Eftersom verksamheten har tagit fart med covid-vaccinet, rekordmånga arbetsgivare har kämpat för att hitta arbetskraft. I Augusti, hälften av amerikanska småföretagare hade jobb de ville fylla, en historisk höjdpunkt, enligt en branschgruppsundersökning; 91 procent sa att det fanns få eller inga kvalificerade sökande. Orsakerna till denna obalans mellan arbetskraft och sysselsättning är komplexa och inte helt förstådda, säger ekonomer.

En ny rapport säger att det finns en "dold" arbetsstyrka på 27 miljoner människor i USA som gärna skulle och skickligt, fylla dessa jobb – om de får chansen. Men på grund av anställningsmetoder, ansökningarna från denna mångfaldiga grupp går vanligtvis direkt till avslagshögen.

Medförfattare Joseph B. Fuller '79, M.B.A. '81, medordförande för Managing the Future of Work-projektet vid Harvard Business School, säger att företagsledare skulle kunna lösa många av sina arbetsproblem om de tittade närmare på dessa arbetare, och få en verklig fördel gentemot konkurrenter som inte vill göra det, och förbättra mångfalden på arbetsplatsen. Intervjun har redigerats för klarhet och längd.

Frågor och svar:Joseph B. Fuller

GAZETTE:Vad var drivkraften till denna rapport?

FULLSTÄNDIG:Den stora majoriteten av akademisk forskning om arbetsmarknader kommer från utbudssidan. Den ser inte på arbetsgivaren som ett animerat objekt som fattar beslut baserat på en logik som kanske är sund eller inte. Innan jag var professor på HBS, Jag var i industrin, och det slog mig alltid att det fanns dessa anomalier. Kommuner med massor av människor som söker arbete och arbetsgivare som beklagar bristen på kandidater, men arbetsgivare agerar i huvudsak som om en [kvalificerad] kandidat skulle presentera henne eller sig själv [för] jobbet de har att erbjuda under de villkor de erbjuder. Och om det inte hände, det var något citat "fel". De var inte särskilt aktiva i att ta itu med det själva. Varför?

Den andra saken är, om du tittar på regeringens uppgifter, det är inte handlingsbart. [Det avgränsar inte] "detta är hur många långtidsarbetslösa det finns; det här är hur många avskräckta arbetare det finns; det här är hur många undersysselsatta arbetare det finns." Ett stort antal människor, men väldigt lite nyans i att förklara varför. Så, Jag ville förstå vad som ligger bakom dessa siffror.

TIDSKRIFT:Många som sållas bort från ansökningsprocessen tidigt är personer med brottsdomar och personer utan högskoleexamen. Vem mer utgör denna "dolda" arbetskraft?

FULLER:Veteraner tenderar att vara dolda eftersom deras färdigheter, och hur dessa färdigheter beskrivs, stämmer inte överens med de kompetensbeskrivningar arbetsgivarna efterfrågar. Om någon letar efter en säljare, de letar efter försäljningserfarenhet. Så, de letar efter den typen av nyckelord i din CV-beskrivning av dig själv. Om de inte är där, man blir inte övervägd.

Människor som har haft luckor i sin arbetshistoria:Hälften av företagen i USA har ett filter för att utesluta sökande som inte har varit anställda under de senaste sex månaderna eller om det finns en lucka i deras arbetshistoria på mer än sex månader.

Den största kategorin heter NEET:Not in Employment, Utbildning eller träning. Det är en person som inte har ett jobb, har ingen examen, är inte i skolan. [Automatiska screeningsystem vet inte] vad de ska göra med dem.

En stor del av denna forskningssatsning är att ta det antalet [av 27 miljoner] och dela upp det i identifierbara bitar och ge både arbetsgivare och beslutsfattare lite insikt i vad som krävs för att få denna del av befolkningen in i arbetskraften.

TIDNING:Cirka 99 procent av Fortune 500-företagen använder spårningssystem för artificiell intelligens för att screena sökande och sedan vinna dem ner till ett hanterbart antal innan intervjuprocessen påbörjas. Dessa system avgör vem som gör snittet baserat på specifika parametrar eller nyckelord. Varför en sådan allt eller inget-strategi?

