Return to Video

Πώς να κάνετε τη διαδικασία αιτήσεων για δουλειά λιγότερο επώδυνη

  • 0:00 - 0:03
    Το να κάνετε αιτήσεις
    για εργασία διαδικτυακά
  • 0:03 - 0:05
    είναι από τις χειρότερες εμπειρίες.
  • 0:05 - 0:08
    Το να κάνετε αιτήσεις αυτοπροσώπως
    δεν είναι και πολύ καλύτερο.
  • 0:08 - 0:09
    [Ο τρόπος που δουλεύουμε]
  • 0:11 - 0:14
    Η πρόσληψη όπως την ξέρουμε
    έχει πολλές δυσκολίες.
  • 0:14 - 0:16
    Είναι από τις χειρότερες εμπειρίες.
  • 0:16 - 0:18
    Περίπου 75% των ανθρώπων
  • 0:18 - 0:21
    που αιτούνται δουλειά χρησιμοποιώντας
    διάφορες μεθόδους τον τελευταίο χρόνο
  • 0:21 - 0:23
    μας είπαν ότι δεν πήραν ποτέ απάντηση.
  • 0:23 - 0:26
    Αλλά και στις εταιρίες
    τα πράγματα δεν είναι καλύτερα.
  • 0:26 - 0:28
    Το 46% των ανθρώπων,
    απολύονται ή παραιτούνται
  • 0:28 - 0:31
    μέσα στον πρώτο χρόνο
    που αρχίζουν δουλειά.
  • 0:31 - 0:31
    Είναι σοκαριστικό.
  • 0:31 - 0:33
    Είναι επίσης κακό για την οικονομία.
  • 0:33 - 0:35
    Για πρώτη φορά στην ιστορία,
  • 0:35 - 0:38
    έχουμε περισσότερες
    θέσεις εργασίας απ' ό,τι ανέργους
  • 0:38 - 0:40
    και για μένα αυτό δείχνει
    ότι υπάρχει πρόβλημα.
  • 0:40 - 0:43
    Θεωρώ ότι η ουσία του προβλήματος
    συνοψίζεται σε ένα χαρτί: το βιογραφικό.
  • 0:44 - 0:46
    Το βιογραφικό αναμφίβολα
    έχει ωφέλιμα χαρακτηριστικά:
  • 0:46 - 0:48
    προϋπηρεσία, ηλεκτρονικές δεξιότητες,
  • 0:48 - 0:50
    ξένες γλώσσες,
  • 0:50 - 0:53
    αλλά αυτό που λείπει, είναι ποιες
    είναι οι δυνατότητες του ατόμου
  • 0:53 - 0:55
    που ίσως δεν είχαν την ευκαιρία
    να κάνουν στο παρελθόν.
  • 0:55 - 0:57
    Με την ταχύτητα που αλλάζει η οικονομία
  • 0:57 - 0:59
    όπου οι θέσεις εργασίας
    γίνονται διαδικτυακές
  • 0:59 - 1:02
    που ίσως απαιτούν δεξιότητες
    που δεν έχει κανένας,
  • 1:02 - 1:04
    εάν κοιτάξουμε μόνο την προϋπηρεσία,
  • 1:04 - 1:07
    δεν θα μπορούμε να βρούμε άτομα
    με τις θέσεις εργασίας του μέλλοντος.
  • 1:07 - 1:09
    Εδώ νομίζω ότι μπορούμε
    να αξιοποιήσουμε την τεχνολογία.
  • 1:09 - 1:12
    Πιθανότατα ξέρετε ότι οι αλγόριθμοι
    έχουν βελτιωθεί σημαντικά
  • 1:12 - 1:14
    στο να συνδέουν ανθρώπους σε πράγματα,
  • 1:14 - 1:17
    αλλά εάν χρησιμοποιούσαμε
    την ίδια τεχνολογία
  • 1:17 - 1:20
    στο να βρούμε δουλειές
    στις οποίες ταιριάζουμε;
  • 1:20 - 1:21
    Ξέρω τι σκέφτεστε.
  • 1:21 - 1:24
    Ακούγεται λίγο τρομακτικό οι αλγόριθμοι
    να επιλέγουν την επόμενη δουλειά σας,
  • 1:24 - 1:26
    αλλά υπάρχει κάτι που έχει δείξει
  • 1:26 - 1:29
    ότι προβλέπει τη μελλοντική
    επιτυχία στην εργασία,
  • 1:29 - 1:31
    και αυτό λέγεται πολύμετρο τεστ.
  • 1:31 - 1:33
    Τα πολύμετρα τεστ
    δεν είναι κάτι καινούριο,
  • 1:33 - 1:35
    αλλά ήτανε πολύ ακριβά
  • 1:35 - 1:37
    και ήταν απαραίτητο
