原文:http://www.aqee.net/2010/09/07/silicon-valleys-dark-secret-its-all-about-age/
在美国,技术界里有个自相矛盾的有趣现象——科技人才的短缺和过剩并存。你问任何一个在硅谷里工作的人,他都会告诉你,招聘一个有能力的人才是如此之难。然而当你再听听那些失业的技术人员们令人心碎的悲惨故事后,你会明白有成千上万的人找不到工作。为什么会这样?
残酷的现实就是这样:在技术界,很多公司更喜欢雇佣年轻的、缺乏经验的技术人员。
做技术是一种“晋升否则出局”的职业:你要么往更高的职位上爬,要么面临失业。这些事情是那些技术管理人员不敢公开承认的,因为他们担心被投诉为年龄歧视,但是所有人都知道事实就是这样。当能够化$60,000左右雇佣一个没有技术的毕业生时,为什么要雇佣一个要求月薪$150,000的技术陈旧的老计算机程序员呢?甚至即使需要花一个月时间去培训这些年轻的员工,这些公司也觉得值得。年轻人更容易接受新兴技术,他们就像一张白纸:他们能够迅速的学会最新的编程方法和技术,他们没有任何“技术包袱”。相比较,老员工大多有了家庭,需要6点准时下班回家,不像年轻人们可以通宵的加班。
至少,技术界里通常是这样的。
(上面的线分别表示采样的10%,50%和90%)
克莱尔·布朗和Greg·林登——位于伯克利的加利福尼亚大学的教授——在他们的Chips and Change这本书里分析了劳工普查分析统计局关于电子行业的数据后发现,技术工人在30岁左右的时候薪资水平会急剧的增加,但到了40岁后这个增速会放缓。年龄再大,薪水就开始有所下降,这会因受教育的水平不同而差异。平均薪资上,50岁后技术人员低于小于50岁的年轻人的——研究生占其中的17%,博士学位的占其中的14%。有趣的是,克莱尔·布朗和Greg·林登发现只有大学学历人员的薪水的增速一直高于研究生的增速(这也就是说,即使拿有博士学位的人也没有长期的职业保障)。软件/互联网行业的情况与此基本相同。
分析数据2
对于一些科技小公司,压缩成本是常态:大多数连$60K的薪水都承担不起,所以他们只是寻找一些有干劲的年轻的开发人员,这些人愿意接受最基本的工资水平,换以得到合伙人的身份和事业发展的机会。有些像Zoho这样的公司能够承担的起市场价的薪资水平,但他们却也明显的优先考虑年轻员工。2006年,Zoho的CEO,Sridhar Vembu开始着手做一项实验,他直接从高校招聘了只有17岁的学生。两年后,这些新手的工作效率和那些受过同等教育的人几乎没有区别。有些人还最终成为了著名的软件开发者。
像微软一样的一些大公司,他们试图保持某种比例上的平衡,但这并不容易。我的一个老朋友,大卫·Vaskevitch——微软高级副总裁,首席技术官——2008年曾告诉我,他认为年轻的员工更有活力,有些时候也更有创造力。但有很多知识他们还没有掌握、不能掌握,除非有了更多的阅历经验。所以微软一方面从校园里招聘大量的应届毕业人才,一方面又从社会上招聘有丰富经验的技术人员,并不偏重于任何一方。大卫承认,微软的新员工绝大部分都是年轻人,但他同时也提到,这是因为老员工总倾向于升到更高的职位上,而这样的职位只会越来越少。谁都想雇佣最好最聪明的,他说,年龄和国籍并不重要。
不管我们喜欢与否,这个残酷的行业就是这样。我知道有些技术行家会对我说的话感到恼怒,但下面却是我对那些头发开始变白的朋友们的一些建议:
- 升级到做管理,架构,设计等职位上;转到销售或产品管理上;下海,成为企业家(在搞创业这方面老家伙更有优势(英文))。掌握那些对公司更有价值的技术,占据那些不可能被那些新手替代的优势位置。
- 如果你还是准备留下来做编程,你必须认识到你的处境会越来越难。即使你有很丰富的经验,绝顶的聪明,一个老板也不愿意、也不可能给一个有经验的员工2倍或3倍于一个新手的工资。当你30或40岁时尽可能的攒钱,做好以后经验增加而收入越来越少的准备
- 保持更新你的知识库。这意味着你要实时跟踪计算机、编程技术、编程语言上的最新趋势,接受变化。要想在50岁时还能以编程为生,你必须成为一个明星式的开发者,要有能力比那些孩子们在这一领域做的更好。
我也建议管理者们重视那些技术高手们身上经验的价值。智慧会伴随年龄一起增长,同时增长的还有服从指挥,指哪打哪的能力。老员工也更实干和更忠诚,更懂得团队的重要性。自负和自大会随着年龄的增长慢慢消退。在我做技术的那些年里,我雇佣了好几个超过50岁的程序员。他们是最沉着的执行者,陪我度过了最困难的那段时期。
最后,我并不了解现在的大学,包括我现在教学的那个,教他们的技术类专业的学生去做什么样的长期打算,如何把握今后的技术生涯。也许是该告诉学生们前方道路上有什么在等待他们的时候了。
[英文出处]:Silicon Valley’s Dark Secret: It’s All About Age
分享到:
相关推荐
由于人工智能系统的决策过程基于算法和大数据分析,其决策过程的透明度较低,因此可能会在不经意间放大或者产生新的歧视现象,例如性别歧视、年龄歧视、残疾歧视等。 美国、英国、欧盟等国家和地区在传统反歧视法律...
