Return to Video

怎样让工作申请少一些痛苦

  • 0:01 - 0:02
    在线申请工作
  • 0:02 - 0:05
    是我们这个时代最糟糕的
    数字化体验之一。
  • 0:05 - 0:07
    面对面交谈也没好到哪儿去。
  • 0:07 - 0:09
    【我们的工作方式】
  • 0:12 - 0:14
    众所周知，招聘方式
    在很多方面一团糟。
  • 0:14 - 0:16
    对人们来说这是一个糟糕的经历。
  • 0:16 - 0:18
    在过去一年
  • 0:18 - 0:21
    使用多种方式申请工作时的
    群体中，大约有75%的人
  • 0:21 - 0:23
    说他们从未收到雇主的任何反馈。
  • 0:23 - 0:25
    对公司来说，这不是一件好事情。
  • 0:25 - 0:28
    在开始工作的不到一年时间里，
  • 0:28 - 0:30
    46%的人被解雇或者主动离职。
  • 0:30 - 0:32
    这一点很令人震惊。
  • 0:32 - 0:33
    这种现象对经济也产生了负面影响。
  • 0:33 - 0:35
    在历史上第一次，
  • 0:35 - 0:38
    招聘岗位超过了无业人员的人数，
  • 0:38 - 0:40
    对我而言，这意味着出问题了。
  • 0:40 - 0:44
    我认为这一切的关键在于一张纸：
    简历。
  • 0:44 - 0:46
    毫无疑问，简历中包含着一些
    有用的信息：
  • 0:46 - 0:48
    人们扮演过哪些角色，
    有哪些计算机技能，
  • 0:48 - 0:49
    精通什么语言，
  • 0:49 - 0:53
    但并未提及他们有哪方面的潜力，
  • 0:53 - 0:55
    这些事情他们在过去可能没机会去做。
  • 0:55 - 0:59
    在变化如此迅速的经济环境中，
    在线发布的工作机会
  • 0:59 - 1:01
    可能要求的都是没人掌握的技术，
  • 1:01 - 1:04
    如果我们只看一个人过去做了什么，
  • 1:04 - 1:07
    就不能把这个人和
    未来的工作匹配起来。
  • 1:07 - 1:09
    所以我认为这是技术真正有用的地方。
  • 1:09 - 1:12
    您可能已经看到了算法如何很好的
  • 1:12 - 1:14
    把人和事物匹配起来，
  • 1:14 - 1:16
    但是如果我们把同样的技术用于
  • 1:16 - 1:20
    真正帮助找到那些为
    我们量身打造的工作昵？
  • 1:20 - 1:21
    我知道你在想什么。
  • 1:21 - 1:24
    让算法为你挑拣下一份工作
    听起来有点离谱，
  • 1:24 - 1:26
    但有个东西已经被证明
  • 1:26 - 1:29
    能够成功预测某人
    是否能胜任未来的工作，
  • 1:29 - 1:31
    这就是所谓的多评估测试。
  • 1:31 - 1:33
    多评估测试并不是什么新概念，
  • 1:33 - 1:35
    但是它们曾经价格不菲，
  • 1:35 - 1:37
    并且需要一个博士坐在你对面，
  • 1:37 - 1:40
    回答一堆问题并且整理成报告。
  • 1:40 - 1:41
    多评估测试是一种用来
  • 1:41 - 1:44
    理解某人内在特质的方法——
  • 1:44 - 1:46
    你的记忆力，你的专注力。
  • 1:47 - 1:49
    如果我们能够做多评估测试，
  • 1:49 - 1:51
    让公众都可以参与，
  • 1:51 - 1:55
    并且把相关数据提供给雇主，
    比如某个人的某些特质
  • 1:55 - 1:57
    使其真的很适合这个工作，会怎样？
  • 1:57 - 1:59
    这些听起来很抽象。
  • 1:59 - 2:00
    让我们一起试试其中一个游戏。
  • 2:00 - 2:02
    你将要看到一个闪烁的圆，
  • 2:02 - 2:05
    你的任务就是当圆是红色时鼓掌，
  • 2:06 - 2:08
    当圆是绿色时什么也不做。
  • 2:08 - 2:09
    【准备好了？】
  • 2:09 - 2:11
    【开始】
  • 2:12 - 2:13
    【绿色圆】
  • 2:14 - 2:15
    【绿色圆】
  • 2:16 - 2:17
    【红色圆】
  • 2:18 - 2:19
    【绿色圆】
  • 2:20 - 2:21
    【红色圆】
  • 2:22 - 2:23
    或许你是那种
  • 2:23 - 2:26
    在红色圆出现后毫秒内鼓掌的人。
