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

Priyanka Jain: İş başvuruları nasıl daha katlanılabilir olur

Filmed:
548,985 views

İş arama süreci özgeçmişinizi binlerce yere gönderip onlardan hiç cevap alamamakla başlardı. Bugün ise gitgide daha çok şirket adayları belirlemede teknolojiden faydalanıyor. İş alımının geleceği yapay zekâ ise bunun anlamı ne? Teknolog Priyanka Jain, bu yeni iş alım sürecine bir bakış sunuyor.
- 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.

00:00
ApplyingUygulama for jobsMeslekler onlineinternet üzerinden
0
548
1416
Online iş başvurusu yapmak
00:01
is one of the worsten kötü
digitaldijital experiencesdeneyimler of our time.
1
1988
2616
zamanımızın en kötü
dijital deneyimlerinden biri.
00:04
And applyinguygulayarak for jobsMeslekler in personkişi
really isn't much better.
2
4628
2696
Gerçi bizzat başvuru yapmak da
daha iyi değil.
00:07
[The Way We Work]
3
7349
1720
[Çalışma Şeklimiz]
Bildiğimiz şekliyle iş alımları
pek çok yönden hatalı.
00:11
HiringIşe as we know it
is brokenkırık on manyçok frontscepheler.
4
11588
2456
00:14
It's a terriblekorkunç experiencedeneyim for people.
5
14068
1856
Herkes için korkunç bir tecrübe.
00:15
About 75 percentyüzde of people
6
15948
1816
Geçen yıl değişik metotlar kullanarak
00:17
who applieduygulamalı to jobsMeslekler
usingkullanma variousçeşitli methodsyöntemleri in the pastgeçmiş yearyıl
7
17788
2856
iş başvuruları yapan insanların yüzde 75'i
00:20
said they never heardduymuş anything back
from the employerişveren.
8
20668
2656
işverenden hiçbir haber
alamadıklarını bildirdiler.
00:23
And at the companyşirket levelseviye
it's not much better.
9
23348
2176
Şirket düzeyinde de durum daha iyi değil.
00:25
46 percentyüzde of people get firedateş or quitçıkmak
10
25548
2776
İnsanların yüzde 46'sı
işe başladıkları yıl içinde
00:28
withiniçinde the first yearyıl
of startingbaşlangıç theironların jobsMeslekler.
11
28348
2176
işten kovuldular veya işi bıraktılar.
00:30
It's prettygüzel mind-blowingsanrılama.
12
30548
1216
Akıllara durgunluk verici.
00:31
It's alsoAyrıca badkötü for the economyekonomi.
13
31788
1456
Ekonomi için de kötü.
00:33
For the first time in historytarih,
14
33268
1456
Tarihte ilk kez,
00:34
we have more openaçık jobsMeslekler
than we have unemployedişsiz people,
15
34748
2856
işsiz insan sayısından daha çok
açık poziyon var.
00:37
and to me that screamsçığlıklar
that we have a problemsorun.
16
37628
2176
Bence bu apaçık
bir sorunumuz var demek.
00:39
I believe that at the cruxdönüm noktası of all of this
is a singletek pieceparça of paperkâğıt: the résumtoplamé.
17
39828
3976
Tüm bunların kökeninde
bir kâğıt parçası yatıyor: öz geçmiş.
00:43
A résumtoplamé definitelykesinlikle has
some usefulişe yarar piecesparçalar in it:
18
43828
2336
Öz geçmişte kesinlikle
faydalı noktalar var:
00:46
what rolesroller people have had,
computerbilgisayar skillsbecerileri,
19
46188
2096
Çalışılan pozisyonlar,
bilgisayar yetileri,
00:48
what languagesdiller they speakkonuşmak,
20
48308
1256
bilinen diller
00:49
but what it missesözlüyor is
what they have the potentialpotansiyel to do
21
49588
3056
ama eksik olan şey
başarabileceği bir iş için potansiyeli,
geçmişte fırsatını bulamadığı
bir şeyi gerçekleştirme potansiyeli.
00:52
that they mightbelki not have had
the opportunityfırsat to do in the pastgeçmiş.
22
52668
2976
00:55
And with suchböyle a quicklyhızlı bir şekilde changingdeğiştirme economyekonomi
where jobsMeslekler are cominggelecek onlineinternet üzerinden
23
55668
3256
İşlerin internet ortamında olduğu
hızla değişen bu pazarda
00:58
that mightbelki requiregerektirir skillsbecerileri that nobodykimse has,
24
58948
2056
kimsenin sahip olmadığı
yetiler öne çıkar,
01:01
if we only look at what someonebirisi
has donetamam in the pastgeçmiş,
25
61028
2776
eğer sadece birinin geçmişte
yaptıklarına bakarsak
01:03
we're not going to be ableyapabilmek
to matchmaç people to the jobsMeslekler of the futuregelecek.
