع!]
[دایره سبز]
[دایره سبز]
[دایره قرمز]
[دایره سبز]
[دایره قرمز]
شاید از آن دست افرادی باشید که
۱ هزارم ثانیه بعد از ظاهر شدن
دایره قرمز دست میزنند.
یا از آن نوع آدمها باشید که
کمی بیشتر درنگ میکنند تا۱۰۰٪ مطمئن شوند.
یا حتی با دیدن سبز هم دست میزنید
با این که قرار نیست.
نکته باحال این است این یک آزمون
استاندارد نیست
که برخی آدمها قابل استخدام
هستند و برخی نیستند.
در عوض درباره فهم تناسبی است
بین ویژگیهای شما
و آنچه شما را برای یک شغل خاص
خوب میکند.
متوجه شدیم که اگر شما با دیدن
قرمز دیرتر دست بزنید و بیخیال سبز شوید
احتمالا بالاترین دقت و محدودیت دارند.
آدمها در آن چهارگوش تمایل دارند
بهترین دانش آموزان، ممتحنها باشند،
عالی در مدیریت پروژه یا حسابداری.
اما اگر فوری با دیدن قرمز
یا گاهی با دیدن سبز دست بزنید
به این معناست که خلاقیت یا
بیپروایی شما بیشتر است،
و ما آن فروشندگانی با بالاترین عملکرد را
پیدا کردیم که این خصایص را دارند.
روشی که درواقع در
استخدام استفاده میکنیم
این است که بهترین عوامل تمرینات
علم عصب شناسی مثل
این یکی را پشت سر بگذارند
بعد الگوریتمی را میسازیم
که میفهمد چه چیزی باعث
منحصربه فرد عملکرد آنها میشود.
و وقتی افراد برای آن شغلها
درخواست دادند،
قادریم کاندیداهای که از همه برای آن
شغلها مناسبترند را بیابیم.
خب شاید فکر کنید این کار
با خطر همراه است.
دنیای کار امروز متنوعترین نیست
و اگر الگوریتمهایی بسازیم بر پایه
عملکرد بهترینهای حال حاضر،
از کجا یقین حاصل کنیم
که صرفا تداوم بخشیدن جانبداریهایی
نباشد که الان وجود دارند.
برای مثال، اگر الگوریتمی بسازیم
که بر مبنای عملکرد بهترین مدیرعاملها باشد
و S&P 500 معیار آموزش ما باشد،
درواقع پی خواهید برد که
احتمال استخدام یک مرد سفید پوست
به نام جان از هر زنی بیشتر است.
و این واقعیت کسانی است که اینک
در آن نقشها هستند.
اما فناوری درواقع فرصت واقعا
جالبی را در اختیار میگذارد.
الگوریتمهایی را فراهم میکنیم
که عادلانهتر
و منصفاتهتر از قبل برای بشریت است.
هر الگوریتمی که معرفی میکنیم قبلا
تست شده تا
مطمئن باشم به نفع قومیت یا جنسیت
خاصی عمل نمیکند.
و اگر هم جمعیتی باشد که که زیادی
مورد لطف قرار بگیرد،
در واقع قادریم آن الگوریتم را تغییر دهیم
تا دیگر آنطور عمل نکند.
وقتی روی ویژگیهای درونی متمرکز میشویم
که باعث میشود شخص برای شغلی
شایسته باشد،
ما میتوانیم نژادپرستی، طبقهگرایی،
جنسیتگرایی و سنگرایی و حتی
دانشگاه خوب را بالاتر بدانیم.
بهترین فناوری و الگوریتمهای ما تنها
نباید برای پیشنهاد
تماشای فیلم بعدی ما یا جدیدترین آهنگ
محبوب ما از جاستین بیبر استفاده شود.
فکر کنید چه میشود وقتی بتوانیم
با مهار نیروی فناوری
رهنمودی واقعی بگیریم تا
چه کاری را بر اساس آنچه
در سطح عمیقترمان
هستیم باید انجام دهیم.
Työnhaku internetissä
on aikamme huonoimpia
digitaalisista kokemuksia.
Kasvotusten hakeminen
ei ole juurikaan paljon parempi.
[Miten toimimme]
Palkkaaminen tällä hetkellä
on toimimatonta.
Se on hirveä kokemus ihmisille.
Noin 75 prosenttia ihmisistä,
jotka hakivat töitä viime vuonna
usein eri tavoin,
sanoivat, etteivät he
saaneet vastausta työnantajalta.
Yritystasolla ei mene
sen paremmin.
46 prosenttia ihmisistä
irtisanotaan tai he lopettavat
vuoden sisällä
työn aloittamisesta.
Se on häkellyttävää.
Se on myös pahaksi taloudelle.
Ensimmäistä kertaa historiassa
meillä on avoimia työpaikkoja
enemmän kuin työttömiä.
Minulle se on merkki ongelmasta.
Uskon, että asian ytimessä
on yksi paperi: ansioluettelo.
Ansioluettelo sisältää toki
hyödyllistä tietoa:
Edelliset työtehtävät,
tietokonetaidot,
puhutut kielet,
mutta siitä puuttuu,
mihin heillä on potentiaalia,
mutta mihin heillä ei ole ollut
aiemmin tilaisuutta.
Nopeasti muuttuvassa taloudessa,
jossa syntyy töitä,
jotka vaativat
ennenkuulumattomia taitoja.
Jos katsomme vain
työhistoriaa,
me emme pysty yhdistämään
henkilöitä tuleviin työpaikkoihin.
Uskon, että tässä teknologia
voi todella auttaa.
Olet varmaan huomannut,
että algoritmit ovat melko hyviä
yhdistämään ihmiset asioihin,
mutta mitä jos voisimme käyttää
samaa teknologiaa
auttamaan meitä löytämään työ,
johon oikeasti sovimme?
Tiedän mitä ajattelet.
Algoritmi valitsemassa seuraavan
työpaikan tuntuu pelottavalta,
mutta yhden asian
on todistettu olevan
hyvä ennakoimaan
henkilön tulevaa työmenestystä
sitä sanotaan
multimeasure-testiksi.
Multimesure-testit
eivät ole mitään uutta,
mutta ne olivat todella kalliita
ja vaativat tohtorin läsnäolon,
kysymyksiin vastaamista
ja raportointia.
Multimeasure-testit
ovat keino
ymmärtää henkilön
luontaisia ominaisuuksia --
muistia ja tarkkaavaisuutta.
Mitä jos voisimme ottaa
multimeasure-testit
ja tehdä ne skaalautuviksi
ja helppokäyttöisiksi
ja tarjota työnantajille tietoa
henkilön ominaisuuksista,
jotka tekisivät hänestä
sopivan työntekijän
Tämä kuulostaa abstaktilta.
Koitetaan yhtä peliä yhdessä.
Näet vilkkuvan ympyrän.
ja sinun tehtäväsi on taputtaa,
kun ympyrä on punainen
ja olla tekemättä mitään
kun se on vihreä
[Valmis?]
[Aloita!]
[Vihreä]
[Vihreä]
[Punainen]
[Vihreä]
[Punainen]
Ehkä olet henkilö,
joka taputtaa heti
kun punainen ympyrä tulee
Tai ehkä olet henkilö,
jolta kestää hieman kauemmin
olla 100 prosenttia varma.
Ehkä taputat vihreällä,
vaikkei ollutkaan tarkoitus.
Hieno juttu on, ettei tämä ei ole
standardisoitu testi,
jossa osa työllistyy ja osa ei.
Kyse on luonteenpiirteiden ymmärtämisestä
ja niiden sovittamisesta
ominaisuuksiin, jotka
tekevät sinusta hyvän tietyssä työssä.
Huomasimme, että jos taputat myöhään
punaisella, etkä koskaan vihreällä,
Sinulla saattaa olla hyvä tarkkaavaisuus
ja itsekuri
Tämän osion ihmiset ovat usein
hyviä oppilaina ja testeissä,
ja hyviä projektinhallinnassa
tai kirjanpidossa.
Jos taas taputat välittömästi punaisella
ja joskus vihreällä,
saatat olla impulsiivisempi ja luova.
Huomasimme, että huippu-myyjillä
on usein näitä ominaisuuksia.
Käytämme tätä palkkaamisessa
laittamalla roolin huippu-osaajat
neurotieteellisiin testeihin
kuten tämä.
Kehitämme algoritmin,
joka ymmärtää mikä tekee huippu-osaajat
ainutlaatuisiksi.
Kun ihmiset hakevat työtä,
pystymme valikoimaan parhaiten
soveltuvat ehdokkaat.
Saatat ajatella,
että tässä piilee vaaroja.
Työmaailma ei ole nykyään
kaikista monimuotoisin,
ja jos teemme algoritmeja
perustuen tämän hetken huippu-osaajiin,
miten varmistamme,
ettemme jatka nykyisiä
ennakko-olettamuksia?
Jos esimerkiksi tekisimme algoritmin
perustuen huipputason toimitusjohtajiin
ja käyttäisimme markkina-arvolistoja
vertailukohtana
tulisit todennäköisemmin palkkaamaan
valkoisen John-nimisen miehen,
kuin yhdenkään naisen.
Se on todellisuus roolien
tämän hetkisestä tilasta.
Teknologia esittää
mielenkiintoisen tilaisuuden.
Voimme luoda algoritmeja, jotka ovat
oikeudenmukaisempia,
ja reilumpia
kuin ihmiset ovat koskaan olleet.
Jokainen algoritmi tuotannossa
on esitestattu,
jolla taataan, ettei se suosi mitään
sukupuolta tai etnisyyttä.
Jos joku väestöryhmä on erikoisasemassa,
voimme muuttaa algoritmia,
kunnes näin ei enää ole.
Kun keskitymme
luontaisiin ominaisuuksiin,
jotka voivat tehdä henkilöstä
työhön hyvinsoveltuvan
voime päästä yli rasismin, luokkasyrjinnän
seksismin, ikäsyrjinnän -
jopa eliittikoulujen suosimisen.
Parasta teknologiaamme ja algoritmeja
ei tulisi käyttää vain
löytääkseemme seuraavan elokuvaputken
tai uuden Justin Bieber -lempilaulun.
Kuvittele jos voisimme valjastaa
teknologian voiman
antamaan aitoa ohjausta
siihen mitä meidän tulisi tehdä
perustuen siihen keitä olemme
syvemmällä tasolla.
Envoyer des candidatures en ligne
est l'une des pires expériences
numériques de notre ère.
Le faire en personne
n'est pas vraiment mieux.
[Notre façon de travailler]
Aujourd'hui, le recrutement
ne fonctionne pas.
C'est une expérience épouvantable.
Environ 75% des gens
ayant déposé des candidatures
par diverses méthodes l'an dernier
ont dit n'avoir jamais eu
de réponse de l'employeur.
A l'échelle de l'entreprise,
ce n'est pas mieux :
46% des gens sont virés ou démissionnent
moins d'un an après avoir
démarré un nouvel emploi.
C'est assez incroyable.
C'est mauvais pour l'économie.
Pour la première fois,
nous avons plus de postes à pourvoir
que de gens sans emploi
et, à mes yeux, cela indique
qu'il y a un problème.
Je crois que le nœud dans tout cela
est un bout de papier : le CV.
Il y a des éléments utiles dans un CV :
les rôles occupés,
les compétences informatiques,
les langues parlées,
mais il manque ce que la personne
a le potentiel de faire
et qu'elle n'a pas eu l'opportunité
de faire par le passé.
Avec une économie si changeante
où des emplois sont mis en ligne
et requièrent des compétences
que personne n'a,
si nous considérons uniquement
ce que quelqu'un a fait,
nous ne pouvons pas associer
des gens aux emplois de l'avenir.
C'est là que je pense
que la technologie peut aider.
Vous avez probablement vu
que les algorithmes sont bons
pour associer des gens et des choses.
Et si l'on pouvait
utiliser cette technologie
pour nous aider à trouver un emploi
auquel on est adapté ?
Je sais ce à quoi vous pensez.
Un emploi choisi par algorithme,
c'est plutôt effrayant,
mais nous avons démontré
qu'il y a une chose
permettant de prévoir la réussite
de quelqu'un dans un emploi
et c'est un test multi-mesure.
Les tests multi-mesure
ne sont pas nouveaux
mais étaient très chers auparavant
et nécessitaient
la présence d'un doctorant,
de répondre à des questions,
d'écrire des rapports.
