The Way We Work
Priyanka Jain: How to make applying for jobs less painful
Priyanka Jain: Come rendere la ricerca del lavoro meno difficile
Filmed:
Readability: 4.3
548,985 views
Nel passato, per trovare un lavoro si iniziava mandando il curriculum ad un milione di destinatari, senza mai avere notizie dalla maggior parte di loro. Ma sempre più aziende stanno utilizzando dei metodi tecnologici avanzati per identificare i candidati. Se l'intelligenza artificiale è il futuro delle assunzioni, cosa significa per te? La tecnologa Priyanka Jain ci offre uno spaccato di questo nuovo panorama nel mondo del lavoro.
Priyanka Jain - Technologist
Priyanka Jain heads up product for pymetrics, an NYC-based startup that uses neuroscience and AI to make hiring more diverse and effective. Full bio
Priyanka Jain heads up product for pymetrics, an NYC-based startup that uses neuroscience and AI to make hiring more diverse and effective. Full bio
Double-click the English transcript below to play the video.
00:00
Applying for jobs online
0
548
1416
Cercare lavoro online
è tra le peggiori esperienze digitali
del nostro tempo.
del nostro tempo.
00:01
is one of the worst
digital experiences of our time.
digital experiences of our time.
1
1988
2616
00:04
And applying for jobs in person
really isn't much better.
really isn't much better.
2
4628
2696
E farlo di persona non è molto meglio.
[Il modo in cui lavoriamo]
00:07
[The Way We Work]
3
7349
1720
La ricerca di personale
che conosciamo è da rifare.
che conosciamo è da rifare.
00:11
Hiring as we know it
is broken on many fronts.
is broken on many fronts.
4
11588
2456
È un'esperienza terribile per le persone.
00:14
It's a terrible experience for people.
5
14068
1856
Circa il 75% delle persone
00:15
About 75 percent of people
6
15948
1816
che hanno cercato lavoro
lo scorso anno usando vari metodi
lo scorso anno usando vari metodi
00:17
who applied to jobs
using various methods in the past year
using various methods in the past year
7
17788
2856
non ha mai ricevuto
notizie dal datore di lavoro.
notizie dal datore di lavoro.
00:20
said they never heard anything back
from the employer.
from the employer.
8
20668
2656
E a livello aziendale non è molto meglio.
00:23
And at the company level
it's not much better.
it's not much better.
9
23348
2176
Il 46% delle persone
viene licenziato o si licenzia
viene licenziato o si licenzia
00:25
46 percent of people get fired or quit
10
25548
2776
durante il primo anno di lavoro.
00:28
within the first year
of starting their jobs.
of starting their jobs.
11
28348
2176
Una cosa sconvolgente.
00:30
It's pretty mind-blowing.
12
30548
1216
Danneggia anche l'economia.
00:31
It's also bad for the economy.
13
31788
1456
Per la prima volta nella storia,
00:33
For the first time in history,
14
33268
1456
abbiamo più posti di lavoro vacanti
che numero di disoccupati,
che numero di disoccupati,
00:34
we have more open jobs
than we have unemployed people,
than we have unemployed people,
15
34748
2856
e ciò vuol dire che c'è un problema.
00:37
and to me that screams
that we have a problem.
that we have a problem.
16
37628
2176
Il punto cruciale della questione
è un semplice foglio di carta: il CV.
è un semplice foglio di carta: il CV.
00:39
I believe that at the crux of all of this
is a single piece of paper: the résumé.
is a single piece of paper: the résumé.
17
39828
3976
Un curriculum contiene
alcune informazioni utili:
alcune informazioni utili:
00:43
A résumé definitely has
some useful pieces in it:
some useful pieces in it:
18
43828
2336
i ruoli ricoperti,
le abilità informatiche,
le abilità informatiche,
00:46
what roles people have had,
computer skills,
computer skills,
19
46188
2096
le lingue parlate,
00:48
what languages they speak,
20
48308
1256
ma ciò che manca è
il potenziale delle persone di fare cose
il potenziale delle persone di fare cose
00:49
but what it misses is
what they have the potential to do
what they have the potential to do
21
49588
3056
che magari in passato
non hanno avuto l'occasione di fare.
non hanno avuto l'occasione di fare.
00:52
that they might not have had
the opportunity to do in the past.
the opportunity to do in the past.