26
63828
3256
insanları geleceğin işleriyle
eşleştiremeyiz.
01:07
So this is where I think technologyteknoloji
can be really helpfulfaydalı.
27
67108
2736
İşte bu noktada teknoloji devreye giriyor.
01:09
You've probablymuhtemelen seengörüldü
that algorithmsalgoritmalar have gottenkazanılmış prettygüzel good
28
69868
2856
Algoritmaların insanları nesnelerle
çok iyi eşleştirdiğini
01:12
at matchingeşleştirme people to things,
29
72748
1536
muhtemelen görmüşsünüzdür.
01:14
but what if we could use
that sameaynı technologyteknoloji
30
74308
2256
Peki ya aynı teknolojiyi
01:16
to actuallyaslında help us find jobsMeslekler
that we're really well-suitediyi uygun for?
31
76588
3096
gerçekten uygun olduğumuz işleri
bulmak için kullansak?
01:19
But I know what you're thinkingdüşünme.
32
79708
1576
Ne düşündüğünüzü biliyorum.
01:21
AlgorithmsAlgoritmalar pickingtoplama your nextSonraki job
soundssesleri a little bitbit scarykorkutucu,
33
81308
2776
İşinizi algoritmanın seçmesi korkutucu
01:24
but there is one thing that has been showngösterilen
34
84108
2056
ama birinin gelecekte işindeki başarısını
01:26
to be really predictiveAkıllı
of someone'sbirisi var futuregelecek successbaşarı in a job,
35
86188
2896
tahmin etmede çok iyi olduğu
gösterilen bir şey var:
01:29
and that's what's calleddenilen
a multimeasureMultiMeasure testÖlçek.
36
89108
2136
Çok ölçmeli sınav.
01:31
MultimeasureMultiMeasure teststestler
really aren'tdeğil anything newyeni,
37
91268
2176
Çok ölçmeli sınavlar yeni değil
01:33
but they used to be really expensivepahalı
38
93468
1736
ama eskiden pahalıydılar
01:35
and requiredgereklidir a PhDDoktora sittingoturma acrosskarşısında from you
39
95228
2016
ve doktoralı birinin yürütmesi gerekiyordu
ve bir dizi soruya cevap vererek
rapor yazmak lazımdı.
01:37
and answeringcevap veren lots of questionssorular
and writingyazı reportsraporlar.
40
97268
2456
01:39
MultimeasureMultiMeasure teststestler are a way
41
99748
1696
Çok ölçmeli sınavlar,
01:41
to understandanlama someone'sbirisi var inherentdoğal traitsözellikleri --
42
101468
2456
kalıtsal özelliklerinizi
anlamanın bir yolu --
01:43
your memorybellek, your attentivenessgüler.
43
103948
1776
hafızanız, dikkatiniz.
01:46
What if we could take multimeasureMultiMeasure teststestler
44
106662
1942
Çok ölçmeli sınavları
01:48
and make them scalableölçeklenebilir and accessibleulaşılabilir,
45
108628
2536
ölçeklendirilebilir
ve erişilebilir yaparak
01:51
and providesağlamak dataveri to employersİşverenler
about really what the traitsözellikleri are
46
111188
3376
işverenlere bir işe
kimin uygun olduğu konusunda
01:54
of someonebirisi who can make
them a good fituygun for a job?
47
114588
2896
veri sunsak nasıl olurdu?
01:57
This all soundssesleri abstractsoyut.
48
117508
1296
Şu an soyut bir fikir.
01:58
Let's try one of the gamesoyunlar togetherbirlikte.
49
118828
1735
Oyunlardan birini oynayalım.
02:00
You're about to see a flashingyanıp sönen circledaire,
50
120587
1857
Yanıp sönen bir daire göreceksiniz,
02:02
and your job is going to be
to clapalkış when the circledaire is redkırmızı
51
122468
2960
daire kırmızı olduğunda ellerinizi çırpın,
yeşil olduğunda hiçbir şey yapmayın.
02:06
and do nothing when it's greenyeşil.
52
126285
1496
02:07
[ReadyHazır?]
53
127806
1376
[Hazır mısınız?]
02:09
[BeginBegin!]
54
129207
1360
[Başlayın!]
