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.