别小看了弱关系，不熟的人能给你带来好工作

2022-12-25 00:12

小佛爷说

找工作的时候，应该去联系谁？一项发表在《科学》杂志上的研究表明，最牢固的人际纽带，即你与亲密朋友或家人之间的关系，对于寻找新工作的帮助其实最小。较弱的人际关系，也就是不经常联络、有一定距离的熟人关系，往往会带给你更多好运气。

对寻找新工作最有帮助的，往往是适度的弱关系：既能让你接触新的社交圈和信息，又足够熟悉且有重合的兴趣保证信息是有用的，两者间达成平衡。我们的发现揭示了人际关系的强度和求职者在对方所在组织内转换为新角色的可能性之间的关系。

弱关系对找工作更有利，这个观点并不新鲜。社会学家马克·格拉诺维特（Mark Granovetter）在1973年一篇具有开创性的论文中首次提出这一观点，论文描述了一个人的人际关系网络如何影响其工作前景。这个理论被称为“弱关系的力量”，之后成为社会科学中最有影响力的理论之一，是信息扩散、产业结构和人类合作等人际关系网络理论的基础。

点击下方卡片进入i哈评小程序

开启中英双语对照阅读↓

格拉诺维特的这个假说由来已久，产生了很大的影响力，但并没有经过使用大规模数据的权威性因果测试。因为人的人际关系网络与工作同步发展，很难进行测试该理论所需要的大规模实验。也正是由于这个原因，该领域的大部分研究都采用了相关性分析，所以很难确定一个人获得一份工作究竟是因为较弱的人际关系，还是由于自己的资历或公司发展迅速等其他因素影响。

我们的研究利用世界上最大的职业人际网络平台——领英的数据弥合这个差异。特别是，我们利用了现代推荐引擎的标准部分：A/B测试。驱动这种推荐算法的人工智能模型不断改进，我们用随机实验对新版本进行严格的测试，确保对所有用户都有良好的效果。数字平台规模庞大，因此这些实验通常是大规模的，涉及数千万用户。

我们对领英网站的“你可能认识的人”算法（为用户推荐新的联系人）进行了多次这样的实验，分析实验得到的数据。这组实验涵盖全球，持续了五年，随机改变了超过2000万人的人际网络中推荐联系人的组成，在此期间创造了20亿条新的关系和60万个新工作。测试碰巧改变了推荐中强关系和弱关系的出现频率，我们利用的正是这种变化。

我们的因果分析证实了弱关系更能增加工作转换的可能性，是弱关系假说的第一个大规模因果测试，并为这个对现实生活有重要影响的理论提供了一些补充：

首先，在寻找新工作的时候，中等程度的弱关系最有用，最强的人际关系最没用。

其次，弱关系很重要，但平均而言在IT、软件、机器学习、人工智能行业尤其重要。这很可能是因为这些行业的技术演进迅速，跟上发展趋势对成功至关重要，所以能让人进入不同社区、广泛接触新技术和方法论的弱关系格外有价值。

最后，我们的研究结果表明，弱关系在对远程工作友好的行业里也更加重要。未来世界向着随处皆可办公的混合制工作转变，建立和培养弱关系对于职业成功将更加必不可少。

这项研究对求职者的启迪很明确：应当积极管理、扩大自己的数字社交网络并使之多样化，因为弱关系会对工作发展前景、工作流动性、晋升乃至薪水产生实质性的影响。对于数字行业员工，或者技术演进迅速的行业从业者，弱关系可以提供新的信息和通往新社区、新机遇的桥梁。从事远程工作的人必须格外注意，因为远程工作使得在茶水间闲聊和临时见新朋友变得困难了。

不过，受影响的不只是求职者，还有管理者。我们的研究结果表明，在尝试寻找和聘请多样化的顶尖人才时，广泛开放的人际网络十分重要。现在许多招聘是通过领英等数字平台进行的。了解平台运营方式和算法，将最大限度地提升管理者可触及的人才范围，以及聘请高质量人才的能力。不要局限于亲密社交圈里的潜在候选人，把目标扩展到社交网络边缘的求职者，管理者就能发现新的明星员工。这样反过来可以驱动创新，而创新是企业和经济增长的关键引擎。

除了求职者和正在招聘人才的管理人员以外，我们的研究还强调了积极管理算法的重要意义。如今组织和数字经济的许多部分都被AI影响，在某种程度上由AI支配。算法有能力推动经济、提升效率乃至重新设计企业运营模式。因此要谨慎地管理监督人工智能，要对算法应用于数百万人的因果影响进行长期分析。例如，领英已经建立了内部工具，用于追踪和应对平台上每一个新功能造成的意外影响。

正如研究所示，倘若运用得当，领英这样的社交媒体平台可以通过算法帮助人们认识合适的联系人，从而为雇主和员工增加经济价值。因此，求职者、管理者和招聘者在发展人际网络时都要仔细思考，保持开放的态度。你的二度网络，也就是你认识的人认识的人，正是通往大把机遇的窗口。

点击阅读本文英文原版内容

关键词：职场

亚沃尔·波季诺夫（Iavor Bojinov）、卡迪克·拉吉库马尔（Karthik Rajkumar）、吉约姆·圣-雅克斯（Guillaume Saint-Jacques）、埃里克·布莱恩杰尔夫森（Erik Brynjolfsson）、斯南·阿拉尔（Sinan Aral）| 文

亚沃尔·波季诺夫是哈佛商学院工商管理学助理教授、理查德·霍奇森研究员。卡迪克·拉吉库马尔是领英的应用研究科学家。吉约姆·圣-雅克斯在领英领导过计算社会科学团队，曾担任该公司实验科学团队的技术负责人。埃里克·布莱恩杰尔夫森是斯坦福大学杰瑞·杨与山崎秋子教席教授、斯坦福人类中心人工智能研究所高级研究员、斯坦福数字经济实验室主任。斯南·阿拉尔是麻省理工学院管理、营销、信息技术和数据科学戴维·奥斯汀教席教授。

朔间 | 译周强 | 编校