哈佛商学院管理联合主席约瑟夫富勒美国劳动力短缺的答案？

　　商务与经济
　　美国劳动力短缺的答案？＂隐藏＂劳动力
　　约瑟夫·富勒。
　　约瑟夫·富勒 (Joseph B. Fuller) 讨论了一份新报告，该报告发现企业可以通过利用＂隐藏＂在企业招聘流程中的 2700 万工人来解决严重的劳动力短缺问题。 罗斯林肯/哈佛员工摄影师
　　由于随着 COVID 疫苗的推出业务有所回升，创纪录的雇主一直在努力寻找工人。一项贸易组织的调查显示，8 月份，半数美国小企业主拥有他们想要填补的工作岗位，创历史新高；91% 的人表示合格的申请人很少或没有。经济学家表示，造成这种劳动力与就业不匹配的原因很复杂，而且尚未完全理解。
　　一份新报告称，美国有 2700 万＂隐藏＂劳动力，如果有机会，他们很乐意且有能力填补这些工作岗位。但由于招聘实践，这个多元化群体的申请通常直接进入拒绝堆。
　　合著者Joseph B. Fuller ＂79、MBA ＂81、哈佛商学院管理未来工作项目的联合主席说，如果企业领导人仔细观察这些工人，他们可以解决许多劳工问题，并且获得相对于不愿意这样做的竞争对手的真正优势，并改善工作场所的多样性。为了清晰和长度，采访已被编辑。约瑟夫·B·富勒
　　问答公报： 这份报告的动力是什么？
　　富勒： 绝大多数关于劳动力市场的学术研究来自供给侧。它不会将雇主视为一个动画对象，根据可能合理也可能不合理的理由做出决定。在我成为 HBS 的教授之前，我在工业界，这些异常现象总是让我感到震惊。有很多人在寻找工作的社区和雇主抱怨缺乏候选人，但雇主基本上表现得好像一个[合格的]候选人应该根据他们提供的条件展示她或他自己[为]他们提供的工作. 如果那没有发生，那就是引用＂错误＂。他们自己解决这个问题并不是很积极。那是为什么？
　　第二件事是，如果你查看政府数据，它是不可操作的。[它没有描述]＂这是有多少长期失业者；这就是有多少灰心的工人；这就是有多少未充分就业的工人。＂ 人数众多，但在解释原因时几乎没有细微差别。所以，我想了解这些数字背后的含义。
　　公报：许多早期从申请过程中筛选出来的人是有重罪定罪的人和没有大学学位的人。还有谁构成了这个＂隐藏＂的劳动力？
　　富勒：退伍军人往往被隐藏起来，因为他们的技能以及这些技能的描述方式与雇主所寻求的技能描述不符。如果有人在寻找销售人员，他们就是在寻找销售经验。所以，他们在你的简历描述中寻找这些关键词。如果他们不在那里，你就不会被考虑。
　　工作经历有差距的人：美国有一半的公司有一个过滤器，可以排除过去六个月内没有工作的申请人，或者他们的工作经历有超过六个月的差距。
　　最大的类别称为 NEET：不在就业、教育或培训中。那是一个没有工作，没有学位，不在学校的人。[自动筛选系统不知道如何处理它们。
　　这项研究工作的很大一部分是将这个数字 [2700 万] 分解成可识别的部分，让雇主和政策制定者都了解如何让这部分人口进入劳动力市场。
　　公报：大约 99% 的财富 500 强公司使用人工智能跟踪系统来筛选申请人，然后在开始面试过程之前将他们筛选到可管理的数字。这些系统根据特定参数或关键字来确定谁进行剪辑。为什么采用这种全有或全无的方法？＂最大的类别称为 NEET：不在就业、教育或培训中。那是一个没有工作，没有学位，不在学校的人。[自动筛选系统不知道如何处理它们。＂
　　富勒：我们基本上有一个循环逻辑。作为招聘人员，我的任务是尽快以尽可能低的成本获得合格的候选人。在工作地点 25 英里半径之外搜索极少数工作。但是[招聘人员]想要[能够]说，＂我们看的很广；我们确实搜索了所有可用的候选人；我们寻找多元化的候选人；这就是最适合职位描述的人。＂
　　现在，在这个循环中会发生各种各样的事情。首先，正如报告指出的那样，职位描述的创建及其随时间的管理是非常随意的。大多数职位描述不会经常更新；它们是由招聘人员根据[相关]主管或目前在工作中取得成功的人的[很少]投入来更新的。
　　因此，[招聘人员] 尝试做的是切换用于筛选简历的过滤器，无论是学术成就还是多年经验、关键字或以前的经历，[他们] 认为这表明某人是合格的。当 [他们] 收到申请时，他们正在寻找更难变量的确认——是的，她毕业于 Brandeis，并获得了学士学位——并在自我描述中寻找与工作描述相符的关键字能力。公报： 企业是否意识到这些选择将许多可能适合工作的人拒之门外？
　　富勒：他们明白，在试图使制定规则的过程变得高效时，会有一些附带损害。如果我找到一个上司热衷的好人，[并且做到] 快，那就是我的工作。但他们不明白，使流程非常高效的努力正在造成他们抱怨的大量短缺。他们中的大多数人都没有考虑过他们评估招聘人员的方式的逻辑。大多数人因最大限度地减少雇用某人的成本并快速获得他们而获得奖励和认可。他们不会根据该员工是否能迅速提高工作效率、是否留在公司、[或] 得到晋升来评估。
　　很多人可能会说，＂人工智能是有偏见的＂。好吧，旧系统也是如此。我们并不是说人工智能很糟糕，应该被根除。我们只是说它有一些反常的效果和平庸的想法。为什么我们不得到一些智能 [AI]，它比这些 0/1 [基本计算机二进制]结果更微妙？公报：有一种看法认为雇用这些员工是有风险的，他们不会蓬勃发展或不会为公司增加太多价值。你发现那是不真实的。
　　富勒：特别是在美国，那些没有与特定隐藏工人群体合作经验的公司有很多消极的假设：它会很贵；这会损害盈利能力；加入他们会很困难；他们不能有生产力。我们发现，已经为此做出了一些承诺的公司认为这些担忧没有实际意义。事实上，一旦他们制定了一个计划，[他们] 就会发现隐藏工人的生产力更高，更有可能留下来，在经济上是积极的贡献者。这是一个关键点：这不是感觉良好的资本主义；这是顽固的资本主义。而且，很多时候，[它可以] 对更广泛的劳动力产生积极影响。公报：一些公司确实追求这些工人，通常是通过企业良好的公民努力来促进包容性。但是你说他们应该遵循更有效的方法。你可以解释吗？
　　富勒：只要这被定义为＂一种回馈方式＂，它就会受到限制。如果它被定义为一种正常的商业活动，我们通过深思熟虑、精心设计、清晰的计划从这些工人群体中招募和培养人才，就像我们从这些工人那里招聘工程师一样。麻省理工学院，现在你有钱了。现在，您将对此做出广泛的承诺。擅长这一点、聪明地运用它并专业地运营它的公司将胜过那些不擅长的公司。