ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Priyanka Jain | Speaker | TED.com
The Way We Work

Priyanka Jain: How to make applying for jobs less painful

Prijanka Đajin (Priyanka Jain): Kako da konkurisanje za poslove postane manje bolno

Filmed:
548,985 views

Pronalaženje posla je ranije počinjalo slanjem biografije na milion oglasa, i zatim nikada ne bismo dobili povratnu informaciju u većini slučajeva. Ali sve više kompanija koristi napredne metode za pronalaženje kandidata. Ako je veštačka inteligencija budućnost zapošljavanja, šta to znači za vas? Tehnolog Prijanka Đajin daje pregled ovog novog terena zapošljavanja.
- 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

Double-click the English transcript below to play the video.

Konkurisanje za poslove onlajn
00:00
ApplyingPrimena for jobsпосао onlineонлине
0
548
1416
00:01
is one of the worstнајгоре
digitalдигитални experiencesискуства of our time.
1
1988
2616
je jedno od najgorih digitalnih
iskustava našeg vremena.
00:04
And applyingприменом for jobsпосао in personособа
really isn't much better.
2
4628
2696
A ni konkurisanje uživo
zapravo nije mnogo bolje.
00:07
[The Way We Work]
3
7349
1720
[Način na koji radimo]
Zapošljavanje kakvo poznajemo
je manjkavo na više načina.
00:11
HiringUnajmio as we know it
is brokenсломљен on manyмноги frontsфронти.
4
11588
2456
00:14
It's a terribleстрашно experienceискуство for people.
5
14068
1856
To je grozno iskustvo za ljude.
Oko 75 posto ljudi
koji su se prijavljivali za poslove
00:15
About 75 percentпроценат of people
6
15948
1816
00:17
who appliedпримењено to jobsпосао
usingКористећи variousразни methodsметоде in the pastпрошлост yearгодине
7
17788
2856
pomoću različitih metoda prošle godine
reklo je da nikad nisu ništa
čuli od poslodavca.
00:20
said they never heardслушао anything back
from the employerposlodavac.
8
20668
2656
00:23
And at the companyкомпанија levelниво
it's not much better.
9
23348
2176
Na nivou kompanije nije ništa bolje.
Četrdeset šest posto ljudi
dobije ili da otkaz
00:25
46 percentпроценат of people get firedотпуштен or quitодустати
10
25548
2776
00:28
withinу склопу the first yearгодине
of startingпочевши theirњихова jobsпосао.
11
28348
2176
u prvoj godini zaposlenja.
00:30
It's prettyприлично mind-blowingдуховно размишљање.
12
30548
1216
To je prilično zapanjujuće.
00:31
It's alsoтакође badлоше for the economyекономија.
13
31788
1456
Takođe je loše za ekonomiju.
Prvi put u istoriji,
00:33
For the first time in historyисторија,
14
33268
1456
00:34
we have more openотворен jobsпосао
than we have unemployedнезапослен people,
15
34748
2856
imamo više slobodnih radnih mesta
nego nezaposlenih ljudi,
00:37
and to me that screamsvrisak
that we have a problemпроблем.
16
37628
2176
i to po meni jasno govori
da imamo problem.
Smatram da je u srži svega ovoga
jedan papir: biografija.
00:39
I believe that at the cruxsazveћрa Kruks of all of this
is a singleједно pieceпиеце of paperпапир: the résumсумé.
17
39828
3976
Biografija definitivno sadrži
neke korisne informacije:
00:43
A résumсумé definitelyдефинитивно has
some usefulкорисно piecesкомада in it:
18
43828
2336
00:46
what rolesулоге people have had,
computerрачунар skillsвештине,
19
46188
2096
koje poslove su ljudi obavljali,
veštine na računaru, koje jezike govore,
00:48
what languagesјезике they speakговорити,
20
48308
1256
00:49
but what it missesнедостаје is
what they have the potentialпотенцијал to do
21
49588
3056
ali izostavlja njihov potencijal
da urade nešto
00:52
that they mightМожда not have had
the opportunityприлика to do in the pastпрошлост.
22
52668
2976
što možda nisu imali priliku
da urade u prošlosti.
Sa ekonomijom koja se tako brzo menja
i u kojoj se pojavljuju poslovi
00:55
And with suchтаква a quicklyбрзо changingпромена economyекономија
where jobsпосао are comingдолазе onlineонлине
23
55668
3256
00:58
that mightМожда requireзахтевати skillsвештине that nobodyнико has,
24
58948
2056