Les tests multi-mesure sont une façon
de comprendre les traits
fondamentaux de quelqu'un --
votre mémoire, votre attention.
Et si nous pouvions rendre
les tests multi-mesure
évolutifs et accessibles
et fournir aux employeurs
les données sur les traits réels
de quelqu'un pouvant être
bien adapté pour le poste ?
Tout cela semble abstrait.
Essayons un des jeux ensemble.
Vous allez voir un cercle clignotant
et votre rôle est de taper des mains
quand le cercle est rouge
et de ne rien faire quand il est vert.
[Prêt ?]
[C'est parti !]
[Cercle vert]
[Cercle vert]
[Cercle rouge]
[Cercle vert]
[Cercle rouge]
Vous êtes peut-être quelqu'un
qui tape des mains
juste après l'apparition du rouge.
Ou vous êtes peut-être quelqu'un
qui prend un peu plus de temps
pour être tout à fait sûr.
Ou vous tapez des mains sur le vert,
quand vous ne le devez pas.
Ce qui est génial c'est qu'il n'y a pas
de test standardisé
où certains sont employables
et d'autres pas.
Il est question de comprendre
l'adéquation entre vos traits
et ce qui vous rend bon
à un poste particulier.
Si vous tapez des mains tard sur le rouge
et jamais sur le vert,
vous avez peut-être
beaucoup d'attention et de retenue.
Dans ce quadrant, les gens sont
de très bons étudiants,
participants à des examens,
chefs de projets et comptables.
Si vous tapez immédiatement sur le rouge
et parfois sur le vert,
vous pouvez être
plus impulsif et plus créatif
et les meilleurs commerciaux
incarnent ces traits.
Nous utilisons cela lors de l'embauche
en faisant passer
de tels exercices de neuroscience
aux meilleurs dans un rôle.
Nous développons un algorithme
qui comprend ce qui rend
ces personnes uniques.
Quand les gens candidatent pour ce poste,
nous pouvons faire émerger les candidats
les plus adaptés à ce poste.
Vous pensez peut-être
qu'il y a un danger à cela.
Le monde où nous travaillons
n'est pas diversifié
et si nous créons des algorithmes
grâce aux actuels meilleurs,
comment nous assurer
que nous ne perpétuons pas
des préjugés déjà existants ?
Par exemple, si nous créons un algorithme
se basant sur les meilleurs PDG
et utilisant les données
du S&P 500 pour l'entraîner,
vous découvririez
que vous avez plus de chances d'embaucher
un homme appelé John qu'une femme.
C'est la réalité des personnes
tenant actuellement ces rôles.
La technologie nous offre
une opportunité très intéressante.
Nous pouvons créer
des algorithmes plus équitables
et plus justes que les êtres humains.
Les algorithmes produits
ont été testés au préalable
pour vérifier qu'ils ne favorisent pas
un genre ou une ethnie.
Si une population est trop favorisée,
nous altérons l'algorithme
pour ce que ne soit plus le cas.
En nous concentrant
sur les traits fondamentaux
faisant que quelqu'un
est adapté à un poste,
nous transcendons le racisme,
le classisme, le sexisme, l'âgisme --
même l'éducationnisme.
Nos meilleurs technologie et algorithmes
ne devraient pas être utilisés
juste pour trouver un film
ou une chanson de Justin Bieber.
Imaginez si nous pouvions
tirer profit de la technologie
pour obtenir des conseils
sur ce que nous devrions faire
selon notre identité profonde.
Solicitar emprego en liña
é unha das peores
experiencias dixitais do noso tempo.
E solicitalo de xeito presencial
non é moito mellor.
[Cómo traballamos]
A contratación actual
está rota en moitas frontes.
É unha experiencia terrible para a xente.
Arredor do 75 por cento das persoas
que solicitaron un traballo
por varios métodos no último ano
dixeron que o empresario
nunca lles contestou.
E a nivel de empresa non é moito mellor.
O 46 % das persoas
son despedidas ou deixan o traballo
ao primeiro ano de comezalo.
É terrorífico.
E tamén é malo para a economía.
Por primeira vez na historia,
temos máis emprego dispoñible
que persoas desempregadas,
e para min iso indica
que temos un problema.
Creo que na base de todo isto
hai un único papel: o currículo vitae.
Un currículo ten algunhas partes útiles:
os roles da xente,
as habilidades informáticas,
os idiomas que falan,
pero o que falta é
dicir qué potencial teñen de facer
o que quizais non tivesen
a oportunidade de facer no pasado.
E cunha economía tan cambiante
onde os traballos que veñen en liña
poden requirir
habilidades que ninguén ten,
se só miramos o que alguén
fixo no pasado,
non imos poder vincular a xente
aos traballos do futuro.
Aquí é onde creo que a tecnoloxía
pode ser de gran axuda.
Probablemente xa viron
que os algoritmos
son bos relacionando
a xente con cousas,
pero, e se puidésemos usar
esa mesma tecnoloxía
para realmente axudarnos a atopar
un emprego que se adapte a nós?
Xa sei o que está a pensar.
Dá medo que os algoritmos
escollan o seu seguinte traballo,
pero hai unha cousa que demostrou
ser realmente premonitoria
no éxito futuro de alguén nun traballo,
e chámase proba multimedida.
As probas multimedida
non son realmente nada novo,
pero adoitaban ser moi caras
e precisaban dun doutorando
sentado ao seu carón
respondendo moitas preguntas
e escribindo informes.
As probas multimedida son un xeito
de comprender
os rasgos inherentes de alguén,
a súa memoria, a súa atención.
E se puidésemos facer probas multimedida
escalables e accesibles,
e proporcionar datos aos empresarios
sobre cales son os rasgos
de alguén que poida encaixar nun traballo?
Todo isto soa abstracto.
Probemos un dos xogos xuntos.
Agora verá un círculo intermitente,
e o seu traballo vai ser
aplaudir cando o círculo está vermello
e non facelo cando estea verde.
[Listo?]
[Comeza!]
[Círculo verde]
[Círculo verde]
[Círculo vermello]
[Círculo verde]
[Círculo vermello]
Quizais sexa o tipo de persoa
que aplaude un milisegundo despois
de ver o círculo vermello.
Ou quizais sexa do tipo
que lle leva un pouco máis
estar 100 por cento seguro.
Ou quizais aplaude ao verde
aínda que se supón que non debe.
O xenial aquí é que isto non é
como unha proba normalizada
onde algunhas persoas
son empregables e outras non.
Trátase de comprender
o axuste entre as súas características
que o farían bo para determinado traballo.
Descubrimos que se aplaude ao vermello
e nunca aplaude ao verde,
pode ter un alto grado de atención
e de contención.
As persoas así adoitan ser
grandes estudantes e probadores,
e bos na xestión de proxectos
ou en contabilidade.
Pero se aplaude inmediatamente
ao vermello e ás veces ao verde,
podería significar que é vostede
máis impulsivo e creativo,
e descubrimos que estes son os rasgos
dos vendedores de mellor rendemento.
O xeito no que usamos isto na contratación
é facendo exercicios de neurociencia
como este cos mellores.
coma este.
Logo creamos un algoritmo
que entende que é o que fai únicos
aos máis destacados.
E cando a xente solicita o traballo,
podemos escoller ao máis adecuado
para ese traballo de entre os candidatos.
Pode estar a pensar
que hai un perigo nisto.
O mundo laboral de hoxe
non é o máis diverso
e se facemos algoritmos
en base aos mellores na actualidade,
como nos aseguramos
de non estar a perpetuar
os sesgos xa existentes?
Por exemplo, se construimos un algoritmo
baseado nos CEOs de mellor rendemento
e usamos o S&P 500
como conxunto de adestramento,
atopariamos que hai máis probabilidades
de contratar a un home branco
chamado Xoán que a calquera muller.
Esa é a realidade
de quen está nesas posicións agora.
Pero a tecnoloxía plantexa
unha oportunidade realmente interesante.
Podemos crear algoritmos máis equitativos
e máis xustos do que
algunha vez foi o ser humano.
Todos os algoritmos que facemos
foron probados antes
para asegurar que non favorece
a ningún xénero ou etnia.
E se hai algunha poboación
que está sendo desfavorecida,
podemos alterar o algoritmo
ata que iso non ocorra.
Cando nos centramos
nas características inherentes
que fan a alguén ideal para un traballo,
podemos transcender o racismo,
clasismo, sexismo, idade,
e incluso o bo escolarismo.
A nosa mellor tecnoloxía e algoritmos
non debería usarse
para axudarnos a atopar a próxima película
ou o último éxito de Justin Bieber.
Imaxine se puidésemos aproveitar
o poder da tecnoloxía
para ter unha orientación real
do que deberiamos estar a facer
en función do que somos
a un nivel máis profundo.
Az online állásinterjú
napjaink egyik legrosszabb
digitális élménye.
A személyes állásinterjúk
sem sokkal jobbak.
[Így működünk]
A felvétel tudomásunk szerint
több sebből vérzik.
Borzasztó élmény az emberek számára.
Az embereknek mintegy 75 százaléka,
akik tavaly különböző módokon
jelentkeztek állásra,
azt állítja, sosem kapott
visszajelzést a munkáltatótól.
A cégek szintjén se sokkal jobb a helyzet.
Az emberek 46 százalékát kirúgják,
vagy felmondanak
a munkába állás első évében.
Elég megdöbbentő.
Ez a gazdaságnak is rossz.
A történelem során először
több betöltendő állás van,
mint munkanélküli,
és ez azt jelenti,
nagy bajban vagyunk.
Úgy hiszem, mindez egy darab
papíron múlik: az önéletrajzon.
Az önéletrajzban vannak hasznos elemek:
korábbi munkakörök,
számítógépes ismeretek,
beszélt nyelvek,
de hiányzik belőle annak lehetősége,
amit korábban nem állt módjukban megtenni.
Egy ennyire gyorsan változó gazdaságban,
ahol online hirdetnek olyan állásokat,
melyekhez korábban ismeretlen
készségekre lehet szükség,
ha csak azt nézzük, mit csinált
valaki a múltban,
nem fogjuk tudni összehangolni
az embereket és az állásokat.
Ebben lehet segítségünkre a technológia.
Biztos látták már, hogy az algoritmusok
nagyon jól összepárosítják
az embereket a a dolgokkal.
Mi lenne ha ugyanezt a technológiát
arra használnánk,
hogy hozzánk illő munkát találjunk?
Tudom, mire gondolnak.
Kicsit ijesztően hangzik,
hogy algoritmusok
választják ki új állásunkat.
de van egy dolog, amiről kiderült,
hogy előrevetíti a jövőbeli
szakmai sikert,
és ezt úgy hívják: többfunkciós teszt.
A többfunkciós teszt nem újdonság,
de korábban nagyon drága volt,
és kellett mellénk egy doktor,
aki megválaszolta a sok kérdést,
és jelentéseket írt.
A többfunkciós teszt arra szolgál,
hogy megismerjük egy személy
belső készségeit,
memóriáját és koncentrálóképességét.
Mi lenne, ha a többfunkciós tesztet
bővíthetővé, hozzáférhetővé tennénk,
és adatokat biztosítanánk
a munkáltatóknak
azokról a készségekről,
amelyek alkalmasnak tesznek
valakit egy munkára?
Ez nagyon elvontan hangzik.
Játsszunk együtt egy játékot.
Mindjárt meglátnak egy villogó kört,
az lesz a dolguk, hogy tapsoljanak,
ha a kör piros,
és ne tegyenek semmit, ha zöld.
[Mehet?]
[Indul!]
[Zöld kör]
[Zöld kör]
[Piros kör]
[Zöld kör]
[Piros kör]
Akad önök között,
aki azonnal tapsol,
amint megjelenik a piros kör.
Van, aki kivár,
hogy száz százalékig biztos legyen.
Van, aki esetleg a zöldnél tapsol,
amikor nem kellene.
Ebben az a legjobb,
hogy nem szabványos teszt,
ami arról szól, hogy egyesek
alkalmazhatók, mások pedig nem.
Ez a teszt annak megértéséről szól,
hogy meglévő tulajdonságaink
hogyan tesznek alkalmassá
minket egy állásra.
Arra jutottunk, hogy aki későn tapsol
a pirosnál és sosem tapsol a zöldnél,
annak kimagasló lehet a figyelme,
és magas az önmérséklete.
Ebben a szeletben vannak
a legjobb tanulók és tesztmegoldók,
kiváló projektmenedzserek vagy könyvelők.