    ένας διδάκτορας να είναι παρών
  • 1:37 - 1:40
    και να απαντάει πολλές ερωτήσεις
    και να κάνει αναφορές.
  • 1:40 - 1:42
    Τα πολύμετρα τεστ είναι ένας τρόπος
  • 1:42 - 1:44
    να καταλάβουμε τα εγγενή
    χαρακτηριστικά κάποιου --
  • 1:44 - 1:46
    τη μνήμη, την προσήλωση.
  • 1:46 - 1:49
    Εάν μπορούσαμε να κάνουμε
    πολύμετρα τεστ
  • 1:49 - 1:51
    και τα κάναμε κλιμακωτά και προσβάσιμα
  • 1:51 - 1:55
    ώστε να δώσουμε στοιχεία στους εργοδότες
    για τα πραγματικά χαρακτηριστικά κάποιου
  • 1:55 - 1:57
    που μπορεί να είναι
    πραγματικά καλός για μια δουλειά.
  • 1:57 - 1:59
    Όλα αυτά ακούγονται περίεργα.
  • 1:59 - 2:00
    Ας δοκιμάσουμε ένα παιχνίδι.
  • 2:00 - 2:02
    Θα δείτε έναν κύκλο που αναβοσβήνει,
  • 2:02 - 2:05
    θα πρέπει να χτυπάτε παλαμάκια
    όταν ο κύκλος είναι κόκκινος
  • 2:06 - 2:08
    και τίποτα όταν είναι πράσινος.
  • 2:08 - 2:09
    [Έτοιμοι;]
  • 2:09 - 2:11
    [Ξεκινάμε!]
  • 2:12 - 2:13
    [Πράσινος κύκλος]
  • 2:14 - 2:15
    [Πράσινος κύκλος]
  • 2:16 - 2:17
    [Κόκκινος κύκλος]
  • 2:18 - 2:19
    [Πράσινος κύκλος]
  • 2:20 - 2:21
    [Κόκκινος κύκλος]
  • 2:22 - 2:23
    Ίσως να είστε ο τύπος ανθρώπου
  • 2:23 - 2:26
    που χειροκροτάει χιλιοστά του
    δευτερολέπτου μετά τον κόκκινο κύκλο.
  • 2:26 - 2:28
    Ή να είστε ο τύπος ανθρώπου
  • 2:28 - 2:30
    που χρειάζεται λίγο περισσότερο
    για να είναι 100% σίγουρος.
  • 2:30 - 2:33
    Ή μπορεί να χειροκροτάτε
    στον πράσινο αν και δεν πρέπει.
  • 2:33 - 2:36
    Το ωραίο εδώ είναι ότι αυτό
    δεν είναι κάποιο στάνταρ τεστ
  • 2:36 - 2:39
    που κρίνει αν κάποιος είναι ικανός ή όχι.
  • 2:39 - 2:42
    Αντιθέτως έχει να κάνει
    με την κατανόηση των χαρακτηριστικών σας
  • 2:42 - 2:44
    και τι θα σας έκανε
    καλούς σε κάποια δουλειά.
  • 2:44 - 2:48
    Ανακαλύψαμε ότι εάν χειροκροτάτε αργότερα
    από το κόκκινο και ποτέ στο πράσινο,
  • 2:48 - 2:51
    μπορεί να έχετε αυξημένη προσήλωση
    και να είστε συγκρατημένος.
  • 2:51 - 2:55
    Άνθρωποι σαν αυτούς, τείνουν να είναι
    καλοί μαθητές, ή καλοί στα τεστ,
  • 2:55 - 2:57
    καλοί σαν διαχειριστές έργων
    ή στα λογιστικά.
  • 2:57 - 3:01
    Αλλά εάν χειροκροτήσατε αμέσως
    στο κόκκινο και κάποιες φορές στο πράσινο,
  • 3:01 - 3:03
    μπορεί να σημαίνει ότι είσαστε
    αυθόρμητοι και δημιουργικοί,
  • 3:03 - 3:07
    και βρήκαμε ότι οι καλύτεροι πωλητές
    βρίσκονται σε αυτή την κατηγορία.
  • 3:07 - 3:09
    Το χρησιμοποιούμε στις προσλήψεις
  • 3:09 - 3:13
    βάζοντας κορυφαίους στους κλάδους τους
    να κάνουν νευροεπιστημονικές ασκήσεις
  • 3:13 - 3:14
    σαν αυτήν.
  • 3:14 - 3:15
    Μετά αναπτύσσουμε έναν αλγόριθμο
  • 3:15 - 3:18
    που καταλαβαίνει τι κάνει
    αυτούς τους ανθρώπους ιδιαίτερους.
  • 3:18 - 3:20
    Και όταν έχουμε αιτούντες για κάποια θέση,
