AI سے CV اسکریننگ وہ عمل ہے جس میں کوئی سافٹ ویئر کسی اسامی پر آئے سی ویز کو پڑھتا ہے، ساختہ ڈیٹا نکالتا ہے (تجربہ، اسکلز، تعلیم، زبانیں) اور ہر سی وی کو اسامی کی تفصیل سے مطابقت کا اسکور دیتا ہے۔ بھرتی کرنے والے کو ترتیب شدہ فہرست ملتی ہے اور وہ فیصلہ کرتا ہے کہ کون اگلے مرحلے میں جائے گا، بجائے اس کے کہ درجنوں یا سینکڑوں سی ویز خود پڑھے۔
کمپنی اور امیدوار دونوں کے لیے اصل سوال یہ نہیں کہ "کیا یہ کام کرتا ہے؟" یہ کام کرتا ہے، اور پاکستان کے بڑے جاب پورٹلز پر پہلے سے موجود ہے۔ Rozee.pk کا InstaMatch، Mustakbil اور XpertJobs.pk جیسے پلیٹ فارمز سی وی پارسنگ اور خودکار شارٹ لسٹنگ پیش کرتے ہیں۔ اصل سوال یہ ہے کہ کیا یہ آپ کی کھولی جانے والی اسامی کی قسم کے لیے کام کرتا ہے؟ کچھ اسامیوں کے لیے ہاں۔ بڑے پیمانے کی تکنیکی اسامیوں میں یہی وہ جگہ ہے جہاں ماڈل کی متوقع حدیں سامنے آتی ہیں۔
ایک جملے میں
AI اسکریننگ تعداد کو ترتیب دینے میں اچھی اور تکنیکی اسکل کی پیش گوئی میں کمزور ہے۔ یہ "٣٠٠ سی ویز" کو "٢٠ ممکنہ سی ویز" میں بدل دیتی ہے، مگر اِن ٢٠ کے اندر، اصل کارکردگی سے تعلق ویسا ہی رہتا ہے جیسا کسی انسان کے پڑھنے میں ہوتا ہے، یعنی کم۔
AI ایک سی وی کو کیسے پڑھتی ہے؟
عام پائپ لائن کے چار مرحلے ہوتے ہیں:
1. پارسنگ: سی وی (PDF، DOCX، اسکین) متن میں بدلا جاتا ہے اور حصوں میں تقسیم ہوتا ہے (سرنامہ، خلاصہ، تجربہ، تعلیم، اسکلز، زبانیں)۔ جدید ماڈل مختلف لے آؤٹ کو اچھی طرح سنبھال لیتے ہیں۔
2. اینٹٹی نکالنا: کن کمپنیوں میں کام کیا، عہدے، سال، ٹیکنالوجیز، سرٹیفکیشنز۔ یہ حصہ صاف ستھرے سی ویز میں درست اور تخلیقی سی ویز (گرافکس، آئیکنز، کالم) میں کمزور ہوتا ہے۔
3. اسامی کی تفصیل سے میچ: نظام سی وی کے معنوی ویکٹر کا اسامی کی تفصیل (JD) کے ویکٹر سے موازنہ کرتا ہے۔ لازمی اسکل، تجربے کے سال، مقام اور تنخواہ کی حد کے حساب سے وزن ایڈجسٹ ہو سکتا ہے۔
4. رینکنگ: ایک حتمی نمبر (عموماً ٠ تا ١٠٠) یہ طے کرتا ہے کہ بھرتی کرنے والا امیدواروں کو کس ترتیب میں دیکھے گا۔
پرانے پلیٹ فارم صرف کلیدی الفاظ کا میچ کرتے ہیں۔ جدید پلیٹ فارم ایمبیڈنگز (متن کی ویکٹر نمائندگی) استعمال کرتے ہیں جو سمجھتے ہیں کہ "سافٹ ویئر انجینئر" اور "بیک اینڈ ڈیولپر" ایک جیسے نہیں، مگر معنوی فضا میں قریب ہیں۔
AI اسکریننگ کیا اچھا ناپتی ہے؟
- بیان کردہ مطابقت: اگر امیدوار نے لکھا "React ٥ سال" اور اسامی میں React ٣ سال درکار ہیں، تو نظام اسے تقریباً مکمل طور پر پکڑ لیتا ہے۔
- رسمی شرائط: اعلیٰ تعلیم، مخصوص سرٹیفکیشن، بیان کردہ سطح کے ساتھ زبان، مقام۔
- تعداد: ١٠٠٠ سی ویز سیکنڈوں میں ترتیب شدہ فہرست بن جاتے ہیں۔