02:11
[GreenYeşil circledaire]
55
131708
1000
[Yeşil daire]
02:13
[GreenYeşil circledaire]
56
133708
1040
[Yeşil daire]
02:15
[RedKırmızı circledaire]
57
135708
1000
[Kırmızı daire]
02:17
[GreenYeşil circledaire]
58
137708
1080
[Yeşil daire]
02:19
[RedKırmızı circledaire]
59
139708
1000
[Kırmızı daire]
02:21
Maybe you're the typetip of personkişi
60
141928
1596
Belki de siz kırmızı belirdiğinde
02:23
who clapsgürlemesi the millisecondmilisaniye
after a redkırmızı circledaire appearsbelirir.
61
143548
2496
aynı milisaniyede
elini çırpan gruptasınız.
02:26
Or maybe you're the typetip of personkişi
62
146068
1656
Belki de %100 emin olmak için
02:27
who takes just a little bitbit longeruzun
to be 100 percentyüzde sure.
63
147748
2735
biraz daha geç elinizi çırpıyorsunuz.
02:30
Or maybe you clapalkış on greenyeşil
even thoughgerçi you're not supposedsözde to.
64
150508
2936
Belki de yeşil yandığında
elini çarpanlardansınız.
02:33
The coolgüzel thing here is that
this isn't like a standardizedStandart testÖlçek
65
153468
2976
Bu işin güzel yanı,
bu standart bir test değil,
02:36
where some people are employableiş verilebilir
and some people aren'tdeğil.
66
156468
2656
kimi işe alınabilir, kimi alınamaz
diye bir sonuç yok.
02:39
InsteadBunun yerine it's about understandinganlayış
the fituygun betweenarasında your characteristicskarakteristikleri
67
159148
3256
Bu sizin karakteristik özelliklerinizle
bir işte sizi iyi yapacak şeyleri
anlamaya yönelik.
02:42
and what would make you
good a certainbelli job.
68
162428
2016
Kırmızıda geç elinizi çırpıyor
ve yeşilde çırpmıyorsanız
02:44
We foundbulunan that if you clapalkış lategeç on redkırmızı
and you never clapalkış on the greenyeşil,
69
164468
3736
02:48
you mightbelki be highyüksek in attentivenessgüler
and highyüksek in restraintkısıtlama.
70
168228
3176
dikkat ve kendine hakimiyet
yetileriniz yüksek olabilir.
02:51
People in that quadrantDörtgen Bölümlü tendeğiliminde to be
great studentsöğrencilerin, great test-takerstest-Takers,
71
171428
3576
Bu alandakiler iyi öğrenci olmaya
ve sınavlarda iyi olmaya meyillidir,
02:55
great at projectproje managementyönetim or accountingmuhasebe.
72
175028
2136
proje yönetimi ve muhasebede harikadırlar.
02:57
But if you clapalkış immediatelyhemen on redkırmızı
and sometimesara sıra clapalkış on greenyeşil,
73
177188
3336
Ama kırmızıda hemen çırpıyor
ve bazen yeşilde de çırpıyorsanız
03:00
that mightbelki mean that
you're more impulsiveitici and creativeyaratıcı,
74
180548
2656
atılgan ve yaratıcısınız
anlamına gelebilir.
03:03
and we'vebiz ettik foundbulunan that top-performingiyi performans gösteren
salespeopleSatış temsilcileri oftensık sık embodysomutlaştırmak these traitsözellikleri.
75
183228
3875
En iyi performanslı satış temsilcilerinde
bu özelliklerin olduğunu gördük.
03:07
The way we actuallyaslında use this in hiringişe alıyor
76
187128
2016
Bunu iş alımında kullanma şeklimiz
03:09
is we have topüst performerssanatçılar in a rolerol
go throughvasitasiyla neurosciencenörobilim exercisesegzersizleri
77
189168
3696
bir pozisyona dair en iyi performansları
nörobilim egzersizlerine tabi tutmak,
03:12
like this one.
78
192888
1216
bunun gibi.
03:14
Then we developgeliştirmek an algorithmalgoritma
79
194128
1376
Sonra bir algoritma yapıyoruz,
03:15
that understandsanlar what makesmarkaları
those topüst performerssanatçılar uniquebenzersiz.
80
195528
2656
onları en iyi yapanın
ne olduğunu anlaması için.
03:18
And then when people applyuygulamak to the job,
81
198208
1936
Sonra insanlar iş başvurusu yaptığında
03:20
we're ableyapabilmek to surfaceyüzey the candidatesadaylar
who mightbelki be besten iyi suiteduygun for that job.
82
200168
4136
bu iş için en iyi adayları
su yüzüne çıkarabiliyoruz.
03:24
So you mightbelki be thinkingdüşünme
there's a dangerTehlike in this.
83
204328
2376
Burada bir tehlike
olduğunu düşünebilirsiniz.
