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

Applying for jobs online

Translator: Dollaya Piumsuwan Reviewer: Jimmy Tangjaitrong

การสมัครงานออนไลน์

is one of the worst digital experiences of our time.

เป็นหนึ่งในประสบการณ์ดิจิทัล ที่แย่ที่สุดในยุคของเรา

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

และการสมัครงานด้วยตัวเอง ก็ไม่ได้ดีไปกว่ากัน

[The Way We Work]

[วิธีการทำงานของเรา]

Hiring as we know it is broken on many fronts.

เรารู้กันดีว่าการจ้างงาน มันล้มเหลวในทุกกระบวนท่า

It's a terrible experience for people.

เป็นประสบการณ์ที่แย่สำหรับหลายคน

About 75 percent of people

กว่าร้อยละ 75

who applied to jobs using various methods in the past year

ของคนสมัครงาน ที่ใช้วิธีการหลายอย่างในช่วงปีที่ผ่านมา

said they never heard anything back from the employer.

บอกว่าพวกเขาไม่ได้ยินอะไรกลับมา จากบริษัทที่สมัครไปเลย

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

สำหรับบริษัทเอง ก็ไม่ได้ดีไปกว่ากัน

46 percent of people get fired or quit

ร้อยละ 46 ถูกไล่ออกหรือลาออก

within the first year of starting their jobs.

ในช่วงปีแรกที่เริ่มทำงาน

It's pretty mind-blowing.

เป็นเรื่องที่น่าตกใจมาก

It's also bad for the economy.

และเลวร้ายมากสำหรับเศรษฐกิจ

For the first time in history,

เป็นครั้งแรกในประวัติศาสตร์

we have more open jobs than we have unemployed people,

ที่เรามีตำแหน่งงานว่าง มากกว่าคนที่ว่างงาน

and to me that screams that we have a problem.

และสำหรับฉัน มันกรีดร้องว่าเรากำลังมีปัญหา

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

ฉันเชื่อว่าปัญหาของทั้งหมดนี้ มาจากกระดาษแผ่นเดียว : เรซูเม่

A résumé definitely has some useful pieces in it:

แน่นอนว่าเรซูเม่ มีประโยชน์อยู่บ้าง

what roles people have had, computer skills,

เคยทำตำแหน่งอะไรมาบ้าง ทักษะคอมพิวเตอร์

what languages they speak,

พูดภาษาอะไร

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

แต่สิ่งที่มันขาดคือ คนเหล่านั้นมีศักยภาพที่จะทำอะไร

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

ที่พวกเขาอาจจะไม่มีโอกาสได้ทำในอดีต

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

และด้วยเศรษฐกิจที่แปรผันอย่างรวดเร็ว ที่ซึ่งงานกำลังมาทางออนไลน์

that might require skills that nobody has,

ซึ่งอาจต้องใช้ทักษะที่ไม่มีใครมี

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

ถ้าเรามัวแต่ดูสิ่งที่คนเคยทำในอดีต

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

เราจะไม่สามารถหาคน มาทำงานในอนาคตได้เลย

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

จุดนี้ ฉันคิดว่าเทคโนโลยี จะมาช่วยได้อย่างมาก

You've probably seen that algorithms have gotten pretty good

คุณอาจเคยเห็นอัลกอริทึม ที่มีความสามารถ

at matching people to things,

ในการจับคู่คนกับสิ่งต่าง ๆ

but what if we could use that same technology

หากเราสามารถใช้เทคโนโลยีเดียวกันนี้

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

ในการช่วยเราหางานที่เราเหมาะจริง ๆ

But I know what you're thinking.