- کیریئر کی ہم آہنگی: لمبا وقفہ، بہت بار بار تبدیلیاں، سینیئریٹی کا ارتقا۔
- بنیادی موزونیت: سخت شرائط والی اسامیاں (مثلاً ACCA، PEC رجسٹریشن، مخصوص لائسنس) عین مطابقت کے حساب سے چھن جاتی ہیں۔
AI اسکریننگ کیا نہیں ناپتی؟
- اصل اسکل، بیان کردہ نہیں۔ جو لکھتا ہے "React ٥ سال" ہو سکتا ہے اُس نے ٤ سال ٹیوٹوریلز کیے ہوں اور پروڈکشن میں صرف ایک اسکرین بنائی ہو۔ سی وی خود اعلانیہ درج کرتا ہے، صلاحیت نہیں۔
- اَن دیکھے مسئلے کو حل کرنے کی صلاحیت۔ یہی وہ چیز ہے جو ایک اوسط انجینئر کو ایک بہترین انجینئر سے الگ کرتی ہے۔
- ٹیم میں رویہ۔ اہم سافٹ اسکلز (رابطہ، اختلاف، ملکیت کا احساس) قابلِ استخراج متن کے طور پر سامنے نہیں آتیں۔
- تکنیکی ثقافت۔ کون معیار بمقابلہ رفتار کو ترجیح دیتا ہے؟ کون دستاویز بناتا ہے؟ کون احتیاط سے کوڈ ریویو کرتا ہے؟ سی وی خاموش رہتا ہے۔
- موجودہ محرک۔ کون فعال طور پر تلاش میں ہے بمقابلہ کون کھلا ہے بمقابلہ کون صرف پروفائل اپڈیٹ کر رہا ہے۔
AI اسکریننگ دراصل اُسی سی وی کا تیز تر مطالعہ ہے، کوئی مختلف پیمائش نہیں۔
تکنیکی اسامیوں میں اسکریننگ کہاں ناکام ہوتی ہے؟
تین عام ناکامیاں:
١۔ کلیدی الفاظ کا حد سے زیادہ تعصب
"Vue" میں مضبوط تجربہ رکھنے والا امیدوار "React" والی اسامی سے باہر ہو جاتا ہے کیونکہ نظام یہ نتیجہ نہیں نکالتا کہ کسی سینئر کے لیے فرنٹ اینڈ فریم ورک کے درمیان منتقلی معمولی بات ہے۔ بھرتی کرنے والے نے React کو لازمی رکھا؛ AI حکم بجا لاتی ہے۔
٢۔ بہتر بنائے گئے سی وی سے غلط مثبت نتائج
ATS کے لیے بہتر بنائے گئے سی ویز کی ایک غیر رسمی صنعت موجود ہے۔ جو ٣٠ کلیدی الفاظ کو باریکی سے بکھیرنا سیکھ لیتا ہے وہ اسکریننگ سے گزر جاتا ہے؛ جو مختصر اور سیدھا سی وی لکھتا ہے وہ کبھی کبھی نیچے رہ جاتا ہے۔
٣۔ ماڈل میں تاریخی تعصب
ماضی کی بھرتیوں پر تربیت یافتہ ماڈل کمپنی کے پرانے نمونے دہراتے ہیں، بشمول وہ جنہیں کمپنی خود دہرانا نہیں چاہتی۔ مخصوص یونیورسٹیاں، مخصوص کمپنیاں، عمر کی حد، نام کا انداز، حتیٰ کہ شہر یا برادری کا اشارہ۔ کئی ممالک کے ریگولیٹرز کمپنیوں کو اس کی جانچ کا پابند کر چکے ہیں۔ پاکستان میں ابھی کوئی ایسا مخصوص قانون نافذ نہیں، مگر اس کا مطلب یہ نہیں کہ خطرہ نہیں؛ اس کا مطلب صرف یہ ہے کہ ذمہ داری اب کمپنی پر آتی ہے۔
AI اسکریننگ بمقابلہ ٹیسٹ پر مبنی جائزہ
عملی فرق یہ ہے کہ چھانٹی کا کام کہاں ہوتا ہے:
| پہلو | AI اسکریننگ | ٹیسٹ پر مبنی جائزہ |
|---|---|---|
| کیا ناپتا ہے | شرط سے بیان کردہ مطابقت | اسکل کا اصل استعمال |
| پیش گوئی کی قابلِ اعتماد | درمیانی (تکنیکی اسامیوں میں شور زیادہ) | قابلِ پیمائش اسکلز کے لیے زیادہ (کوڈ، زبان، استدلال) |