Aki viszont rögtön tapsol a pirosnál
vagy néha a zöldnél,
az azt jelentheti,
hogy impulzívabb és kreatívabb.
Úgy találtuk, hogy a legjobban teljesítő
kereskedőkre általában ez jellemző.
A felvételi során kiszűrjük,
kik teljesítenek a legjobban
valamelyik szerepben,
őket neurológiai tesztnek vetjük alá,
mint amilyen ez is.
Aztán algoritmust fejlesztünk,
ami kielemzi, mitől egyediek a legjobbak.
Aztán amikor az emberek
állásra jelentkeznek,
fel tudjuk tárni, hogy a jelöltek
közül melyik a legalkalmasabb.
Biztos azt gondolják, ez veszélyes.
A munka világa ma nem éppen sokszínű,
és a jelenlegi legjobbak alapján
írunk algoritmusokat,
akkor hogyan lehetnénk biztosak abban,
hogy nem betonozzuk be
a már meglévő torzulásokat?
Például ha a vezérigazgatók teljesítménye
alapján írunk egy algoritmust,
és az S&P 500 határidős
indexszel tanítjuk be,
látni fogjuk, sokkal valószínűbb,
hogy egy John nevű fehér férfit
veszünk fel, mint bármilyen más nőt.
Többnyire ilyen emberek töltik be
ezeket a szerepeket.
A technológia azonban igazán érdekes
lehetőséget teremt.
Sokkal méltányosabb és igazságosabb
algoritmusokat írhatunk,
mint amit emberek valaha is alkottak.
Minden megírt algoritmust előzetesen
megvizsgálunk, hogy biztosítsuk:
nem részesít előnyben
se társadalmi nemet, se etnikumot.
Ha a népesség egy részét mégis
előnyben részesíti,
módosíthatjuk a programot addig,
amíg ez már nem igaz.
Amikor azokra a belső
jellemzőkre fókuszálunk,
amik alkalmassá tesznek egy állásra,
felülemelkedhetünk a rasszizmuson,
előítéleten, szexizmuson,
az életkori és iskolázottságbeli
hátrányos megkülönböztetésen.
A legjobb technológiát és programokat
ne csak menő új filmek
vagy az új Justin Bieber-szám
megtalálására használjuk.
Képzeljék el, ha arra használnánk
a technológiát,
hogy valódi tanácsot kapjunk arról,
mit tegyünk annak alapján,
hogy milyen a személyiségünk.
Cercare lavoro online
è tra le peggiori esperienze digitali
del nostro tempo.
E farlo di persona non è molto meglio.
[Il modo in cui lavoriamo]
La ricerca di personale
che conosciamo è da rifare.
È un'esperienza terribile per le persone.
Circa il 75% delle persone
che hanno cercato lavoro
lo scorso anno usando vari metodi
non ha mai ricevuto
notizie dal datore di lavoro.
E a livello aziendale non è molto meglio.
Il 46% delle persone
viene licenziato o si licenzia
durante il primo anno di lavoro.
Una cosa sconvolgente.
Danneggia anche l'economia.
Per la prima volta nella storia,
abbiamo più posti di lavoro vacanti
che numero di disoccupati,
e ciò vuol dire che c'è un problema.
Il punto cruciale della questione
è un semplice foglio di carta: il CV.
Un curriculum contiene
alcune informazioni utili:
i ruoli ricoperti,
le abilità informatiche,
le lingue parlate,
ma ciò che manca è
il potenziale delle persone di fare cose
che magari in passato
non hanno avuto l'occasione di fare.
E con un'economia che cambia velocemente
dove i lavori si cercano online
e che richiedono abilità che nessuno ha,
se ci soffermiamo solamente
a cosa uno ha fatto in passato,
non riusciremo ad assegnare
alle persone i lavori del futuro.
Ed è qui che penso che la tecnologia
possa essere utile.
Avrete notato che gli alogritmi
sono diventati ottimi
nell'abbinare le persone alle cose.
E se potessimo usare
quella stessa tecnologia
per aiutarci a trovare dei lavori
per cui siamo adatti?
Ma so a cosa state pensando.
Fa paura pensare che siano
gli algoritmi a scegliere per te,
ma esiste un metodo che riesce a predire
il successo lavorativo di un individuo,
ed è il cosiddetto test multi-valutativo.
Questi test in realtà
non sono niente di nuovo,
ma un tempo erano molto costosi
richiedevano la presenza
di qualcuno con un PhD
e rispondere a molte domande
e scrivere dei report.
Questi test sono un modo
per capire i tratti innati di una persona:
la memoria, il grado di attenzione.
E se potessimo fare dei test,
renderli scalabili e accessibili,
e fornire ai datori le informazioni
su quali sono quei tratti
che rendono un individuo
adatto per un certo lavoro?
Tutto ciò sembra astratto.
Proviamo uno dei giochi insieme.
Vedrai un cerchio intermittente,
e il tuo compito sarà
applaudire quando il cerchio è rosso
e stare fermo quando è verde.
[Pronti?]
[Via!]
[Cerchio verde]
[Cerchio verde]
[Cerchio rosso]
[Cerchio verde]
[Cerchio rosso]
Forse sei il tipo di persona
che applaude appena
il cerchio rosso appare.
O forse sei il tipo di persona
che ci mette un po' di più
per essere sicura al 100%.
O forse applaudi al verde
anche se non dovresti.
La cosa bella è che questo
non è come un test standardizzato
dove alcune persone
sono idonee e altre no.
Invece, si tratta di capire l'idoneità
tra le tue caratteristiche
e ciò che ti renderebbe
bravo in un lavoro.
Se applaudi tardi sul rosso
e non applaudi mai sul verde,
potresti essere molto attento
e controllato.
Le persone in quel quadrante
sono ottimi studenti, bravi nei test,
bravi a gestire progetti
o nella contabilità.
Ma se applaudi subito sul rosso
e a volte anche sul verde,
potrebbe significare che
sei più impulsivo e creativo,
e spesso i venditori migliori
incarnano queste caratteristiche.
Il modo in cui usiamo ciò nelle assunzioni
è far sì che i migliori in un ruolo
svolgano degli esercizi di neuroscienze
come questo.
Poi sviluppiamo un algoritmo
che capisce cosa rende
queste persone uniche.
Quando le persone cercano lavoro,
siamo in grado di proporre i candidati
più adatti per quel lavoro.
Potresti pensare che è pericoloso.
Il mondo lavorativo oggi
non è il più diversificato
e se creiamo algoritmi
basati sui migliori candidati attuali,
come possiamo assicurarci
che non stiamo solo perpetuando
le faziosità che già esistono?
Se creiamo un algoritmo basato
sui migliori amministratori delegati
e usiamo l'indice Standard & Poor 500,
ti accorgeresti
che assumeresti con più probabilità
un bianco di nome John e non una donna.
E questa è la realtà di chi
ricopre questi ruoli ora.
Ma la tecnologia offre
un'opportunità davvero interessante.
Possiamo creare degli algoritmi più equi
e più giusti rispetto agli esseri umani.
Ogni algoritmo che creiamo
è stato collaudato
per assicurare che non favorisca
un genere o un'etnia.
E se c'è una popolazione che
viene favorita maggiormente,
possiamo alterare l'algoritmo
fino a che non lo sia più.
Quando ci focalizziamo sui tratti innati
che possono rendere
qualcuno idoneo per un lavoro,
possiamo trascendere le discriminazioni
di razza, classe, sesso, età --
anche dell'istruzione.
Ttecnologia e algoritmi
non si dovrebbero usare
solo per aiutare a trovare il prossimo
film o una canzone di Justin Bieber.
Immagina se si potesse sfruttare
il potere della tecnologia
per avere una guida su cosa dovremmo fare
basata su chi siamo nel profondo.
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
シリーズ 働き方
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
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
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
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?
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
[準備はいい?]
[はじめ!]
[緑の円]
[緑の円]
[赤い円]
[緑の円]
[赤い円]
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
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
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
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
온라인 입사지원은
우리 시대 최악의
디지털 활동 중 하나입니다.
직접 찾아가 지원하는 것도
별반 낫지 않죠.
[우리가 일하는 방식]
알다시피 고용 과정에는
많은 문제가 있습니다.
사람들에겐 끔찍한 경험이죠.
약 75%의 사람들이
작년에 다양한 방식으로
입사지원을 했지만
고용주로부터 아무런 답변도
듣지 못했다고 합니다.
고용주의 입장도 마찬가진데요.
46%의 사람들은
해고되거나 그만두고 마는데
일을 시작한 첫해에 말이죠.
좀 놀랍죠.
경제에도 좋지 않습니다.
역사상 처음으로
실업자보다 일자리가 더 많아졌지만
제게는 분명히
문제가 있다는 소리로 들리네요.
바로 그 중심에
이력서라는 서류가 있죠.
분명 이력서에는
유용한 정보들도 있습니다.
어떤 일을 했었는지,
컴퓨터는 잘 다루는지,
어떤 언어를 구사하는지,
하지만 그 사람의
잠재력에 대해 알 순 없습니다.
전엔 기회가 없어
보여줄 수 없었던 것들 말이죠.
또, 급변하는 경제 속에서
누구에게도 없는 재능을 요하는
직업들이 온라인에 게시되는데
그 사람이 전에
뭘 했는지 밖에 모른다면
미래의 직업에 맞는
인재를 찾긴 힘들겠죠.
바로 여기서 기술이
큰 도움이 될거라 생각합니다.
아마 아실거에요,
사람과 사물을 연결하는 알고리즘에
많은 발전이 있었던 걸요.
그런데 그 기술을 우리에게 잘 맞는
직업을 찾는 데에
활용할 수 있다면 어떨까요?
지금 무슨 생각하시는 지 압니다.
알고리즘으로 여러분의 직업이
정해진다는 게 좀 섬뜩하긴 한데
한 가지 검증된 것으로
누군가의 직업적 성공 여부를
제대로 예측하는
'다중측정 검사'라는 것이 있습니다.
사실 새로운 건 아니지만
비용이 많이 들고
박사학위를 가진 사람과 마주 앉아
많은 질문에 답하고
보고서까지 써내야 했었죠.
다중측정 검사는 개인의
고유한 특성을 알 수 있는 방법인데
기억력, 주의력 등이죠.
만약 다중측정 검사를
다양한 조건에서
손쉽게 활용할 수 있어서
어느 직업에 잘 맞는
개인의 특성에 관한 자료를
고용주들에게 제공한다면 어떨까요?
너무 추상적으로 들리죠.
같이 게임을 하나 해보죠.
이제 번쩍이는 원이 보일텐데
빨간색이면 손뼉을 치고
초록색이면 가만히 계시면 됩니다.
[준비?]
[시작!]
[초록]
[초록]
[빨강]
[초록]
[빨강]
아마도 여러분 중엔
빨간 원이 나오고 천분의 1초만에
손뼉을 치신 분들도 있고
아니면 어떤 분들은
100% 확실하게 하기 위해
좀 더 늦게 치신 분들도 있겠죠.
아니면 실수로, 초록색일 때
치신 분들도 있을 거예요.
재미있는 것은 이 테스트가
누구를 고용하면 좋은 지 보여주는
표준화된 테스트들과는
완전히 다르다는 것입니다.
대신 여러분의 특성이
어떤 직업에서
진가를 발휘할 지
알아볼 수 있는 것이죠.
빨간색일 땐 늦게 치고
초록색일 땐 치지 않았다면
주의력이 높고
인내심이 많은 사람일 거예요.
그런 사람들은 보통
훌륭한 학생이자 시험도 잘 보고
프로젝트 관리나
회계업무에 뛰어납니다.
빨간색이 나오자 마자, 그리고
가끔 초록색일 때도 손뼉을 친다면
좀 더 충동적이고 창의적이란 건데
보통 잘나가는 영업사원들이
이런 특징을 가지고 있었습니다.
이를 실제로
고용할 때 적용해 보려고
각 직책의 우수한 직원들에게
방금 했던
신경과학 훈련을 시켜 봤어요.
그리고 알고리즘을 개발해
무엇이 그들을
특별하게 만드는지 알아 봤죠.
이제 사람들이 입사지원을 하면
그 일에 가장 적합한 후보들을
추려낼 수 있습니다.
이게 위험할 수 있다고
생각하는 분들도 있을 거예요.
보다 다양함이 요구되는
오늘날의 노동환경에
우수한 직원들을 기준으로
알고리즘을 만든다면
그것이 이미 존재하는 편견들만
지속시키는 꼴이 아니란 걸
어떻게 알 수 있을까요?
