How to make applying for jobs less painful | The Way We Work, a TED series

158,924 views ・ 2019-02-09

TED


Haga doble clic en los subtítulos en inglés para reproducir el vídeo.

00:00
Applying for jobs online
0
141
1416
Traductor: Jhohans Beltran Revisor: Larisa Esteche
00:01
is one of the worst digital experiences of our time.
1
1581
2616
00:04
And applying for jobs in person really isn't much better.
2
4221
2696
00:06
[The Way We Work]
3
6942
1720
00:11
Hiring as we know it is broken on many fronts.
4
11181
2456
Solicitar trabajos online
00:13
It's a terrible experience for people.
5
13661
1856
es una de las peores experiencias digitales hoy en día.
00:15
About 75 percent of people
6
15541
1816
Y solicitar en persona, de hecho, no es mucho mejor.
00:17
who applied to jobs using various methods in the past year
7
17381
2856
[Así funcionamos]
00:20
said they never heard anything back from the employer.
8
20261
2656
00:22
And at the company level it's not much better.
9
22941
2176
La contratación de hoy está dañada en varios frentes.
00:25
46 percent of people get fired or quit
10
25141
2776
Una experiencia terrible para la gente.
00:27
within the first year of starting their jobs.
11
27941
2176
Cerca del 75 % de las personas
que solicitaron trabajos usando varios métodos el año pasado
00:30
It's pretty mind-blowing.
12
30141
1216
00:31
It's also bad for the economy.
13
31381
1456
00:32
For the first time in history,
14
32861
1456
dijeron que nunca recibieron respuesta del empleador.
00:34
we have more open jobs than we have unemployed people,
15
34341
2856
Y a nivel corporativo no es mucho mejor.
00:37
and to me that screams that we have a problem.
16
37221
2176
46 % de la gente es despedida o renuncia
00:39
I believe that at the crux of all of this is a single piece of paper: the résumé.
17
39421
3976
en su primer año de trabajo.
Es increíble.
00:43
A résumé definitely has some useful pieces in it:
18
43421
2336
También es malo para la economía.
00:45
what roles people have had, computer skills,
19
45781
2096
Por primera vez en la historia,
tenemos más trabajos disponibles que desempleados,
00:47
what languages they speak,
20
47901
1256
00:49
but what it misses is what they have the potential to do
21
49181
3056
y para mí, eso indica que hay un problema.
Creo que el punto crucial de todo esto está en un papel: el currículum.
00:52
that they might not have had the opportunity to do in the past.
22
52261
2976
00:55
And with such a quickly changing economy where jobs are coming online
23
55261
3256
Un currículum tiene partes útiles:
00:58
that might require skills that nobody has,
24
58541
2056
qué cargos tuvo la gente, aptitud informática,
01:00
if we only look at what someone has done in the past,
25
60621
2776
los idiomas que hablan,
pero lo que falta es en qué tienen potencial
01:03
we're not going to be able to match people to the jobs of the future.
26
63421
3256
que tal vez no hayan tenido la oportunidad de mostrar antes.
01:06
So this is where I think technology can be really helpful.
27
66701
2736
Y con una economía que cambia velozmente con trabajos online
01:09
You've probably seen that algorithms have gotten pretty good
28
69461
2856
que quizá exijan aptitudes que nadie tiene,
01:12
at matching people to things,
29
72341
1536
01:13
but what if we could use that same technology
30
73901
2256
si solo viéramos lo que alguien hizo en el pasado,
no podremos emparejar a la gente con los trabajos del futuro.
01:16
to actually help us find jobs that we're really well-suited for?
31
76181
3096
Ahí es donde creo que la tecnología puede ser muy útil.
01:19
But I know what you're thinking.
32
79301
1576
01:20
Algorithms picking your next job sounds a little bit scary,
33
80901
2776
Probablemente han visto que los algoritmos han mejorado
01:23
but there is one thing that has been shown
34
83701
2056
al juntar personas con cosas,
01:25
to be really predictive of someone's future success in a job,
35
85781
2896
pero, ¿qué tal si pudiéramos usar esa tecnología
01:28
and that's what's called a multimeasure test.
36
88701
2136
para ayudarnos a encontrar trabajos para los que somos idóneos?
01:30
Multimeasure tests really aren't anything new,
37
90861
2176
Sé lo que están pensando.
