केवल एक-तिहाई भर्ती नेता ही "बहुत आश्वस्त" हैं कि कोई रिज़्यूमे उम्मीदवार के असली कौशल को दर्शाता है। फिर भी दो-तिहाई उसे ही वह पहला फ़िल्टर बनाते हैं जिससे हर आवेदन गुज़रता है (Criteria Corp & Lighthouse Research, 2026)। यह रिज़्यूमे के बारे में कोई आँकड़ा नहीं है। यह प्रक्रिया के बारे में एक स्वीकारोक्ति है — और एक Head of Operations के लिए, यह इस साल मैंने देखा सबसे स्पष्ट विवरण है कि ग़लत भर्तियाँ असल में कहाँ बनती हैं। जिस संकेत पर हर कोई संदेह करता है, वही अब भी वह द्वार है जिस पर हर कोई पहले छँटाई करता है, और नए आँकड़े इस विरोधाभास की लागत पर एक संख्या रख देते हैं।
संख्या है 35%। जो कंपनियाँ रिज़्यूमे को भर्ती निर्णय का प्राथमिक चालक मानती हैं, उनके ग़लत भर्ती की रिपोर्ट करने की संभावना उन कंपनियों से 35% अधिक है जो ऐसा नहीं करतीं (Criteria Corp & Lighthouse Research, 2026)। यह अध्ययन — Criteria Corp ने Lighthouse Research & Advisory के साथ साझेदारी में, छोटे-मध्यम उद्यमों से लेकर 10,000+ कर्मचारियों वाले उद्यमों तक के 998 भर्ती नेताओं पर किया — उस अंतर का सबसे स्पष्ट उपलब्ध पाठ है जिसे मिड-मार्केट ऑपरेशन्स चुपचाप कारोबार की लागत मानकर सोखता रहा है। इस तिमाही में, अधिक बचावयोग्य कदम एक और AI रिज़्यूमे फ़िल्टर नहीं है। यह फ़नल को दोबारा क्रमबद्ध करना है।
भरोसा-कार्रवाई का अंतर, साफ़-साफ़
अध्ययन को उसके भार-वहन करने वाले विरोधाभास तक सिकोड़ें। एक-तिहाई नियोक्ता रिज़्यूमे पर कौशल-संकेत के रूप में भरोसा करते हैं। दो-तिहाई फिर भी रिज़्यूमे की छँटाई — मानव या AI — को पाइपलाइन का चरण एक बनाते हैं (Criteria Corp & Lighthouse Research, 2026)। कार्रवाई विश्वास के साथ नहीं चली।
यह अंतर अतार्किक नहीं है; यह जड़ता-जनित है। रिज़्यूमे फ़नल के आरंभ में है क्योंकि वह हमेशा से वहाँ रहा है। आवेदक-ट्रैकिंग सिस्टम उसी के इर्द-गिर्द बने हैं, भर्तीकर्ता उसी पर प्रशिक्षित हैं, और कीवर्ड-छँटाई बड़े पैमाने पर चलाने के लिए सबसे सस्ता फ़िल्टर है। इसलिए भरोसा ढहते हुए भी — आज केवल 2% नेता रिज़्यूमे को अपना सर्वाधिक भरोसेमंद संकेत बताते हैं — दस्तावेज़ कतार के सिरे पर अपनी जगह बनाए रखता है (HR Executive, 2026)। संगठन फ़िल्टर पर संदेह करता है और फिर भी उसी से छँटाई करता रहता है, क्योंकि किसी ने चरणों को दोबारा क्रमबद्ध नहीं किया।
ऑपरेशन्स के लिए, भरोसा-कार्रवाई का अंतर ही निदान है। जहाँ कहीं आपका सबसे कम भरोसेमंद इनपुट ही आपका पहला निर्णय-द्वार है, वहाँ आप एक गुणवत्ता-कर चुका रहे हैं। Criteria/Lighthouse के आँकड़ों ने बस इस ख़ास द्वार पर लगने वाले कर को मापा।
रिज़्यूमे संकेत होना क्यों बंद हुआ