예를 들어, 우수한 CEO들을
기준으로 알고리즘을 만들어
S&P 500을
'트레이닝 세트'로 사용한다면
실제로 어떤 여성보다도
'존'이란 이름의 백인 남성을
고용할 확률이 높게 됩니다.
오늘날 어떤 이들이
그 위치에 있는지 보여주는 셈이죠.
하지만 기술은 여전히
아주 흥미로운 기회를 제시합니다.
어떤 인간보다도
훨씬 합리적이고 공정한
알고리즘의 개발이 가능하니까요.
저희가 제작하는 모든 알고리즘은
사전 테스트를 거쳐
특정한 성별이나 인종을
선호하지 않도록 했어요.
지나치게 선호되는 집단이 보이면
더 이상 그런 문제가 생기지 않게
알고리즘의 수정도 가능하죠.
본질적인 특성에 초점을 두고
누가 그 자리에 적합한지 따져 본다면
인종차별, 계급차별, 성차별, 연령차별,
심지어 학벌도 초월할 수 있습니다.
최고의 기술과 알고리즘을 단순히
다음에 몰아 볼 영화나, 저스틴 비버의
새 애창곡을 찾는 데에만 쓰면 안되겠죠.
상상해 보세요.
이 기술의 힘을 잘 이용한다면
개인의 다양한 특성에 따라
어떤 일을 해야 좋을 지 알려줄
실질적 지침이 될 수 있으니까요.
داواکردنی کار، لەڕێی ئۆنلاین
یەکێکە لە ناخۆشترین ئەزمونە دیجیتاڵیەکان
لەسەردەمی ئێمە.
بەشێوەی یەکتربینینیش
بەڕاستی زۆر باشتر نییە.
[ڕێگەی کارکردنی ئێمە]
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.
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.
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.
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؟
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.
[ئامـــادەیت؟]
[دەست پێبکە!]
[بازنەی سەوز]
[بازنەی سەوز]
[بازنەی سوور]
[بازنەی سەوز]
[بازنەی سوور]
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.
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.
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
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.
Memohon kerja secara online
adalah antara pengalaman pahit, permohonan
kerja secara berhadapan juga
taklah begitu bagus.
[Cara Kita Bekerja]
Pengkaderan dipecahkan kepada
beberapa peringkat.
Ia menggerunkan ramai orang.
Sekitar 75 peratus pemohon yang
mengguna pelbagai cara pada tahun lepas
mendakwa ketiadaan maklum balas majikan.
Situasi di syarikat juga tak begitu baik.
46 peratus pekerja dipecat atau berhenti
dalam tempoh tahun pertama bekerja.
Ini amat mengejutkan.
Ia tak bagus untuk ekonomi.
Pertama kali dalam sejarah,
pekerjaan melebihi penggangur,
petanda wujudnya masalah.
Saya yakin punca utama
isu ini adalah resume.
Resume pasti mempunyai maklumat
berguna seperti:
jawatan terdahulu,
kemahiran komputer,
penguasaan bahasa,
tapi ia terlepas pandang akan
potensi pemohon
yakni peluang penambahbaikan yang
mereka terlepas.
Kepesatan perubahan ekonomi
melahirkan kerjaya online yang
perlukan skil baru
namun calon pekerja sukar didapati jika
pengalaman kerja yang lalu menjadi ukuran.
Di sinilah teknologi akan sangat membantu.
Kita sedia maklum bahawa sistem
algoritma semakin mahir
memadankan citarasa pengguna.
Mengapa tidak kita gunakan
teknologi yang sama
untuk membantu kita mencari kerjaya
yang bersesuaian?
Saya tahu kerisauan anda.
Algoritma menentukan kerjaya anda?
Kedengaran menakutkan,
namun ada satu kaedah yang terbukti
mampu menilai bakal kejayaan
seseorang dalam pekerjaan.
Kaedah ini dinamakan
ujian aneka ukuran
Ujian ini bukanlah sesuatu yang baru
tapi kosnya agak mahal. Ia perlu
pemilik PhD menyelia ujian anda,
menjawab banyak soalan
dan menulis laporan.
Ujian aneka ukuran adalah satu cara
untuk memahami perwatakan, daya ingatan,
& daya perhatian seseorang.
Mengapa tidak kita
memanfaatkan ujian
ini, meluaskan penggunaannya,
dan menyediakan data kepada majikan
tentang perwatakan yang sesuai
bagi seseorang yang bakal mengisi
jawatan itu?
Semua kedengaran abstrak?
Mari kita cuba satu permainan.
Anda akan melihat bulatan berkelip.
Tugas anda, tepuk tangan tika
bulatan berwarna merah & berdiam
diri tika bulatan hijau.
[Sedia?]
[Mula!]
[Bulatan hijau]
[Bulatan hijau]
[Bulatan merah]
[Bulatan hijau]
[Bulatan merah]
Mungkin anda seorang yang menepuk
tangan selepas beberapa
detik bulatan merah muncul.
Mungkin juga anda seorang yang
mengambil sedikit masa
untuk 100 peratus yakin. Mungkin
juga anda bertepuk tangan tika
bulatan hijau walau tak boleh.
Yang menariknya, ini bukan
ujian standard yang menentukan
kelayakan seseorang
untuk pekerjaan atau tidak.
Sebaliknya ia mengenai pemahaman
tentang kepadananan perwatakan anda
dan kerjaya yang bersesuaian.
Menurut ujian ini jika anda lambat tepuk
tika merah dan tak tepuk tika hijau,
anda mungkin mempunyai
daya perhatian & kekangan yang tinggi.
Orang dalam kelompok ini bakal menjadi
pelajar dan calon ujian yang hebat,
pakar menguruskan projek
atau perakaunan.
Namun jika anda tepuk cepat tika
merah & kadang-kala tepuk tika hijau
kemungkinan anda
lebih mengikut gerak hati & kreatif.
Kami mendapati jurujual yang cemerlang
sering memiliki sifat ini.
Ujian ini diguna dalam pengkaderan dengan
memberi ujian neurosains
kepada calon terhebat
seperti ini.
Kemudian kita bina algoritma
yang memahami faktor yang menjadikan
mereka unik.
Kemudian tika individu memohon kerja,
kita dapat menapis calon yang sesuai
untuk kerja itu.
Mungkin anda khuatir
kemungkinan bahayanya.
Dunia kerjaya kini
taklah terlalu pelbagai.
Jika algoritma dibina berdasarkan
prestasi calon terhebat,
bagaimana cara memastikan
bahawa kita tidak meneruskan
prasangka yang sudah wujud?
Contoh, jika kita membina algoritma
berdasarkan para CEO terhebat
dan menggunakan S&P 500 sebagai set
latihan,
anda akan mendapati wujud
kecenderungan untuk melantik
lelaki mat saleh berbanding wanita.
Itu gambaran realiti semasa
jawatan tersebut.
Begitupun teknologi sebenarnya
mempunyai potensi yang menarik.
Kita boleh cipta algoritma yang lebih
saksama
dan lebih adil daripada manusia.
Setiap algoritma yang kami hasilkan telah
diprauji untuk kepastian bahawa
ia tak memilih kasih
terhadap mana-mana jantina atau etnik.
Sekiranya ada kelompok yang lebih disukai,
kami boleh mengubah algoritma itu
sehingga ia tak lagi benar.
Apabila kita mengutamakan perwatakan yang
sesuai untuk jawatan kosong tersebut, kita
boleh mengatasi prejudis
kaum, kasta kelas,jantina, umur --
bahkan sekolah yang bagus.
Teknologi & algoritma terbaik
tak sepatutnya hanya digunakan
untuk mencari filem seterusnya atau
lagu kegemaran Justin Bieber yang terbaru.
Bayangkan jika kita dapat memanfaatkan
potensi teknologi
bagi mendapatkan petunjuk untuk
tindakan yang
bersesuaian dengan
perwatakan sebenar kita.
Online solliciteren
is een van de ergste
digitale ervaringen van deze tijd.
En persoonlijk solliciteren
is eigenlijk niet veel beter.
[Hoe we werken]
Werven gaat tegenwoordig
op veel fronten slecht.
Men ervaart het als vervelend.
Zo'n 75% van de mensen
die vorig jaar solliciteerden
met verschillende methoden
zeiden dat ze nooit iets
terughoorden van de werkgever.
Op bedrijfsniveau is het niet veel beter.
46% van de mensen
wordt ontslagen of neemt ontslag
binnen een jaar.
Nogal schokkend.
En ook slecht voor de economie.
Voor het eerst zijn er
meer vacatures dan werklozen.
Het is me duidelijk
dat er een probleem is.
Ik geloof dat de crux hiervan
een enkel vel papier is: het cv.
Een cv heeft zeker
wat bruikbare onderdelen:
eerder vervulde banen,
computervaardigheden,
welke talen men spreekt,
maar er ontbreekt
welke potentie men heeft,
maar misschien nooit de kans
heeft gekregen om te doen.
Als we met een snel veranderende economie,
waarin banen online komen
die vaardigheden vereisen
die niemand heeft,
en alleen kijken naar wat iemand
eerder heeft gedaan,
kunnen we geen mensen koppelen
aan toekomstige banen.
Ik denk dat technologie
hier heel behulpzaam bij kan zijn.
Je hebt waarschijnlijk gemerkt
dat algoritmes goed zijn
in het koppelen van mensen aan dingen.
Als we die technologie
nou eens konden gebruiken
bij het vinden van banen
waar we echt geschikt voor zijn?
Ik weet wat je denkt.
Algoritmes je nieuwe baan laten
kiezen klinkt wat eng,
maar er is één ding waarvan is aangetoond
om iemands succes
in een baan goed te voorspellen
en dat is de multimeting-test.
Multimeting-testen zijn niet echt nieuw,
maar ze waren vroeger heel duur,
en vereisten een afgestudeerd interviewer
en veel vragen en schriftelijke rapporten.
Een multimeting-test is een manier
om iemands inherente
eigenschappen te begrijpen --
je geheugen, je oplettendheid.
Als multimeting-testen nou eens
schaalbaar en toegankelijk waren,
en data leverden aan werkgevers
over wat de eigenschappen zijn
van iemand die ze een goede kandidaat
voor een baan maken?
Dit alles klinkt abstract.
We doen een spelletje.
Je ziet zo een knipperende cirkel,
en jij moet klappen als de cirkel rood is
en niks te doen als hij groen is.
[Klaar?]
[Start!]
[Groene cirkel]
[Groene cirkel]
[Rode cirkel]
[Groene cirkel]
[Rode cirkel]
Misschien klap jij een milliseconde
nadat de rode cirkel verschijnt.
Of misschien ben je iemand
die net iets langer nodig heeft
om 100% zeker te zijn.
Of misschien klap je op groen
terwijl dat niet moet.
Het leuke is dat dit geen
gestandaardiseerde test is
waarbij sommigen inzetbaar zijn
en anderen niet.
Maar het gaat over het begrijpen
van het passen van jouw karakter
bij wat je goed maakt
in een bepaalde baan.
Het bleek dat als je laat klapt bij rood
en je nooit klapt bij groen,
je mogelijk erg oplettend
en terughoudend bent.
Mensen in dat kwadrant zijn vaak
geweldige studenten, goed in examens,
goed in projectmanagement of boekhouding.
Maar als je direct klapt bij rood
en soms bij groen,
kan dat betekenen dat je
impulsiever en creatiever bent,
en we vonden dat topverkopers
vaak die eigenschappen bezitten.
Dit gebruiken we bij het werven
door top-presteerders in een baan
neurowetenschappelijke oefeningen te geven
zoals deze.
Dan maken we een algoritme
dat begrijpt wat die
top-presteerders uniek maakt.
En als mensen dan solliciteren,
kunnen we de kandidaten identificeren
die het meest geschikt zijn voor die baan.
Je denkt nu misschien
dat hier een gevaar in schuilt.
Werk is tegenwoordig niet erg divers.
Als we algoritmes bouwen
gebaseerd op top-presteerders van nu,
hoe voorkomen we dan
dat we vooroordelen in stand houden
die al bestaan?
Als we bijvoorbeeld een algoritme bouwen
gebaseerd op top-CEO's
en de S&P 500 gebruiken als trainingsset,
zul je zien dat je eerder
een blanke man genaamd John
aanneemt dan een vrouw.
En dat is de realiteit
van wie er nu die banen hebben.
