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

Applying for jobs online

Vertaald door: Dick Stada

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.

Online solliciteren

It's a terrible experience for people.

is een van de ergste digitale ervaringen van deze tijd.

About 75 percent of people

En persoonlijk solliciteren is eigenlijk niet veel beter.

who applied to jobs using various methods in the past year

[Hoe we werken]

said they never heard anything back from the employer.

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

Werven gaat tegenwoordig op veel fronten slecht.

46 percent of people get fired or quit

Men ervaart het als vervelend.

within the first year of starting their jobs.

Zo'n 75% van de mensen

die vorig jaar solliciteerden met verschillende methoden

It's pretty mind-blowing.

It's also bad for the economy.

For the first time in history,

zeiden dat ze nooit iets terughoorden van de werkgever.

we have more open jobs than we have unemployed people,

Op bedrijfsniveau is het niet veel beter.

and to me that screams that we have a problem.

46% van de mensen wordt ontslagen of neemt ontslag

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

binnen een jaar.

Nogal schokkend.

A résumé definitely has some useful pieces in it:

En ook slecht voor de economie.

what roles people have had, computer skills,

Voor het eerst zijn er meer vacatures dan werklozen.

what languages they speak,

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

Het is me duidelijk dat er een probleem is.

Ik geloof dat de crux hiervan een enkel vel papier is: het cv.

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

Een cv heeft zeker wat bruikbare onderdelen:

that might require skills that nobody has,

eerder vervulde banen, computervaardigheden,

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

welke talen men spreekt,

maar er ontbreekt welke potentie men heeft,

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

maar misschien nooit de kans heeft gekregen om te doen.

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

Als we met een snel veranderende economie, waarin banen online komen

You've probably seen that algorithms have gotten pretty good

die vaardigheden vereisen die niemand heeft,

at matching people to things,

but what if we could use that same technology

en alleen kijken naar wat iemand eerder heeft gedaan,

kunnen we geen mensen koppelen aan toekomstige banen.

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

Ik denk dat technologie hier heel behulpzaam bij kan zijn.

But I know what you're thinking.

Algorithms picking your next job sounds a little bit scary,

Je hebt waarschijnlijk gemerkt dat algoritmes goed zijn

but there is one thing that has been shown

in het koppelen van mensen aan dingen.

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

Als we die technologie nou eens konden gebruiken

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

bij het vinden van banen waar we echt geschikt voor zijn?

Multimeasure tests really aren't anything new,

Ik weet wat je denkt.

Algoritmes je nieuwe baan laten kiezen klinkt wat eng,

but they used to be really expensive

and required a PhD sitting across from you

maar er is één ding waarvan is aangetoond

and answering lots of questions and writing reports.

om iemands succes in een baan goed te voorspellen

Multimeasure tests are a way

en dat is de multimeting-test.

to understand someone's inherent traits --

Multimeting-testen zijn niet echt nieuw,

your memory, your attentiveness.

maar ze waren vroeger heel duur,

What if we could take multimeasure tests

en vereisten een afgestudeerd interviewer

and make them scalable and accessible,

en veel vragen en schriftelijke rapporten.

and provide data to employers about really what the traits are

Een multimeting-test is een manier

om iemands inherente eigenschappen te begrijpen --

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

je geheugen, je oplettendheid.

This all sounds abstract.

Let's try one of the games together.

Als multimeting-testen nou eens schaalbaar en toegankelijk waren,

You're about to see a flashing circle,

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

en data leverden aan werkgevers over wat de eigenschappen zijn

and do nothing when it's green.

van iemand die ze een goede kandidaat voor een baan maken?

[Ready?]

[Begin!]

Dit alles klinkt abstract.

We doen een spelletje.

[Green circle]

Je ziet zo een knipperende cirkel,

[Green circle]

en jij moet klappen als de cirkel rood is

[Red circle]

[Green circle]

en niks te doen als hij groen is.