| کمپنی کی محنت | کم | درمیانی (ٹیسٹ بنانا یا تیار پلیٹ فارم استعمال کرنا) |
| امیدوار کی محنت | تقریباً صفر | درمیانی (شروع میں چند گھنٹے) |
| کہاں بہتر کام کرتا ہے | جہاں شرط سی وی میں عین قابلِ پیمائش ہو (لائسنس، سند یافتہ زبان، عین سال) | جہاں کارکردگی سی وی سے باہر قابلِ پیمائش ہو (ڈیولپمنٹ، ڈیٹا، پروڈکشن زبان) |
| تاریخی تعصب کا خطرہ | زیادہ | کم اگر ٹیسٹ معروضی ہو |
| ٹیلنٹ پول کا آن بورڈنگ | ہر بار نئے سرے سے | پورٹیبل جائزہ دوبارہ استعمال ہوتا ہے |
دونوں ماڈل ساتھ ساتھ چلتے ہیں: AI اسکریننگ وسیع فنل کو چھانتی ہے؛ ٹیسٹ پر مبنی جائزہ اسکل کی گہرائی کو چھانتا ہے۔ تکنیکی اسامیوں میں جدید پلیٹ فارم ٹیسٹ کو رابطے سے پہلے لے جا رہے ہیں، تاکہ بھرتی کرنے والے کو صرف وہی امیدوار ملیں جن کے پاس عمل کا ثبوت ہو۔
NORT کا طریقہ کیا ہے؟
NORT منطق کو الٹ دیتا ہے۔ AI سے اسامی کے داخلے پر سی وی پڑھوانے کے بجائے، امیدوار ایک بار ایک پورٹیبل جائزہ مکمل کرتا ہے: تکنیکی ٹیسٹ، Big Five، زبانیں، تجربے کی توثیق۔ یہ کوئی ATS نہیں، بلکہ ایک ریورس ریکروٹنگ اور اسسمنٹ پلیٹ فارم ہے جو موجودہ ATS کا تکمیلی ہے، اس کا متبادل نہیں۔ نتیجہ ایک Career Score بنتا ہے، اور کمپنی اِس پہلے سے جانچے ہوئے پول کو معروضی امیدوار اسکورنگ کے معیار سے چھانتی ہے۔
بھرتی کرنے والے کے لیے اس کا مطلب یہ ہے:
- کوئی ابتدائی اسکریننگ نہیں، پول پہلے سے جانچا ہوا ہوتا ہے
- اسکل کے حساب سے چھانٹی براہِ راست ہوتی ہے، کسی پراکسی (سی وی کے کلیدی لفظ) سے نہیں
- بھرتی کا اوسط وقت کم ہوتا ہے کیونکہ "٣٠٠ سی ویز پڑھنے" والا مرحلہ ختم ہو جاتا ہے
امیدوار کے لیے اس کا مطلب یہ ہے کہ محنت ایک بار کرے اور نتیجہ کئی مواقع پر پورٹیبل رہے، بجائے اس کے کہ ہر اسامی پر ٹیسٹ دوبارہ دے۔
AI اسکریننگ کب بھی بہترین انتخاب رہتی ہے؟
بات "یا یہ یا وہ" کی نہیں ہے۔ کچھ اسامیاں ایسی ہیں جہاں AI اسکریننگ کافی اچھی ہے:
- انتظامی اور آپریشنل اسامیاں: جہاں بیان کردہ مطابقت حقیقت سے زیادہ تعلق رکھتی ہے
- بہت بڑی تعداد والی اسامیاں (کسی ٹرینی پروگرام کے لیے ہزاروں درخواستیں)، جہاں خودکار اسکریننگ کے بغیر عمل سنبھل نہیں سکتا
- ناقابلِ سمجھوتہ رسمی شرائط والی اسامیاں (پیشہ ورانہ رجسٹریشن، لازمی سرٹیفکیشن)
- انباؤنڈ درخواستوں کی پائپ لائن: کمپنی جو ویب سائٹ کے ذریعے بہت سی خود رو درخواستیں وصول کرتی ہے
اکثر پوچھے جانے والے سوالات
کیا AI اسکریننگ امیدواروں کے ساتھ منصفانہ ہے؟
