is one of the worst digital experiences of our time.

今の時代の 最悪の経験の１つでしょう

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

直接応募するのだって 少しもマシではありません

[The Way We Work]

シリーズ 働き方

Hiring as we know it is broken on many fronts.

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

It's a terrible experience for people.

仕事を探す人にとって 酷い経験です

About 75 percent of people

過去１年に様々な方法で 職に応募した人の75%は

who applied to jobs using various methods in the past year

過去１年に様々な方法で 職に応募した人の75%は

said they never heard anything back from the employer.

その会社からまったく 音沙汰がなかったと言います

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

会社側にしても 状況が酷いのは同じです

46 percent of people get fired or quit

採用後１年以内に 46%の人が

within the first year of starting their jobs.

クビになるか 退職するかしています

It's pretty mind-blowing.

びっくりしますよね

It's also bad for the economy.

経済にとっても 良くありません

For the first time in history,

現在は 歴史上初めて

we have more open jobs than we have unemployed people,

失業者よりも 求人が多くなっていて

and to me that screams that we have a problem.

これは何か問題があることを 示していそうです

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

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

A résumé definitely has some useful pieces in it:

履歴書には確かに 有用な情報もあります

what roles people have had, computer skills,

職歴 コンピュータースキル

what languages they speak,

語学力

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

でも そこに欠けているのは

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

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

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

経済が急速に変化している今 ネット上に現れる仕事は

that might require skills that nobody has,

誰も持っていないスキルを 必要とするかもしれず

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

候補者が過去に 何をしてきたかだけを見ていては

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

今後の仕事と人との マッチングはできません

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

そこでテクノロジーが 役に立ちます

You've probably seen that algorithms have gotten pretty good

コンピューターが 人と物事のマッチングを

at matching people to things,

すごく上手くできることに お気づきでしょう

but what if we could use that same technology

自分に良く合った仕事を 見付けるために

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

同じテクノロジーを 使えないでしょうか？

But I know what you're thinking.

どう思っているか 分かりますよ

Algorithms picking your next job sounds a little bit scary,

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

but there is one thing that has been shown

でも 社員が将来 仕事で成功するかどうかの

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

良い参考指標となるものが 一つあるんです

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

「マルチメジャー・テスト」です

Multimeasure tests really aren't anything new,

これは別に新しいもの ではありませんが

but they used to be really expensive

かつては とてもコストが高く

and required a PhD sitting across from you

専門家付き添いの元で

and answering lots of questions and writing reports.

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

Multimeasure tests are a way

マルチメジャー・テストは

to understand someone's inherent traits --

記憶力や注意力といった

your memory, your attentiveness.

その人の本質的な性質を 把握するためのものです

What if we could take multimeasure tests

マルチメジャー・テストを もっと簡単に

and make them scalable and accessible,

多くの人が 使えるようにし

and provide data to employers about really what the traits are

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

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

求人側に示せるとしたら どうでしょう？

This all sounds abstract.

ちょっと分かりにくいので

Let's try one of the games together.

ひとつゲームを してみましょう

You're about to see a flashing circle,

これから円が 現れますので

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

その円が赤だったら 手を叩き

and do nothing when it's green.

緑だったら 何もしないでください

[Ready?]

[準備はいい？]

[Begin!]

[はじめ！]

[Green circle]

[緑の円]

[Green circle]

[緑の円]

[Red circle]

[赤い円]

[Green circle]

[緑の円]

[Red circle]

[赤い円]

Maybe you're the type of person

赤い円が出た瞬間に

who claps the millisecond after a red circle appears.

手を叩くタイプの人もいるし

Or maybe you're the type of person

絶対間違わないように

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

少し間を置いてから 手を叩く人

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

緑で 手を叩くべきでないのに 叩いてしまう人もいます

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

これがいいのは

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

合格不合格を決める テストではなく

Instead it's about understanding the fit between your characteristics

皆さんの性質に 適した仕事を

and what would make you good a certain job.

知るためのもの だということです

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

you might be high in attentiveness and high in restraint.

用心深く 自制心の 強い人かもしれません

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

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

great at project management or accounting.

プロジェクト管理や 会計などに向いています

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

赤で即座に手を叩き 時々緑でも叩いてしまった人は

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

もっと衝動的で クリエイティブかもしれず

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

営業成績の良いセールスパーソンに よく見られます

The way we actually use this in hiring

これを採用の際に どう使うかというと

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

その職種において 優秀な人に

like this one.

こうした神経科学的な 課題をやってもらい

Then we develop an algorithm

その人たちの 特徴を見分ける

that understands what makes those top performers unique.

アルゴリズムを 開発します

And then when people apply to the job,

すると人々が職に 応募してきたときに

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

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

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

そのようなやり方は 危険だと思うかもしれません

The work world today is not the most diverse

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

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

how do we make sure

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？

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

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？

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

たとえば S&P 500を 訓練セットとして

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

優れたCEOのデータを元に アルゴリズムを作ったなら

you would actually find

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

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

採用される可能性が 高くなるでしょう

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

それが現在CEO職を占めている人の 現実なのです

But technology actually poses a really interesting opportunity.

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

We can create algorithms that are more equitable

どんな人間よりも 公平・公正な

and more fair than human beings have ever been.

アルゴリズムを作ることが できるのです

Every algorithm that we put into production has been pretested

私達が本番で使う アルゴリズムは

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

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

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

ある種の層が 贔屓されているのが分かったら

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

それが解消されるよう アルゴリズムを調整します

When we focus on the inherent characteristics

仕事への適性を生む

that can make somebody a good fit for a job,

人の本質的な性質に 焦点を当てることで

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

人種差別 階級差別 性差別 老人差別

even good schoolism.

学歴差別さえ 克服可能になります

Our best technology and algorithms shouldn't just be used

最高のテクノロジーやアルゴリズムを 次に見る映画や

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

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

Imagine if we could harness the power of technology

テクノロジーの力を使って

to get real guidance on what we should be doing

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

based on who we are at a deeper level.

素敵だとは思いませんか