[Red circle]

[Klaar?]

Maybe you're the type of person

[Start!]

who claps the millisecond after a red circle appears.

[Groene cirkel]

Or maybe you're the type of person

[Groene cirkel]

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

[Rode cirkel]

[Groene cirkel]

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

[Rode cirkel]

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

Misschien klap jij een milliseconde nadat de rode cirkel verschijnt.

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

Instead it's about understanding the fit between your characteristics

Of misschien ben je iemand

die net iets langer nodig heeft om 100% zeker te zijn.

and what would make you good a certain job.

Of misschien klap je op groen terwijl dat niet moet.

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

Het leuke is dat dit geen gestandaardiseerde test is

you might be high in attentiveness and high in restraint.

waarbij sommigen inzetbaar zijn en anderen niet.

Maar het gaat over het begrijpen van het passen van jouw karakter

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

bij wat je goed maakt in een bepaalde baan.

great at project management or accounting.

Het bleek dat als je laat klapt bij rood en je nooit klapt bij groen,

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

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

je mogelijk erg oplettend en terughoudend bent.

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

Mensen in dat kwadrant zijn vaak geweldige studenten, goed in examens,

The way we actually use this in hiring

goed in projectmanagement of boekhouding.

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

Maar als je direct klapt bij rood en soms bij groen,

like this one.

kan dat betekenen dat je impulsiever en creatiever bent,

Then we develop an algorithm

that understands what makes those top performers unique.

en we vonden dat topverkopers vaak die eigenschappen bezitten.

And then when people apply to the job,

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

Dit gebruiken we bij het werven

door top-presteerders in een baan neurowetenschappelijke oefeningen te geven

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

zoals deze.

Dan maken we een algoritme

The work world today is not the most diverse

dat begrijpt wat die top-presteerders uniek maakt.

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

En als mensen dan solliciteren,

how do we make sure

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

kunnen we de kandidaten identificeren die het meest geschikt zijn voor die baan.

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

Je denkt nu misschien dat hier een gevaar in schuilt.

Werk is tegenwoordig niet erg divers.

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

Als we algoritmes bouwen gebaseerd op top-presteerders van nu,

you would actually find

hoe voorkomen we dan dat we vooroordelen in stand houden

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

die al bestaan?

Als we bijvoorbeeld een algoritme bouwen gebaseerd op top-CEO's

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

But technology actually poses a really interesting opportunity.

en de S&P 500 gebruiken als trainingsset,

We can create algorithms that are more equitable

zul je zien dat je eerder

and more fair than human beings have ever been.

een blanke man genaamd John aanneemt dan een vrouw.

Every algorithm that we put into production has been pretested

En dat is de realiteit van wie er nu die banen hebben.

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

Maar technologie biedt een hele interessante kans.

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

We kunnen rechtvaardigere algoritmes maken

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

en eerlijker dan mensen ooit zijn geweest.

Elk algoritme dat we in productie nemen,

When we focus on the inherent characteristics

is vooraf getest om te zorgen

that can make somebody a good fit for a job,

dat het geen geslacht of etniciteit bevoordeelt.

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

En als er een groep wordt bevoordeeld,

even good schoolism.

kunnen we het algoritme aanpassen totdat dit niet meer zo is.

Our best technology and algorithms shouldn't just be used

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

Als we ons richten op inherente eigenschappen

die iemand geschikt maken voor een baan,

Imagine if we could harness the power of technology

kunnen we discriminatie naar ras, klasse, geslacht, leeftijd --

to get real guidance on what we should be doing

en zelfs opleiding voorkomen.

based on who we are at a deeper level.

De beste techniek en algoritmes moet je niet alleen gebruiken

om een film of een nieuw Justin Biebernummer te vinden.

Stel dat we de kracht van technologie inzetten

om ons echt te helpen bij wat we moeten doen

op basis van wie we diep vanbinnen zijn.