koji mogu zahtevati veštine
koje niko nema,
01:01
if we only look at what someoneнеко
has doneГотово in the pastпрошлост,
25
61028
2776
ako samo gledamo
šta je neko radio u prošlosti,
01:03
we're not going to be ableу могуцности
to matchутакмица people to the jobsпосао of the futureбудућност.
26
63828
3256
nećemo moći da povežemo ljude
sa poslovima budućnosti.
Mislim da bi tu tehnologija
mogla bila od velike pomoći.
01:07
So this is where I think technologyтехнологија
can be really helpfulкористан.
27
67108
2736
Verovatno ste videli
da su algoritmi postali prilično dobri
01:09
You've probablyвероватно seenвиђено
that algorithmsалгоритми have gottenготтен prettyприлично good
28
69868
2856
u povezivanju ljudi sa raznim stvarima,
01:12
at matchingPodudaranje people to things,
29
72748
1536
ali šta ako bismo mogli
da upotrebimo tu istu tehnologiju
01:14
but what if we could use
that sameисти technologyтехнологија
30
74308
2256
01:16
to actuallyзаправо help us find jobsпосао
that we're really well-suitedpogodnom for?
31
76588
3096
da nam pomogne da nađemo poslove
za koje smo zaista podesni?
Znam šta mislite.
01:19
But I know what you're thinkingразмишљање.
32
79708
1576
Zvuči pomalo zastrašujuće
da algoritmi biraju vaš sledeći posao,
01:21
AlgorithmsAlgoritmi pickingбирање your nextследећи jobпосао
soundsзвуци a little bitмало scaryстрашно,
33
81308
2776
ali postoji nešto što se pokazalo
01:24
but there is one thing that has been shownпоказано
34
84108
2056
da dobro predviđa
budući uspeh osobe na poslu,
01:26
to be really predictivePREDIKTIVNA
of someone'sНеко је futureбудућност successуспех in a jobпосао,
35
86188
2896
a to nešto se zove
test višestrukih merila.
01:29
and that's what's calledпозвани
a multimeasuremultimeasure testтест.
36
89108
2136
Testovi višestrukih merila
nisu ništa novo,
01:31
MultimeasureMultimeasure testsтестови
really aren'tнису anything newново,
37
91268
2176
ali ranije su bili jako skupi
01:33
but they used to be really expensiveскупо
38
93468
1736
i zahtevali su da doktor nauka
sedi naspram vas,
01:35
and requiredпотребан a PhDProf. dr sittingседење acrossпреко from you
39
95228
2016
odgovaranje na mnogo pitanja
i pisanje izveštaja.
01:37
and answeringодговарајући lots of questionsпитања
and writingписање reportsизвештаји.
40
97268
2456
01:39
MultimeasureMultimeasure testsтестови are a way
41
99748
1696
Testovi višestrukih merila su način
01:41
to understandРазумем someone'sНеко је inherentинхерентан traitsособине --
42
101468
2456
za razumevanje
nečijih unutrašnjih osobina -
01:43
your memoryмеморија, your attentivenesspredusretljivoљжu.
43
103948
1776
vašeg pamćenja, pažljivosti.
01:46
What if we could take multimeasuremultimeasure testsтестови
44
106662
1942
Šta ako bismo testove višestrukih merila
01:48
and make them scalableскалабилно and accessibleприступачан,
45
108628
2536
učinili prilagodljivim i pristupačnim
01:51
and provideпружити dataподаци to employersposlodavci
about really what the traitsособине are
46
111188
3376
i obezbedili podatke poslodavcima
o tome koje su to karakteristike
01:54
of someoneнеко who can make
them a good fitфит for a jobпосао?
47
114588
2896
osobe koja bi odgovarala nekom poslu?
01:57
This all soundsзвуци abstractапстрактан.
48
117508
1296
Sve ovo zvuči apstraktno.
01:58
Let's try one of the gamesигре togetherзаједно.
49
118828
1735
Hajde da probamo jednu igru zajedno.
Videćete krug koji treperi
02:00
You're about to see a flashingtreperi circleкруг,
50
120587
1857
i vaš zadatak će biti da udarite dlanom
o dlan kada je krug crven,
02:02
and your jobпосао is going to be
to clapпљесак when the circleкруг is redцрвена
51
122468
2960
a ne uradite ništa kada je zelen.
02:06
and do nothing when it's greenзелен.
52
126285
1496
02:07
[ReadySpreman?]
53
127806
1376
[Spremni?]
02:09
[BeginPočeti!]
54
129207
1360
[Počnite!]
02:11
[GreenZeleni circleкруг]
55
131708
1000
[Zeleni krug]
02:13
[GreenZeleni circleкруг]
56
133708
1040
[Zeleni krug]
02:15