Maar technologie biedt
een hele interessante kans.
We kunnen rechtvaardigere algoritmes maken
en eerlijker dan mensen ooit zijn geweest.
Elk algoritme dat we in productie nemen,
is vooraf getest om te zorgen
dat het geen geslacht
of etniciteit bevoordeelt.
En als er een groep wordt bevoordeeld,
kunnen we het algoritme aanpassen
totdat dit niet meer zo is.
Als we ons richten
op inherente eigenschappen
die iemand geschikt maken voor een baan,
kunnen we discriminatie
naar ras, klasse, geslacht, leeftijd --
en zelfs opleiding voorkomen.
De beste techniek en algoritmes
moet je niet alleen gebruiken
om een film of een nieuw
Justin Biebernummer te vinden.
Stel dat we de kracht
van technologie inzetten
om ons echt te helpen
bij wat we moeten doen
op basis van wie we diep vanbinnen zijn.
Procurar emprego na Internet
é uma das piores experiências
digitais do nosso tempo.
Procurar empregos pessoalmente
também não é nada bom.
[A Maneira Como Trabalhamos]
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.
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.
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.
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?
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.
[Preparados?]
[Começar!]
[Círculo verde]
[Círculo verde]
[Círculo vermelho]
[Círculo verde]
[Círculo vermelho]
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.
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.
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.
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.
Procurar emprego na internet
é uma das piores experiências
digitais da atualidade.
Procurar empregos pessoalmente
também não é nada bom.
[A Maneira Como Trabalhamos]
A forma atual de contratação
apresenta complicações.
É uma experiência terrível pras pessoas.
Cerca de 75% das pessoas
que se candidataram a vagas
de diversas formas no último ano
disseram que nunca receberam um retorno.
A perspectiva da empresa também não é boa:
46% das pessoas são demitidas
ou largam o emprego
logo no primeiro ano.
Difícil de entender.
Também é ruim pra economia.
Pela primeira vez na história,
temos mais vagas de emprego
do que pessoas desempregadas,
e pra mim é um alerta
de que temos um problema.
Creio que no cerne disso tudo
esteja um pedaço de papel:
o currículo.
O currículo certamente tem partes úteis:
experiências prévias,
habilidades computacionais,
seus idiomas;
mas lhe falta aquilo
que a pessoa tem o potencial de fazer
e que talvez não tenha tido
oportunidade de fazer antes.
Com uma economia que muda tão rapidamente,
e com empregos na internet
exigindo habilidades que ninguém possui,
se só analisarmos o que a pessoa já fez,
não conseguiremos pessoas
para os empregos do futuro.
É aí que acho que a tecnologia
pode ser bastante útil.
Você provavelmente notou que
os algoritmos melhoraram bastante
em combinar pessoas com coisas.
Mas e se pudéssemos usar
essa mesma tecnologia
para nos ajudar a encontrar empregos
com os quais combinamos?
Sei o que você está pensando.
Algoritmos escolhendo seu próximo
emprego parece assustador,
mas há uma coisa que se mostrou
muito boa em prever
o sucesso futuro de alguém num emprego:
os chamados testes
de múltiplas inteligências.
Testes de múltiplas inteligências
não são algo novo,
mas eram muito caros,
exigiam um PhD na sua frente
e que você respondesse perguntas
e escrevesse relatórios.
Esses testes são uma forma
de entender as características
inerentes de uma pessoa,
tais como memória, atenção...
E se pudéssemos pegar esses testes,
torná-los replicáveis e acessíveis
e fornecer dados aos empregadores
sobre quais são as características
de alguém que possa ser
um bom candidato a determinada função?
Parece algo muito abstrato.
Vamos jogar um dos jogos.
Você vai ver um círculo luminoso,
e você tem que bater palma
quando o círculo ficar vermelho
e não fazer nada quando ficar verde.
[Preparado?]
[Comece!]
[Círculo verde]
[Círculo verde]
[Círculo vermelho]
[Círculo verde]
[Círculo vermelho]
Talvez você seja o tipo de pessoa
que bate palma um milissegundo
após o vermelho aparecer.
Talvez você seja o tipo de pessoa
que leva um pouco mais de tempo
pra ter 100% de certeza.
Ou talvez você bata palma no verde
mesmo que não deva.
O legal aqui é que
esse não é um teste-padrão,
em que algumas pessoas
são tidas como aptas e outras não.
Na verdade, ele mostra as afinidades
entre as suas características
e o emprego que seria ideal pra você.
Descobrimos que, se você bate palma
no vermelho e nunca no verde,
você é ótimo em atenção e em contenção.
Pessoas nesse quadrante tendem a ser
ótimos alunos, ótimos em testes,
em gerenciamento de projetos
ou em contabilidade.
Se você bate palma imediatamente
no vermelho e às vezes no verde,
isso pode significar que você
é mais impulsivo e criativo,
e descobrimos que vendedores de alto
desempenho normalmente são assim.
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 à vaga,
podemos selecionar
os melhores para a função.
Talvez você pense 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
perpetuando as práticas já existentes?
Por exemplo, se criássemos um algoritmo
baseado em executivos de alto desempenho
e usássemos o S&P 500
como padrão de treinamento,
acabaríamos descobrindo
que tendemos a contratar um homem branco
chamado John antes de qualquer mulher.
É esse tipo de pessoa que ocupa
esses cargos atualmente.
Mas a tecnologia nos apresenta
uma oportunidade muito interessante.
Podemos criar algoritmos mais equitativos
e mais justos que os seres humanos.
Cada algoritmo que colocamos em uso
foi testado para garantir que nenhum
gênero ou raça seja favorecido.
Quando algum grupo
está sendo superfavorecido,
podemos alterar o algoritmo
até que isso não ocorra mais.
Quando focamos
as características inerentes
que podem tornar alguém
ideal para um emprego,
transcendemos o racismo,
o classismo, o sexismo, a idade...
até mesmo a formação escolar.
Nossa melhor tecnologia e algoritmos
não devem ser usados
só pra nos ajudar a achar nossa próxima
maratona de filmes ou música favorita.
Imagine se pudéssemos aproveitar
o poder da tecnologia
para descobrirmos que tipo
de emprego devíamos ter
com base em quem somos no íntimo.
Înscrierea online pentru un job
e una dintre cele mai anevoioase
experiențe ale lumii digitale.
Și nici înscrierea în persoană
nu e cu mult mai bună.
[Modul în care lucrăm]
Angajarea, așa cum o știm,
e defectuoasă pe multe planuri.
E o experiență cumplită.
Aproximativ 75% dintre persoanele
care s-au înscris anul trecut
pentru un loc de muncă prin diverse metode
au spus că nu au primit
niciun răspuns de la angajator.
Nici la nivel de companie
nu e cu mult mai bine.
46% dintre persoane
sunt concediate sau renunță
în primul an de la începerea
noului loc de muncă.
E șocant.
E rău și pentru economie.
Pentru prima oară în istorie,
avem mai multe locuri de muncă
decât șomeri,
iar asta arată că avem o problemă.
Cred că la rădăcina acestor lucruri
stă o singură bucată de hârtie: CV-ul.
Un CV conține cu siguranță
informații utile:
ce funcții au avut candidații,
abilitățile digitale,
ce limbi străine cunosc,
dar lipsește ceea ce pot realiza,
ceea ce n-au avut oportunitatea
de a face în trecut.
Cu o economie în schimbare,
unde locurile de muncă apar online
și necesită abilități greu de găsit,
dacă ne uităm doar la ceea ce
a făcut cineva în trecut,
nu vom putea găsi oameni potriviți
pentru viitoarele locuri de muncă.
Aici cred că tehnologia
poate fi folositoare.
Cred că ați văzut acum
că algoritmii reușesc
să conecteze oameni cu lucruri,
dar cum ar fi să putem folosi
aceeași tehnologie
să ne ajute să găsim locuri de muncă
pentru care suntem potriviți?
Știu la ce vă gândiți.
Algoritmi care să-ți aleagă un job
sună cam înfricoșător,
dar există un lucru care s-a dovedit a fi
foarte predictiv pentru viitorul
cuiva într-un loc de muncă,
și e ceea ce numim
test pe criterii multiple.
Testele pe criterii multiple
nu sunt ceva nou,
dar erau destul de scumpe
și implicau prezența unui expert,
să răspunzi la întrebări
și să scrii rapoarte.
Aceste teste sunt o modalitate
de a înțelege trăsăturile înnăscute:
memoria, atenția.
Cum ar fi să luăm aceste teste
și să le facem accesibile,
furnizând angajatorilor informații
despre calitățile unui candidat
care l-ar face potrivit
pentru un loc de muncă?
Toate acestea par abstracte.
Să încercăm acest joc împreună.
Veți vedea imediat un cerc luminos
și trebuie să bateți din palme
când cercul este roșu
și să nu faceți nimic când e verde.
[Gata?]
[Să începem!]
[Cerc verde]
[Cerc verde]
[Cerc roșu]
[Cerc verde]
[Cerc roșu]
Poate sunteți dintre cei
ce bat din palme în milisecunda
când apare un cerc roșu.
Sau sunteți dintre cei cărora
le ia un pic mai mult
pentru a fi siguri 100%.
Sau bateți din palme la verde,
deși n-ar trebui.
Partea bună e că n-avem de-a face
cu un test standardizat
unde unii au șanse
de angajare și alții nu.
E vorba despre a înțelege
cum se potrivesc calitățile tale
și ce te face compatibil cu un anumit job.
Am constatat că dacă reacționezi
târziu la roșu și niciodată la verde,
ești foarte atent și reținut.
Persoanele din această categorie tind
să fie elevi minunați, buni la teste,
potriviți în management sau contabilitate.
Dar dacă ai bătut imediat din palme
la roșu și câteodată la verde,
asta ar putea însemna
că ești mai impulsiv și inventiv,
și am constatat că cei mai de succes
agenți de vânzări au aceste calități.
Felul în care încorporăm asta
în procesul de angajare
e ca angajații de top din anumite poziții
să facă aceste exerciții de neuroștiințe,
precum acesta.
Apoi dezvoltăm un algoritm
care înțelege ce-i face unici
pe acești angajați de top.
Și când oamenii se înscriu pentru un job,
putem să-i alegem pe cei
care sunt cei mai potriviți.
Probabil vă gândiți că e ceva periculos.
Piața forței de muncă
nu este cea mai diversă
și construind algoritmi bazați
pe cei mai performanți angajați,
cum ne asigurăm
că nu perpetuăm
prejudecățile deja existente?
De exemplu, dacă am construi un algoritm
bazat pe directorii cei mai performanți
și am folosi S&P 500 ca set de pregătire,
am constata
că sunt mai multe șanse să angajăm
un bărbat alb pe nume John decât o femeie.
Și așa se întâmplă cu cei care
ocupă acum aceste poziții.
Dar tehnologia generează
o oportunitate foarte interesantă.
Putem crea algoritmi
care să fie mai corecți
și mai nepărtinitori
decât au fost vreodată oamenii.
Fiecare algoritm pe care l-am dezvoltat
a fost testat înainte,
pentru a fi siguri că nu favorizează
niciun gen sau etnie.
Și dacă există o populație
care este favorizată,
putem modifica algoritmul
până când nu se mai întâmplă.
Când ne concentrăm
pe caracteristicile proprii
ce recomandă pe cineva
pentru un loc de muncă,
putem depăși rasismul, categorizarea,
sexismul, discriminarea de vârstă
și privilegiul școlilor de top.
Tehnologia și algoritmii performanți
n-ar trebui să fie folosiți
doar ca să găsim următorul serial
sau cântec nou de la Justin Bieber.
Gândiți-vă dacă am putea valorifica
puterea tehnologiei
să ne îndrume cu privire
la ce ar trebui să facem,
ținând cont de cine suntem cu adevărat.
Трудоустройство онлайн —
одно из неприятных проявлений
технологий в наше время.
Но подавать заявления на работу
лично ничем не лучше.
[Как мы работаем]
Обычный приём на работу
барахлит по всем фронтам.
Он превратился в ужасное испытание.
Около 75% людей,
кто за последний год использовал
разные методы подачи заявок,
не получили вообще никакого
ответа от работодателя.
Со стороны компаний
ситуация не лучше.
46% людей уходят или их увольняют
в течение первого года на новом месте.
С ума сойти, верно?
Это плохо и для экономики.
Впервые в истории у нас больше
вакансий, чем соискателей.
