अंतर्दृष्टि पूर्वावलोकन
Most AI Hiring Tools Aren't Doing What You Think
अगर आपने पिछले तीन वर्षों में भर्ती तकनीक का मूल्यांकन किया है, तो आपने लगभग हर विक्रेता से वही दलील सुनी होगी: उनका प्लेटफ़ॉर्म AI का उपयोग करके बेहतर उम्मीदवार तेज़ी से ढूंढता है।
डेमो साफ़-सुथरे दिखते हैं, दावे परिष्कृत लगते हैं, और लोगो भरोसा जगाते हैं। लेकिन बाजार का अधिकांश हिस्सा अभी भी कीवर्ड मिलान को एक नए आवरण के साथ बेच रहा है।
यह भेद मायने रखता है क्योंकि एक टूटी हुई प्रक्रिया को स्वचालित करने और भर्ती की गुणवत्ता में सुधार करने के बीच वास्तविक अंतर है। इन दोनों को एक समझ लेना महंगा पड़ता है।
अधिकांश "AI hiring tools" असल में क्या कर रहे हैं
अधिकांश आवेदन ट्रैकिंग सिस्टम्स का मूल कार्य अभी भी मिलान है: कीवर्ड, पदनाम, प्रमाणपत्र और अनुभव वर्षों के लिए रिज़्यूमे स्कैन करना, और फिर उम्मीदवारों को इस आधार पर रैंक करना कि वे नौकरी विवरण से कितने मिलते-जुलते हैं।
यह मात्रा को संभालने के लिए उपयोगी है, लेकिन यह बुद्धिमत्ता नहीं है। यह पाठ पर लागू पैटर्न रिकॉग्निशन है, और आउटपुट की गुणवत्ता उससे सीमित होती है जो क्राइटेरिया पहले से सिस्टम में तय किए गए हैं।
बाजार ने उस भेद को धुंधला कर दिया है क्योंकि AI लेबल बिकता है। लेकिन रिज़्यूमे पार्सिंग और रैंकिंग को स्वचालित करना यह नहीं दर्शाता कि कोई टूल वास्तव में समझता है कि किसी भूमिका में सफलता की भविष्यवाणी क्या करती है।
Harvard Business School और Accenture ने पाया कि सर्वे किए गए नियोक्ताओं के 88% ने स्वीकार किया कि उनकी अपनी प्रणालियाँ योग्य उम्मीदवारों को बाहर कर देती हैं क्योंकि वे लोग सटीक कॉन्फ़िगर किए गए पैरामीटर से मेल नहीं खाते। सिस्टम अपने डिजाइन के अनुसार काम कर रहा है। समस्या डिज़ाइन में है।
क्यों "AI-powered" एक अर्थहीन बैज बन गया
यह लेबल इसलिए फैल गया क्योंकि यह व्यावसायिक रूप से सफल रहा, न कि इसलिए कि यह भर्ती गुणवत्ता में किसी तकनीकी सफलता का विश्वसनीय वर्णन करता था।
कीवर्ड-चालित सिस्टम में मशीन-लर्निंग घटक जोड़कर विक्रेता उत्पाद को AI-संचालित कह सकते हैं भले ही आधारभूत मूल्यांकन तर्क मूलतः अपरिवर्तित ही रहे।
इससे एक ऐसा बाज़ार बनता है जहाँ लगभग हर प्लेटफ़ॉर्म सर्वश्रेष्ठ उम्मीदवारों को सामने लाने का दावा करता है, जबकि बहुत कम ही यह समझा पाते हैं कि वे वास्तव में किन संकेतों को माप रहे हैं या वे संकेत आपके वातावरण में प्रदर्शन की भविष्यवाणी क्यों करते हैं।
यह विशेष रूप से एंटरप्राइज़ सेटिंग्स में जोखिमभरा है। व्यापक डेटा पर प्रशिक्षित एक सामान्य मॉडल स्वचालित रूप से यह नहीं जानता कि आपके रोल, आपकी टीमों या आपके भौगोलिक क्षेत्र में किसी को सफल क्या बनाता है।
वह प्रश्न जो HR नेताओं को पूछना चाहिए
सही खरीदने वाला प्रश्न अब यह नहीं रहा कि "क्या यह AI का इस्तेमाल करता है?" लगभग हर विक्रेता किसी न किसी रूप में हाँ कह सकता है। बेहतर प्रश्न यह है कि सिस्टम वास्तव में क्या मूल्यांकन कर रहा है और वह आपके जैसे रोल में प्रदर्शन के परिणामों से कैसे जुड़ता है।
एक उपकरण जो उम्मीदवारों को कीवर्ड घनत्व के आधार पर रैंक करता है कुछ नाप रहा है। एक उपकरण जो वास्तविक काम, संदर्भ और तुलनीय प्रदर्शन के इतिहास में क्षमता संकेतों का मूल्यांकन करता है तो वह अर्थपूर्ण रूप से अलग कुछ माप रहा है।
यह भेद तय करता है कि किसे इंटरव्यू चरण तक पहुँचता है, किसे ऑफ़र मिलता है, और जुड़ने के बाद कौन अंततः प्रदर्शन करता है। यदि संकेत प्रदर्शन की भविष्यवाणी नहीं करता है, तो आपने भर्ती में सुधार नहीं किया है। आपने केवल अपनी गलतियों को तेज़ और अधिक स्केलेबल बना दिया है।
इस श्रृंखला का अगला लेख समालोचना से विशिष्टताओं की ओर बढ़ता है: वास्तविक क्षमता मूल्यांकन कैसा दिखता है जब डेमो खत्म हो चुका होता है और असली सिस्टम को स्वयं को औचित्य सिद्ध करना होगा।
निष्कर्ष
- अधिकांश AI भर्ती उपकरण अभी भी प्रॉक्सी मैचिंग को अनुकूलित कर रहे हैं, न कि निर्णय गुणवत्ता को।
- असली खरीद प्रश्न यह है कि कोई उपकरण कौन सा संकेत मापता है और क्या वह संकेत आपके वातावरण में प्रदर्शन की भविष्यवाणी करता है।
संदर्भ
- 1. Harvard Business School and Accenture. Hidden Workers: Untapped Talent. https://www.hbs.edu/managing-the-future-of-work/Documents/research/hiddenworkers09032021.pdf
- 2. Harvard Business School Working Knowledge. How to Tap the Talent Automated HR Platforms Miss. https://www.library.hbs.edu/working-knowledge/how-to-tap-the-talent-automated-hr-platforms-miss
सामग्री स्तंभ