The Way We Work
Priyanka Jain: How to make applying for jobs less painful
Приянка Джейн: Як спростити процес працевлаштування
Filmed:
Readability: 4.3
548,985 views
Зазвичай, процес пошуку роботи починається з відправки численних резюме, відповіді на які ви ніколи не отримаєте. Сьогодні все більше компаній застосовують нові технології для відбору кандидатів. Якщо майбутнє працевлаштування залежить від штучного інтелекту, то як це вплине на нас? Експерт Приянка Джейн демонструє новітні тенденції у працевлаштуванні.
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
Працевлаштування онлайн –
00:01
is one of the worst
digital experiences of our time.
digital experiences of our time.
1
1988
2616
це найгірший досвід
використання цифрових технологій.
використання цифрових технологій.
00:04
And applying for jobs in person
really isn't much better.
really isn't much better.
2
4628
2696
Але процес співбесіди не кращий.
00:07
[The Way We Work]
3
7349
1720
[Як ми працюємо]
00:11
Hiring as we know it
is broken on many fronts.
is broken on many fronts.
4
11588
2456
Працевлаштування сьогодні має
багато недоліків.
багато недоліків.
00:14
It's a terrible experience for people.
5
14068
1856
Це досить неприємний досвід.
00:15
About 75 percent of people
6
15948
1816
Близько 75 відсотків людей,
00:17
who applied to jobs
using various methods in the past year
using various methods in the past year
7
17788
2856
які відправили свої резюме
минулого року,
минулого року,
00:20
said they never heard anything back
from the employer.
from the employer.
8
20668
2656
не одержали відповіді від
потенційних роботодавців.
потенційних роботодавців.
00:23
And at the company level
it's not much better.
it's not much better.
9
23348
2176
У компаніях справи не кращі.
00:25
46 percent of people get fired or quit
10
25548
2776
46 відсотків людей звільняються
00:28
within the first year
of starting their jobs.
of starting their jobs.
11
28348
2176
протягом першого року.
00:30
It's pretty mind-blowing.
12
30548
1216
Це дійсно шокує.
00:31
It's also bad for the economy.
13
31788
1456
І це погано для економіки.
00:33
For the first time in history,
14
33268
1456
Уперше в історії
00:34
we have more open jobs
than we have unemployed people,
than we have unemployed people,
15
34748
2856
ми маємо більше вакансій, ніж безробітних,
00:37
and to me that screams
that we have a problem.
that we have a problem.
16
37628
2176
і це свідчить про серйозну проблему.
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
Головною причиною є один
аркуш паперу – «резюме».
аркуш паперу – «резюме».
00:43
A résumé definitely has
some useful pieces in it:
some useful pieces in it:
18
43828
2336
Резюме містить певну
корисну інформацію:
корисну інформацію:
00:46
what roles people have had,
computer skills,
computer skills,
19
46188
2096
робочий досвід, навички роботи
з комп’ютером,
з комп’ютером,
00:48
what languages they speak,
20
48308
1256
володіння мовами.
00:49
but what it misses is
what they have the potential to do
what they have the potential to do
21
49588
3056
Але дечого бракує в резюме, а саме –
потенціалу людини,
потенціалу людини,
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
якого вона не встигла реалізувати
у минулому.
у минулому.
00:55
And with such a quickly changing economy
where jobs are coming online
where jobs are coming online
23
55668
3256
В умовах швидкого розвитку економіки
створюються робочі місця онлайн,
створюються робочі місця онлайн,
00:58
that might require skills that nobody has,
24
58948
2056
які вимагають нових навичок.
01:01
if we only look at what someone
has done in the past,
has done in the past,
25
61028
2776
Якщо оцінювати тільки минулий досвід,
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
складно підібрати робітника
на роботу майбутнього.
на роботу майбутнього.
01:07
So this is where I think technology
can be really helpful.
can be really helpful.
27
67108
2736
Тут технології можуть стати у нагоді.
01:09
You've probably seen
that algorithms have gotten pretty good
that algorithms have gotten pretty good
28
69868
2856
Ви, напевно, чули про ефективність
алгоритмів
алгоритмів
01:12
at matching people to things,
29
72748
1536
для підбору людей,
01:14
but what if we could use
that same technology
that same technology
30
74308
2256
а якщо використати ту ж саму технологію,
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
щоб допомогти нам знайти
відповідну роботу?
відповідну роботу?
01:19
But I know what you're thinking.
32
79708
1576
Але я знаю, що ви думаєте.
