अच्छे उम्मीदवारों को खोए बिना रिज्यूमे कैसे छाँटें

थोड़ी भी visibility वाली हर vacancy पर इतने रिज्यूमे आते हैं कि उन्हें ध्यान से पढ़ पाना मुमकिन नहीं रहता। 100, 300, कभी उससे भी कहीं ज़्यादा। छँटाई वही है जो इस मोड़ पर होती है, जब किसी को इस ढेर को उन लोगों की एक छोटी सूची में बदलना होता है जिनसे बात करना सार्थक हो। जब यह काम बिना तैयारी के होता है, तो फ़ैसला लेने वाला आख़िरकार रिज्यूमे के आने के क्रम से, शाम पाँच बजे की थकान से, और उन छापों से छाँटता है जिनका योग्यता से कम ही लेना-देना है।

इससे बेहतर किया जा सकता है, और यह पेचीदा नहीं है। आगे जो है वे वही चरण हैं जो छँटाई को तब तक निष्पक्ष रखते हैं जब तक इसका मतलब बनता है, वे मापदंड जिन्हें देखना सार्थक है, और वह पल जब रिज्यूमे पढ़ना मदद करना बंद कर देता है।

एक वाक्य में

अच्छी छँटाई का मतलब है, ढेर खोलने से पहले लिखे गए एक पैमाने के आधार पर फ़ैसला लेना, यह देखना कि रिज्यूमे क्या साबित करता है बजाय इसके कि वह क्या इशारा करता है, और पढ़ाई को पहली छँटाई की तरह इस्तेमाल करना, न कि अंतिम फ़ैसले की तरह। नीचे के हिस्से इन तीनों बातों को एक-एक करके खोलते हैं।

टिकाऊ छँटाई के 5 चरण

1. ढेर खोलने से पहले पैमाना लिख लें

पहली application देखने से पहले, 3 से 5 ऐसी चीज़ें तय करें जो उस vacancy में सचमुच performance का अनुमान देती हैं, और हर एक को एक weight दें। किसी senior back-end vacancy में यह हो सकता है, उस तरह की समस्या का अनुभव (न कि आजकल के चलन वाले tool का), इस बात का सबूत कि व्यक्ति ने कुछ end-to-end पूरा किया, और autonomy के संकेत। इस पैमाने के बिना, सुबह का तीसरा रिज्यूमे पहले दो के मुक़ाबले आँका जाता है, vacancy के मुक़ाबले नहीं। आने का क्रम बिना किसी के ध्यान दिए मापदंड बन जाता है।

2. अनिवार्य को वांछनीय से अलग करें

एक कॉलम में वह जाता है जो सचमुच बाहर करता है, जैसे काम करने की क़ानूनी अनुमति, कोई अनिवार्य registration, या वह भाषा जिसमें टीम काम करती है। दूसरे में वह जो बढ़िया होगा पर सीखा जा सकता है, जैसे कोई ख़ास stack या किसी मिलते-जुलते sector का अनुभव। छँटाई की सबसे आम चूक है किसी वांछनीय चीज़ को अनिवार्य के खाने में धकेल देना और funnel को बहुत जल्दी सँकरा कर देना। आप चुपचाप उस व्यक्ति को हटा देते हैं जो एक हफ़्ते में वह tool सीख लेता।

3. एक rubric इस्तेमाल करें, field दर field

"relevant experience" को 0 से 2 तक अंक देना ऐसे फ़ैसलों की ओर ले जाता है जो आपस में "profile मज़बूत लगा" के मुक़ाबले कहीं ज़्यादा एक जैसे होते हैं। फ़र्क़ तब दिखता है जब 3 हफ़्ते बाद कोई पूछता है कि फ़लाँ क्यों पास हुआ और फ़लाँ क्यों नहीं। rubric के साथ, आपके पास लिखित जवाब होता है। इसके बिना, सिर्फ़ याददाश्त होती है, जो कहानी को उसी के हक़ में पहले ही दोबारा लिख चुकी है जिसे hire किया गया।

4. पहली पढ़ाई में नाम, फ़ोटो और college छिपाएँ

नाम gender और मूल का संकेत देता है। फ़ोटो और उम्र एक दर्जन mental shortcuts के लिए जगह खोल देती हैं। college का नाम prestige का auto-pilot चालू कर देता है। इनमें से कोई field योग्यता नहीं मापता, और ये सब उस हिस्से तक पहुँचने से पहले ही चल पड़ते हैं जो मापता है। पहली बार में इन्हें ढँक दें। पहचान हटाकर पढ़ने की इस तकनीक को blind screening कहते हैं, और यह कहाँ रंग लाती है और कहाँ नहीं, इसका पूरा हिसाब blind रिज्यूमे स्क्रीनिंग कहाँ काम करती है और कहाँ कम पड़ती है में है। इनमें से हर bias का ब्योरा, सबूत के साथ, भर्ती में पूर्वाग्रह के 11 प्रकार में मिलेगा।