Для меня это явный знак: у нас проблема!
Я верю, что корень проблемы —
в одном-единственном документе: резюме.
Резюме определённо содержит
полезную информацию:
прежние должности, компьютерные навыки,
знание языков.
Но резюме не отображает
потенциал человека,
способность делать работу,
в которой нет опыта.
В условиях экономики быстрых перемен,
когда появляются виды работы,
для которых нужны совершенно
новые навыки,
нельзя учитывать только то,
в чём у человека уже есть опыт,
иначе нам не найти людей
для вакансий будущего.
Технологии могут нам в этом помочь.
Вы наверняка уже заметили,
что алгоритмы достаточно хорошо
подбирают то, что нам может понравится.
Но что если нам использовать
те же технологии,
чтобы искать работу,
которая нам подходит?
Я знаю, о чём вы подумали.
Доверить алгоритму подбор
следующей работы страшно.
Но давайте рассмотрим инструмент,
эффективно распознающий
потенциальный успех человека в работе.
Это так называемое мультитестирование.
Это не какой-то новомодный метод,
но раньше он был очень дорогим
и требовал человека с докторской степенью,
который задавал вам
уйму вопросов и писал отчёты.
Мультитестирование позволяет
понять врождённые способности,
оценивая вашу память и внимательность.
Что если нам сделать мультитестирование
доступным и легковоспроизводимым,
давая работодателям возможность понять,
какие характеристики
на самом деле необходимы
для той или иной работы?
Знаю, звучит абстрактно.
Давайте вместе сыграем в игру.
Сейчас вы увидите картинку круга.
Хлопните в ладоши, если круг красный,
а если круг зелёный —
не делайте ничего.
[Готовы?]
[Начали!]
[Зелёный круг]
[Зелёный круг]
[Красный круг]
[Зелёный круг]
[Красный круг]
Может, вы такой человек,
который хлопает в ту же секунду,
как появляется круг.
Или вам нужно подождать немного,
чтобы быть полностью уверенным.
Или вы хлопаете, видя зелёный круг,
хотя и не должны этого делать.
В отличие от стандартного тестирования,
которое показывает,
что кто-то подходит для работы,
а кто-то нет,
мультитест позволяет понять,
где именно пригодятся ваши способности
и для какой именно работы
вы подходите лучше всего.
Если вы с запозданием хлопали на красный
и всегда пропускали зелёный,
скорее всего вы очень внимательный
и сдержанный человек.
Такие люди обычно хорошие студенты
и отлично справляются с заданиями,
хороши как менеджеры проектов
и бухгалтера.
Но если вы сию секунду хлопаете на красный
и иногда даже на зелёный,
возможно, вы более импульсивный,
творческий человек.
Лучшим продавцам зачастую
свойственны эти качества.
При поиске сотрудников мы даём
лучшим представителям той
или иной работы нейротест,
похожий на этот.
Затем мы разрабатываем алгоритм,
который определяет, в чём
уникальность тестируемых.
При найме нового человека на должность
мы можем выявить кандидатов,
которые лучше всего подходят для вакансии.
Вы можете подумать,
что такой метод опасен.
Рабочая среда сейчас
и так не самая инклюзивная,
и если наши алгоритмы основаны
на нынешних лучших представителях,
как нам быть уверенными,
что мы не поддерживаем
уже существующие предвзятости?
Например, если наш алгоритм будет
построен на лучших директорах
и выберет индекс S&P 500 как пример,
вероятнее всего
вы наймёте белого мужчину
по имени Джон, а не женщину.
Потому что сейчас эту позицию
преимущественно занимают мужчины.
Но эта технология на самом деле
предоставляет интересную возможность.
Мы можем создать алгоритмы,
которые более объективны
и справедливы, чем люди.
Каждый из наших алгоритмов
прошёл предварительное тестирование
на отсутствие предпочтений
относительно пола или национальности.
А если всё же обнаруживается
определённое большинство,
мы можем изменить алгоритм,
чтобы исправить любые предпочтения.
Когда мы фокусируемся
на качествах человека,
делающих его идеальным
кандидатом на должность,
мы можем обойти расизм,
классовость, сексизм, эйджизм
и даже престижное образование.
Мы можем использовать лучшие
технологии, не только чтобы
найти наш следующий любимый сериал
или новую любимую песню Бибера.
Представьте, что технологии
могут реально помочь нам
в поиске того, чем нам стоит заниматься,
на основе того, кто мы
на более глубоком уровне.
Konkurisanje za poslove onlajn
je jedno od najgorih digitalnih
iskustava našeg vremena.
A ni konkurisanje uživo
zapravo nije mnogo bolje.
[Način na koji radimo]
Zapošljavanje kakvo poznajemo
je manjkavo na više načina.
To je grozno iskustvo za ljude.
Oko 75 posto ljudi
koji su se prijavljivali za poslove
pomoću različitih metoda prošle godine
reklo je da nikad nisu ništa
čuli od poslodavca.
Na nivou kompanije nije ništa bolje.
Četrdeset šest posto ljudi
dobije ili da otkaz
u prvoj godini zaposlenja.
To je prilično zapanjujuće.
Takođe je loše za ekonomiju.
Prvi put u istoriji,
imamo više slobodnih radnih mesta
nego nezaposlenih ljudi,
i to po meni jasno govori
da imamo problem.
Smatram da je u srži svega ovoga
jedan papir: biografija.
Biografija definitivno sadrži
neke korisne informacije:
koje poslove su ljudi obavljali,
veštine na računaru, koje jezike govore,
ali izostavlja njihov potencijal
da urade nešto
što možda nisu imali priliku
da urade u prošlosti.
Sa ekonomijom koja se tako brzo menja
i u kojoj se pojavljuju poslovi
koji mogu zahtevati veštine
koje niko nema,
ako samo gledamo
šta je neko radio u prošlosti,
nećemo moći da povežemo ljude
sa poslovima budućnosti.
Mislim da bi tu tehnologija
mogla bila od velike pomoći.
Verovatno ste videli
da su algoritmi postali prilično dobri
u povezivanju ljudi sa raznim stvarima,
ali šta ako bismo mogli
da upotrebimo tu istu tehnologiju
da nam pomogne da nađemo poslove
za koje smo zaista podesni?
Znam šta mislite.
Zvuči pomalo zastrašujuće
da algoritmi biraju vaš sledeći posao,
ali postoji nešto što se pokazalo
da dobro predviđa
budući uspeh osobe na poslu,
a to nešto se zove
test višestrukih merila.
Testovi višestrukih merila
nisu ništa novo,
ali ranije su bili jako skupi
i zahtevali su da doktor nauka
sedi naspram vas,
odgovaranje na mnogo pitanja
i pisanje izveštaja.
Testovi višestrukih merila su način
za razumevanje
nečijih unutrašnjih osobina -
vašeg pamćenja, pažljivosti.
Šta ako bismo testove višestrukih merila
učinili prilagodljivim i pristupačnim
i obezbedili podatke poslodavcima
o tome koje su to karakteristike
osobe koja bi odgovarala nekom poslu?
Sve ovo zvuči apstraktno.
Hajde da probamo jednu igru zajedno.
Videćete krug koji treperi
i vaš zadatak će biti da udarite dlanom
o dlan kada je krug crven,
a ne uradite ništa kada je zelen.
[Spremni?]
[Počnite!]
[Zeleni krug]
[Zeleni krug]
[Crveni krug]
[Zeleni krug]
[Crveni krug]
Možda ste tip osobe
koja pljesne milisekundu
nakon što se crveni krug pojavi.
Ili ste možda tip osobe
koja čeka malo više
da bi bila 100 posto sigurna.
Ili možda tapšete na zeleno
iako ne bi trebalo.
Ovde je zanimljivo
da to nije kao standardizovan test
gde su neki ljudi podobni
za zaposlenje, a neki nisu.
Umesto toga, radi se o razumevanju
uklapanja vaših karakteristika
i onog zbog čega biste bili dobri
na izvesnom poslu.
Otkrili smo da, ako pljesnete kasno
na crveno i ne pljesnete na zeleno,
možete biti veoma pažljivi i uzdržani.
Ljudi u tom kvadrantu su često
dobri učenici, dobro prolaze na testovima,
odlični u upravljanju projektima
ili u računovodstvu.
Ali ako odmah pljesnete na crveno
i ponekad na zeleno,
to može značiti da ste više
impulsivni i kreativni,
i otkrili smo da vrhunski prodavci
često poseduju ove osobine.
Ovo koristimo u zapošljavanju
tako što ljude koji su se istakli na poslu
podvrgnemo neuronaučnim vežbama
kao što je ova.
Zatim razvijemo algoritam
koji razume šta te odlične radnike
čini jedinstvenim.
A onda, kada ljudi konkurišu za posao,
možemo da iznedrimo kandidate
koji bi mogli biti
najpogodniji za taj posao.
Možda mislite da se u ovome
krije opasnost.
Svet rada danas nije baš najraznovrsniji
i ako ćemo stvarati algoritme
na osnovu trenutno najboljih radnika,
kako da budemo sigurni
da time nećemo samo održavati
predrasude koje već postoje?
Na primer, ako pravimo algoritam
zasnovan na vrhunskim direktorima
i koristimo indeks S&P 500
kao početni skup podataka,
otkrili bismo
da je verovatnije da ćete zaposliti
belca po imenu Džon nego neku ženu.
To je stvarna slika toga
ko se sada nalazi na tim poslovima.
Ali tehnologija zapravo predstavlja
zaista zanimljivu priliku.
Možemo napraviti algoritme
koji su pravedniji
i pošteniji od ljudskih bića.
Svaki algoritam koji smo stavili
u upotrebu je prethodno testiran
da bi se osiguralo da ne favorizuje
jedan pol ili etničku pripadnost.
A ako postoji neka populacija
koja je više favorizovana,
možemo da izmenimo algoritam
da više ne bude tako.
Kada se fokusiramo na unutrašnje osobine
zbog kojih je neko
dobra osoba za neki posao,
možemo prevazići rasizam, klasizam,
seksizam, starosnu diskriminaciju -
čak i obrazovnu diskriminaciju.
Naša najbolja tehnologija i algoritmi
ne bi trebalo da se samo koriste
za pomoć u pronalaženju narednog filma
ili nove omiljene pesme Džastina Bibera.
Zamislite ako bismo iskoristili
moć tehnologije
da dobijemo stvarne smernice
za ono što treba da radimo
na osnovu onoga što jesmo
na dubljem nivou.
Online iş başvurusu yapmak
zamanımızın en kötü
dijital deneyimlerinden biri.
Gerçi bizzat başvuru yapmak da
daha iyi değil.
[Çalışma Şeklimiz]
Bildiğimiz şekliyle iş alımları
pek çok yönden hatalı.
Herkes için korkunç bir tecrübe.
Geçen yıl değişik metotlar kullanarak
iş başvuruları yapan insanların yüzde 75'i
işverenden hiçbir haber
alamadıklarını bildirdiler.
Şirket düzeyinde de durum daha iyi değil.
İnsanların yüzde 46'sı
işe başladıkları yıl içinde
işten kovuldular veya işi bıraktılar.
Akıllara durgunluk verici.
Ekonomi için de kötü.
Tarihte ilk kez,
işsiz insan sayısından daha çok
açık poziyon var.
Bence bu apaçık
bir sorunumuz var demek.
Tüm bunların kökeninde
bir kâğıt parçası yatıyor: öz geçmiş.
Öz geçmişte kesinlikle
faydalı noktalar var:
Çalışılan pozisyonlar,
bilgisayar yetileri,
bilinen diller
ama eksik olan şey
başarabileceği bir iş için potansiyeli,
geçmişte fırsatını bulamadığı
bir şeyi gerçekleştirme potansiyeli.
İşlerin internet ortamında olduğu
hızla değişen bu pazarda
kimsenin sahip olmadığı
yetiler öne çıkar,
eğer sadece birinin geçmişte
yaptıklarına bakarsak
insanları geleceğin işleriyle
eşleştiremeyiz.
İşte bu noktada teknoloji devreye giriyor.
Algoritmaların insanları nesnelerle
çok iyi eşleştirdiğini
muhtemelen görmüşsünüzdür.
Peki ya aynı teknolojiyi
gerçekten uygun olduğumuz işleri
bulmak için kullansak?
Ne düşündüğünüzü biliyorum.
İşinizi algoritmanın seçmesi korkutucu
ama birinin gelecekte işindeki başarısını
tahmin etmede çok iyi olduğu
gösterilen bir şey var:
Çok ölçmeli sınav.
