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

Applying for jobs online

Fordító: Márk Thummerer Lektor: Andi Vida

is one of the worst digital experiences of our time.

And applying for jobs in person really isn't much better.

[The Way We Work]

Hiring as we know it is broken on many fronts.

Az online állásinterjú

It's a terrible experience for people.

napjaink egyik legrosszabb digitális élménye.

About 75 percent of people

A személyes állásinterjúk sem sokkal jobbak.

who applied to jobs using various methods in the past year

[Így működünk]

said they never heard anything back from the employer.

And at the company level it's not much better.

A felvétel tudomásunk szerint több sebből vérzik.

46 percent of people get fired or quit

Borzasztó élmény az emberek számára.

within the first year of starting their jobs.

Az embereknek mintegy 75 százaléka,

akik tavaly különböző módokon jelentkeztek állásra,

It's pretty mind-blowing.

It's also bad for the economy.

For the first time in history,

azt állítja, sosem kapott visszajelzést a munkáltatótól.

we have more open jobs than we have unemployed people,

A cégek szintjén se sokkal jobb a helyzet.

and to me that screams that we have a problem.

Az emberek 46 százalékát kirúgják, vagy felmondanak

I believe that at the crux of all of this is a single piece of paper: the résumé.

a munkába állás első évében.

Elég megdöbbentő.

A résumé definitely has some useful pieces in it:

Ez a gazdaságnak is rossz.

what roles people have had, computer skills,

A történelem során először

több betöltendő állás van, mint munkanélküli,

what languages they speak,

but what it misses is what they have the potential to do

és ez azt jelenti, nagy bajban vagyunk.

Úgy hiszem, mindez egy darab papíron múlik: az önéletrajzon.

that they might not have had the opportunity to do in the past.

And with such a quickly changing economy where jobs are coming online

Az önéletrajzban vannak hasznos elemek:

that might require skills that nobody has,

korábbi munkakörök, számítógépes ismeretek,

if we only look at what someone has done in the past,

beszélt nyelvek,

de hiányzik belőle annak lehetősége,

we're not going to be able to match people to the jobs of the future.

amit korábban nem állt módjukban megtenni.

So this is where I think technology can be really helpful.

Egy ennyire gyorsan változó gazdaságban, ahol online hirdetnek olyan állásokat,

You've probably seen that algorithms have gotten pretty good

melyekhez korábban ismeretlen készségekre lehet szükség,

at matching people to things,

but what if we could use that same technology

ha csak azt nézzük, mit csinált valaki a múltban,

nem fogjuk tudni összehangolni az embereket és az állásokat.

to actually help us find jobs that we're really well-suited for?

But I know what you're thinking.

Ebben lehet segítségünkre a technológia.

Algorithms picking your next job sounds a little bit scary,

Biztos látták már, hogy az algoritmusok

but there is one thing that has been shown

nagyon jól összepárosítják az embereket a a dolgokkal.

to be really predictive of someone's future success in a job,

Mi lenne ha ugyanezt a technológiát arra használnánk,

and that's what's called a multimeasure test.

hogy hozzánk illő munkát találjunk?

Multimeasure tests really aren't anything new,

Tudom, mire gondolnak. Kicsit ijesztően hangzik,

but they used to be really expensive

hogy algoritmusok választják ki új állásunkat.

and required a PhD sitting across from you

and answering lots of questions and writing reports.

de van egy dolog, amiről kiderült,

hogy előrevetíti a jövőbeli szakmai sikert,

Multimeasure tests are a way

to understand someone's inherent traits --

és ezt úgy hívják: többfunkciós teszt.

your memory, your attentiveness.

A többfunkciós teszt nem újdonság,

de korábban nagyon drága volt,

What if we could take multimeasure tests

és kellett mellénk egy doktor,

and make them scalable and accessible,

aki megválaszolta a sok kérdést, és jelentéseket írt.

and provide data to employers about really what the traits are

A többfunkciós teszt arra szolgál,

hogy megismerjük egy személy belső készségeit,

of someone who can make them a good fit for a job?

memóriáját és koncentrálóképességét.

This all sounds abstract.

Mi lenne, ha a többfunkciós tesztet bővíthetővé, hozzáférhetővé tennénk,

Let's try one of the games together.

You're about to see a flashing circle,

és adatokat biztosítanánk a munkáltatóknak

and your job is going to be to clap when the circle is red

azokról a készségekről,

and do nothing when it's green.

amelyek alkalmasnak tesznek valakit egy munkára?

[Ready?]

[Begin!]

Ez nagyon elvontan hangzik.

Játsszunk együtt egy játékot.

[Green circle]

Mindjárt meglátnak egy villogó kört,

[Green circle]

az lesz a dolguk, hogy tapsoljanak, ha a kör piros,

[Red circle]

[Green circle]

és ne tegyenek semmit, ha zöld.

[Red circle]

[Mehet?]

Maybe you're the type of person

[Indul!]

who claps the millisecond after a red circle appears.

[Zöld kör]

Or maybe you're the type of person

[Zöld kör]

who takes just a little bit longer to be 100 percent sure.