रिज़्यूमे धीरे-धीरे क्षीण नहीं हुआ। वह सस्ते में नक़ली बनाने योग्य हो गया, और तेज़ी से। भर्ती नेताओं में से बानवे प्रतिशत अब कहते हैं कि AI-जनित रिज़्यूमे आम हो चुके हैं (Criteria Corp & Lighthouse Research, 2026)। जब कोई भी उम्मीदवार एक मिनट से कम में कीवर्ड से पूरी तरह मेल खाता, उपलब्धियों से सघन दस्तावेज़ तैयार कर सकता है, तो रिज़्यूमे मज़बूत उम्मीदवारों को कमज़ोर से अलग करना बंद कर देता है। वह उन्हें अलग करता है जिन्होंने उपकरण अच्छे से इस्तेमाल किया उनसे जिन्होंने कम अच्छे से — और यह वह चर नहीं है जिसके लिए आप भर्ती कर रहे हैं।
परिणाम पहले से ही आँकड़ों में है, पूर्वानुमान में नहीं। चौंसठ प्रतिशत भर्ती नेता कहते हैं कि उन्होंने किसी ऐसे व्यक्ति को नियुक्त किया जिसने रिज़्यूमे में अपने कौशल को ग़लत ढंग से पेश किया; 39% कहते हैं कि यह एक से अधिक बार हुआ (HR Executive, 2026)। ये दुर्लभ प्रतिकूल घटनाएँ नहीं हैं। यह बहुसंख्यक अनुभव है, और 35% ग़लत-भर्ती वृद्धि का ऊपरी-धारा कारण है। जिस दस्तावेज़ को शून्य लागत पर नक़ली बनाया जा सके, वह वह आधार नहीं हो सकता जिस पर आपका चयन-निर्णय टिका हो — और जो नेता इसे भोगते हैं वे जानते हैं, इसीलिए केवल 2% अब भी उस पर सबसे अधिक भरोसा करते हैं।
गुणवत्ता-लागत के ऊपर एक मात्रा-लागत की परत भी है। Robert Half ने पाया कि 67% अमेरिकी HR नेता बताते हैं कि AI-जनित आवेदनों की समीक्षा ने उनकी भर्ती को धीमा कर दिया, जिनमें 20% दो सप्ताह से अधिक की देरी देखते हैं और 84% HR टीमें अतिरिक्त समीक्षा-भार से अत्यधिक काम महसूस करती हैं (Robert Half, 2026)। तो रिज़्यूमे-पहले फ़नल अब एक ही समय में बदतर चयन और धीमा थ्रूपुट दोनों देता है। यह वह दुर्लभ मामला है जहाँ गुणवत्ता-सुधार और गति-सुधार एक ही दिशा की ओर इशारा करते हैं।
प्रतिवर्त — "एक AI स्क्रीनर जोड़ दो" — इसे क्यों बदतर बनाता है
ऑपरेशन्स की सहज प्रतिक्रिया AI को AI से लड़ाना है: अगर उम्मीदवार किसी मॉडल से रिज़्यूमे बनाते हैं, तो उन्हें बेहतर मॉडल से छाँटो। यह समानुपातिक, मापनीय उत्तर जैसा लगता है, और विक्रेता इसे बेचकर ख़ुश हैं।
यह विफलता को ग़लत समझता है। समस्या यह नहीं कि रिज़्यूमे-छँटाई बहुत धीमी या बहुत मैनुअल है। समस्या यह है कि रिज़्यूमे स्वयं अब वह संकेत नहीं ढोता जिसकी आपको ज़रूरत है — इसलिए एक होशियार स्क्रीनर एक दूषित स्रोत का उच्च-रिज़ॉल्यूशन पठन भर है। आप किसी नक़ली दस्तावेज़ को तेज़ और अधिक संगत रूप से पार्स कर सकते हैं, और फिर भी उम्मीदवारों को साक्ष्य के उस मैदान पर रैंक करेंगे जिसे AI ने समतल कर दिया है। बुरे डेटा पर बेहतर प्रस्तुति बेहतर डेटा नहीं है। फ़नल के शीर्ष पर एक AI स्क्रीनर जोड़ना उसी ग़लत निर्णय को तेज़ करता है; यह निर्णय को अधिक ठोस ज़मीन पर नहीं ले जाता।
