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

Applying for jobs online

翻訳: Yasushi Aoki 校正: Mariko Oyabu

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.

ネットで職に 応募するというのは

It's a terrible experience for people.

今の時代の 最悪の経験の１つでしょう

About 75 percent of people

直接応募するのだって 少しもマシではありません

who applied to jobs using various methods in the past year

シリーズ 働き方

said they never heard anything back from the employer.

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

これまでの採用のやり方には いろんな面で問題があって

46 percent of people get fired or quit

仕事を探す人にとって 酷い経験です

within the first year of starting their jobs.

過去１年に様々な方法で 職に応募した人の75%は

It's pretty mind-blowing.

過去１年に様々な方法で 職に応募した人の75%は

It's also bad for the economy.

For the first time in history,

その会社からまったく 音沙汰がなかったと言います

we have more open jobs than we have unemployed people,

会社側にしても 状況が酷いのは同じです

and to me that screams that we have a problem.

採用後１年以内に 46%の人が

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

クビになるか 退職するかしています

びっくりしますよね

A résumé definitely has some useful pieces in it:

経済にとっても 良くありません

what roles people have had, computer skills,

現在は 歴史上初めて

失業者よりも 求人が多くなっていて

what languages they speak,

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

これは何か問題があることを 示していそうです

その核にあると私が思っているのは １枚の紙切れ 履歴書です

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

履歴書には確かに 有用な情報もあります

that might require skills that nobody has,

職歴 コンピュータースキル

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

語学力

でも そこに欠けているのは

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

これまでやるチャンスがなかったけれど 潜在力を持っているものです

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

経済が急速に変化している今 ネット上に現れる仕事は

You've probably seen that algorithms have gotten pretty good

誰も持っていないスキルを 必要とするかもしれず

at matching people to things,

but what if we could use that same technology

候補者が過去に 何をしてきたかだけを見ていては

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

今後の仕事と人との マッチングはできません

そこでテクノロジーが 役に立ちます

But I know what you're thinking.

Algorithms picking your next job sounds a little bit scary,

コンピューターが 人と物事のマッチングを

but there is one thing that has been shown

すごく上手くできることに お気づきでしょう

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

自分に良く合った仕事を 見付けるために

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

同じテクノロジーを 使えないでしょうか？

Multimeasure tests really aren't anything new,

どう思っているか 分かりますよ

but they used to be really expensive

コンピューターが自分の次の仕事を選ぶなんて 少しゾッとすると

and required a PhD sitting across from you

and answering lots of questions and writing reports.

でも 社員が将来 仕事で成功するかどうかの

良い参考指標となるものが 一つあるんです

Multimeasure tests are a way

to understand someone's inherent traits --

「マルチメジャー・テスト」です

your memory, your attentiveness.

これは別に新しいもの ではありませんが

かつては とてもコストが高く

What if we could take multimeasure tests

専門家付き添いの元で

and make them scalable and accessible,

受験者は沢山の質問に答え 作文をする必要がありました

and provide data to employers about really what the traits are

マルチメジャー・テストは

記憶力や注意力といった

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

その人の本質的な性質を 把握するためのものです

This all sounds abstract.

Let's try one of the games together.

マルチメジャー・テストを もっと簡単に

You're about to see a flashing circle,

多くの人が 使えるようにし

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

その仕事に適した人の性質が どのようなものかというデータを

and do nothing when it's green.

求人側に示せるとしたら どうでしょう？

[Ready?]

[Begin!]

ちょっと分かりにくいので

[Green circle]

ひとつゲームを してみましょう

これから円が 現れますので

[Green circle]

その円が赤だったら 手を叩き

[Red circle]

[Green circle]

緑だったら 何もしないでください

[Red circle]

[準備はいい？]

Maybe you're the type of person

[はじめ！]

who claps the millisecond after a red circle appears.

[緑の円]

Or maybe you're the type of person

[緑の円]

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

[赤い円]

[緑の円]

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

[赤い円]

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

赤い円が出た瞬間に

手を叩くタイプの人もいるし

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

絶対間違わないように

Instead it's about understanding the fit between your characteristics

少し間を置いてから 手を叩く人

and what would make you good a certain job.

緑で 手を叩くべきでないのに 叩いてしまう人もいます

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

これがいいのは

合格不合格を決める テストではなく

you might be high in attentiveness and high in restraint.

皆さんの性質に 適した仕事を

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

知るためのもの だということです

great at project management or accounting.

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

赤で少し遅れて手を叩き 緑では決して手を叩かなかった人は

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

用心深く 自制心の 強い人かもしれません

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

そういう人の傾向として 学校では優秀で 試験の点数が良く

The way we actually use this in hiring

プロジェクト管理や 会計などに向いています

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

赤で即座に手を叩き 時々緑でも叩いてしまった人は

like this one.

もっと衝動的で クリエイティブかもしれず

Then we develop an algorithm

営業成績の良いセールスパーソンに よく見られます

that understands what makes those top performers unique.

And then when people apply to the job,

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

これを採用の際に どう使うかというと

その職種において 優秀な人に

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

こうした神経科学的な 課題をやってもらい

その人たちの 特徴を見分ける

The work world today is not the most diverse

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

アルゴリズムを 開発します

すると人々が職に 応募してきたときに

how do we make sure

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

その職に最も適性のある候補者を 見付けられるようになります

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

そのようなやり方は 危険だと思うかもしれません

現在の仕事の世界は必ずしも 人の多様性に富んでおらず

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

現時点での成績優秀者に基づいて アルゴリズムを作ったら

you would actually find

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

既存のバイアスを固定化させることに ならないでしょうか？

既存のバイアスを固定化させることに ならないでしょうか？

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

たとえば S&P 500を 訓練セットとして

優れたCEOのデータを元に アルゴリズムを作ったなら

But technology actually poses a really interesting opportunity.

We can create algorithms that are more equitable

きっと どんな女性よりも ジョンという名の白人男性の方が

and more fair than human beings have ever been.

Every algorithm that we put into production has been pretested

採用される可能性が 高くなるでしょう

それが現在CEO職を占めている人の 現実なのです

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

でも テクノロジーは本当に 興味深い機会を与えてくれます

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

どんな人間よりも 公平・公正な

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

アルゴリズムを作ることが できるのです

私達が本番で使う アルゴリズムは

When we focus on the inherent characteristics

性別や民族に偏りがないか あらかじめテストしています

that can make somebody a good fit for a job,

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

ある種の層が 贔屓されているのが分かったら

even good schoolism.

Our best technology and algorithms shouldn't just be used

それが解消されるよう アルゴリズムを調整します

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

仕事への適性を生む

人の本質的な性質に 焦点を当てることで

Imagine if we could harness the power of technology

人種差別 階級差別 性差別 老人差別

to get real guidance on what we should be doing

学歴差別さえ 克服可能になります

based on who we are at a deeper level.

最高のテクノロジーやアルゴリズムを 次に見る映画や

ジャスティン・ビーバーに似た好みの曲を 探すのにしか使わないのは もったいないです

テクノロジーの力を使って

自分自身が本質的にどういう 人間かに基づいた指針が得られたら

素敵だとは思いませんか