[RedCrveni circleкруг]
57
135708
1000
[Crveni krug]
02:17
[GreenZeleni circleкруг]
58
137708
1080
[Zeleni krug]
02:19
[RedCrveni circleкруг]
59
139708
1000
[Crveni krug]
02:21
Maybe you're the typeтип of personособа
60
141928
1596
Možda ste tip osobe
koja pljesne milisekundu
nakon što se crveni krug pojavi.
02:23
who clapspljeska the millisecondmilisekunde
after a redцрвена circleкруг appearsсе појављује.
61
143548
2496
02:26
Or maybe you're the typeтип of personособа
62
146068
1656
Ili ste možda tip osobe
koja čeka malo više
da bi bila 100 posto sigurna.
02:27
who takes just a little bitмало longerдуже
to be 100 percentпроценат sure.
63
147748
2735
Ili možda tapšete na zeleno
iako ne bi trebalo.
02:30
Or maybe you clapпљесак on greenзелен
even thoughипак you're not supposedпретпостављено to.
64
150508
2936
Ovde je zanimljivo
da to nije kao standardizovan test
02:33
The coolхладан thing here is that
this isn't like a standardizedstandardizovana testтест
65
153468
2976
gde su neki ljudi podobni
za zaposlenje, a neki nisu.
02:36
where some people are employableradno sposobnih
and some people aren'tнису.
66
156468
2656
Umesto toga, radi se o razumevanju
uklapanja vaših karakteristika
02:39
InsteadUmesto toga it's about understandingразумевање
the fitфит betweenизмеђу your characteristicsкарактеристике
67
159148
3256
i onog zbog čega biste bili dobri
na izvesnom poslu.
02:42
and what would make you
good a certainизвестан jobпосао.
68
162428
2016
Otkrili smo da, ako pljesnete kasno
na crveno i ne pljesnete na zeleno,
02:44
We foundнашао that if you clapпљесак lateкасни on redцрвена
and you never clapпљесак on the greenзелен,
69
164468
3736
02:48
you mightМожда be highвисоко in attentivenesspredusretljivoљжu
and highвисоко in restraintuzdržanost.
70
168228
3176
možete biti veoma pažljivi i uzdržani.
02:51
People in that quadrantkvadrant tendтенденција to be
great studentsстуденти, great test-takerstest-takseri,
71
171428
3576
Ljudi u tom kvadrantu su često
dobri učenici, dobro prolaze na testovima,
odlični u upravljanju projektima
ili u računovodstvu.
02:55
great at projectпројекат managementменаџмент or accountingračunovodstvo.
72
175028
2136
02:57
But if you clapпљесак immediatelyодмах on redцрвена
and sometimesпонекад clapпљесак on greenзелен,
73
177188
3336
Ali ako odmah pljesnete na crveno
i ponekad na zeleno,
03:00
that mightМожда mean that
you're more impulsiveimpulsivan and creativeкреативан,
74
180548
2656
to može značiti da ste više
impulsivni i kreativni,
03:03
and we'veми смо foundнашао that top-performingglavni
salespeopleprodavci oftenчесто embodyукључи these traitsособине.
75
183228
3875
i otkrili smo da vrhunski prodavci
često poseduju ove osobine.
03:07
The way we actuallyзаправо use this in hiringзапошљавање
76
187128
2016
Ovo koristimo u zapošljavanju
03:09
is we have topврх performersizvođači in a roleулога
go throughкроз neuroscienceнеуронаука exercisesvežbe
77
189168
3696
tako što ljude koji su se istakli na poslu
podvrgnemo neuronaučnim vežbama
03:12
like this one.
78
192888
1216
kao što je ova.
03:14
Then we developразвити an algorithmalgoritam
79
194128
1376
Zatim razvijemo algoritam
03:15
that understandsразуме what makesчини
those topврх performersizvođači uniqueјединствен.
80
195528
2656
koji razume šta te odlične radnike
čini jedinstvenim.
A onda, kada ljudi konkurišu za posao,
03:18
And then when people applyприменити to the jobпосао,
81
198208
1936
03:20
we're ableу могуцности to surfaceповршина the candidateskandidati
who mightМожда be bestнајбоље suitedодговара for that jobпосао.
82
200168
4136
možemo da iznedrimo kandidate
koji bi mogli biti
najpogodniji za taj posao.
Možda mislite da se u ovome
krije opasnost.
03:24
So you mightМожда be thinkingразмишљање
there's a dangerопасност in this.
83
204328
2376
Svet rada danas nije baš najraznovrsniji
03:26
The work worldсвет todayданас
is not the mostнајвише diverseразнолика
84
206728
2136
i ako ćemo stvarati algoritme