Çok ölçmeli sınavlar yeni değil
ama eskiden pahalıydılar
ve doktoralı birinin yürütmesi gerekiyordu
ve bir dizi soruya cevap vererek
rapor yazmak lazımdı.
Çok ölçmeli sınavlar,
kalıtsal özelliklerinizi
anlamanın bir yolu --
hafızanız, dikkatiniz.
Çok ölçmeli sınavları
ölçeklendirilebilir
ve erişilebilir yaparak
işverenlere bir işe
kimin uygun olduğu konusunda
veri sunsak nasıl olurdu?
Şu an soyut bir fikir.
Oyunlardan birini oynayalım.
Yanıp sönen bir daire göreceksiniz,
daire kırmızı olduğunda ellerinizi çırpın,
yeşil olduğunda hiçbir şey yapmayın.
[Hazır mısınız?]
[Başlayın!]
[Yeşil daire]
[Yeşil daire]
[Kırmızı daire]
[Yeşil daire]
[Kırmızı daire]
Belki de siz kırmızı belirdiğinde
aynı milisaniyede
elini çırpan gruptasınız.
Belki de %100 emin olmak için
biraz daha geç elinizi çırpıyorsunuz.
Belki de yeşil yandığında
elini çarpanlardansınız.
Bu işin güzel yanı,
bu standart bir test değil,
kimi işe alınabilir, kimi alınamaz
diye bir sonuç yok.
Bu sizin karakteristik özelliklerinizle
bir işte sizi iyi yapacak şeyleri
anlamaya yönelik.
Kırmızıda geç elinizi çırpıyor
ve yeşilde çırpmıyorsanız
dikkat ve kendine hakimiyet
yetileriniz yüksek olabilir.
Bu alandakiler iyi öğrenci olmaya
ve sınavlarda iyi olmaya meyillidir,
proje yönetimi ve muhasebede harikadırlar.
Ama kırmızıda hemen çırpıyor
ve bazen yeşilde de çırpıyorsanız
atılgan ve yaratıcısınız
anlamına gelebilir.
En iyi performanslı satış temsilcilerinde
bu özelliklerin olduğunu gördük.
Bunu iş alımında kullanma şeklimiz
bir pozisyona dair en iyi performansları
nörobilim egzersizlerine tabi tutmak,
bunun gibi.
Sonra bir algoritma yapıyoruz,
onları en iyi yapanın
ne olduğunu anlaması için.
Sonra insanlar iş başvurusu yaptığında
bu iş için en iyi adayları
su yüzüne çıkarabiliyoruz.
Burada bir tehlike
olduğunu düşünebilirsiniz.
Bugün iş hayatı pek de çeşitli sayılmaz
ve eğer mevcut en iyileri baz alarak
algoritmalar geliştirirsek
zaten var olan ön yargıları
devam ettirmediğimizden
nasıl emin olacağız?
Örneğin en iyi performanslı CEO'ları
baz alarak bir algoritma yapıyorsak
ve eğitim seti olarak
S&P 500 kullanıyorsak
şu ortaya çıkacaktır ki
bir kadın değil John isminde bir erkek
alınması çok daha muhtemel.
Bu işlerde kimin
çalıştığıyla ilgili bir gerçek.
Ancak teknoloji aslında gerçekten
ilginç bir fırsat sunuyor.
İnsanların bugüne kadar olduğundan
çok daha eşitlikçi ve adil
algoritmalar yapabiliriz.
Üretime sunduğumuz her algoritma
cinsiyet veya etnisite ayrımı
yapmamak üzere test edildi.
Ve ayrım yapılmış bir popülasyon varsa
algoritmada değişiklik yaparak
sorunu kaldırabiliyoruz.
Birini bir iş için uygun kılabilecek
kalıtsal karakteristik
özelliklere odaklandığımızda
ırkçılık, klasikçilik, seksizm
ve yaşçılığın önüne geçebiliriz --
hatta okul ayrımının bile.
En iyi teknoloji ve algoritmalarımız
sadece bize yeni filmler
veya yeni favori Justin Bieber
şarkısını bulmada kullanılmamalı.
Teknolojinin gücünden faydalanıp,
en derinden kim olduğumuz baz alınarak
ne yapmamız gerektiğini öğrenebiliriz.
Працевлаштування онлайн –
це найгірший досвід
використання цифрових технологій.
Але процес співбесіди не кращий.
[Як ми працюємо]
Працевлаштування сьогодні має
багато недоліків.
Це досить неприємний досвід.
Близько 75 відсотків людей,
які відправили свої резюме
минулого року,
не одержали відповіді від
потенційних роботодавців.
У компаніях справи не кращі.
46 відсотків людей звільняються
протягом першого року.
Це дійсно шокує.
І це погано для економіки.
Уперше в історії
ми маємо більше вакансій, ніж безробітних,
і це свідчить про серйозну проблему.
Головною причиною є один
аркуш паперу – «резюме».
Резюме містить певну
корисну інформацію:
робочий досвід, навички роботи
з комп’ютером,
володіння мовами.
Але дечого бракує в резюме, а саме –
потенціалу людини,
якого вона не встигла реалізувати
у минулому.
В умовах швидкого розвитку економіки
створюються робочі місця онлайн,
які вимагають нових навичок.
Якщо оцінювати тільки минулий досвід,
складно підібрати робітника
на роботу майбутнього.
Тут технології можуть стати у нагоді.
Ви, напевно, чули про ефективність
алгоритмів
для підбору людей,
а якщо використати ту ж саму технологію,
щоб допомогти нам знайти
відповідну роботу?
Але я знаю, що ви думаєте.
«Алгоритми вибору вашої роботи» –
це трохи лякає.
Але є один метод,
який прогнозує успішну кар’єру.
Він називається мультипрофільним
тестом.
Мультипрофільні тести не є чимось новим.
Вони потребували значних витрат,
вимагали присутності науковця,
який задавав питання та писав звіти.
Багатопрофільні тести – це спосіб
оцінити індивідуальні характеристики –
пам'ять, уважність.
А якщо зробити ці тести
більш масштабними та доступними,
та надати роботодавцям дані
про характеристики
людей, які б дійсно підійшли
на певні посади?
Це звучить абстрактно.
Зіграємо разом в гру.
Ви побачите блимаюче коло,
плесніть у долоні, коли воно червоне,
не плескайте, коли воно зелене.
[Готові?]
[Почнемо!]
[Зелене коло]
[Зелене коло]
[Червоне коло]
[Зелене коло]
[Червоне коло]
Можливо, ви один з тих,
хто плеснув у долоні відразу,
як побачив червоне коло.
А можливо,
вам потрібно трохи більше часу,
щоб точно упевнитись.
А, можливо, ви плескаєте в долоні
на зелене коло.
Цей тест не дає чіткої відповіді,
підходить людина на роботу чи ні.
Він допомагає зрозуміти, які індивідуальні
особливості
розкривають ваші робочі здібності.
Якщо людина плеснула на червоне коло
не відразу і не плеснула на зелене,
це свідчить про її високий рівень
уважності та стриманості.
Частіше за все, ці люди – здібні студенти,
успішно складають іспити,
гарні менеджери та бухгалтери.
А люди, які плескають на червоне коло
відразу, а інколи – на зелене,
більш імпульсивні та креативні,
мають успіх у сфері торгівлі.
Ми використовуємо цей тест
наступним чином:
найкращі у своїй сфері проходять тести,
на кшталт таких.
Потім ми створюємо алгоритм,
щоб зрозуміти, які навички вони мають.
І вже далі, на етапі працевлаштування,
це допомагає нам підібрати
найкращого кандидата на певну посаду.
Можливо, ви думаєте що в цьому
є певний ризик.
Адже сьогодні сфера праці одноманітна,
і будуючи алгоритми на основі
досягнень професіоналів,
чи можна уникнути
упереджень, що вже існують?
Наприклад, якщо створити алгоритм
на основі списку топ менеджерів
і даних фондового індексу S&P 500,
імовірно,
що роботу отримає білий Джон, а не жінка.
І це реалії сьогодення.
Але завдяки сучасним технологіям
з’являються нові можливості.
Можна створити об’єктивніші алгоритими,
які будуть більш справедливі,
ніж оцінка людей.
Кожен з наших алгоритмів пройшов перевірку
на гендерну та етнічну неупередженість.
А якщо хоч якась група людей
отримує перевагу,
то ми можемо змінити алгоритм,
щоб досягти балансу.
Аналізуючи притаманні кандидатам
особливості,
які допоможуть їм знайти роботу,
ми можемо подолати расизм, сексизм,
ейджизм,
навіть скулизм.
Наші передові технології і алгоритми
не призначені
для пошуку чергового фільму або пісні
Джастіна Бібера.
Ми могли б застосувати увесь
потенціал технологій
для ефективного керівництва діями
на основі знань про свою природу.
نوکریوں کے لیے آن لائن درخواست دینا
ہمارے دور کا ایک بدترین
ڈیجیٹل تجربہ ہے۔
اور بذات خود درخواست دینا
بھی کچھ اچھا نہیں۔
[ہم جس انداز سے کام کرتے ہیں]
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۔
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۔
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۔
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؟
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۔
[ تیار؟]
[ شروع کریں!]
[ سبز دائرہ]
[ سبز دائرہ]
[ سرخ دائرہ]
[ سبز دائرہ]
[ سرخ دائرہ]
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۔
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۔
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۔
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۔
Nộp đơn xin việc trực tuyến
là một trong những trải nghiệm số
tồi tệ nhất hiện nay.
Xin việc trực tiếp
cũng không khá khẩm gì hơn.
[Cách ta làm việc]
Tuyển dụng, như ta biết,
còn rất nhiều lỗ hổng.
Nó là một trải nghiệm kinh khủng.
Khoảng 75% số người
nộp đơn xin việc bằng nhiều cách
những năm qua
nói rằng họ không nhận được phản hồi
từ nhà tuyển dụng.
Ở phương diện công ty
cũng không khá hơn.
46% bị sa thải hoặc tự nghỉ
trong năm đầu nhận việc.
Một con số khá ấn tượng
và tồi tệ cho nền kinh tế.
Lần đầu tiên trong lịch sử,
số công việc trống
vượt hơn số người thất nghiệp,
và theo tôi,
nó đánh động một vấn đề.
Tôi tin mấu chốt nằm ở
một tờ giấy: hồ sơ năng lực (résumé).
Chắc chắn, nó có
một số phần hữu ích:
vị trí từng làm,
kỹ năng vi tính,
biết ngôn ngữ nào,
nhưng cái còn thiếu là
điều người đó có tiềm năng
nhưng chưa có cơ hội
được làm trước đây.
Với nền kinh tế thay đổi chóng mặt
việc làm online
có thể yêu cầu
những kỹ năng không ai có,
nếu chỉ nhìn vào những gì
ai đó đã làm trong quá khứ,
ta không thể tìm được người
phù hợp với công việc tương lai.
Đó là lúc tôi nghĩ công nghệ
có thể giúp ích.
Bạn có thể thấy
thuật toán được cải thiện
trong việc kết nối người và vật,
sẽ thế nào nếu sử dụng
công nghệ tương tự
giúp ta tìm các công việc
thực sự phù hợp?
Tôi biết bạn đang nghĩ gì.
Để thuật toán chọn việc
nghe có chút đáng sợ,
nhưng có một thứ
đã được chứng minh
thực sự dự đoán được
thành công của ai đó trong công việc
được gọi là
bài kiểm tra đa năng.
Bài kiểm tra này không mới,
nhưng từng rất tốn kém
và cần một tiến sĩ ngồi đối diện với bạn,
trả lời rất nhiều câu hỏi
rồi viết các báo cáo.
Bài kiểm tra đa năng
là một cách
để hiểu những đặc điểm vốn có
của một người --
trí nhớ, sự tập trung.
Sẽ ra sao nếu ta có thể mở rộng quy mô,
làm chúng dễ tiếp cận
và cung cấp cho nhà tuyển dụng
các đặc điểm thật sự
của một người
khiến họ phù hợp với công việc?
Nghe thật trừu tượng.
Nên hãy thử cùng chơi một trò chơi.
Bạn sắp thấy một vòng tròn nhấp nháy,
và công việc của bạn là
vỗ tay khi vòng tròn màu đỏ
và không vỗ khi nó màu xanh.
[Sẵn sàng chưa?]
