अमेरिका में नौकरी तलाशने वालों में अड़तीस प्रतिशत ने कम से कम एक बार भर्ती प्रक्रिया केवल इसलिए छोड़ी क्योंकि उसमें AI इंटरव्यू शामिल था। अन्य 12% कहते हैं कि अनिवार्य होने पर वे भी ऐसा करेंगे। रिपोर्ट की अपनी व्याख्या के अनुसार, आपके उम्मीदवार-समूह का आधा हिस्सा या तो पहले ही जा चुका है या जाने को तैयार है (Greenhouse 2026 Candidate AI Interview Report)।
स्पष्ट निष्कर्ष यह होगा कि उम्मीदवार स्वचालित छँटाई के विरुद्ध हो गए हैं। वही डेटासेट इसे खारिज कर देता है। आगे क्या चाहते हैं, यह पूछने पर केवल 19% अमेरिकी उम्मीदवारों ने कहा कि वे पहले से मौजूद AI से कम AI चाहते हैं। यह एक आंकड़ा ही बदल देता है कि छोड़ने की दर का अर्थ क्या है — और उसे ठीक करने में आपको क्या लागत आएगी।
प्रक्रिया छोड़ना AI पर जनमत-संग्रह नहीं है
Greenhouse ने अमेरिका, ब्रिटेन, आयरलैंड, जर्मनी और ऑस्ट्रेलिया में सक्रिय रूप से नौकरी तलाश रहे 2,950 लोगों का सर्वेक्षण किया। इस तकनीक से संपर्क अब प्रयोग नहीं, सामान्य बात है: 63% अमेरिकी उम्मीदवारों का पिछले बारह महीनों में AI द्वारा इंटरव्यू हुआ है — छह महीनों में 12 प्रतिशत अंकों की वृद्धि।
यदि छोड़ने की दर AI के संपर्क के अनुपात में चलती, तो सबसे अधिक AI वाले बाज़ारों में सबसे अधिक प्रतिरोध दिखता। ऐसा नहीं है, कम से कम साफ़ तौर पर नहीं। जर्मनी में अंतरराष्ट्रीय स्तर पर सर्वाधिक संपर्क है — 57% — और सभी बाज़ारों में सर्वाधिक छोड़ने की दर भी, 42%। आयरलैंड में सबसे कम संपर्क है, 36% — और वहाँ छोड़ने का प्रमुख कारण पूर्व-सूचना न देना है, जो इस तथ्य से मेल खाता है कि आयरिश उम्मीदवारों में केवल 9% को पहले से स्पष्ट रूप से बताया गया था कि AI का प्रयोग होगा।
एक दूसरी जाँच भी है जो मशीनों के प्रति अरुचि को आपकी प्रक्रिया के प्रति अरुचि से अलग करती है। Greenhouse ने उम्मीदवारों से पूछा कि किसी व्यक्तिगत विशेषता के कारण उनका मूल्यांकन भिन्न रूप से हुआ ऐसा उन्हें लगा या नहीं — AI के मामले में और मानव साक्षात्कारकर्ताओं के मामले में। उत्तर लगभग एक समान हैं: आयु को AI में 36% ने और मानव साक्षात्कारकर्ताओं में भी 36% ने चिह्नित किया, नस्ल या जातीयता दोनों स्थितियों में 27%, लिंग 24% बनाम 26%। रूप-रंग के मामले में उम्मीदवारों ने AI को लोगों की तुलना में कम पक्षपाती माना — 21% बनाम 28%। उम्मीदवार एल्गोरिद्म पर कोई विशिष्ट पूर्वाग्रह आरोपित नहीं कर रहे हैं।