यही वह जाल है जिसके प्रति मिड-मार्केट ऑपरेशन्स सबसे अधिक उजागर हैं, क्योंकि AI स्क्रीनर ख़रीदना निर्णायक कार्रवाई जैसा दिखता है। यह एक बजट-मद, एक डैशबोर्ड और अगली समीक्षा के लिए एक कहानी पैदा करता है। जो यह पैदा नहीं करता, वह है पहली छँटाई किस साक्ष्य पर आधारित है इसमें बदलाव — और यही, न कि छँटाई की गति, वह है जिसे 35% की संख्या अभियुक्त ठहराती है।
प्रति-तर्क, गंभीरता से लिया गया
ईमानदार आपत्ति: रिज़्यूमे अब भी एक उपयोगी सस्ता पहला चरण है, और प्रत्येक उम्मीदवार पर संरचित मूल्यांकन चलाना महँगा है, इसलिए रिज़्यूमे-पहले बस तर्कसंगत त्रिआज है। सस्ते दस्तावेज़ पर स्पष्ट बेमेल छाँटो, फिर बचे हुओं का मूल्यांकन करो। फ़नल बनाए रखो; उसे दोबारा मत बनाओ।
यह तर्क तब टिकता था जब रिज़्यूमे मध्यम रूप से विश्वसनीय था। एक-तिहाई भरोसे और 92% AI-निर्माण पर यह नहीं टिकता। एक सस्ता पहला चरण तभी किफ़ायती है जब वह पर्याप्त सटीक हो — एक ऐसा फ़िल्टर जो नक़ली संकेत स्वीकार करता है और असली पर कमज़ोर ढंग से प्रस्तुत उम्मीदवारों को अस्वीकार करता है, वह त्रिआज नहीं, बल्कि लागत-संलग्न यादृच्छिकता-जनरेटर है। और बाज़ार पहले ही अपने क़दमों से यह बात मान रहा है: 41% नेता कहते हैं कि वे सक्रिय रूप से रिज़्यूमे-पहले भर्ती से दूर हट रहे हैं, 15% विकल्प तलाश रहे हैं, और 10% ने रिज़्यूमे को बड़े पैमाने पर कौशल-आधारित या परिदृश्य-आधारित मूल्यांकनों से बदल दिया है (Criteria Corp & Lighthouse Research, 2026)। दोबारा क्रमबद्ध करना कोई हाशिये का सिद्धांत नहीं है। यह वह दिशा है जिस ओर सर्वेक्षित बाज़ार का बहुलांश पहले ही चल रहा है।
एक चेतावनी कहने योग्य है, क्योंकि कठोरता यह माँगती है: Criteria Corp मनोमितीय मूल्यांकन बेचती है, इसलिए अध्ययन का रिज़्यूमे के पतन में व्यावसायिक हित है। कार्यप्रणाली (N=998) और व्यापार-प्रेस का स्वतंत्र समर्थन मूल संख्याओं को वज़न देते हैं, पर ढाँचा विक्रेता-निकट है — दिशा को सुदृढ़-समर्थित मानें और परिमाण पर अपना ख़ुद का साक्ष्य लाएँ।
फ़नल को दोबारा क्रमबद्ध करने का असल अर्थ क्या है
दोबारा क्रमबद्ध करने का अर्थ रिज़्यूमे को त्यागना नहीं है। इसका अर्थ है उसे निर्णय-चालक से घटाकर संदर्भ बनाना, और सबसे पहले एक ऐसा संकेत रखना जिसे नक़ली बनाना कठिन हो। ठोस रूप से, 200 कर्मचारियों वाले संगठन के लिए:
रिज़्यूमे-छँटाई से आगे एक संरचित कौशल या मनोमितीय संकेत रखें। पहली छँटाई ऐसे साक्ष्य पर आधारित होनी चाहिए जिसे उम्मीदवार किसी चैट विंडो में उत्पन्न न कर सके — एक संरचित कौशल-मूल्यांकन, एक कार्य-नमूना, या एक मान्यीकृत मनोमितीय मापन। रिज़्यूमे वह संदर्भ बन जाता है जिसे आप संकेत के बाद पढ़ते हैं, वह द्वार नहीं जो तय करता है कि किसे पढ़ा जाए। यही वह एकमात्र बदलाव है जिसका 35% की संख्या सबसे सीधे समर्थन करती है।