[Bắt đầu]
[Vòng tròn xanh]
[Vòng tròn xanh]
[Vòng tròn đỏ]
[Vòng tròn xanh]
[Vòng tròn xanh]
Có thể bạn là người
vỗ tay trong tích tắc
sau khi vòng tròn đỏ hiện ra.
Hoặc có thể là người
mất một lúc lâu
để chắc chắn 100%.
Hoặc có thể bạn vỗ tay vào màu xanh
dù không định làm thế.
Điều hay ho là đó không phải
bài kiểm tra chuẩn hóa
để một số người được tuyển vào
còn số khác thì không.
Thay vào đó là hiểu biết
về mức độ phù hợp giữa đặc điểm của bạn
và điều cần
để làm tốt công việc.
Nếu vỗ tay khi màu đỏ
và không vỗ tay khi màu xanh,
bạn có thể rất tập trung
và có khả năng kiềm chế cao.
Những người đó có xu hướng
là một học sinh xuất sắc, thi cử rất tốt,
quản lí dự án
hay kế toán xuất sắc.
Nhưng nếu bạn vỗ ngay tức thì
khi có màu đỏ và đôi lúc vỗ khi xanh,
nghĩa là bạn
khá bốc đồng và sáng tạo,
tính cách thường thấy
ở những người bán hàng top đầu.
Cách mà chúng tôi áp dụng
trong tuyển dụng
là đưa những người xuất sắc
từ các ngành
làm một bài tập khoa học thần kinh
tương tự.
Rồi phát triển
một thuật toán
để biết được thứ
khiến họ đặc biệt.
Và khi có người ứng tuyển,
chúng tôi có thể lọc các ứng viên
để xem ai phù hợp nhất cho công việc.
Có thể bạn sẽ nghĩ
có rủi ro ở đây.
Giới lao động ngày nay
không đa dạng
và nếu xây dựng các thuật toán
dựa trên người giỏi nhất,
làm thế nào để chắc rằng
ta không đang duy trì
sự thiên vị sẵn có?
Ví dụ, nếu xây dựng một thuật toán
dựa trên những CEO giỏi nhất
và dùng S&P 500 như bộ đào tạo,
ta sẽ nhận ra
xu hướng thuê
một đàn ông da trắng hơn là một phụ nữ.
Và đó là thực tế của bất kì ai
ở trong vị trí đó.
Nhưng công nghệ thực sự mở ra
một cơ hội rất thú vị.
Ta có thể tạo ra
những thuật toán công bằng hơn trước đây.
Mỗi thuật toán mà chúng tôi đưa vào
sản phẩm đều được kiểm nghiệm
để đảm bảo không thiên vị
bất cứ giới tính hay cộng đồng nào.
Và nếu có bất kì nhóm người nào
được ưa ái quá mức,
ta có thể chỉnh sửa thuật toán.
Tập trung vào
những phẩm chất vốn có
khiến ai đó
phù hợp với công việc,
ta có thể vượt qua rào cản
chủng tộc, tầng lớp, giới tính, độ tuổi --
kể cả học vấn.
Ứng dụng công nghệ và thuật toán
không nên gói gọn trong việc
giúp tìm những bộ phim đáng xem
hay bài hát mới của Justin Bieber.
Hãy tưởng tượng
khả năng khai thác sức mạnh công nghệ
để có được chỉ dẫn thực sự
về điều nên làm
dựa trên việc ta thật sự là ai.
在线申请工作
是我们这个时代最糟糕的
数字化体验之一。
面对面交谈也没好到哪儿去。
【我们的工作方式】
众所周知,招聘方式
在很多方面一团糟。
对人们来说这是一个糟糕的经历。
在过去一年
使用多种方式申请工作时的
群体中,大约有75%的人
说他们从未收到雇主的任何反馈。
对公司来说,这不是一件好事情。
在开始工作的不到一年时间里,
46%的人被解雇或者主动离职。
这一点很令人震惊。
这种现象对经济也产生了负面影响。
在历史上第一次,
招聘岗位超过了无业人员的人数,
对我而言,这意味着出问题了。
我认为这一切的关键在于一张纸:
简历。
毫无疑问,简历中包含着一些
有用的信息:
人们扮演过哪些角色,
有哪些计算机技能,
精通什么语言,
但并未提及他们有哪方面的潜力,
这些事情他们在过去可能没机会去做。
在变化如此迅速的经济环境中,
在线发布的工作机会
可能要求的都是没人掌握的技术,
如果我们只看一个人过去做了什么,
就不能把这个人和
未来的工作匹配起来。
所以我认为这是技术真正有用的地方。
您可能已经看到了算法如何很好的
把人和事物匹配起来,
但是如果我们把同样的技术用于
真正帮助找到那些为
我们量身打造的工作昵?
我知道你在想什么。
让算法为你挑拣下一份工作
听起来有点离谱,
但有个东西已经被证明
能够成功预测某人
是否能胜任未来的工作,
这就是所谓的多评估测试。
多评估测试并不是什么新概念,
但是它们曾经价格不菲,
并且需要一个博士坐在你对面,
回答一堆问题并且整理成报告。
多评估测试是一种用来
理解某人内在特质的方法——
你的记忆力,你的专注力。
如果我们能够做多评估测试,
让公众都可以参与,
并且把相关数据提供给雇主,
比如某个人的某些特质
使其真的很适合这个工作,会怎样?
这些听起来很抽象。
让我们一起试试其中一个游戏。
你将要看到一个闪烁的圆,
你的任务就是当圆是红色时鼓掌,
当圆是绿色时什么也不做。
【准备好了?】
【开始】
【绿色圆】
【绿色圆】
【红色圆】
【绿色圆】
【红色圆】
或许你是那种
在红色圆出现后毫秒内鼓掌的人。
或者你是另外一种人,
那种需要多花点时间,
等到100%确认才行动的人。
或者你在还不确定时
就为绿色圆鼓掌。
很酷的一点是这并不
像是个标准的测试,
那种决定能被雇佣与否的测试。
相反,这是个理解你的特性和
适合你的工作之间的匹配度测试。
我们发现如果你在红色时鼓掌晚,
而在绿色时从不鼓掌,
你可能具备高度专注力,
能够很好的自我约束。
在那个象限的人们
往往擅长学习和考试,
精于项目管理和财会。
如果你在红色时立刻鼓掌,
并且有时在绿色鼓掌,
那意味着你可能易冲动
并且具备创造性,
我们发现顶级的商人
经常会表现出这些特质。
我们在招聘中使用它的方式是
我们让角色中表现出色的人参与
类似的神经科学训练。
然后我们开发了一个算法
来理解是什么让这些
表现出众者脱颖而出。
然后当人们申请工作的时候,
我们就会优先列出
最适合那项工作的候选人。
你可能在思考其中存在的风险。
当今的职场多样性仍有待提高,
如果我们基于当下的
出众员工构建算法,
要怎样确保
我们不是在固守既有的偏见呢?
例如,如果我们基于顶尖表现的
CEO构建一个算法
并且使用S&P500作为一个训练集,
你将会发现
更可能雇佣一个叫约翰的
白人男子而非任何女性。
这是目前谁正处在这个角色的现实。
但是技术实际上给出了
一个真正有趣的机会。
我们可以创造一些比人类
任何时候都更平等
和更公正的算法。
每一个我们投入生产的
算法都会被预先进行测试
以确保它不会偏爱任何性别
或者种族。
如果有任何人群正在被过度偏爱,
我们可以调整算法直到该现象消失。
当我们关注在那些让一个人
非常适合一个工作的内在特质时,
我们可以超越种族,阶级,
性别和老龄化主义——
甚至是名校背景。
我们最好的技术和算法不应该只用于
帮助寻找我们的下一个卖座电影
或者贾斯汀·比伯的新歌。
想象一下如果我们能够利用技术的
力量,
在更深层次上理解我们是谁,
并得到一个
我们应该做什么的真正指引会怎样。
網路上求職
是現代最糟糕的一種數位體驗,
但親自求職也好不了多少。
【我們的工作方式】
我們所知的招聘方式
在很多方面存在缺陷,
對很多人來說都是難受的體驗。
過去一年中,
以不同方式找工作的求職者裡面
有 75% 的人表示從未得到雇主回覆。
而對招聘的公司來說,
情況也沒好到哪裡。
任職不到一年
就被解聘或辭職的人也高達 46%,
實在令人震驚,
也不利於經濟發展。
第一次在歷史上出現了
職位空缺多於失業人數的現象,
這是個令人不容小覷的問題。
我認為所有問題的關鍵在於
那一張紙——也就是履歷表。
履歷表固然有不少有用訊息:
例如求職者曾經擔任的職位、
他們的電腦技能,
及他們會的語言。
但履歷表無法顯示求職者的潛能,
因為他們過去沒有機會
去擔任能展現長才的工作。
隨着經濟急促轉型,
網上湧現大批職缺
需要一些無前例可循的技能。
如果我們單看求職者過去的成就,
則無法為未來的職位找到合適人才。
因此我認為科技在這方面能幫上很多忙。
大家或許見識過演算法能針對需求
為人們找到適合的東西。
那麼是否我們可以將相同的技術
應用在尋找適合的職缺呢?
我知道大家在想什麼,
用演算法來媒合工作聽起來有點可怕,
但有一項技術能夠預測
求職者在新工作上的成就,
那就是所謂的「多元測試」。
多元測試並不是什麼新玩意兒,
以前它的成本很高,
需要一位博士坐在你面前,
回答一大堆問題、寫一堆報告。
多元測試能了解
一個人與生俱有的特色,
例如:你的記憶力、注意力。
如果我們可以運用多元測試,
讓它可量身訂做、普及,
並將這些數據提供給雇主,
以個人特質來篩選
真的適合這項工作的人選呢?
這聽起來很抽象。
不如,我們來玩個小遊戲。
遊戲中你會看到一個圓圈閃過,
如果你看到紅色圓圈,
就要立刻拍手,
如果是綠的,就不要做任何動作。
[準備好了沒?]
[開始!]
[綠色圓圈]
[綠色圓圈]
[紅色圓圈]
[綠色圓圈]
[紅色圓圈]
或許你可以在紅色圈圈出現的
千分之一秒內拍手,
也或許你是那種寧可多花點時間
百分百肯定後才出手的人。
又或許你在綠色圈出現
就拍手,違反了規則。
最棒的一點在於這個測驗
和一般的測試不同,
一般測試會區分某些人適合
這工作,而某些人不是。
但多元測試卻是去辨別
你的特質適合什麼,
以及你能勝任某項工作的特長為何。
研究顯示如果你在出現紅圈時拍手,
而從沒在綠圈時誤拍,
那麼你有著相當高的
專注力及自制力,
這類的人通常會是好學生,
測試也能得到好成績,
適合當專案管理者或從事會計工作。
如果你在紅圈圈出現時立即拍手,
偶爾在綠色出現時也不小心拍手,
表示你有可能比較
隨興而為,也較有創意,
我們發現頂尖業務
通常具有這些特徵。
我們之所以能將
這項測試運用在聘僱上,
是因為我們讓在該領域表現傑出的人
實際做過神經科學的測驗,
就像這個。
根據結果,我們發展出一套演算公式
以了解是哪一項特質
讓優秀的人才脫穎而出。
因而人們在求職時,
我們才能篩選出最適任的人。
也許你在想:這樣的測試也有風險,
因為今日的職場並沒有太多元化,
如果只針對現有優秀的工作者
特質來設計演算公式,
那麼要如何確保
我們不會讓現有的偏差
一再地重複發生?
假設我們的演算法是以
頂尖執行長為設計基礎,
並以標準普爾 500 家公司為訓練集,
則會發現
選出來的人大概都會是叫做
約翰的白人男性而少有女性,
那是因為在現實職場中,
擔任該職位的都是這類型的人。
在這裡科技就能提供
另一個有趣的機會,
我們可以做出一套更公正,
而且比人類更公平的演算系統。
每套演算法在實際應用前
都需經過前置測試,
以確保不會偏好某性別或種族。
如果系統真有偏重某些族群,
那麼我們可以改變演算方法,
直到情況改善。
當我們著重在發掘某人與生俱來、
使他在職場上適任的人格特質,
我們就能夠超越種族、
階級、性別、年齡,
甚至名校的偏見。
我們這樣棒的科技
和演算法不應該只用在
追電影或尋找小賈斯汀的新歌上面。
而是應該要駕馭科技,
並根據我們的內在潛質
來引導我們要追求的目標。