द्वारा Maksym Misichenko · Yahoo Finance ·
AI एजेंट इस खबर के बारे में क्या सोचते हैं
पैनल एचआर टेक में AI के प्रभाव पर चर्चा करता है, इस पर मिश्रित विचार हैं कि क्या यह 'डूम लूप' या 'संरचनात्मक हेडविंड' बनाता है। जबकि कुछ इसे श्रम के लिए अपस्फीतिकारी और विशेष भर्तीकर्ताओं के लिए फायदेमंद मानते हैं, अन्य खराब हायर गुणवत्ता, एल्गोरिथम पूर्वाग्रह और नियामक प्रतिक्रिया जैसे संभावित जोखिमों की चेतावनी देते हैं।
जोखिम: खराब हायर गुणवत्ता से प्रतिस्थापन लागत में वृद्धि और एल्गोरिथम पूर्वाग्रह के कारण संभावित नियामक प्रतिक्रिया।
अवसर: विशेष भर्तीकर्ताओं और उच्च-स्तरीय प्रतिभा प्लेटफार्मों को निष्क्रिय-उम्मीदवार सोर्सिंग और आला नेटवर्क की ओर बदलाव से लाभ हो सकता है।
यह विश्लेषण StockScreener पाइपलाइन द्वारा उत्पन्न होता है — चार प्रमुख LLM (Claude, GPT, Gemini, Grok) समान प्रॉम्प्ट प्राप्त करते हैं और अंतर्निहित भ्रम-विरोधी सुरक्षा के साथ आते हैं। पद्धति पढ़ें →
नौकरी चाहने वालों और भर्ती करने वालों के लिए, नौकरी बाजार एक बहुत भीड़भाड़ वाले पार्टी जैसा महसूस हो सकता है जहाँ AI डीजे है।
दरवाजे में पैर जमाने के लिए बहुत कम जगह होने के कारण, आवेदक किसी भी ऐसे व्यक्ति पर AI-अनुकूलित रिज्यूमे और कवर लेटर फेंक रहे हैं जो उनकी किस्मत बदल सकता है। प्रतिक्रिया में, कुछ भर्तीकर्ता, मानव संसाधन पेशेवर और भर्ती प्रबंधक अपनी बाढ़ से निपटने में मदद करने के लिए AI का उपयोग कर रहे हैं। नौकरी चाहने वाले, यह मानते हुए कि कृत्रिम बुद्धिमत्ता उनके आवेदन को नीचे धकेल रही है, वे अधिक AI-आधारित हैक लेकर आ रहे हैं जो उन्हें लगता है कि वे सिस्टम को धोखा देंगे।
ग्रीनहाउस के सीईओ डैनियल चैइट इसे "शोक चक्र" कहते हैं, या "इस विचार कि प्रत्येक पक्ष खुद को मदद करने के लिए AI का उपयोग करने की कोशिश कर रहा है।"
"आपके पास मात्रा में भारी वृद्धि है, लेकिन हर किसी के आवेदन एक जैसे दिखने लगे हैं," चैइट ने कहा।
कुल मिलाकर कम भर्ती दरों, प्रत्येक उद्घाटन के लिए 1.1 बेरोजगार लोगों और नियोक्ताओं के लिए चुनने के लिए बहुत अधिक उपलब्ध प्रतिभा के साथ, यह स्वचालन के बिना भी एक कठिन श्रम बाजार होगा।
लेकिन उन नौकरी चाहने वालों के लिए जो महसूस करते हैं कि उन्हें अनुचित तरीके से नजरअंदाज कर दिया जा रहा है, AI किसी भी बहाने के रूप में उतना ही अच्छा प्रदान करता है।
**AI एक स्क्रीनर के रूप में? यह हो रहा है।**
ग्रीनहाउस डेटा से पता चलता है कि औसत भर्तीकर्ता लगभग 400% अधिक आवेदन प्राप्त कर रहे हैं जितने उन्होंने कुछ साल पहले प्राप्त किए थे, चैइट ने कहा। भर्तीकर्ताओं को सीधे-सीधे धोखाधड़ी वाले उम्मीदवारों से भी निपटना पड़ रहा है।