अब देखिए कि अमेरिकी उम्मीदवार आज की व्यवस्था के बदले क्या चाहते हैं, और चित्र और स्पष्ट हो जाता है: 22% अधिक मजबूत मानव निगरानी के साथ अधिक AI चाहते हैं, 21% अधिक पारदर्शिता के साथ वही स्तर, 19% कम AI, और केवल 12% इस आधार पर अधिक AI चाहते हैं कि वह भर्ती को तेज़ और न्यायसंगत बनाता है। पाँचों बाज़ारों में यह अंतिम विकल्प कभी 14% से आगे नहीं जाता। बहुमत की स्थिति पीछे हटना नहीं है। वह उतनी ही मशीन है, जिसके साथ एक व्यक्ति जुड़ा हो।
उम्मीदवार बिना मनुष्य वाले AI इंटरव्यू से हटते हैं, स्वचालन से नहीं
Greenhouse के डेटा में छोड़ने के कारण विशिष्ट हैं, और वे "कंपनी ने AI का प्रयोग किया" नहीं हैं।
सबसे बड़ा एकल कारण है पूर्व-रिकॉर्डेड वीडियो इंटरव्यू जिसे AI अंक देता है और जहाँ कोई मनुष्य उपस्थित नहीं होता — 33%। इसके बाद: वे कंपनियाँ जो यह नहीं बतातीं कि AI का प्रयोग कैसे होगा (27%), AI द्वारा निगरानी (26%), अनिवार्य AI-संचालित इंटरव्यू (26%), और यह पता ही न चलना कि वे किसी मनुष्य से बात कर रहे थे या मशीन से (20%)।
इन पाँच में से तीन किसी व्यक्ति की अनुपस्थिति या किसी स्पष्टीकरण की अनुपस्थिति से संबंधित हैं। केवल एक — अनिवार्य AI-संचालित इंटरव्यू — स्वचालन से ही संबंधित है।
उम्मीदवारों द्वारा बताए गए उपाय ठीक इसी से मेल खाते हैं। अमेरिका में सबसे बड़ी माँग है इसके बदले मानव इंटरव्यू का अनुरोध करने का विकल्प (46%), उसके बाद पहले से बताया जाना कि AI शामिल है (44%), AI क्या मापता है इसका स्पष्ट विवरण (39%), और यह जानना कि निर्णय से पहले कोई व्यक्ति AI के मूल्यांकन की समीक्षा करता है (38%)। मानव इंटरव्यू का विकल्प अध्ययन किए गए हर बाज़ार में बिना किसी अपवाद के पहले स्थान का आश्वासन-उपाय है — जर्मनी में 41% से आयरलैंड में 49% तक। और 59% अमेरिकी उम्मीदवार किसी कंपनी के साथ पहले संपर्क के रूप में मानव भर्तीकर्ता से सीधी बातचीत चाहते हैं; 12% AI-संचालित सीधा इंटरव्यू पसंद करते हैं (Greenhouse, 2026)।
उत्पाद की ख़राबी खाली कुर्सी है। स्वचालन नहीं।
प्रति-तर्क: घोषित प्राथमिकता सस्ती होती है
एक विवेकशील Head of Operations को यहाँ आपत्ति करनी चाहिए। सर्वेक्षण में उत्तर देने वाले कहते हैं कि वे मानव समीक्षा को महत्व देते हैं, क्योंकि यह कहने में कोई लागत नहीं। वास्तविक व्यवहार दूसरी बात है, और "मैं हट जाता" हटने के समान नहीं है।
इस आपत्ति की सीधी जाँच हुई है, और वह टिकती नहीं। एक पूर्व-पंजीकृत conjoint प्रयोग ने 1,919 अमेरिकी नौकरी-तलाशने वालों को AI छँटाई प्रणालियों के बीच प्रति व्यक्ति आठ अनिवार्य चयन कराए — कुल 30,704 प्रोफ़ाइल — और छह विशेषताओं को स्वतंत्र रूप से यादृच्छिक किया: निर्णय अधिकार, त्रुटि दर, स्पष्टीकरण, बाहर निकलने का अधिकार, अपील का अधिकार, और स्वतंत्र पूर्वाग्रह अंकेक्षण (Wang, Sturgis & de Kadt, 2026)।