FULLER:Vi har i grunden en cirkulär logik som har slagit fast. Mitt uppdrag som rekryterare är att få kvalificerade kandidater så snabbt som möjligt, så billigt som möjligt. En liten, en liten minoritet av jobb söks utanför en radie på 25 mil från där jobbet är. Men [rekryterare] vill [kunna] säga, "Vi letade brett, vi sökte verkligen efter alla tillgängliga kandidater; vi letade efter olika kandidater, och det här är den person som bäst passar in på arbetsbeskrivningen."

Nu, alla möjliga saker händer i den cykeln. Den första, som rapporten påpekar, är att skapandet av arbetsbeskrivningar och deras kuration över tid är mycket slumpartat. De flesta arbetsbeskrivningar uppdateras inte så ofta; de uppdateras av rekryterare med [lite] input från [relevanta] arbetsledare eller från personer som är framgångsrika i jobbet just nu.

Så, vad [rekryterare] försöker göra är att växla mellan filtren som används för att granska CV, oavsett om det är akademisk prestation eller år av erfarenhet eller nyckelord eller tidigare erfarenheter, som [de] tycker tyder på att någon är kvalificerad. När [de] får ansökan, de letar efter bekräftelse på svårare variabler – ja, hon tog examen med en B.A. från Brandeis — och letar i självbeskrivningen efter nyckelordsfunktioner som passar med arbetsbeskrivningen.

TIDNING:Är företag medvetna om att dessa val låser ute många människor som kan vara rätt för ett jobb?

FULLER:De förstår att när de försöker göra processen effektiv när det gäller att sätta regler, det finns några sidoskador. Om jag hittar en bra person som handledaren är entusiastisk över, [och gör det] snabbt, Det är mitt jobb. Men de förstår inte att ansträngningen att göra processen mycket effektiv skapar en betydande del av den brist som de klagar på. De flesta av dem har inte tänkt igenom logiken i hur de utvärderar rekryterare. De flesta belönas och erkänns för att de minimerar kostnaderna för att anställa någon och få dem snabbt. De utvärderas inte på om den anställningen snabbt blir produktiv, eller stannar kvar på företaget, [eller] blir befordrad.

Många människor kan säga, "AI är partisk." Väl, så var det gamla systemet. Vi säger inte att AI är hemskt och borde utrotas. Vi säger bara att det har några perversa effekter och mediokert tänkande. Varför skaffar vi inte lite intelligent [AI], vilket är mer nyanserat än bara dessa 0/1 [grundläggande datorbinära] utfall?

GAZETTE:Det finns en uppfattning om att det är riskabelt att anställa dessa arbetare, att de inte kommer att trivas eller inte tillför mycket värde till ett företag. Du upptäckte att det inte är sant.

FULLER:Särskilt i USA, företag som inte har erfarenhet av att arbeta med specifika grupper av dolda arbetare har många negativa antaganden:Det kommer att bli dyrt; det kommer att skada lönsamheten; det kommer att bli svårt att ombord på dem; de kan inte vara produktiva. Vad vi hittade är att företag som har gjort ett visst engagemang för detta tycker att dessa farhågor är omtvistade. Faktiskt, när de väl har fått ett program på plats, [de] tycker att dolda arbetare är mer produktiva, är mer benägna att stanna, är positiva bidragsgivare ekonomiskt. Vilket är en nyckelpoäng:Det här är inte må-bra-kapitalism; detta är hårdnackad kapitalism. Men också, väldigt ofta, [det kan] ha en positiv inverkan på den bredare arbetsstyrkan.

GAZETTE:Vissa företag förföljer dessa arbetare, ofta genom ansträngningar för att främja inkludering i företagens goda medborgarskap. Men du säger att det finns ett mer effektivt tillvägagångssätt de borde följa. Kan du förklara?

FULLER:Så länge detta definieras som "ett sätt att ge tillbaka, " det kommer att vara begränsat. Om det definieras som en normal affärsverksamhet, där vi rekryterar och utvecklar talanger från denna arbetarpopulation med en genomtänkt, väl-designad, klarsynt program, precis som vi skulle anställa ingenjörer från MIT, nu är du i pengarna. Nu kommer du att ha ett omfattande engagemang för detta. Företag som blir bra på detta och smarta på det och driver det professionellt, kommer att överträffa företag som inte gör det.

Den här historien är publicerad med tillstånd av Harvard Gazette, Harvard Universitys officiella tidning. För ytterligare universitetsnyheter, besök Harvard.edu.