ฉันรู้ว่าคุณคิดอะไรอยู่

Algorithms picking your next job sounds a little bit scary,

อัลกอริทึมที่เลือกงานถัดไปให้คุณ ฟังดูน่ากลัวเล็กน้อย

but there is one thing that has been shown

แต่มีสิ่งที่หนึ่งที่แสดงให้เห็นแล้ว

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

ว่าเป็นการทำนายความสำเร็จ ในหน้าที่การงานของใครบางคนในอนาคต

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

มันเรียกว่า การทดสอบด้วยตัววัดหลายตัว

Multimeasure tests really aren't anything new,

การทดสอบด้วยตัววัดหลายตัว ไม่ใช่อะไรใหม่

but they used to be really expensive

แต่มันเคยมีราคาที่สูงมาก

and required a PhD sitting across from you

ต้องมีผู้ที่จบ ป.เอก มานั่งตรงข้ามคุณ

and answering lots of questions and writing reports.

ต้องอาศัยการตอบคำถามมากมาย และการเขียนรายงาน

Multimeasure tests are a way

การทดสอบด้วย ตัววัดหลายตัว เป็นวิธีที่

to understand someone's inherent traits --

จะเข้าใจลักษณะโดยธรรมชาติของคน --

your memory, your attentiveness.

ความจำ ความใส่ใจ

What if we could take multimeasure tests

จะเกิดอะไรขึ้นหากเราสามารถ นำการทดสอบนั้น

and make them scalable and accessible,

มาใช้ในวงกว้างและเข้าถึงได้ง่าย

and provide data to employers about really what the traits are

และให้ข้อมูลกับผู้จ้างงานเกี่ยวกับลักษณะ

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

ของคนที่มีความเหมาะสมกับงาน

This all sounds abstract.

มันฟังดูเป็นนามธรรม

Let's try one of the games together.

เรามาลองหนึ่งในเกมกัน

You're about to see a flashing circle,

อีกสักครู่ คุณจะเห็นวงกลมกระพริบ

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

สิ่งที่คุณต้องทำคือปรบมือ เมื่อวงกลมเป็นสีแดง

and do nothing when it's green.

ไม่ต้องทำอะไร เมื่อเป็นสีเขียว

[Ready?]

[พร้อมไหม]

[Begin!]

[เริ่ม!]

[Green circle]

[วงกลมสีเขียว]

[Green circle]

[วงกลมสีเขียว]

[Red circle]

[วงกลมสีแดง]

[Green circle]

[วงกลมสีเขียว]

[Red circle]

[วงกลมสีแดง]

Maybe you're the type of person

คุณอาจจะเป็นคนประเภทที่

who claps the millisecond after a red circle appears.

ปรบมือเสี้ยววินาที หลังจากวงกลมสีแดงปรากฎ

Or maybe you're the type of person

หรืออาจะเป็นประเภท

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

ใช้เวลานานสักหน่อย เพื่อให้แน่ใจร้อยเปอร์เซ็นต์

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

หรืออาจจะเป็นคนที่ปรบมือเมื่อเห็นสีเขียว แม้ไม่ควรจะทำก็ตาม

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

ความเจ๋งคือ นี่ไม่ใช่แบบทดสอบมาตรฐาน

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

ที่บางคนจะได้งาน และบางคนไม่ได้

Instead it's about understanding the fit between your characteristics

มันเกี่ยวกับการเข้าใจความเหมาะสม ระหว่างคุณลักษณะของคุณ

and what would make you good a certain job.

กับสิ่งที่ทำให้คุณเก่งในงานบางอย่าง

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

เราพบว่าถ้าคุณปรบมือช้าเมื่อเห็นสีแดง และไม่เคยปรบมือตอนสีเขียว

you might be high in attentiveness and high in restraint.

คุณอาจเป็นคนที่มีความใส่ใจ และความยับยั้งชั่งใจสูง

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

คนที่อยู่ในกลุ่มนี้มักเป็นนักเรียนที่เก่ง เป็นนักทำข้อสอบที่เก่ง

great at project management or accounting.