Algoritmos que eligen tu nuevo trabajo suena espeluznante,
01:33
but they used to be really expensive
38
93061
1736
01:34
and required a PhD sitting across from you
39
94821
2016
pero hay algo que fue demostrado
01:36
and answering lots of questions and writing reports.
40
96861
2456
ser realmente predictivo sobre el futuro éxito en un trabajo,
01:39
Multimeasure tests are a way
41
99341
1696
y se llama prueba de multimedición.
01:41
to understand someone's inherent traits --
42
101061
2456
Estas pruebas no son nada nuevo,
01:43
your memory, your attentiveness.
43
103541
1776
pero solían ser muy costosas
01:46
What if we could take multimeasure tests
44
106255
1942
y exigían un doctor ante ti,
01:48
and make them scalable and accessible,
45
108221
2536
responder muchas preguntas y escribir informes.
01:50
and provide data to employers about really what the traits are
46
110781
3376
Estas pruebas son una manera
de comprender los rasgos inherentes de alguien --
01:54
of someone who can make them a good fit for a job?
47
114181
2896
tu memoria, tu atención.
01:57
This all sounds abstract.
48
117101
1296
01:58
Let's try one of the games together.
49
118421
1735
¿Y si pudiéramos hacer estas pruebas,
02:00
You're about to see a flashing circle,
50
120180
1857
expandirlas y hacerlas accesibles
02:02
and your job is going to be to clap when the circle is red
51
122061
2960
para proveer datos a los empleadores sobre los rasgos
02:05
and do nothing when it's green.
52
125878
1496
de alguien que puede estar calificado para un trabajo?
02:07
[Ready?]
53
127399
1376
02:08
[Begin!]
54
128800
1360
Todo esto suena vago.
Intentemos con uno de esos juegos.
02:11
[Green circle]
55
131301
1000
Vas a ver un círculo intermitente,
02:13
[Green circle]
56
133301
1040
y tu trabajo será aplaudir cuando el círculo se ponga rojo,
02:15
[Red circle]
57
135301
1000
02:17
[Green circle]
58
137301
1080
y no hacer nada cuando esté verde.
02:19
[Red circle]
59
139301
1000
[¿Listo?]
02:21
Maybe you're the type of person
60
141521
1596
[¡Comienza!]
02:23
who claps the millisecond after a red circle appears.
61
143141
2496
02:25
Or maybe you're the type of person
62
145661
1656
02:27
who takes just a little bit longer to be 100 percent sure.
63
147341
2735
02:30
Or maybe you clap on green even though you're not supposed to.
64
150101
2936
02:33
The cool thing here is that this isn't like a standardized test
65
153061
2976
Tal vez seas el tipo de persona
que aplaude un milisegundo después de ver un círculo rojo.
02:36
where some people are employable and some people aren't.
66
156061
2656
02:38
Instead it's about understanding the fit between your characteristics
67
158741
3256
O tal vez la persona
que le toma un poco más para estar 100 % seguro.
02:42
and what would make you good a certain job.
68
162021
2016
O tal vez aplaudes en el verde y se supone que no debes hacerlo.
02:44
We found that if you clap late on red and you never clap on the green,
69
164061
3736
Lo genial es que no es una prueba estandarizada
02:47
you might be high in attentiveness and high in restraint.
70
167821
3176
donde algunos son empleables y otros no.
Por el contrario, se trata de entender cómo encajan tus características
02:51
People in that quadrant tend to be great students, great test-takers,
71
171021
3576
y lo que te haría bueno para cierto trabajo.
02:54
great at project management or accounting.
72
174621
2136
Descubrimos que si aplaudes tarde en rojo pero nunca en verde,
02:56
But if you clap immediately on red and sometimes clap on green,
73
176781
3336
03:00
that might mean that you're more impulsive and creative,
74
180141
2656
es posible que tengas un alto nivel de atención y control.
03:02
and we've found that top-performing salespeople often embody these traits.
75
182821
3875
Personas en ese cuadrante tienden a ser buenos estudiantes, en pruebas,
03:06
The way we actually use this in hiring
76
186721
2016
en gestión de proyectos o contabilidad.
03:08
is we have top performers in a role go through neuroscience exercises
77
188761
3696
Pero si aplaudes de inmediato en rojo y algunas veces en verde,
03:12
like this one.
78
192481
1216
eso puede significar que eres más impulsivo y creativo,
03:13