22
52668
2976
E con un'economia che cambia velocemente
dove i lavori si cercano online
dove i lavori si cercano online
00:55
And with such a quickly changing economy
where jobs are coming online
where jobs are coming online
23
55668
3256
e che richiedono abilità che nessuno ha,
00:58
that might require skills that nobody has,
24
58948
2056
se ci soffermiamo solamente
a cosa uno ha fatto in passato,
a cosa uno ha fatto in passato,
01:01
if we only look at what someone
has done in the past,
has done in the past,
25
61028
2776
non riusciremo ad assegnare
alle persone i lavori del futuro.
alle persone i lavori del futuro.
01:03
we're not going to be able
to match people to the jobs of the future.
to match people to the jobs of the future.
26
63828
3256
Ed è qui che penso che la tecnologia
possa essere utile.
possa essere utile.
01:07
So this is where I think technology
can be really helpful.
can be really helpful.
27
67108
2736
Avrete notato che gli alogritmi
sono diventati ottimi
sono diventati ottimi
01:09
You've probably seen
that algorithms have gotten pretty good
that algorithms have gotten pretty good
28
69868
2856
nell'abbinare le persone alle cose.
01:12
at matching people to things,
29
72748
1536
E se potessimo usare
quella stessa tecnologia
quella stessa tecnologia
01:14
but what if we could use
that same technology
that same technology
30
74308
2256
per aiutarci a trovare dei lavori
per cui siamo adatti?
per cui siamo adatti?
01:16
to actually help us find jobs
that we're really well-suited for?
that we're really well-suited for?
31
76588
3096
Ma so a cosa state pensando.
01:19
But I know what you're thinking.
32
79708
1576
Fa paura pensare che siano
gli algoritmi a scegliere per te,
gli algoritmi a scegliere per te,
01:21
Algorithms picking your next job
sounds a little bit scary,
sounds a little bit scary,
33
81308
2776
ma esiste un metodo che riesce a predire
il successo lavorativo di un individuo,
il successo lavorativo di un individuo,
01:24
but there is one thing that has been shown
34
84108
2056
01:26
to be really predictive
of someone's future success in a job,
of someone's future success in a job,
35
86188
2896
ed è il cosiddetto test multi-valutativo.
01:29
and that's what's called
a multimeasure test.
a multimeasure test.
36
89108
2136
Questi test in realtà
non sono niente di nuovo,
non sono niente di nuovo,
01:31
Multimeasure tests
really aren't anything new,
really aren't anything new,
37
91268
2176
ma un tempo erano molto costosi
01:33
but they used to be really expensive
38
93468
1736
richiedevano la presenza
di qualcuno con un PhD
di qualcuno con un PhD
01:35
and required a PhD sitting across from you
39
95228
2016
e rispondere a molte domande
e scrivere dei report.
e scrivere dei report.
01:37
and answering lots of questions
and writing reports.
and writing reports.
40
97268
2456
Questi test sono un modo
01:39
Multimeasure tests are a way
41
99748
1696
per capire i tratti innati di una persona:
01:41
to understand someone's inherent traits --
42
101468
2456
la memoria, il grado di attenzione.
01:43
your memory, your attentiveness.
43
103948
1776
01:46
What if we could take multimeasure tests
44
106662
1942
E se potessimo fare dei test,
renderli scalabili e accessibili,
01:48
and make them scalable and accessible,
45
108628
2536
e fornire ai datori le informazioni
su quali sono quei tratti
su quali sono quei tratti
01:51
and provide data to employers
about really what the traits are
about really what the traits are
46
111188
3376
che rendono un individuo
adatto per un certo lavoro?
adatto per un certo lavoro?
01:54
of someone who can make
them a good fit for a job?
them a good fit for a job?
47
114588
2896
Tutto ciò sembra astratto.
01:57
This all sounds abstract.
48
117508
1296
Proviamo uno dei giochi insieme.
01:58
Let's try one of the games together.
49
118828
1735
Vedrai un cerchio intermittente,
02:00
You're about to see a flashing circle,
50
120587
1857
e il tuo compito sarà
applaudire quando il cerchio è rosso
applaudire quando il cerchio è rosso
02:02
and your job is going to be
to clap when the circle is red
to clap when the circle is red
51
122468
2960
02:06
and do nothing when it's green.
52
126285
1496
e stare fermo quando è verde.
[Pronti?]
02:07
[Ready?]
53
127806
1376
[Via!]
02:09
[Begin!]
54
129207
1360
02:11
[Green circle]
55
131708
1000
[Cerchio verde]
02:13
[Green circle]
56
133708
1040
[Cerchio verde]
02:15
[Red circle]
57
135708
1000
[Cerchio rosso]
02:17
[Green circle]
58
137708
1080
[Cerchio verde]
02:19
[Red circle]
59
139708
1000
[Cerchio rosso]
02:21
Maybe you're the type of person
60
141928
1596
Forse sei il tipo di persona
che applaude appena
il cerchio rosso appare.
il cerchio rosso appare.