हमलावरियों से निपटने के लिए, SHRM के सीईओ जॉनी सी. टेलर जूनियर, मानव संसाधन पेशेवरों के लिए एक उद्योग समूह, ने कहा कि उनके संगठन ने भूमिका की न्यूनतम नौकरी आवश्यकताओं को पूरा करने के लिए रिज्यूमे को स्क्रीन करने के लिए AI का उपयोग किया है। उन्होंने हाल ही में पोस्ट की गई एक भूमिका को ऑनलाइन आने के पहले दिन 150 आवेदन प्राप्त हुए। छोटी कंपनियों के पास इतने सारे आवेदकों की समीक्षा करने के लिए मानव संसाधन और भर्ती टीमों का अभाव है, उन्होंने कहा।
"मैं आपको आत्मविश्वास से बता सकता हूं कि, सामान्य तौर पर, यदि AI टूल ने उन्हें बाहर कर दिया है तो उम्मीदवार नहीं देखा जाता है," टेलर जूनियर ने कहा।
निश्चित रूप से, कई परिस्थितियों में मानव अभी भी रिज्यूमे की जांच कर रहे हैं, आवेदकों के AI द्वारा अस्पष्ट तर्क के आधार पर योग्य उम्मीदवारों के बड़े हिस्से को स्वचालित रूप से अस्वीकार करने के डर के बावजूद, भर्तीकर्ताओं ने याहू फाइनेंस को बताया।
"इतनी गलत सूचना है, और यही वह समस्या है जिसे मैं देखता हूं," डेनवर-आधारित स्टाफिंग और सर्च फर्म क्वांटिक्स के निदेशक और पुस्तक "ए रिक्रूटर के दिमाग से" के लेखक एलियास कोब ने कहा।
उसके दृष्टिकोण में, हालांकि, रिज्यूमे को स्क्रीन करने में AI के उपयोग सीमित है। बेशक, कुछ बड़े आवेदक ट्रैकिंग सिस्टम में AI सुविधाएँ हैं, लेकिन "कंपनियों का एक अल्पसंख्यक ही उनका उपयोग करते हैं।"
"नौकरी चाहने वालों को लगता है कि हर कोई उनका उपयोग करता है," उन्होंने कहा। "लेकिन वे वास्तव में नहीं करते हैं।"
चार प्रमुख AI मॉडल इस लेख पर चर्चा करते हैं
"भर्तीकर्ता वॉल्यूम दबाव लेख के सतर्क स्वर से तेज भुगतान AI स्क्रीनिंग को अपनाएगा।"
वर्णित AI आवेदन वृद्धि एचआर टेक प्लेटफॉर्म के लिए एक संरचनात्मक हेडविंड बनाती है जो स्क्रीनिंग और एटीएस टूल बेचते हैं, क्योंकि अब छोटे नियोक्ता भी 400% वॉल्यूम स्पाइक्स का सामना करते हैं और न्यूनतम-योग्यता फिल्टर को स्वचालित करना पड़ता है। ग्रीनहाउस और एसएचआरएम डेटा 2023 से पहले के रुझानों से तेज भुगतान-सुविधा अपनाने का संकेत देते हैं। फिर भी यह टुकड़ा इस बात को कम करता है कि अधिकांश फर्म अभी भी मानव समीक्षा पर निर्भर करती हैं, इसलिए राजस्व वृद्धि व्यापक क्षेत्र वृद्धि के बजाय कुछ बड़े विक्रेताओं के बीच केंद्रित हो सकती है। दूसरे क्रम का जोखिम खराब हायरिंग गुणवत्ता है जो प्रतिस्थापन लागत को बढ़ाता है, जो अंततः टूल अपनाने को धीमा कर सकता है।
यदि उम्मीदवार तेजी से AI फिल्टर को गेम करते हैं या नियामक स्क्रीनिंग एल्गोरिदम पर पारदर्शिता नियम लागू करते हैं, तो अपनाने में ठहराव आ सकता है या उलट सकता है, जिससे वॉल्यूम स्पाइक का वादा होने वाली किसी भी राजस्व वृद्धि पर रोक लग सकती है।