Then we develop an algorithm
79
193721
1376
03:15
that understands what makes those top performers unique.
80
195121
2656
y hemos descubierto que vendedores de alto nivel a menudo tienen este rasgo.
03:17
And then when people apply to the job,
81
197801
1936
03:19
we're able to surface the candidates who might be best suited for that job.
82
199761
4136
La manera en que lo usamos para contratar
es haciendo que empleados productivos en un cargo hagan ejercicios de neurociencia
03:23
So you might be thinking there's a danger in this.
83
203921
2376
como este.
Luego creamos un algoritmo
03:26
The work world today is not the most diverse
84
206321
2136
que entiende qué es lo que los hace únicos.
03:28
and if we're building algorithms based on current top performers,
85
208481
3096
Y luego cuando las personas aplican,
03:31
how do we make sure
86
211601
1216
03:32
that we're not just perpetuating the biases that already exist?
87
212841
2976
podemos resaltar los candidatos que pueda que sean los más indicados.
03:35
For example, if we were building an algorithm based on top performing CEOs
88
215841
4056
Es posible que piensen que existe un riesgo en esto.
El mundo laboral hoy no es el más diverso
03:39
and use the S&P 500 as a training set,
89
219921
3216
y si estamos creando algoritmos basado en los mejores rendimientos,
03:43
you would actually find
90
223161
1256
¿cómo nos aseguramos
03:44
that you're more likely to hire a white man named John than any woman.
91
224441
3816
de no estar perpetuando los sesgos que ya existen?
03:48
And that's the reality of who's in those roles right now.
92
228281
2696
Por ejemplo, si estamos creando un algoritmo basado en los mejores CEO
03:51
But technology actually poses a really interesting opportunity.
93
231001
3376
y usamos el S&P 500 como equipo de entrenamiento,
03:54
We can create algorithms that are more equitable
94
234401
2256
de hecho encontrarían
03:56
and more fair than human beings have ever been.
95
236681
2256
que es más probable contratar a un hombre blanco llamado John que a una mujer.
03:58
Every algorithm that we put into production has been pretested
96
238961
3696
Y esa es la realidad de quien está en esos cargos ahora.
04:02
to ensure that it doesn't favor any gender or ethnicity.
97
242681
3096
Pero la tecnología de hecho propone una oportunidad muy interesante.
04:05
And if there's any population that's being overfavored,
98
245801
2736
Podemos crear algoritmos más equitativos
04:08
we can actually alter the algorithm until that's no longer true.
99
248561
3120
y más justos de lo que los humanos hayan podido ser.
Cada algoritmo en producción ha sido previamente examinado
04:12
When we focus on the inherent characteristics
100
252041
2216
04:14
that can make somebody a good fit for a job,
101
254281
2096
para asegurar que no favorece a ningún género o etnia.
04:16
we can transcend racism, classism, sexism, ageism --
102
256401
3576
Y si hay alguna población que es favorecida,
04:20
even good schoolism.
103
260001
1416
de hecho podemos alterar el algoritmo hasta que cambie ese valor.
04:21
Our best technology and algorithms shouldn't just be used
104
261441
2896
04:24
for helping us find our next movie binge or new favorite Justin Bieber song.
105
264361
3736
Cuando nos enfocamos en las características innatas
que pueden hacer de alguien un buen candidato,
04:28
Imagine if we could harness the power of technology
106
268121
2656
podemos superar la discriminación por raza, clase, sexo, o edad --
04:30
to get real guidance on what we should be doing
107
270801
2296
y después, una buena educación.
04:33
based on who we are at a deeper level.
108
273121
1936
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.
Acerca de este sitio web

Este sitio le presentará vídeos de YouTube útiles para aprender inglés. Verá lecciones de inglés impartidas por profesores de primera categoría de todo el mundo. Haz doble clic en los subtítulos en inglés que aparecen en cada página de vídeo para reproducir el vídeo desde allí. Los subtítulos se desplazan en sincronía con la reproducción del vídeo. Si tiene algún comentario o petición, póngase en contacto con nosotros mediante este formulario de contacto.

https://forms.gle/WvT1wiN1qDtmnspy7