人才,归因有人让我们擅长社交的能力价值任务或工作,几个世纪以来一直是一个受欢迎的商品。正式的记录可以追溯到人才评估汉代在中国(公元前202年-公元220年)。在现代,人才在企业战略,占据着核心位置,麦肯锡的礼貌著名的“人才大战”概念,认为组织的主要竞争优势将从根本上取决于他们发现的能力,成长,和留住人才。
此后世界上发生了很多:例如,互联网繁荣时期,9/11,全球金融危机,大科技的迅速崛起,当然当前全球大流行。然而一个常数特性在整个时间已经组织感叹他们的无能找到合适的人才,另一方面的问题,很多有才华的人抱怨毫无意义的或平淡的工作。
看来,除了职业体育人才市场还远远没有效率,突出一个病态的不匹配需求和供给之间的人才。相当于在关系的领域将是多数人单身或情侣——未实现不是离现实太远。
效率低下的市场总是成熟的中断总是和创新的影响桥梁的差距供给和需求之间的关系。为了实现这一目标,可能需要重新定义,甚至重新定义人才。令人惊讶的是,我们的人才观念没有跟上时代的发展。当大学证书已经断开过相类似的工作知识、技能很快就会累吗过时的,我们知道没有什么重要我们可以学习,组织往往在所有错误的地方寻找人才。这也损害了他们的渴望创建一个多元化和包容性的劳动力。当你的主要人才货币仍是简历,和价值的简历依赖于过时的人才等货币大学学历或过去的经验,很难避免招聘相同类型的人一遍又一遍,优化“文化适应”而不是多样性。
在这种背景下,社会媒体的出现作为一个有前途的选择人才的主导货币。它的数据作为一个人才比特币重新定义人力资本更多的在内地和能力精英。我们的社交媒体活动已经显示大量的信息关于我们的性格特征,精确的类型的东西雇主需要知道(有时也想知道)之前,他们决定雇佣我们。
这里是一些例子来源于数以百计的独立的科学研究在这个领域。
- Facebook:是不幸的剑桥—失败表明,我们的Facebook数据不仅预测消费者的偏好,也是我们的人格特质,长期以来一直与不同有关职业的偏好和工作相关能力。通过对人们的意识的自我表现公开数据(例如,团体、媒体内容和他们喜欢的文章)算法可以估计他们的智力、好奇心和外向性,一直联系工作表现和支撑许多人才的定义。事实上,人才主要是人格的正确的地方。
- Twitter:非结构化数据,如文本,一直与深层性格维度,自然语言处理已经证明是一种可靠的人工智能将人们的交往的方式转化为他们的个性的预测模型。用词和多长时间你可以告诉我们你是否使用它们平静或情感,驱动或悠闲,信任或怀疑,积极或消极,等。顺便说一句,这些维度的人格不只是预测人才共同工作,也是领导。
- Instagram, YouTube, TikTok:的视频人们在社交媒体传达数以百万计的信号上传他们的语言和非语言沟通,包括他们的物理性质的声音,和面部表情与心理特质有关他们的情商,同理心,善于交际。可以肯定的是,算法远非完美,但有足够的数据,他们有能力超越人类的情感认知,尤其是在分析陌生人。
- Spotify和其他智能手机和遥感数据:音乐消费,整体手机活动应用程序使用,白天与夜晚活动也显示出人才的核心成分,比如你是否自信,乐观,规避风险,努力工作。本研究考虑开采1760万年Spotify歌曲正确推断出听众的性格、情绪和行为。尽管这些信号尚未用于确定人民适合一份工作,你可以想象一个未来更多的人假装听古典音乐和爵士乐(以及从他们的播放列表删除贾斯汀·比伯)为了提高提高他们的个人天赋比特币。
有明显的道德问题(有时法律的约束),限制使用社交媒体的招聘和人才识别,有幸运的是阻止组织使用AI刮来推断他们的才能或潜在候选人的提要。
然而,它可以解决。它将是足够的短暂的候选人,邀请他们参与一个明智的和透明的交易决定可选。允许算法将数据转化为人才比特币,他们可以自由决定是否保留这个私人信息和贸易货币与潜在雇主和招聘人员。这可能会增加假的动机和管理印象在社交媒体上,但它不是像人们正在自己网上。我们已经self-edit来建立我们的数字声誉为了请或给他人留下深刻印象。
此外,我们的社会数据已经商品化的向我们展示更相关的广告,让我们想买我们不需要的东西。肯定是至少是有用的有意义的工作?
或许更重要的是,这将是有用的承认不道德的社会媒体对人才的使用很常见的今天,没有任何干预的人工智能。首先,招聘经理和招聘人员已经看到在这些数据,因为他们往往会谷歌候选人不仅检查技能和工作经验他们在LinkedIn的报告,但也Instagram的他们分享照片,在Facebook上他们喜欢的团体,他们说在Twitter上的东西。
这显然是公开的信息,但它不太可能候选人充分意识到他们发送的信号,和潜在的职业公开这些信息的后果。它也不太可能,招聘人员可以始终推断候选人的人才,关注正确的信号,和忽视他们应该忽略的信息(例如:性别、年龄、吸引力,和种族)。第一印象是深受刻板印象和偏见,再多的无意识的偏见培训可以使人类招聘人员忘记一个候选人是女性,旧的,不同的种族,或缺乏吸引力。
因为当前的招聘实践远非目的,典型的人才评估既不公正也不非常准确,这不会需要太多的算法和社交媒体与传统措施方面的人才的信任和感知价值。就像一天比特币可能会更可信比国家货币。