01:21
Algorithms picking your next job
sounds a little bit scary,
sounds a little bit scary,
33
81308
2776
«Алгоритми вибору вашої роботи» –
це трохи лякає.
це трохи лякає.
01:24
but there is one thing that has been shown
34
84108
2056
Але є один метод,
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
який прогнозує успішну кар’єру.
01:29
and that's what's called
a multimeasure test.
a multimeasure test.
36
89108
2136
Він називається мультипрофільним
тестом.
тестом.
01:31
Multimeasure tests
really aren't anything new,
really aren't anything new,
37
91268
2176
Мультипрофільні тести не є чимось новим.
01:33
but they used to be really expensive
38
93468
1736
Вони потребували значних витрат,
01:35
and required a PhD sitting across from you
39
95228
2016
вимагали присутності науковця,
01:37
and answering lots of questions
and writing reports.
and writing reports.
40
97268
2456
який задавав питання та писав звіти.
01:39
Multimeasure tests are a way
41
99748
1696
Багатопрофільні тести – це спосіб
01:41
to understand someone's inherent traits --
42
101468
2456
оцінити індивідуальні характеристики –
01:43
your memory, your attentiveness.
43
103948
1776
пам'ять, уважність.
01:46
What if we could take multimeasure tests
44
106662
1942
А якщо зробити ці тести
01:48
and make them scalable and accessible,
45
108628
2536
більш масштабними та доступними,
01:51
and provide data to employers
about really what the traits are
about really what the traits are
46
111188
3376
та надати роботодавцям дані
про характеристики
про характеристики
01:54
of someone who can make
them a good fit for a job?
them a good fit for a job?
47
114588
2896
людей, які б дійсно підійшли
на певні посади?
на певні посади?
01:57
This all sounds abstract.
48
117508
1296
Це звучить абстрактно.
01:58
Let's try one of the games together.
49
118828
1735
Зіграємо разом в гру.
02:00
You're about to see a flashing circle,
50
120587
1857
Ви побачите блимаюче коло,
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
плесніть у долоні, коли воно червоне,
02:06
and do nothing when it's green.
52
126285
1496
не плескайте, коли воно зелене.
02:07
[Ready?]
53
127806
1376
[Готові?]
02:09
[Begin!]
54
129207
1360
[Почнемо!]
02:11
[Green circle]
55
131708
1000
[Зелене коло]
02:13
[Green circle]
56
133708
1040
[Зелене коло]
02:15
[Red circle]
57
135708
1000
[Червоне коло]
02:17
[Green circle]
58
137708
1080
[Зелене коло]
02:19
[Red circle]
59
139708
1000
[Червоне коло]
02:21
Maybe you're the type of person
60
141928
1596
Можливо, ви один з тих,
02:23
who claps the millisecond
after a red circle appears.
after a red circle appears.
61
143548
2496
хто плеснув у долоні відразу,
як побачив червоне коло.
як побачив червоне коло.
02:26
Or maybe you're the type of person
62
146068
1656
А можливо,
02:27
who takes just a little bit longer
to be 100 percent sure.
to be 100 percent sure.
63
147748
2735
вам потрібно трохи більше часу,
щоб точно упевнитись.
щоб точно упевнитись.
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
А, можливо, ви плескаєте в долоні
на зелене коло.
на зелене коло.
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
Цей тест не дає чіткої відповіді,
02:36
where some people are employable
and some people aren't.
and some people aren't.
66
156468
2656
підходить людина на роботу чи ні.
02:39
Instead it's about understanding
the fit between your characteristics
the fit between your characteristics
67
159148
3256
Він допомагає зрозуміти, які індивідуальні
особливості
особливості
02:42
and what would make you
good a certain job.
good a certain job.
68
162428
2016
розкривають ваші робочі здібності.
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
Якщо людина плеснула на червоне коло
не відразу і не плеснула на зелене,
не відразу і не плеснула на зелене,
02:48
you might be high in attentiveness
and high in restraint.
and high in restraint.
70
168228
3176
це свідчить про її високий рівень
уважності та стриманості.
уважності та стриманості.
02:51
People in that quadrant tend to be
great students, great test-takers,
great students, great test-takers,
71
171428
3576
Частіше за все, ці люди – здібні студенти,
успішно складають іспити,
успішно складають іспити,
02:55
great at project management or accounting.
72
175028
2136
гарні менеджери та бухгалтери.