[Piros kör]

[Zöld kör]

Or maybe you clap on green even though you're not supposed to.

[Piros kör]

The cool thing here is that this isn't like a standardized test

Akad önök között,

aki azonnal tapsol, amint megjelenik a piros kör.

where some people are employable and some people aren't.

Instead it's about understanding the fit between your characteristics

Van, aki kivár,

hogy száz százalékig biztos legyen.

and what would make you good a certain job.

Van, aki esetleg a zöldnél tapsol, amikor nem kellene.

We found that if you clap late on red and you never clap on the green,

Ebben az a legjobb, hogy nem szabványos teszt,

you might be high in attentiveness and high in restraint.

ami arról szól, hogy egyesek alkalmazhatók, mások pedig nem.

People in that quadrant tend to be great students, great test-takers,

Ez a teszt annak megértéséről szól, hogy meglévő tulajdonságaink

great at project management or accounting.

hogyan tesznek alkalmassá minket egy állásra.

But if you clap immediately on red and sometimes clap on green,

Arra jutottunk, hogy aki későn tapsol a pirosnál és sosem tapsol a zöldnél,

that might mean that you're more impulsive and creative,

annak kimagasló lehet a figyelme, és magas az önmérséklete.

and we've found that top-performing salespeople often embody these traits.

Ebben a szeletben vannak a legjobb tanulók és tesztmegoldók,

The way we actually use this in hiring

kiváló projektmenedzserek vagy könyvelők.

is we have top performers in a role go through neuroscience exercises

Aki viszont rögtön tapsol a pirosnál vagy néha a zöldnél,

like this one.

az azt jelentheti, hogy impulzívabb és kreatívabb.

Then we develop an algorithm

that understands what makes those top performers unique.

Úgy találtuk, hogy a legjobban teljesítő kereskedőkre általában ez jellemző.

And then when people apply to the job,

A felvételi során kiszűrjük, kik teljesítenek a legjobban

we're able to surface the candidates who might be best suited for that job.

valamelyik szerepben, őket neurológiai tesztnek vetjük alá,

So you might be thinking there's a danger in this.

mint amilyen ez is.

The work world today is not the most diverse

Aztán algoritmust fejlesztünk,

ami kielemzi, mitől egyediek a legjobbak.

and if we're building algorithms based on current top performers,

Aztán amikor az emberek állásra jelentkeznek,

how do we make sure

that we're not just perpetuating the biases that already exist?

fel tudjuk tárni, hogy a jelöltek közül melyik a legalkalmasabb.

For example, if we were building an algorithm based on top performing CEOs

Biztos azt gondolják, ez veszélyes.

A munka világa ma nem éppen sokszínű,

and use the S&P 500 as a training set,

és a jelenlegi legjobbak alapján írunk algoritmusokat,

you would actually find

akkor hogyan lehetnénk biztosak abban,

that you're more likely to hire a white man named John than any woman.

hogy nem betonozzuk be a már meglévő torzulásokat?

And that's the reality of who's in those roles right now.

Például ha a vezérigazgatók teljesítménye alapján írunk egy algoritmust,

But technology actually poses a really interesting opportunity.

és az S&P 500 határidős indexszel tanítjuk be,

We can create algorithms that are more equitable

látni fogjuk, sokkal valószínűbb,

and more fair than human beings have ever been.

hogy egy John nevű fehér férfit veszünk fel, mint bármilyen más nőt.

Every algorithm that we put into production has been pretested

Többnyire ilyen emberek töltik be ezeket a szerepeket.

to ensure that it doesn't favor any gender or ethnicity.

A technológia azonban igazán érdekes lehetőséget teremt.

And if there's any population that's being overfavored,

Sokkal méltányosabb és igazságosabb algoritmusokat írhatunk,

we can actually alter the algorithm until that's no longer true.

mint amit emberek valaha is alkottak.

Minden megírt algoritmust előzetesen megvizsgálunk, hogy biztosítsuk:

When we focus on the inherent characteristics

that can make somebody a good fit for a job,

nem részesít előnyben se társadalmi nemet, se etnikumot.

we can transcend racism, classism, sexism, ageism --

Ha a népesség egy részét mégis előnyben részesíti,

even good schoolism.

módosíthatjuk a programot addig, amíg ez már nem igaz.

Our best technology and algorithms shouldn't just be used

for helping us find our next movie binge or new favorite Justin Bieber song.

Amikor azokra a belső jellemzőkre fókuszálunk,

amik alkalmassá tesznek egy állásra,

Imagine if we could harness the power of technology

felülemelkedhetünk a rasszizmuson, előítéleten, szexizmuson,

to get real guidance on what we should be doing

az életkori és iskolázottságbeli hátrányos megkülönböztetésen.

based on who we are at a deeper level.

A legjobb technológiát és programokat ne csak menő új filmek

vagy az új Justin Bieber-szám megtalálására használjuk.

Képzeljék el, ha arra használnánk a technológiát,

hogy valódi tanácsot kapjunk arról, mit tegyünk annak alapján,

hogy milyen a személyiségünk.