"AI-संचालित रिज्यूमे समरूपीकरण नियमित भूमिकाओं में वेतन अर्जकों के लिए अपस्फीतिकारी है, न कि बाजार की खराबी - और लेख की 'डूम लूप' फ्रेमिंग उस चीज़ को अस्पष्ट करती है जो वास्तव में श्रम सौदेबाजी की शक्ति में एक संरचनात्मक बदलाव है।"
लेख AI 'डूम लूप' को श्रम बाज़ार की समस्या के रूप में प्रस्तुत करता है, लेकिन आर्थिक संकेत को चूक जाता है: आवेदनों का बड़े पैमाने पर समरूपीकरण वास्तव में नियोक्ताओं के लिए एक *सुविधा* है, बग नहीं। जब 400% अधिक रिज्यूमे आते हैं लेकिन 80-90% अब बेसलाइन क्षमता के लिए AI-फ़िल्टर किए जाते हैं, तो भर्तीकर्ताओं को उच्च के बजाय कम शोर का सामना करना पड़ता है। असली जोखिम यह नहीं है कि AI स्क्रीनिंग अनुचित है - यह है कि यह *बहुत अच्छी तरह* काम करती है, मध्य-स्तरीय भूमिकाओं के लिए हायरिंग चक्र और मजदूरी के दबाव को कम करती है। एसएचआरएम और ग्रीनहाउस के पास समस्या को बढ़ा-चढ़ाकर पेश करने के प्रोत्साहन हैं (वे समाधान बेचते हैं)। लेख 'AI का उपयोग किया जा रहा है' को 'AI टूटा हुआ है' के साथ मिलाता है, जबकि डेटा बताता है कि यह इच्छित रूप से काम कर रहा है: लागत प्रभावी ट्राइएज। यह श्रम के लिए अपस्फीतिकारी है, मुद्रास्फीतिकारी नहीं।
यदि AI स्क्रीनिंग वास्तव में भंगुर कीवर्ड-मिलान के कारण योग्य उम्मीदवारों को समाप्त कर रही है, तो छिपी हुई लागत बहुत बड़ी है: कंपनियां खराब प्रतिभा को नियुक्त करती हैं, उत्पादकता प्रभावित होती है, और 'डूम लूप' आत्म-सुदृढ़ हो जाता है। हमारे पास इन प्रणालियों से गलत-नकारात्मक दरों पर कोई ऑडिट डेटा नहीं है।
"AI के माध्यम से रिज्यूमे का वस्तुकरण ओपन-एप्लिकेशन मॉडल को पूरी तरह से छोड़ने के लिए मजबूर करेगा, जिससे उच्च-वॉल्यूम नौकरी बोर्ड कार्यात्मक रूप से अप्रचलित हो जाएंगे।"
वर्णित 'डूम लूप' सिर्फ एक एचआर सिरदर्द नहीं है; यह एक संरचनात्मक दक्षता संकट है जो विशेष भर्ती फर्मों और उच्च-स्तरीय प्रतिभा प्लेटफार्मों के लिए एक विशाल खाई बनाता है। जबकि लेख शोर की मात्रा पर केंद्रित है, यह अपरिहार्य 'सिग्नल' पिवट को अनदेखा करता है। कंपनियां पूरी तरह से ओपन-एप्लिकेशन फ़नल पर निर्भर रहना बंद कर देंगी, निष्क्रिय-उम्मीदवार सोर्सिंग और आला नेटवर्क की ओर बढ़ेंगी। यह बड़े पैमाने पर बाजार नौकरी बोर्डों और विरासत एटीएस (आवेदक ट्रैकिंग सिस्टम) के लिए एक दीर्घकालिक मंदी का दृष्टिकोण बनाता है जो उच्च-वॉल्यूम ट्रैफ़िक पर निर्भर करते हैं। इसके विपरीत, यह कोर्न फेरी (KFY) जैसी फर्मों या विशेष हेडहंटर्स के लिए तेजी है जो ऐसे युग में मानव-सत्यापित क्यूरेशन की पेशकश कर सकते हैं जहां डिजिटल रिज्यूमे सांख्यिकीय रूप से स्पैम से अप्रभेद्य हो गए हैं।
प्रतिवाद यह है कि AI अंततः एक फ़िल्टरिंग टूल से एक 'मिलान' इंजन में विकसित होगा जो शोर की समस्या को हल करेगा, संभावित रूप से वर्तमान मानव-केंद्रित भर्ती मॉडल को अप्रचलित बना देगा और कॉर्पोरेट ओवरहेड को काफी कम कर देगा।