03:26
The work worldDünya todaybugün
is not the mostçoğu diverseçeşitli
84
206728
2136
Bugün iş hayatı pek de çeşitli sayılmaz
03:28
and if we're buildingbina algorithmsalgoritmalar
basedmerkezli on currentşimdiki topüst performerssanatçılar,
85
208888
3096
ve eğer mevcut en iyileri baz alarak
algoritmalar geliştirirsek
03:32
how do we make sure
86
212008
1216
zaten var olan ön yargıları
03:33
that we're not just perpetuatingsürdürmekte
the biasesönyargıların that alreadyzaten existvar olmak?
87
213248
2976
devam ettirmediğimizden
nasıl emin olacağız?
03:36
For exampleörnek, if we were buildingbina
an algorithmalgoritma basedmerkezli on topüst performingicra CEOsCEO'ları
88
216248
4056
Örneğin en iyi performanslı CEO'ları
baz alarak bir algoritma yapıyorsak
03:40
and use the S&ampamp;P 500 as a trainingEğitim setset,
89
220328
3216
ve eğitim seti olarak
S&P 500 kullanıyorsak
03:43
you would actuallyaslında find
90
223568
1256
şu ortaya çıkacaktır ki
03:44
that you're more likelymuhtemelen to hirekiralama
a whitebeyaz man namedadlı JohnJohn than any womankadın.
91
224848
3816
bir kadın değil John isminde bir erkek
alınması çok daha muhtemel.
03:48
And that's the realitygerçeklik
of who'skim in those rolesroller right now.
92
228688
2696
Bu işlerde kimin
çalıştığıyla ilgili bir gerçek.
03:51
But technologyteknoloji actuallyaslında posespozlar
a really interestingilginç opportunityfırsat.
93
231408
3376
Ancak teknoloji aslında gerçekten
ilginç bir fırsat sunuyor.
03:54
We can createyaratmak algorithmsalgoritmalar
that are more equitableparasal olmayan
94
234808
2256
İnsanların bugüne kadar olduğundan
çok daha eşitlikçi ve adil
algoritmalar yapabiliriz.
03:57
and more fairadil than humaninsan beingsvarlıklar
have ever been.
95
237088
2256
03:59
EveryHer algorithmalgoritma that we put
into productionüretim has been pretestedüretilmış
96
239368
3696
Üretime sunduğumuz her algoritma
04:03
to ensuresağlamak that it doesn't favoriyilik
any genderCinsiyet or ethnicityEtnik Yapı.
97
243088
3096
cinsiyet veya etnisite ayrımı
yapmamak üzere test edildi.
04:06
And if there's any populationnüfus
that's beingolmak overfavoredaşırı Favored,
98
246208
2736
Ve ayrım yapılmış bir popülasyon varsa
04:08
we can actuallyaslında alterALTER the algorithmalgoritma
untila kadar that's no longeruzun truedoğru.
99
248968
3120
algoritmada değişiklik yaparak
sorunu kaldırabiliyoruz.
04:12
When we focusodak on the inherentdoğal
characteristicskarakteristikleri
100
252448
2216
Birini bir iş için uygun kılabilecek
kalıtsal karakteristik
özelliklere odaklandığımızda
04:14
that can make somebodybirisi
a good fituygun for a job,
101
254688
2096
04:16
we can transcendaşmak racismırkçılık,
classismdevletçiliğin, sexismcinsiyetçilik, ageismageism --
102
256808
3576
ırkçılık, klasikçilik, seksizm
ve yaşçılığın önüne geçebiliriz --
04:20
even good schoolismschoolizm.
103
260408
1416
hatta okul ayrımının bile.
04:21
Our besten iyi technologyteknoloji and algorithmsalgoritmalar
shouldn'tolmamalı just be used
104
261848
2896
En iyi teknoloji ve algoritmalarımız
sadece bize yeni filmler
04:24
for helpingyardım ediyor us find our nextSonraki moviefilm bingealem
or newyeni favoritesevdiğim JustinJustin BieberBieber songşarkı.
105
264768
3736
veya yeni favori Justin Bieber
şarkısını bulmada kullanılmamalı.
04:28
ImagineHayal if we could harnesskoşum
the powergüç of technologyteknoloji
106
268528
2656
Teknolojinin gücünden faydalanıp,
04:31
to get realgerçek guidancerehberlik
on what we should be doing
107
271208
2296
en derinden kim olduğumuz baz alınarak
04:33
basedmerkezli on who we are at a deeperDaha derine levelseviye.
108
273528
1936
ne yapmamız gerektiğini öğrenebiliriz.
Translated by Cihan Ekmekçi
Reviewed by Figen Ergürbüz

▲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