  • 3:20 - 3:24
    είμαστε ικανοί να κατατάξουμε
    τους πιο κατάλληλους για τη θέση.
  • 3:24 - 3:27
    Μπορεί να σκέφτεστε
    ότι υπάρχει ρίσκο σε όλο αυτό.
  • 3:27 - 3:29
    Το εργατικό δυναμικό
    δεν είναι το πιο ποικίλο
  • 3:29 - 3:32
    και αν χτίζουμε αλγόριθμους
    βασισμένους σε κορυφαίους ανθρώπους
  • 3:32 - 3:33
    πώς είμαστε σίγουροι
  • 3:33 - 3:36
    ότι δεν διαιωνίζουμε
    τις προκαταλήψεις που ήδη υπάρχουν;
  • 3:36 - 3:38
    Για παράδειγμα,
    εάν δημιουργούμε ένα αλγόριθμο
  • 3:38 - 3:40
    βασισμένο σε κορυφαίους
    διευθύνων συμβούλους
  • 3:40 - 3:44
    και χρησιμοποιήσουμε τις εταιρείες
    S&P 500 ως εκπαιδευτικό σετ,
  • 3:44 - 3:45
    θα δείτε ότι είναι πολύ πιθανό
  • 3:45 - 3:48
    να προσλάβετε έναν λευκό άνδρα
    ονόματι Tζον αντί για οποιαδήποτε γυναίκα.
  • 3:48 - 3:51
    Και είναι η πραγματικότητα
    για το ποιοι έχουν αυτούς τους ρόλους.
  • 3:51 - 3:55
    Αλλά η τεχνολογία αναδεικνύει
    μια πραγματικά ενδιαφέρουσα δυνατότητα.
  • 3:55 - 3:57
    Μπορούμε να χτίσουμε
    αλγόριθμους πιο έντιμους
  • 3:57 - 3:59
    και πιο δίκαιους από τους ανθρώπους.
  • 3:59 - 4:03
    Κάθε αλγόριθμο που χτίζουμε,
    τον δοκιμάζουμε
  • 4:03 - 4:06
    για να εξασφαλίσουμε ότι
    δεν ευνοεί κάποιο φύλο ή εθνικότητα.
  • 4:06 - 4:09
    Και εάν υπάρχει κάποιος
    περισσότερο ευνοούμενος,
  • 4:09 - 4:12
    μπορούμε να τροποποιήσουμε τον αλγόριθμο
    μέχρι να μην ισχύει πια.
  • 4:12 - 4:15
    Όταν εστιάζουμε στα έμφυτα χαρακτηριστικά
  • 4:15 - 4:17
    τα οποία κάνουν κάποιο καλό για μια θέση,
  • 4:17 - 4:20
    μπορούμε να παραβλέψουμε τον ρατσισμό,
    τον ταξισμό, τον σεξισμό, την ηλικία,
  • 4:20 - 4:22
    ή τη διαφορετική εκπαίδευση.
  • 4:22 - 4:25
    Η τεχνολογία και οι αλγόριθμοι
    δεν πρέπει να χρησιμοποιούνται
  • 4:25 - 4:29
    μόνο για να βρούμε ταινίες
    ή το επόμενο τραγούδι του Τζάστιν Μπίμερ.
  • 4:29 - 4:31
    Φανταστείτε να μπορούσαμε
    να χρησιμοποιούσαμε την τεχνολογία
  • 4:31 - 4:34
    ώστε να μας συμβουλεύει
    σε τι θα έπρεπε να κάνουμε
  • 4:34 - 4:36
    βασιζόμενοι στο ποιοι πραγματικά είμαστε.
Title:
Πώς να κάνετε τη διαδικασία αιτήσεων για δουλειά λιγότερο επώδυνη
Speaker:
Πριγιάνκα Τζάιν
Description:

Το να βρείτε δουλειά συνήθιζε να ξεκινά με την υποβολή του βιογραφικού σας σε εκατομμύρια αγγελίες και να μην σας απαντούν ποτέ στις περισσότερες. Αλλά όλο και περισσότερες εταιρείες χρησιμοποιούν μεθόδους τεχνολογίας ώστε να βρουν υποψηφίους. Εάν η τεχνητή νοημοσύνη είναι το μέλλον στις προσλήψεις, τι ακριβώς σημαίνει αυτό για εσάς; Η τεχνολόγος Πριγιάνκα Τζάιν, ρίχνει μια ματιά σε αυτό το καινούριο τοπίο.
more » « less
Video Language:
English
Team:
closed TED
Project:
TED Series
Duration:
04:49

Greek subtitles

Revisions

Our website uses cookies for analysis purposes.