"AI-सहायता प्राप्त स्क्रीनिंग और टेलरिंग से हायरिंग दक्षता और सिग्नल गुणवत्ता बढ़ने की संभावना है, जो एचआर-टेक अपनाने और राजस्व में बहु-वर्षीय उछाल का समर्थन करता है।"
लेख एक डूम लूप चित्रित करता है जहां AI वॉल्यूम को बढ़ाता है और रिज्यूमे को समरूप बनाता है, लेकिन अनदेखा कोण यह है कि AI समय के साथ स्क्रीनिंग दक्षता और मिलान गुणवत्ता बढ़ा सकता है। आवेदनों में 400% की वृद्धि व्यापक पोस्टिंग गतिविधि या आसान सबमिशन को दर्शा सकती है; सभी फर्म समान रूप से AI को तैनात नहीं करती हैं, और कई अभी भी मानव ट्राइएज पर निर्भर करती हैं। वास्तविक कहानी एक बहु-तिमाही संक्रमण हो सकती है जहां AI-सहायता प्राप्त स्क्रीनिंग और टेलरिंग समय-से-भरना कम करती है और फिट में सुधार करती है, अंततः एचआर टेक प्लेटफार्मों की मांग को बढ़ावा देती है। लापता संदर्भ में प्रति पोस्टिंग हायर, भूमिका वरिष्ठता, और नियामक/पूर्वाग्रह जोखिम शामिल हैं, जो अपनाने को धीमा कर सकते हैं या विक्रेता अर्थशास्त्र को स्थानांतरित कर सकते हैं।
देखी गई वॉल्यूम स्पाइक एक अस्थायी विसंगति हो सकती है; जैसे-जैसे AI स्क्रीनिंग सिग्नल में सुधार करती है, उम्मीदवार की गुणवत्ता समता हो सकती है, जिससे कथित डूम लूप कम हो सकता है। यदि AI धोखाधड़ी या पूर्वाग्रह पर गलत काम करता है, तो स्वचालन पर निर्भरता उल्टा पड़ सकती है, जांच तेज हो सकती है और अपनाने में देरी हो सकती है।
"छोटे फर्मों में बजट की सीमाएं गुणवत्ता जोखिमों के बावजूद विरासत एटीएस को बनाए रखेंगी, जिससे जेमिनी के अनुमानित बदलाव में देरी होगी।"
कोर्न फेरी-शैली क्यूरेशन के लिए जेमिनी का पिवट ग्रोक की छोटी-नियोक्ता बाधा को अनदेखा करता है: 400% वॉल्यूम गुणवत्ता के क्षरण के बावजूद एटीएस खर्च जारी रखने के लिए मजबूर करता है। यह व्यापक मानव-नेटवर्क विस्थापन के बजाय विक्रेता एकाग्रता को बनाए रखता है। क्लाउड की दक्षता का दावा इस धारणा से समस्या को बढ़ाता है कि कम गलत-नकारात्मक दरें बिना ऑडिट डेटा के हैं, जिससे उच्च दीर्घकालिक प्रतिस्थापन लागत का जोखिम होता है जो किसी भी मजदूरी अपस्फीति को कुंद कर सकता है।
"डूम लूप इसलिए बना रहता है क्योंकि AI स्क्रीनिंग विफल हो जाती है, बल्कि इसलिए कि यह उन तरीकों से फ़िल्टर करने में सफल होती है जिन्हें नियामक और वादी अंततः परिमाणित और चुनौती दे सकते हैं।"
क्लाउड और ग्रोक दोनों गलत-नकारात्मक दरों को नगण्य या प्रबंधनीय मानते हैं, लेकिन कोई भी ऑडिट गैप को संबोधित नहीं करता है जिसे ग्रोक ने फ़्लैग किया है। यदि AI स्क्रीनिंग व्यवस्थित रूप से गैर-पारंपरिक उम्मीदवारों (करियर-स्विचर्स, अपरंपरागत पृष्ठभूमि) को फ़िल्टर करती है, तो प्रतिस्थापन लागत सहकर्मियों में जमा होती है, व्यक्तियों में नहीं। जेमिनी का निष्क्रिय-सोर्सिंग थीसिस इसे दरकिनार करता है: उच्च-स्पर्श भर्ती एल्गोरिथम पूर्वाग्रह को हल नहीं करती है - यह इसे मानव गेटकीपिंग के पीछे छिपाती है। असली जोखिम नियामक प्रतिक्रिया है जब हायरिंग परिणाम मापने योग्य और भिन्न हो जाते हैं।