年龄歧视是所有社会背景的人们都必须面对的一种社会偏见。 我们生活的世界中,青年人的年龄超过了老年人,老年人常常受到虐待和定型观念。 主要的社会机构很大程度上是在对老年人,尤其是大众媒体的这些负面态度的...
这项研究的重点是年龄歧视和代际知识转移的重要问题。 通过在线问卷调查方法,获得了291份有效答案,该研究发现,高级员工的年龄歧视与他们将知识转移给年轻员工的意愿成反比。 这种负面影响完全由组织认同所介导,...
这个数据集的目的是为了促进在语言中检测和分析性别歧视的研究,通过提供非性别歧视文本的例子来实现。 关键特征包括: rewire_id:每个条目的唯一标识符。 text:用于分析的英文文本。 label_sexist:分类指示文本...
俄罗斯政府最近批准了一项劳动就业法修正案,旨在消除劳动力市场中的年龄歧视现象。此举显示了俄政府对于促进公平、开放就业环境的坚定决心,并进一步完善了此前劳动法典中对多种不公平就业行为的禁止。随着该修正案...
1.1 研究背景:随着国内航空业的快速发展,价格歧视现象日益显现,不同消费者支付不同价格的现象引起关注。市场结构的多样性与复杂性使得这一问题更加突出,研究其背后的机理具有重要的理论和实践意义。 1.2 研究...
5. 外貌与年龄歧视:求职者外貌、年龄等因素也可能成为就业的阻碍。 二、就业歧视的原因 1. 市场竞争压力:企业为了提高竞争力,可能过于追求“精英化”,导致对学历和专业的要求过高。 2. 社会观念影响:传统观念...
"calc-unifor:禁止歧视网站" 这个标题表明我们关注的是一个与网络平台相关的话题,特别是关于消除网络中的歧视行为。这个项目或者工具,可能是为了促进网络环境的公平和包容性,防止用户在使用网站时遭遇任何形式的...
在探讨“就业中地域歧视的经济学分析”这一主题时,我们首先要理解地域歧视的概念。地域歧视是指在招聘、晋升或工作待遇等方面,因为求职者或员工的出生地、籍贯或居住地而对其进行不公平的评价或区别对待。这种现象...
它进一步调查了年龄歧视和性别偏见对其他消费者的群体类别的刻板印象作用的作用。 我们进行的两项研究表明,由于自我建构,信息处理和社会认知投射方面的性别差异; 男性和女性在基于性别和年龄的人群分类和评估上...
以不育为因变量,以年龄,饮酒习惯和吸烟习惯为自变量的判别分析显示,只有在年龄小于或等于32岁的男性中,才有明显的歧视。 对这种歧视的最重要贡献是酒精,其次是年龄,而吸烟的贡献很小。 我们的分析表明,饮酒...
2. 大学生就业歧视现状:分析当前大学生在求职时遭遇的歧视现象,可能包括性别歧视(男性或女性在某些领域受偏爱)、专业歧视(热门专业与冷门专业的就业机会差距)、学历歧视(高学历与低学历的就业待遇差异)等。...
在研究电信业务价格歧视决策方法中,首先需明确价格歧视的概念以及它在电信业中的应用。价格歧视是指卖方基于不同市场条件或不同消费者群体对同一产品或服务采取不同的价格策略。价格歧视可分为一级价格歧视、二级...
根据罗能生、李大洋在《就业中的性别歧视:来自田野实验的证据》一文中所述,性别歧视在求职过程中普遍存在,特别是女性求职者相对较少获得工作机会。 田野实验方法通过控制简历信息,研究简历性别差异对面试反馈...
在分析人工智能时代算法歧视的问题时,首先要明确算法歧视的概念,它是指在人工智能的应用中,由于算法的偏见、设计缺陷或数据质量等原因导致的不公平现象。例如,算法可能会根据用户的搜索历史进行差异化定价,或者...
用matlab写一段代码FADE-听觉歧视实验的仿真框架 该软件可用于对简单的声学识别,检测和鉴别实验进行建模。 主要作者:2014-2020年MarcRenéSchädler电子邮件: 该软件包中提供的脚本可用于执行[1]和[2]中所述的...
当基于传感器的设备相互连接时,越来越多地告诉我们有关自己和彼此的信息,那么种族歧视,经济歧视或其他歧视将允许什么?我们应该如何限制令人讨厌的社会表现? 随着物联网生成有关消费者行为的海量数据和细微差别...
在全球范围内,各种形式的歧视仍然以不同形态存在,尤其在职场环境中,歧视问题更是时有发生。为了应对这一问题,许多企业开始实施反歧视政策,以确保所有员工在一个公平、公正的环境中工作。黄阁坑塑胶五金电器制品...
标题《人工智能发展中的算法公开能否解决算法歧视》以及描述中的核心议题是探讨算法公开这一措施在解决人工智能中算法歧视问题上的有效性,以及它可能带来的副作用和限制。从提供的内容来看,文章作者王夙通过对算法...
在小贷公司的案例中,传统的算法基于年龄设定信用额度,这是基于一般性的认知,即年轻人通常有更高的收入潜力和消费能力。然而,这样的判断因子是显式的,容易被审查和调整。 当算法被赋予自我学习和决策的能力,...