5. छोटी सूची पर पढ़ाई रोक दें

रिज्यूमे छाँटना funnel की शुरुआत है। रिज्यूमे वह बताता है जो व्यक्ति कहता है कि उसने किया, उसी लिखावट में जो उसने चुनी, और अगले चरण को यह दिखाना होता है कि वह सचमुच क्या कर सकता है। छोटी सूची जितनी जल्दी किसी practical test से मिलती है, फ़ैसला उतना ही कम इस पर निर्भर रहता है कि किसका रिज्यूमे अच्छा लिखा है, जो अच्छा code लिखने से बिलकुल अलग हुनर है।

क्या देखें, क्या अनदेखा करें

रिज्यूमे में सब कुछ एक जैसा मूल्य नहीं रखता। weight उसका है जो व्यक्ति ने context और नतीजे के साथ पूरा किया ("build का समय 12 से घटाकर 3 मिनट किया"), उस तरह की समस्या पर असली hands-on समय, और कोई भी चीज़ जो बाहर से जाँची जा सके, जैसे कोई repository, कोई public project या कोई portfolio।

कम मूल्य उसका है जिसे बढ़ा-चढ़ाकर लिखना आसान है। सबसे ऊपर किसी बड़ी कंपनी का नाम, "10 साल का अनुभव" बिना किसी इशारे के कि वे दस साल आख़िर थे क्या, technologies की वह सूची जो कोई भी footer में चिपका देता है। छँटाई का सबसे बड़ा जोखिम ठीक इसी दूसरी सूची के आधार पर ranking करना है, क्योंकि यही सबसे ज़्यादा दिखती है और लिखने में सबसे सस्ती है।

जो चूकें पूर्वाग्रह बन जाती हैं

सटीक शब्द से छाँटना इनमें सबसे महँगी चूक है। "React" की माँग करने वाला filter उस senior frontend को काट देता है जिसने लिखा "SPA को शून्य से दोबारा बनाया" और वह शब्द अक्षरशः नहीं लिखा। आप देख ही नहीं पाते कि कौन छूटा, इसलिए मान लेते हैं कि filter ने काम कर दिया।

रिज्यूमे के gap को नकारात्मक संकेत मानना दूसरी चूक है। एक maternity leave, किसी बीमार की देखभाल में बीता एक साल, या एक sabbatical, ये penalty बन जाते हैं जबकि इनका उससे कोई नाता नहीं जो व्यक्ति आज deliver करता है।

और फिर "cultural fit" है, जो कभी-कभी बेहतर कपड़ों में लिपटा "social fit" भर होता है। "यह हमारे साथ ख़ूब घुल जाएगा" का मतलब अक्सर होता है "यह हमारे जैसा है"। जो cultural fit बचाव योग्य है वह है कंपनी के काग़ज़ पर लिखे मूल्यों को साझा करना। बाक़ी सब मापदंड का रूप धरे हुए महज़ affinity है।

हाथ से, ATS से या मूल्यांकन से

ढेर को छोटा करने के तीन तरीक़े हैं, और ये एक ही समस्या हल नहीं करते।

हाथ से पढ़ना तब काम करता है जब 20 रिज्यूमे हों और 300 होते ही ढह जाता है। यह सिर्फ़ rubric के साथ ही एक-सा रहता है, और senior लोगों के समय के लिहाज़ से महँगा है। keyword filter वाला ATS volume संभाल लेता है, पर optimized रिज्यूमे का bias विरासत में पाता है और उसे इनाम देता है जो filter को ख़ुश करना जानता है। यह applications व्यवस्थित करने के लिए है, यह मापने के लिए नहीं कि बेहतर कौन है। test-आधारित मूल्यांकन व्यक्ति जो कहता है उसे पढ़ने की जगह वह जो करता है उसे मापता है, और तीनों में यही अकेला है जो ऐसा संकेत देता है जिसे उम्मीदवार यूँ ही दोबारा लिख नहीं सकता।

AI से रिज्यूमे स्क्रीनिंग इन आख़िरी दो के बीच बसती है। यह ATS की तरह scale करती है, पर रिज्यूमे पढ़ती ही रहती है, इसलिए जो structured है उसमें सही बैठती है और जो potential है उसमें चूक जाती है।