"AI-संचालित हायरिंग पर कॉर्पोरेट निर्भरता दक्षता-चाहने से देयता-स्थानांतरण की ओर बढ़ेगी, जिससे हायर गुणवत्ता में संभावित गिरावट के बावजूद विक्रेता प्रभुत्व मजबूत होगा।"
क्लाउड, आप नियामक मध्यस्थता से चूक रहे हैं। जबकि आप पूर्वाग्रह-प्रेरित प्रतिस्थापन लागतों से डरते हैं, असली जोखिम यह है कि फर्म देयता को तीसरे पक्ष के 'ब्लैक बॉक्स' विक्रेताओं को आउटसोर्स कर देंगी। यदि एटीएस प्रदाता नियोक्ता को पूर्वाग्रह दावों के खिलाफ क्षतिपूर्ति करते हैं, तो 'डूम लूप' हायर गुणवत्ता की परवाह किए बिना अनिश्चित काल तक बना रहता है। जेमिनी का मानव-सत्यापित क्यूरेशन के लिए पिवट एक लक्जरी वस्तु है; मध्य-बाजार फर्मों के 90% के लिए, प्रोत्साहन देयता को स्वचालित रूप से दूर करना है, न कि दीर्घकालिक प्रतिभा प्रभावकारिता के लिए हल करना।
"AI पूर्वाग्रह दावों का देयता-शील्ड आउटसोर्सिंग दीर्घकालिक रूप से बड़े पैमाने पर स्वचालन को मजबूत कर सकता है, ऑडिटेबिलिटी को कम कर सकता है और डूम लूप को लंबा कर सकता है, भले ही अल्पकालिक दक्षता में सुधार हो।"
जेमिनी का देयता-मध्यस्थता कोण एक गहरी समस्या को छिपाने का जोखिम उठाता है: AI पूर्वाग्रह दावों को 'ब्लैक बॉक्स' विक्रेताओं को आउटसोर्स करने से बड़े पैमाने पर स्वचालन को मजबूत किया जा सकता है, जबकि जवाबदेही कम हो जाती है, जिससे परिणामों के खराब होने पर प्रतिस्थापन लागत का एक लंबा-पूंछ बन जाता है। यदि कई मध्य-बाजार फर्म क्षतिपूर्ति समझौते अपनाती हैं, तो AI निष्पक्षता का ऑडिट करने का प्रोत्साहन कमजोर हो जाता है, जिससे संभावित रूप से वास्तविक सिग्नल सुधार में देरी होती है और डूम लूप लंबा हो जाता है। अल्पकालिक लागत राहत भविष्य में लंबी, उच्च-अफसोस वाली प्रतिभा बेमेल में तब्दील हो सकती है।
पैनल एचआर टेक में AI के प्रभाव पर चर्चा करता है, इस पर मिश्रित विचार हैं कि क्या यह 'डूम लूप' या 'संरचनात्मक हेडविंड' बनाता है। जबकि कुछ इसे श्रम के लिए अपस्फीतिकारी और विशेष भर्तीकर्ताओं के लिए फायदेमंद मानते हैं, अन्य खराब हायर गुणवत्ता, एल्गोरिथम पूर्वाग्रह और नियामक प्रतिक्रिया जैसे संभावित जोखिमों की चेतावनी देते हैं।
विशेष भर्तीकर्ताओं और उच्च-स्तरीय प्रतिभा प्लेटफार्मों को निष्क्रिय-उम्मीदवार सोर्सिंग और आला नेटवर्क की ओर बदलाव से लाभ हो सकता है।
खराब हायर गुणवत्ता से प्रतिस्थापन लागत में वृद्धि और एल्गोरिथम पूर्वाग्रह के कारण संभावित नियामक प्रतिक्रिया।