டெக் நிறுவனங்கள், தற்பொழுது நடக்கும் மெய்நிகர் நேர்காணல்களில் (Virtual Interviews) விண்ணப்பதாரர்கள் AI கருவிகளை பயன்படுத்துவதை தடுக்க, 'கண்களை மூடிக்கொண்டு கேள்விகள்' (Eyes-Closed Question - ECQ) போன்ற வழக்கத்திற்கு மாறான யுக்திகளை சோதித்து வருகின்றன. AI-உருவாக்கிய விண்ணப்பங்களின் பெருக்கத்தை சமாளிக்கவும், உண்மையான திறமையானவர்களை கண்டறியவும் டெக் நிறுவனங்கள் படும் சிரமத்தை இந்த போக்கு காட்டுகிறது.
டெக் துறையில் ஒரு புதிய மற்றும் வழக்கத்திற்கு மாறான நேர்காணல் முறை உருவாகியுள்ளது. இதில், விண்ணப்பதாரர்களிடம் ஸ்கிரீன் ஷேரிங்கை (Screen Sharing) நிறுத்திவிட்டு, கண்களை மூடிக்கொண்டு கேள்விகளுக்கு பதிலளிக்க கேட்கப்படுகிறது. இந்த 'கண்களை மூடிக்கொண்டு கேள்விகள்' (ECQ) முறை, விண்ணப்பதாரர்கள் ChatGPT அல்லது Claude போன்ற AI கருவிகளைப் பயன்படுத்தாமல், தங்களுடைய சொந்த பதில்களை வழங்குகிறார்கள் என்பதை உறுதி செய்வதற்காக வடிவமைக்கப்பட்டுள்ளது.
பல டெக் நிறுவனங்கள் தற்போது எதிர்கொள்ளும் ஒரு பெரிய சவாலான AI-உருவாக்கிய வேலை விண்ணப்பங்களின் பெருக்கத்திலிருந்து இந்த யுக்தி உருவானது. ஆட்சேர்ப்பு குழுக்கள் விண்ணப்பதாரர்களின் எண்ணிக்கையால் திணறி வருவதாக தெரிவித்துள்ளனர். சில சமயங்களில், ஒரு வேலைக்கு மட்டும் 4,800 விண்ணப்பங்கள் வரை வந்துள்ளன, அவற்றில் பல AI-ஆல் உருவாக்கப்பட்டவை போல தெரிகிறது. இந்த அதிகப்படியான விண்ணப்பங்கள், விண்ணப்பதாரர்களை வடிகட்டும் செயல்முறையை மிகவும் நேரம் எடுப்பதாக மாற்றியுள்ளது. இதனால், தானியங்கு அல்லது குறைந்த முயற்சி கொண்ட சமர்ப்பிப்புகளை வடிகட்ட நிறுவனங்கள் கடுமையான, அசாதாரணமான நடவடிக்கைகளை செயல்படுத்த வேண்டிய கட்டாயத்தில் உள்ளன.
வணிகக் கண்ணோட்டத்தில், AI யுகத்தில் ஆட்சேர்ப்பில் ஏற்படும் செலவுகள் மற்றும் செயல்திறனின்மை அதிகரிப்பதை இது காட்டுகிறது. பெரும் அளவிலான விண்ணப்பங்கள் AI-ஆல் உருவாக்கப்பட்டதாக இருக்கும்போது, மனிதவளத் துறைகள் தகுதியற்ற விண்ணப்பதாரர்களை மதிப்பாய்வு செய்வதில் அதிக நேரத்தை செலவிடுகின்றன. இந்த நிர்வாக அழுத்தம், GitHub-ல் பயிற்சி கோடிங் சோதனைகள் அல்லது தொழில் நிகழ்வுகளிலிருந்து நேரடியாக விண்ணப்பதாரர்களை பெறுதல் போன்ற புதிய மதிப்பீட்டு மாதிரிகளை பரிசோதிக்க நிறுவனங்களைத் தூண்டுகிறது.
இருப்பினும், ECQ முறை வேலை தேடுபவர்கள் மற்றும் சில தொழில் வல்லுநர்கள் மத்தியில் விமர்சனங்களை எதிர்கொண்டுள்ளது. காட்சி உதவிகள் அல்லது ஸ்கிரீன் அணுகல் இல்லாமல் சிக்கலான தொழில்நுட்ப கேள்விகளுக்கு பதிலளிக்க விண்ணப்பதாரர்களை கட்டாயப்படுத்துவது அவர்களின் திறன்களை துல்லியமாக அளவிடாது என்று விமர்சகர்கள் வாதிடுகின்றனர். மேலும், இத்தகைய முறைகள் சிறந்த திறமையாளர்களை அந்நியப்படுத்தக்கூடும் என்ற கவலையும் உள்ளது. அவர்கள் இந்த செயல்முறையை ஊடுருவலாக அல்லது தொழில்முறையற்றதாகக் கண்டறிந்து, ஆட்சேர்ப்பு செயல்முறையிலிருந்து விலகக்கூடும்.
முதலீட்டாளர்கள் மற்றும் நிறுவனங்களுக்கு, இந்த போக்கு மனித மூலதன மேலாண்மை தொடர்பான பரந்த பிரச்சினையைப் பிரதிபலிக்கிறது. AI வேலை செய்யும் முறையை தொடர்ந்து மாற்றியமைப்பதால், தகுதி வாய்ந்த நபர்களைத் தடுக்கும் தடைகளை உருவாக்காமல் உண்மையான திறமையைக் கண்டறியும் வலுவான அமைப்புகளை உருவாக்குவது நிறுவனங்களுக்கு சவாலாக உள்ளது. திறமையான ஆட்சேர்ப்பின் தேவையையும், விண்ணப்பதாரர் மதிப்பீட்டின் உயர் தரத்தை பராமரிக்கும் தேவையையும் சமநிலைப்படுத்த முயற்சிக்கும்போது, மேலும் சரிபார்க்கக்கூடிய, செய்முறை அடிப்படையிலான மதிப்பீட்டு முறைகளை நோக்கிய மாற்றம் தொடரும் என்று எதிர்பார்க்கப்படுகிறது.