تکنیکی طور پر یہ سب پر ایک ہی معیار لگاتی ہے۔ عملاً یہ تاریخی ڈیٹاسیٹ اور اسامی کی تفصیل میں بھرتی کرنے والے کی تحریر سے تعصب وراثت میں لیتی ہے۔ یہ تب منصفانہ ہے جب اس کی جانچ کی جائے، اور پاکستان میں زیادہ تر کمپنیاں ابھی یہ جانچ نہیں کرتیں۔
کیا مجھے AI سے گزرنے کے لیے اپنا سی وی بہتر بنانا ہو گا؟
روایتی ATS سے چھننے والی اسامیوں کے لیے: آج ہاں۔ اسامی کی تفصیل کے کلیدی الفاظ استعمال کریں، لے آؤٹ صاف رکھیں (آرائشی آئیکنز کے بغیر)، اور غیر اسکین شدہ PDF میں محفوظ کریں۔ NORT جیسے پلیٹ فارمز کے لیے یہ غیر متعلق ہے، کیونکہ چھانٹی ناپی گئی اسکل سے ہوتی ہے، متن سے نہیں۔
کیا AI "بڑھا چڑھا کر" لکھے سی وی کو پہچان لیتی ہے؟
کسی حد تک۔ جدید ماڈل تضادات کا اشارہ دیتے ہیں (عجیب ٹیکنالوجیز، غیر وضاحت شدہ وقفہ، مشکوک حد تک تیز ارتقا)، مگر وہ نیت نہیں پڑھ سکتے۔ ایک اچھا لکھا سی وی، چاہے مبالغہ آمیز ہو، عموماً گزر جاتا ہے۔
کیا پاکستان میں کوئی قانون خودکار اسکریننگ کو محدود کرتا ہے؟
پاکستان میں ابھی کوئی جامع، نافذ العمل ڈیٹا پروٹیکشن قانون موجود نہیں۔ وزارتِ انفارمیشن ٹیکنالوجی کا پرسنل ڈیٹا پروٹیکشن بل ٢٠٢٣ اب بھی مسودے کی شکل میں ہے، حتمی قانون نہیں، اس لیے یورپ کے GDPR کی طرح کوئی پابند قانون یہاں لاگو نہیں۔ بنیادی سائبر قانون PECA ٢٠١٦ ہے، جو غیر مجاز ڈیٹا رسائی کو سزا دیتا ہے مگر مکمل پرائیویسی قانون نہیں۔ تفصیل کے لیے پاکستان میں ڈیٹا پروٹیکشن قوانین کا جائزہ دیکھا جا سکتا ہے۔ تاہم رضامندی لینا، مقصد واضح کرنا، صرف ضروری ڈیٹا جمع کرنا اور حتمی فیصلے پر انسانی نظر رکھنا اب بھی دانش مندی ہے، اور قانون کے نفاذ کے وقت آپ کو تیار رکھتا ہے۔
کیا جنریٹیو AI (LLM) بھی اسکریننگ کرتی ہے؟
ہاں۔ ChatGPT، Claude، Gemini اور اوپن سورس ماڈل پہلے سے چھوٹی اور درمیانی کمپنیوں کے کسٹم فلوز میں استعمال ہو رہے ہیں، یعنی سی وی اور JD ماڈل کو دے کر تجزیہ مانگا جاتا ہے۔ اس میں وضاحت پذیری کا فائدہ ہے ("یہ امیدوار کیوں؟")، مگر لاگت اور تاخیر بڑی تعداد کے لیے اب بھی رکاوٹ ہیں۔
مختصراً
- AI اسکریننگ تعداد اور بیان کردہ شرائط میں مؤثر ہے؛ اصل تکنیکی اسکل کی پیش گوئی میں کمزور ہے
- انتظامی اور آپریشنل اسامیوں کے لیے یہ کافی اچھی ہے
- تکنیکی اسامیوں کے لیے بہتر ہے کہ چھانٹی کو "سی وی پڑھنے" سے "اسکل ناپنے" کی طرف منتقل کیا جائے
- دونوں ماڈل ساتھ چلتے ہیں: AI اسکریننگ کے بعد ٹیسٹ پر مبنی جائزہ تنہا کسی ایک سے بہتر کام کرتا ہے
- NORT نے پورٹیبل جائزے کا راستہ چنا، ایک بار، کئی مواقع پر کارآمد
کیا آپ سی وی پڑھنے کے بجائے پہلے سے جانچے ہوئے، اسمارٹ میچ شدہ پول سے براہِ راست چھانٹی کرنا چاہتے ہیں؟ مفت NORT اکاؤنٹ بنائیں اور اپنی اگلی تکنیکی اسامی میں ٹیسٹ پر مبنی جائزہ آزمائیں۔