नए पहले चरण को हर उम्मीदवार के लिए एक समान बनाएँ। कौशल-आधारित पहला फ़िल्टर आपको सटीकता तभी देता है जब वह संगत हो। मूल्यांकन को मानकीकृत करें, सबके लिए एक ही तरह से अंक दें, और संक्षिप्त-सूची उसी को — दस्तावेज़ को नहीं — बनाने दें। ग़लत भर्तियों में कमी का असल स्रोत संगति है; असंगत रूप से लागू मूल्यांकन तो बस शोर को इधर-उधर खिसकाता है।
बदलाव को भर्ती-समय से नहीं, ग़लत-भर्ती दर से मापें। प्रलोभन होगा कि दोबारा क्रमबद्धन को गति से आँका जाए। उसे भर्ती की गुणवत्ता और पहले वर्ष की प्रतिधारण से आँकें, क्योंकि वही वह लागत है जिसे रिज़्यूमे-पहले फ़नल चुपचाप जमा करता रहा। गति भी संभवतः सुधरेगी — AI-आवेदनों की समीक्षा-भार उन्हीं चीज़ों का हिस्सा है जो रिज़्यूमे-पहले पाइपलाइनों को धीमा करती हैं — पर गुणवत्ता ही वह मापदंड है जो बदलाव को न्यायोचित ठहराता है।
यही वह अनुशासन है जो talent intelligence को उपकरण-श्रेणी के बजाय एक संचालन-व्यवहार के रूप में देखने के पीछे है: फ़नल उसी के अनुसार क्रमबद्ध होता है जो प्रदर्शन की भविष्यवाणी करता है, और सबसे अधिक नक़ली बनाने योग्य इनपुट सबसे आगे नहीं खड़ा होता। Scovai में, 380,000 से अधिक मनोमितीय मूल्यांकनों में निहित सूत्र ठीक यही है — एक वस्तुनिष्ठ, विज्ञान-आधारित संकेत, जो वह चयन करने के लिए रखा गया है जिसे अब किसी रिज़्यूमे के भरोसे नहीं छोड़ा जा सकता।
इस तिमाही का निर्णय
1/3-भरोसा, 2/3-छँटाई का अंतर कोई भर्ती-टीम की समस्या नहीं है जिसे नीचे सौंप दिया जाए। यह प्रक्रिया-डिज़ाइन की समस्या है, और प्रक्रिया-डिज़ाइन ऑपरेशन्स है। आँकड़े स्पष्ट हैं: जिस दस्तावेज़ पर बाज़ार सबसे कम भरोसा करता है, वही अब भी वह द्वार है जिस पर बाज़ार पहले छँटाई करता है, और वह विरोधाभास 35% ग़लत-भर्ती वृद्धि के बराबर है — प्रतिभा में सबसे महँगा विफलता-तरीका।
तो तिमाही बंद होने से पहले लेने योग्य एकमात्र निर्णय यह है, और इसके लिए कोई और AI उपकरण ख़रीदना ज़रूरी नहीं। अपने भर्ती-फ़नल को देखें और एक सवाल का जवाब दें: वह पहला साक्ष्य क्या है जिस पर किसी उम्मीदवार को छाँटा जाता है? अगर जवाब रिज़्यूमे है, तो आप उसी संकेत पर छँटाई कर रहे हैं जिस पर आपके अपने सहकर्मी सबसे कम भरोसा करते हैं, ठीक उस क्षण जब AI ने उसे अर्थहीन कर दिया है। फ़नल को इस तरह दोबारा क्रमबद्ध करें कि एक संरचित, कठिन-से-नक़ली कौशल-संकेत रिज़्यूमे से आगे खड़ा हो — और अगली दो तिमाहियों की भर्तियों को गति से नहीं, गुणवत्ता से मापें। जो कंपनियाँ यह पहले से कर रही हैं, वे किसी प्रवृत्ति के पीछे भागने वाली अग्रणी अपनाने वाली नहीं हैं। वे वे हैं जिन्होंने 35% कर चुकाना बंद कर दिया।