Nort यह कैसे हल करती है

Nort में ढेर पहले से ही योग्यता के आधार पर छँटकर आता है, दस्तावेज़ के आधार पर नहीं। pool का हर व्यक्ति एक बार technical, languages और behavioural profile के मूल्यांकन से गुज़रा है, Big Five और CEFR जैसे open frameworks के साथ। एक-एक रिज्यूमे पढ़ने के बजाय, कंपनी पहले से मूल्यांकित लोगों की एक ranking में खोजती है और जो मापा गया उसके आधार पर छाँटती है। अच्छे लिखे रिज्यूमे का bias हिसाब में आता ही नहीं, और ढेर पढ़ने में बीता समय उन लोगों से बात करने में बदल जाता है जो अपना काम पहले ही दिखा चुके हैं।

रिज्यूमे पढ़ना बेकार नहीं है। यह बस उस सवाल से कमज़ोर सवाल का जवाब देता है जिसकी आपको ज़रूरत है। यह दिखाता है कि व्यक्ति ने अपने बारे में क्या लिखा, जबकि फ़ैसला यह माँगता है कि वह क्या deliver कर सकता है।

अक्सर पूछे जाने वाले प्रश्न

रिज्यूमे छाँटने और क्रम में लगाने में क्या फ़र्क़ है?

व्यवहार में यह एक ही चरण है। "छाँटना" उसे हटाने की ओर ज़्यादा झुकता है जो अनिवार्य शर्त पूरी नहीं करता, और "क्रम में लगाना" इस आधार पर क्रम देने की ओर कि कौन कितना मेल खाता है। एक ठीक-ठाक process दोनों को एक ही rubric से करता है।

एक दिन में कितने रिज्यूमे अच्छे से छाँटे जा सकते हैं?

rubric और structured पढ़ाई के साथ, थकान के आपके लिए फ़ैसला लेना शुरू करने से पहले कुछ दर्जन। इससे आगे, समय और क्रम उम्मीदवार से ज़्यादा भारी पड़ते हैं, और पढ़ाई का एक हिस्सा किसी objective filter से बदल देना सार्थक है।

क्या AI से रिज्यूमे छाँटना निष्पक्ष है?

यह इस पर निर्भर है कि AI क्या पढ़ती है। अगर वह keyword और formatting को अंक देती है, तो वह उसका bias विरासत में पाती है जो रिज्यूमे optimize करता है। अगर वह किसी validated instrument से योग्यता मापती है, तो थकी हुई इंसानी पढ़ाई से ज़्यादा निष्पक्ष होती है। औज़ार अकेले निष्पक्षता की गारंटी नहीं देता।

क्या DPDP Act automated छँटाई को सीमित करता है?

DPDP Act consent और purpose limitation की माँग करता है, पर GDPR की तरह पूरी तरह automated फ़ैसले पर इंसानी समीक्षा का कोई स्पष्ट अधिकार नहीं देता। जो स्क्रीनिंग सिर्फ़ recruiter के फ़ैसले के लिए क्रम बनाती है वह सुरक्षित है। जोखिम उस automation में है जो ख़ुद ही reject कर देती है, बिना किसी इंसान के।

पहली पढ़ाई में क्या छिपाएँ?

नाम, फ़ोटो, उम्र, पता और शिक्षण संस्थान का नाम। ये वही fields हैं जो किसी भी योग्यता-विश्लेषण से पहले gender, मूल और academic prestige का bias चालू कर देते हैं।

TL;DR

• ढेर खोलने से पहले पैमाना और weights लिख लें, वरना आने का क्रम आपके लिए फ़ैसला कर देगा
• अनिवार्य को वांछनीय से अलग रखें ताकि किसी बोनस की वजह से अच्छे लोग न कटें
• rubric से आँकें और पहली पढ़ाई में नाम, फ़ोटो और college छिपाएँ
• रिज्यूमे जो साबित करता है उसे weight दें, जो बढ़ा-चढ़ाकर लिखना आसान है उस पर शक करें
• रिज्यूमे funnel की शुरुआत है, इसलिए छोटी सूची को किसी practical test में भेजें, दूसरी पढ़ाई में नहीं
• Nort किसी मूल्यांकित pool में पहले से मापी गई योग्यता से छाँटती है, दस्तावेज़ से नहीं

क्या आप पहली छँटाई को रिज्यूमे की लिखावट के बजाय मापी गई योग्यता पर टिकाना चाहते हैं? मुफ़्त Nort account बनाएँ और अपनी अगली hiring में पहले से मूल्यांकित pool को छाँटकर देखें।