టెక్ ఉద్యోగ నియామకాలు: AI మోసాన్ని ఆపడానికి 'కళ్ళు మూసుకుని' ఇంటర్వ్యూలు!

టెక్ రంగంలో ఒక కొత్త, వినూత్న ఇంటర్వ్యూ పద్ధతి తెరపైకి వచ్చింది. దీనిలో అభ్యర్థులను స్క్రీన్ షేరింగ్ ఆపి, కళ్ళు మూసుకుని ప్రశ్నలకు సమాధానం చెప్పమని కోరుతున్నారు. ఈ 'ఐ-క్లోజ్డ్ క్వశ్చన్' (ECQ) పద్ధతి, అభ్యర్థులు ఏదైనా స్క్రిప్ట్ చదవడం లేదా ChatGPT, Claude వంటి AI టూల్స్ సహాయం తీసుకోకుండా, సొంతంగా సమాధానాలు ఇస్తున్నారని నిర్ధారించడానికి ఉద్దేశించబడింది.

అనేక టెక్ కంపెనీలు ప్రస్తుతం ఎదుర్కొంటున్న ఒక ముఖ్యమైన సవాలు - AI- రూపొందించిన ఉద్యోగ దరఖాస్తుల విస్ఫోటనం - ఈ పద్ధతిని అవలంబించడానికి కారణమైంది. రిక్రూట్‌మెంట్ బృందాలు భారీ సంఖ్యలో వస్తున్న అభ్యర్థులతో నిండిపోయాయని నివేదించాయి. కొన్ని సందర్భాల్లో, ఒకే ఉద్యోగానికి 4,800 దరఖాస్తులు కూడా వచ్చాయని, వాటిలో చాలా వరకు AI ద్వారానే రూపొందించబడ్డాయని తెలుస్తోంది. ఈ అధిక సంఖ్య స్క్రీనింగ్ ప్రక్రియను అత్యంత సమయం తీసుకునేలా చేసింది. ఆటోమేటెడ్ లేదా తక్కువ శ్రమతో కూడిన దరఖాస్తులను ఫిల్టర్ చేయడానికి కంపెనీలు కఠినమైన, అసాధారణమైన చర్యలు తీసుకోవాల్సి వస్తోంది.

వ్యాపార కోణం నుంచి చూస్తే, AI యుగంలో నియామకాలకు అయ్యే ఖర్చులు, అసమర్థత పెరగడాన్ని ఇది హైలైట్ చేస్తుంది. పెద్ద సంఖ్యలో దరఖాస్తులు AI ద్వారా రూపొందించబడినప్పుడు, HR విభాగాలు అనర్హులైన అభ్యర్థులను సమీక్షించడానికి అధిక సమయం వెచ్చించాల్సి వస్తుంది. ఈ పరిపాలనా ఒత్తిడి కారణంగా, GitHubలో ప్రాక్టికల్ కోడింగ్ టెస్టులు లేదా ఇండస్ట్రీ ఈవెంట్‌ల నుండి నేరుగా అభ్యర్థులను తీసుకోవడం వంటి కొత్త అసెస్‌మెంట్ మోడళ్లను ప్రయోగాత్మకంగా అమలు చేయడానికి కంపెనీలు మొగ్గు చూపుతున్నాయి.

అయితే, ECQ పద్ధతి ఉద్యోగార్థులు, పరిశ్రమ నిపుణుల నుంచి విమర్శలను ఎదుర్కొంటోంది. దృశ్య సహాయాలు లేదా స్క్రీన్ యాక్సెస్ లేకుండా, కళ్ళు మూసుకుని క్లిష్టమైన సాంకేతిక ప్రశ్నలకు సమాధానం చెప్పమని బలవంతం చేయడం వారి నైపుణ్యాలను సరిగ్గా కొలవకపోవచ్చని విమర్శకులు వాదిస్తున్నారు. అంతేకాకుండా, ఈ పద్ధతిని అవాంఛనీయమైనదిగా లేదా వృత్తిపరంగా లేనిదిగా భావించే టాప్-టైర్ టాలెంట్‌ను దూరం చేయవచ్చనే ఆందోళన కూడా ఉంది.

పెట్టుబడిదారులు, కంపెనీల కోసం, ఈ ధోరణి మానవ వనరుల నిర్వహణకు సంబంధించిన విస్తృత సమస్యను ప్రతిబింబిస్తుంది. AI పని చేసే విధానాన్ని మారుస్తున్నందున, అర్హులైన వ్యక్తులను నిరుత్సాహపరిచే అడ్డంకులను సృష్టించకుండా నిజమైన ప్రతిభను గుర్తించగల బలమైన వ్యవస్థలను నిర్మించడం కంపెనీలకు సవాలుగా మారింది. సమర్థవంతమైన నియామకాల అవసరాన్ని, అభ్యర్థి మూల్యాంకనం యొక్క ఉన్నత ప్రమాణాలను సమతుల్యం చేయడానికి ప్రయత్నిస్తున్నందున, మరింత ధృవీకరించదగిన, చేతితో చేసే అసెస్‌మెంట్ పద్ధతుల వైపు మార్పు కొనసాగే అవకాశం ఉంది.