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