เด่นในเรื่อง การจัดการโปรเจกต์หรือบัญชี

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

แต่ถ้าคุณปรบมือทันทีเมื่อเห็นสีแดง และปรบมือบ้างตอนสีเขียว

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

อาจจะหมายความว่าคุณเป็นคน หุนหันและสร้างสรรค์

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

เราพบว่านักขายที่เก่ง ๆ มักมีคุณลักษณะนี้

The way we actually use this in hiring

วิธีที่เราใช้สิ่งนี้ในการเลือกคนเข้าทำงาน

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

คือเราเอาคนเก่ง ๆ ในงาน มาทำแบบทดสอบทางประสาทวิทยา

like this one.

เหมือนอันนี้

Then we develop an algorithm

จากนั้นเราพัฒนาอัลกอริทึม

that understands what makes those top performers unique.

ที่เข้าใจว่าอะไรทำให้คนเก่ง ๆ เหล่านี้ มีความพิเศษ

And then when people apply to the job,

จากนั้นเมื่อมีคนมาสมัครงาน

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

เราจะสามารถกรองผู้สมัคร ที่อาจมีความเหมาะสมที่สุดกับงาน

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

คุณอาจคิดว่าา มันมีความเสี่ยงเหมือนกันนะ

The work world today is not the most diverse

โลกการทำงานในปัจจุบัน ไม่ได้มีความหลากหลายนัก

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

ถ้าเราสร้างอัลกอริทึมโดยอาศัย คนเก่ง ๆ ที่มีอยู่

how do we make sure

เราจะแน่ใจได้ยังไง

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

ว่าเราไม่ได้ไป ส่งเสริมอคติที่มีอยู่แล้ว

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

ตัวอย่างเช่น ถ้าเราพัฒนาอัลกอริทึม โดยอาศัยซีอีโอท็อป ๆ

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

และใช้ข้อมูลจาก S&P 500 ในการทดสอบ

you would actually find

คุณจะพบว่า

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

คุณมีแนวโน้มจะจ้างชายผิวขาวชื่อจอร์น มากกว่าผู้หญิง

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

และนั่นคือความจริงที่ว่า ใครอยู่ในตำแหน่งนั้นตอนนี้

But technology actually poses a really interesting opportunity.

แต่เทคโนโลยี ก็มอบโอกาสที่น่าสนใจเช่นกัน

We can create algorithms that are more equitable

เราสามารถสร้างอัลกอริทึม ที่มีความเท่าเทียม

and more fair than human beings have ever been.

และยุติธรรมมากว่าที่มนุษย์เคยเห็นมา

Every algorithm that we put into production has been pretested

อัลกอริทึมทุกตัวที่เราใช้ได้ถูกทดสอบ

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

เพื่อให้แน่ใจว่ามันไม่ได้เอนเอียง ไปทางเพศใดหรือเชื้อชาติใด

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

และหากมีประชากรใด ที่ได้รับความชื่นชอบมากกว่า

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

เราก็สามารถที่จะปรับอัลกอริทึม จนกว่ามันจะหายไป

When we focus on the inherent characteristics

เมื่อเราสนใจไปที่คุณลักษณะตามธรรมชาติ

that can make somebody a good fit for a job,

ที่ทำให้ให้สักคนเหมาะสมกับงาน

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

เราสามารถก้าวข้ามการเหยีดเชื้อชาติ ชนชั้น เพศ อายุ --

even good schoolism.

แม้กระทั่งการไปโรงเรียนดี ๆ

Our best technology and algorithms shouldn't just be used

เทคโนโลยีที่ดีและอัลกิริทึมที่ดีที่สุด ไม่ควรถูกใช้แค่

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

การช่วยให้เราหาหนังเรื่องถัดไป หรือเพลงใหม่ติดหูของจัสติน บีเบอร์

Imagine if we could harness the power of technology

จินตนาการดูว่าเราจะสามารถ ใช้พลังของเทคโนโลยี

to get real guidance on what we should be doing

เพื่อให้ได้แนวทางว่า เราควรจะทำอะไร

based on who we are at a deeper level.

จากสิ่งที่เราเป็น ในระดับลึกลงไป