How ATSs Are Ghosting Great Candidates (And What to Do About It)

परंपरागत ATS प्लेटफ़ॉर्म रिज्यूमे की कीवर्ड्स को जॉब डिस्क्रिप्शन से मिलाकर उम्मीदवारों को स्क्रीन करते हैं। तर्क सरल है: जितने अधिक कीवर्ड एक रिज्यूमे से मेल खाते हैं, उम्मीदवार उतना ही अधिक प्रासंगिक माना जाता है।

परिणाम अनुमानित है। उम्मीदवारों ने अपने रिज्यूमे को उन कीवर्ड्स से भरना सीख लिया है जो जॉब डिस्क्रिप्शन को दर्शाते हैं, भले ही वे कीवर्ड्स उनकी वास्तविक क्षमताओं या अनुभव को दर्शाते हों या नहीं। यह प्रथा इतनी व्यापक है कि LinkedIn News ने इसे एक मानक नौकरी-खोज रणनीति के रूप में कवर किया है।

भर्तीकर्ताओं के लिए परिणाम एक पतला हुआ आवेदक समूह है। जो उम्मीदवार आगे बढ़ते हैं वे जरूरी रूप से सबसे उपयुक्त नहीं होते; वे सबसे अधिक ATS-लिटरेट होते हैं। एक अलग लेकिन संबंधित डेटा पॉइंट इस समस्या के पैमाने को दर्शाता है: उद्योग अनुसंधान के अनुसार, 75% तक रिज्यूमे कभी भी किसी मानव रिक्रूटर तक नहीं पहुँचते। उच्च-परिमाण, कम-जटिलता वाली भूमिकाओं के लिए यह एक संभालने योग्य समझौता हो सकता है। शीर्ष प्रतिभा के लिए प्रतिस्पर्धा करने वाले संगठनों के लिए, यह एक महत्वपूर्ण और काफी हद तक अदृश्य समस्या है।

एक रिज्यूमे पेशेवर कहानी का संकुचित संस्करण है। परंपरागत ATS प्लेटफ़ॉर्म इसे डेटा पॉइंट्स की सूची के रूप में पढ़ते हैं। यह अंतर अधिकांश हायरिंग टीमों की अपेक्षा से अधिक मायने रखता है।

गैर-रेखीय कैरियर पाथ, रोजगार में अंतराल, या क्रॉस-इंडस्ट्री अनुभव वाले उम्मीदवार नियमित रूप से ATS फ़िल्टरों से गिर जाते हैं, न कि इसलिए कि उनकी क्षमता कम है, बल्कि इसलिए कि उनका बैकग्राउंड कीवर्ड सेट पर साफ़-साफ़ मैप नहीं होता। जैसा कि recruiting commentator Andrew Jenkins ने इंगित किया है, परंपरागत ATS एक कठोर उपकरण की तरह काम करते हैं, हर उम्मीदवार को समान मानते हुए उनके अनुभव की सूक्ष्मता को अनदेखा करते हैं।

संदर्भ की यह कमी उम्मीदवार के अनुभव को भी खराब करती है। जो आवेदक कोई पुष्टि, कोई फीडबैक और कोई मानवीय संपर्क नहीं पाते, वे स्वयं को केवल एक डेटा पॉइंट समझे जाने की अनुभूति करते हैं। यह धारणा फैलती है और समय के साथ नियोक्ता ब्रांड को इस तरह कमजोर कर देती है जिसे उलटना कठिन और महँगा होता है।

इस मुद्दे का पैमाना अच्छी तरह दस्तावेजीकृत है। 2021 की Harvard Business School की एक स्टडी, जिसे 2025 तक अद्यतन अनुसंधान में लगातार संदर्भित किया गया है, ने पाया कि 88% नियोक्ता मानते हैं कि उन्होंने अत्यंत योग्य उम्मीदवार खो दिए हैं क्योंकि उन उम्मीदवारों को ATS द्वारा बाहर कर दिया गया था। मध्यम-कौशल वाली भूमिकाओं के लिए यह आंकड़ा 94% तक बढ़ जाता है।

फॉर्मैटिंग एक ऐसा योगदानकारी कारक है जिसे अक्सर अनदेखा कर दिया जाता है। पारंपरिक ATS प्लेटफ़ॉर्म उन रिज्यूमे को पार्स करने में कठिनाई महसूस करते हैं जिनमें ग्राफिक्स, तालिकाएँ, या गैर-मानक फॉन्ट शामिल होते हैं। किसी उम्मीदवार का विजुअली फॉर्मैट किया हुआ रिज्यूमे या असामान्य लेआउट उस उम्मीदवार को विचार से हटा सकता है इससे पहले कि कोई मानव भर्तीकर्ता उसका नाम देखे। सिस्टम उम्मीदवार को इसलिए खारिज कर देता है न कि इसलिए कि वे अयोग्य हैं, बल्कि इसलिए कि दस्तावेज़ मशीन-इंजेशन के लिए अनुकूलित नहीं था।

परिणाम यह होता है कि संगठन अपने लिए एक प्रतिभा अंतर पैदा कर लेते हैं।

ATS प्लेटफ़ॉर्म उतने ही वस्तुनिष्ठ होते हैं जितना उन्हें प्रशिक्षित करने के लिए उपयोग किया गया डेटा। जब ऐतिहासिक भर्ती डेटा मौजूदा पूर्वाग्रहों को दर्शाता है, तो वे पूर्वाग्रह स्क्रीनिंग लॉजिक में एन्कोड हो जाते हैं। विशिष्ट शैक्षिक पृष्ठभूमि, करियर मार्ग या जनसांख्यिकीय विशेषताओं वाले उम्मीदवार बिना किसी जानबूझकर इरादे के व्यवस्थित रूप से लाभान्वित या वंचित हो सकते हैं।

परिणाम गंभीर हो सकते हैं। Mobley v. Workday केस, जिसे एक संघीय जज ने July 2024 में आगे बढ़ने की अनुमति दी, संयुक्त राज्य अमेरिका में AI-प्रेरित भर्ती भेदभाव के खिलाफ पहला बड़ा क्लास-एक्शन मुक़दमा बन गया। यह उस व्यापक जोखिम को दर्शाता है जिसे कई संगठन अपने ATS कॉन्फ़िगरेशन में पूरी तरह से नहीं जांच चुके हैं। University of Washington का November 2025 का एक अध्ययन, जिसे AAAI/ACM Conference on AI, Ethics, and Society में प्रस्तुत किया गया था, ने पाया कि जब AI प्रणालियाँ भर्ती सिफारिशों में नस्ली/जातीय पूर्वाग्रह दिखाती हैं, तो मानव समीक्षक उन पूर्वाग्रहों की नकल करने की प्रवृत्ति रखते हैं और AI की प्राथमिकताओं के अनुरूप उम्मीदवारों का चयन करते हैं। बिना AI इनपुट के, वही समीक्षक पूर्वाग्रह-मुक्त चुनाव करते हैं। दूसरे शब्दों में, समस्या केवल एल्गोरिद्म के भीतर ही नहीं रहती।