  • 2:26 - 2:27
    或者你是另外一种人，
  • 2:27 - 2:30
    那种需要多花点时间，
    等到100%确认才行动的人。
  • 2:30 - 2:33
    或者你在还不确定时
    就为绿色圆鼓掌。
  • 2:33 - 2:36
    很酷的一点是这并不
    像是个标准的测试，
  • 2:36 - 2:38
    那种决定能被雇佣与否的测试。
  • 2:38 - 2:42
    相反，这是个理解你的特性和
  • 2:42 - 2:44
    适合你的工作之间的匹配度测试。
  • 2:44 - 2:48
    我们发现如果你在红色时鼓掌晚，
    而在绿色时从不鼓掌，
  • 2:48 - 2:51
    你可能具备高度专注力，
    能够很好的自我约束。
  • 2:51 - 2:55
    在那个象限的人们
    往往擅长学习和考试，
  • 2:55 - 2:57
    精于项目管理和财会。
  • 2:57 - 3:00
    如果你在红色时立刻鼓掌，
    并且有时在绿色鼓掌，
  • 3:00 - 3:03
    那意味着你可能易冲动
    并且具备创造性，
  • 3:03 - 3:07
    我们发现顶级的商人
    经常会表现出这些特质。
  • 3:07 - 3:09
    我们在招聘中使用它的方式是
  • 3:09 - 3:13
    我们让角色中表现出色的人参与
  • 3:13 - 3:14
    类似的神经科学训练。
  • 3:14 - 3:15
    然后我们开发了一个算法
  • 3:15 - 3:18
    来理解是什么让这些
    表现出众者脱颖而出。
  • 3:18 - 3:20
    然后当人们申请工作的时候，
  • 3:20 - 3:24
    我们就会优先列出
    最适合那项工作的候选人。
  • 3:24 - 3:27
    你可能在思考其中存在的风险。
  • 3:27 - 3:29
    当今的职场多样性仍有待提高，
  • 3:29 - 3:32
    如果我们基于当下的
    出众员工构建算法，
  • 3:32 - 3:33
    要怎样确保
  • 3:33 - 3:36
    我们不是在固守既有的偏见呢？
  • 3:36 - 3:40
    例如，如果我们基于顶尖表现的
    CEO构建一个算法
  • 3:40 - 3:43
    并且使用S&P500作为一个训练集，
  • 3:43 - 3:45
    你将会发现
  • 3:45 - 3:49
    更可能雇佣一个叫约翰的
    白人男子而非任何女性。
  • 3:49 - 3:51
    这是目前谁正处在这个角色的现实。
  • 3:51 - 3:55
    但是技术实际上给出了
    一个真正有趣的机会。
  • 3:55 - 3:57
    我们可以创造一些比人类
    任何时候都更平等
  • 3:57 - 3:59
    和更公正的算法。
  • 3:59 - 4:03
    每一个我们投入生产的
    算法都会被预先进行测试
  • 4:03 - 4:06
    以确保它不会偏爱任何性别
    或者种族。
  • 4:06 - 4:09
    如果有任何人群正在被过度偏爱，
  • 4:09 - 4:12
    我们可以调整算法直到该现象消失。
  • 4:12 - 4:15
    当我们关注在那些让一个人
  • 4:15 - 4:17
    非常适合一个工作的内在特质时，
  • 4:17 - 4:20
    我们可以超越种族，阶级，
    性别和老龄化主义——
  • 4:20 - 4:22
    甚至是名校背景。
  • 4:22 - 4:25
    我们最好的技术和算法不应该只用于
  • 4:25 - 4:29
    帮助寻找我们的下一个卖座电影
    或者贾斯汀·比伯的新歌。
  • 4:29 - 4:31
    想象一下如果我们能够利用技术的
    力量，
  • 4:31 - 4:33
    在更深层次上理解我们是谁，
    并得到一个
  • 4:33 - 4:36
    我们应该做什么的真正指引会怎样。
Title:
怎样让工作申请少一些痛苦
Speaker:
朴雅卡· 耆那
Description:

找工作时通常先要把你的简历提交给数不清的雇主，然后大多数永远不会有回应。但是越来越多的公司正在使用前沿的技术识别候选人。如果AI成为招聘的未来，它对你将意味着什么？技术专家朴雅卡· 耆那向我们展示了这种新的招聘场景。
more » « less
Video Language:
English
Team:
closed TED
Project:
TED Series
Duration:
04:49

Chinese, Simplified subtitles

Revisions Compare revisions

Our website uses cookies for analysis purposes.