02:57
But if you clap immediately on red
and sometimes clap on green,
and sometimes clap on green,
73
177188
3336
А люди, які плескають на червоне коло
відразу, а інколи – на зелене,
відразу, а інколи – на зелене,
03:00
that might mean that
you're more impulsive and creative,
you're more impulsive and creative,
74
180548
2656
більш імпульсивні та креативні,
03:03
and we've found that top-performing
salespeople often embody these traits.
salespeople often embody these traits.
75
183228
3875
мають успіх у сфері торгівлі.
03:07
The way we actually use this in hiring
76
187128
2016
Ми використовуємо цей тест
наступним чином:
наступним чином:
03:09
is we have top performers in a role
go through neuroscience exercises
go through neuroscience exercises
77
189168
3696
найкращі у своїй сфері проходять тести,
03:12
like this one.
78
192888
1216
на кшталт таких.
03:14
Then we develop an algorithm
79
194128
1376
Потім ми створюємо алгоритм,
03:15
that understands what makes
those top performers unique.
those top performers unique.
80
195528
2656
щоб зрозуміти, які навички вони мають.
03:18
And then when people apply to the job,
81
198208
1936
І вже далі, на етапі працевлаштування,
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
це допомагає нам підібрати
найкращого кандидата на певну посаду.
найкращого кандидата на певну посаду.
03:24
So you might be thinking
there's a danger in this.
there's a danger in this.
83
204328
2376
Можливо, ви думаєте що в цьому
є певний ризик.
є певний ризик.
03:26
The work world today
is not the most diverse
is not the most diverse
84
206728
2136
Адже сьогодні сфера праці одноманітна,
03:28
and if we're building algorithms
based on current top performers,
based on current top performers,
85
208888
3096
і будуючи алгоритми на основі
досягнень професіоналів,
досягнень професіоналів,
03:32
how do we make sure
86
212008
1216
чи можна уникнути
03:33
that we're not just perpetuating
the biases that already exist?
the biases that already exist?
87
213248
2976
упереджень, що вже існують?
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
Наприклад, якщо створити алгоритм
на основі списку топ менеджерів
на основі списку топ менеджерів
03:40
and use the S&P 500 as a training set,
89
220328
3216
і даних фондового індексу S&P 500,
03:43
you would actually find
90
223568
1256
імовірно,
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
що роботу отримає білий Джон, а не жінка.
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
І це реалії сьогодення.
03:51
But technology actually poses
a really interesting opportunity.
a really interesting opportunity.
93
231408
3376
Але завдяки сучасним технологіям
з’являються нові можливості.
з’являються нові можливості.
03:54
We can create algorithms
that are more equitable
that are more equitable
94
234808
2256
Можна створити об’єктивніші алгоритими,
03:57
and more fair than human beings
have ever been.
have ever been.
95
237088
2256
які будуть більш справедливі,
ніж оцінка людей.
ніж оцінка людей.
03:59
Every algorithm that we put
into production has been pretested
into production has been pretested
96
239368
3696
Кожен з наших алгоритмів пройшов перевірку
04:03
to ensure that it doesn't favor
any gender or ethnicity.
any gender or ethnicity.
97
243088
3096
на гендерну та етнічну неупередженість.
04:06
And if there's any population
that's being overfavored,
that's being overfavored,
98
246208
2736
А якщо хоч якась група людей
отримує перевагу,
отримує перевагу,
04:08
we can actually alter the algorithm
until that's no longer true.
until that's no longer true.
99
248968
3120
то ми можемо змінити алгоритм,
щоб досягти балансу.
щоб досягти балансу.
04:12
When we focus on the inherent
characteristics
characteristics
100
252448
2216
Аналізуючи притаманні кандидатам
особливості,
особливості,
04:14
that can make somebody
a good fit for a job,
a good fit for a job,
101
254688
2096
які допоможуть їм знайти роботу,
04:16
we can transcend racism,
classism, sexism, ageism --
classism, sexism, ageism --
102
256808
3576
ми можемо подолати расизм, сексизм,
ейджизм,
ейджизм,
04:20
even good schoolism.
103
260408
1416
навіть скулизм.
04:21
Our best technology and algorithms
shouldn't just be used
shouldn't just be used
104
261848
2896
Наші передові технології і алгоритми
не призначені
не призначені
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
для пошуку чергового фільму або пісні
Джастіна Бібера.
Джастіна Бібера.
04:28
Imagine if we could harness
the power of technology
the power of technology
106
268528
2656
Ми могли б застосувати увесь
потенціал технологій
потенціал технологій
04:31
to get real guidance
on what we should be doing
on what we should be doing
107
271208
2296
для ефективного керівництва діями
04:33
based on who we are at a deeper level.
108
273528
1936
на основі знань про свою природу.
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