02:23
who claps the millisecond
after a red circle appears.
after a red circle appears.
61
143548
2496
O forse sei il tipo di persona
02:26
Or maybe you're the type of person
62
146068
1656
che ci mette un po' di più
per essere sicura al 100%.
per essere sicura al 100%.
02:27
who takes just a little bit longer
to be 100 percent sure.
to be 100 percent sure.
63
147748
2735
O forse applaudi al verde
anche se non dovresti.
anche se non dovresti.
02:30
Or maybe you clap on green
even though you're not supposed to.
even though you're not supposed to.
64
150508
2936
La cosa bella è che questo
non è come un test standardizzato
non è come un test standardizzato
02:33
The cool thing here is that
this isn't like a standardized test
this isn't like a standardized test
65
153468
2976
dove alcune persone
sono idonee e altre no.
sono idonee e altre no.
02:36
where some people are employable
and some people aren't.
and some people aren't.
66
156468
2656
Invece, si tratta di capire l'idoneità
tra le tue caratteristiche
tra le tue caratteristiche
02:39
Instead it's about understanding
the fit between your characteristics
the fit between your characteristics
67
159148
3256
e ciò che ti renderebbe
bravo in un lavoro.
bravo in un lavoro.
02:42
and what would make you
good a certain job.
good a certain job.
68
162428
2016
Se applaudi tardi sul rosso
e non applaudi mai sul verde,
e non applaudi mai sul verde,
02:44
We found that if you clap late on red
and you never clap on the green,
and you never clap on the green,
69
164468
3736
potresti essere molto attento
e controllato.
e controllato.
02:48
you might be high in attentiveness
and high in restraint.
and high in restraint.
70
168228
3176
Le persone in quel quadrante
sono ottimi studenti, bravi nei test,
sono ottimi studenti, bravi nei test,
02:51
People in that quadrant tend to be
great students, great test-takers,
great students, great test-takers,
71
171428
3576
bravi a gestire progetti
o nella contabilità.
o nella contabilità.
02:55
great at project management or accounting.
72
175028
2136
Ma se applaudi subito sul rosso
e a volte anche sul verde,
e a volte anche sul verde,
02:57
But if you clap immediately on red
and sometimes clap on green,
and sometimes clap on green,
73
177188
3336
potrebbe significare che
sei più impulsivo e creativo,
sei più impulsivo e creativo,
03:00
that might mean that
you're more impulsive and creative,
you're more impulsive and creative,
74
180548
2656
e spesso i venditori migliori
incarnano queste caratteristiche.
incarnano queste caratteristiche.
03:03
and we've found that top-performing
salespeople often embody these traits.
salespeople often embody these traits.
75
183228
3875
Il modo in cui usiamo ciò nelle assunzioni
03:07
The way we actually use this in hiring
76
187128
2016
è far sì che i migliori in un ruolo
svolgano degli esercizi di neuroscienze
svolgano degli esercizi di neuroscienze
03:09
is we have top performers in a role
go through neuroscience exercises
go through neuroscience exercises
77
189168
3696
come questo.
03:12
like this one.
78
192888
1216
Poi sviluppiamo un algoritmo
03:14
Then we develop an algorithm
79
194128
1376
che capisce cosa rende
queste persone uniche.
queste persone uniche.
03:15
that understands what makes
those top performers unique.
those top performers unique.
80
195528
2656
Quando le persone cercano lavoro,
03:18
And then when people apply to the job,
81
198208
1936
siamo in grado di proporre i candidati
più adatti per quel lavoro.
più adatti per quel lavoro.
03:20
we're able to surface the candidates
who might be best suited for that job.
who might be best suited for that job.
82
200168
4136
Potresti pensare che è pericoloso.
03:24
So you might be thinking
there's a danger in this.
there's a danger in this.
83
204328
2376
Il mondo lavorativo oggi
non è il più diversificato
non è il più diversificato
03:26
The work world today
is not the most diverse
is not the most diverse
84
206728
2136
03:28
and if we're building algorithms
based on current top performers,
based on current top performers,
85
208888
3096
e se creiamo algoritmi
basati sui migliori candidati attuali,
basati sui migliori candidati attuali,
come possiamo assicurarci
03:32
how do we make sure
86
212008
1216
che non stiamo solo perpetuando
le faziosità che già esistono?
le faziosità che già esistono?