na osnovu trenutno najboljih radnika,
03:28
and if we're buildingзграде algorithmsалгоритми
basedзаснован on currentТренутни topврх performersizvođači,
85
208888
3096
kako da budemo sigurni
03:32
how do we make sure
86
212008
1216
da time nećemo samo održavati
predrasude koje već postoje?
03:33
that we're not just perpetuatingstarosnoj
the biasesпредрасуде that alreadyвећ existпостоје?
87
213248
2976
Na primer, ako pravimo algoritam
zasnovan na vrhunskim direktorima
03:36
For exampleпример, if we were buildingзграде
an algorithmalgoritam basedзаснован on topврх performingизвођење CEOsDirektori
88
216248
4056
03:40
and use the S&ampamp;P 500 as a trainingобука setкомплет,
89
220328
3216
i koristimo indeks S&P 500
kao početni skup podataka,
03:43
you would actuallyзаправо find
90
223568
1256
otkrili bismo
03:44
that you're more likelyвероватно to hireнајам
a whiteбео man namedназван JohnJohn than any womanжена.
91
224848
3816
da je verovatnije da ćete zaposliti
belca po imenu Džon nego neku ženu.
To je stvarna slika toga
ko se sada nalazi na tim poslovima.
03:48
And that's the realityреалност
of who'sко је in those rolesулоге right now.
92
228688
2696
03:51
But technologyтехнологија actuallyзаправо posesпоза
a really interestingзанимљиво opportunityприлика.
93
231408
3376
Ali tehnologija zapravo predstavlja
zaista zanimljivu priliku.
03:54
We can createстворити algorithmsалгоритми
that are more equitablepravedna
94
234808
2256
Možemo napraviti algoritme
koji su pravedniji
03:57
and more fairфер than humanљудско beingsбића
have ever been.
95
237088
2256
i pošteniji od ljudskih bića.
03:59
EverySvaki algorithmalgoritam that we put
into productionпроизводња has been pretestedunapred testirane
96
239368
3696
Svaki algoritam koji smo stavili
u upotrebu je prethodno testiran
da bi se osiguralo da ne favorizuje
jedan pol ili etničku pripadnost.
04:03
to ensureосигурати that it doesn't favorфавор
any genderпол or ethnicityetnička pripadnost.
97
243088
3096
04:06
And if there's any populationпопулација
that's beingбиће overfavoredpreterano naklonje,
98
246208
2736
A ako postoji neka populacija
koja je više favorizovana,
04:08
we can actuallyзаправо alteralter the algorithmalgoritam
untilсве док that's no longerдуже trueистина.
99
248968
3120
možemo da izmenimo algoritam
da više ne bude tako.
04:12
When we focusфокусирати on the inherentинхерентан
characteristicsкарактеристике
100
252448
2216
Kada se fokusiramo na unutrašnje osobine
04:14
that can make somebodyнеко
a good fitфит for a jobпосао,
101
254688
2096
zbog kojih je neko
dobra osoba za neki posao,
možemo prevazići rasizam, klasizam,
seksizam, starosnu diskriminaciju -
04:16
we can transcendнадмашити racismrasizam,
classismklasizam, sexismseksizam, ageismstarijih --
102
256808
3576
čak i obrazovnu diskriminaciju.
04:20
even good schoolismškolizam.
103
260408
1416
Naša najbolja tehnologija i algoritmi
ne bi trebalo da se samo koriste
04:21
Our bestнајбоље technologyтехнологија and algorithmsалгоритми
shouldn'tне би требало just be used
104
261848
2896
04:24
for helpingпомажући us find our nextследећи movieфилм bingemiran, miran
or newново favoriteомиљени JustinJustin BieberBiber songпесма.
105
264768
3736
za pomoć u pronalaženju narednog filma
ili nove omiljene pesme Džastina Bibera.
04:28
ImagineZamislite if we could harnessУпотреба
the powerмоћ of technologyтехнологија
106
268528
2656
Zamislite ako bismo iskoristili
moć tehnologije
da dobijemo stvarne smernice
za ono što treba da radimo
04:31
to get realправи guidanceVodič
on what we should be doing
107
271208
2296
04:33
basedзаснован on who we are at a deeperдубље levelниво.
108
273528
1936
na osnovu onoga što jesmo
na dubljem nivou.
Translated by Ivana Krivokuća
Reviewed by Dragana Savanovic

▲Back to top

ABOUT THE SPEAKER
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.

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.

More profile about the speaker
Priyanka Jain | Speaker | TED.com