03:33
that we're not just perpetuating
the biases that already exist?
the biases that already exist?
87
213248
2976
Se creiamo un algoritmo basato
sui migliori amministratori delegati
sui migliori amministratori delegati
03:36
For example, if we were building
an algorithm based on top performing CEOs
an algorithm based on top performing CEOs
88
216248
4056
e usiamo l'indice Standard & Poor 500,
03:40
and use the S&P 500 as a training set,
89
220328
3216
ti accorgeresti
03:43
you would actually find
90
223568
1256
che assumeresti con più probabilità
un bianco di nome John e non una donna.
un bianco di nome John e non una donna.
03:44
that you're more likely to hire
a white man named John than any woman.
a white man named John than any woman.
91
224848
3816
E questa è la realtà di chi
ricopre questi ruoli ora.
ricopre questi ruoli ora.
03:48
And that's the reality
of who's in those roles right now.
of who's in those roles right now.
92
228688
2696
Ma la tecnologia offre
un'opportunità davvero interessante.
un'opportunità davvero interessante.
03:51
But technology actually poses
a really interesting opportunity.
a really interesting opportunity.
93
231408
3376
Possiamo creare degli algoritmi più equi
03:54
We can create algorithms
that are more equitable
that are more equitable
94
234808
2256
e più giusti rispetto agli esseri umani.
03:57
and more fair than human beings
have ever been.
have ever been.
95
237088
2256
Ogni algoritmo che creiamo
è stato collaudato
è stato collaudato
03:59
Every algorithm that we put
into production has been pretested
into production has been pretested
96
239368
3696
per assicurare che non favorisca
un genere o un'etnia.
un genere o un'etnia.
04:03
to ensure that it doesn't favor
any gender or ethnicity.
any gender or ethnicity.
97
243088
3096
E se c'è una popolazione che
viene favorita maggiormente,
viene favorita maggiormente,
04:06
And if there's any population
that's being overfavored,
that's being overfavored,
98
246208
2736
possiamo alterare l'algoritmo
fino a che non lo sia più.
fino a che non lo sia più.
04:08
we can actually alter the algorithm
until that's no longer true.
until that's no longer true.
99
248968
3120
04:12
When we focus on the inherent
characteristics
characteristics
100
252448
2216
Quando ci focalizziamo sui tratti innati
che possono rendere
qualcuno idoneo per un lavoro,
qualcuno idoneo per un lavoro,
04:14
that can make somebody
a good fit for a job,
a good fit for a job,
101
254688
2096
04:16
we can transcend racism,
classism, sexism, ageism --
classism, sexism, ageism --
102
256808
3576
possiamo trascendere le discriminazioni
di razza, classe, sesso, età --
di razza, classe, sesso, età --
anche dell'istruzione.
04:20
even good schoolism.
103
260408
1416
Ttecnologia e algoritmi
non si dovrebbero usare
non si dovrebbero usare
04:21
Our best technology and algorithms
shouldn't just be used
shouldn't just be used
104
261848
2896
04:24
for helping us find our next movie binge
or new favorite Justin Bieber song.
or new favorite Justin Bieber song.
105
264768
3736
solo per aiutare a trovare il prossimo
film o una canzone di Justin Bieber.
film o una canzone di Justin Bieber.
Immagina se si potesse sfruttare
il potere della tecnologia
il potere della tecnologia
04:28
Imagine if we could harness
the power of technology
the power of technology
106
268528
2656
04:31
to get real guidance
on what we should be doing
on what we should be doing
107
271208
2296
per avere una guida su cosa dovremmo fare
basata su chi siamo nel profondo.
04:33
based on who we are at a deeper level.
108
273528
1936
ABOUT THE SPEAKER
Priyanka Jain - TechnologistPriyanka Jain heads up product for pymetrics, an NYC-based startup that uses neuroscience and AI to make hiring more diverse and effective.
Why you should listen
Passionate about using technology to create a fairer workplace and global economy, Priyanka Jain is a spokesperson for the United Nations Foundation's Girl Up Campaign, Chair of the Acumen Fund's Junior Council and on the Innovation Board for the XPrize Foundation. She received her B.S. from Stanford University, where she was President of Stanford Women in Business and one of 12 Mayfield Entrepreneurship Fellows. Her previous experience includes internships at IBM Watson, Shift Technologies, Canvas Ventures and the Institute for Learning and Brain Sciences. Outside of work, she loves playing tennis and eating anything covered in dark chocolate.
Priyanka Jain | Speaker | TED.com