मानव सहभागिता ने प्रोफ़ाइल चुने जाने की संभावना में घोषित चयन को +0.272 बदला। प्रणाली की ग़लत अस्वीकृति दर 30% से 10% करने पर वह +0.285 बदला। इन दोनों के बीच का अंतर सांख्यिकीय रूप से शून्य से अप्रभेद्य है। साफ़ शब्दों में: प्रक्रिया में एक व्यक्ति रखना उम्मीदवार की तैयारी उतनी ही ख़रीदता है जितनी प्रणाली की सटीकता तीन गुना करना।
तुलना के लिए, जिन प्रक्रियात्मक गारंटियों का प्रचार अधिकांश विक्रेता करते हैं, वे इससे काफ़ी नीचे रहीं: अपील +0.156, बाहर निकलने का अधिकार +0.129, स्पष्टीकरण +0.128, स्वतंत्र पूर्वाग्रह अंकेक्षण +0.068।
लेखकों का अधिक तीखा निष्कर्ष वही है जिस पर ठहरना चाहिए। अपील, बाहर निकलने और पूर्वाग्रह अंकेक्षण को उम्मीदवारों द्वारा दिया गया महत्व ग़लत अस्वीकृतियाँ बढ़ने पर नहीं बढ़ा — प्रत्येक पूर्व-पंजीकृत समतुल्यता सीमा के भीतर रहा। प्रक्रिया को त्रुटि के विरुद्ध बीमे के रूप में महत्व नहीं दिया जा रहा। उसे अपने आप में महत्व दिया जा रहा है, जिसका अर्थ है कि आपके मॉडल की सटीकता बढ़ाना उसका विकल्प नहीं है।
ईमानदार सीमाएँ
यह प्रयोग अनिवार्य-चयन कार्य में घोषित चयन मापता है, वास्तव में भेजे गए आवेदन नहीं। लेखक स्वयं बताते हैं कि आवेदन करने की मंशा (पाँच-बिंदु पैमाने पर 3.24) कथित वैधता (2.85) से काफ़ी ऊपर रही, और 7.8% उत्तरदाताओं ने मध्य-बिंदु से नीचे की वैधता को मध्य-बिंदु से ऊपर की आवेदन-मंशा के साथ जोड़ा — लोग उन प्रक्रियाओं में आवेदन करते हैं जिन्हें वे अवैध मानते हैं। इसलिए आवेदनों की संख्या इसे मापने का कमज़ोर उपकरण है। Greenhouse एक विक्रेता का शोध है जिसका उत्तर में व्यावसायिक हित है, और उसका अमेरिकी उप-नमूना अलग से नहीं दिया गया। दोनों स्रोत एक ही दिशा दिखाते हैं; दोनों में से कोई भी फ़नल-हानि का स्वच्छ कारणात्मक आकलन नहीं है।
पारदर्शिता उम्मीदवार-पक्ष को ठीक करती है। निर्णय को ठीक नहीं करती।
यहीं इस डेटा पर दी जाने वाली अधिकांश प्रतिक्रियाएँ ग़लती करती हैं। सहज सुधार — यह बताना कि AI क्या मूल्यांकन करता है — काम करता है, और वह ठीक लेन-देन के एक ही पक्ष पर काम करता है।
Information Systems Research में प्रकाशित आठ अध्ययनों — जिनमें दो मुख्य प्रयोग और एक अर्ध-क्षेत्रीय पुनरावृत्ति शामिल है — ने पाया कि एकतरफ़ा वीडियो इंटरव्यू के एल्गोरिद्मिक मूल्यांकन ने मानव मूल्यांकन की तुलना में उम्मीदवारों का तनाव और छल-भरा प्रभाव-प्रबंधन बढ़ाया, और उम्मीदवारों को यह बताने से कि एल्गोरिद्म उनका मूल्यांकन कैसे करता है, दोनों मानव-संचालित इंटरव्यू के स्तर पर लौट आए (Lakhiwal, Liu, Bala & Suen, 2026)।
नियोक्ता-पक्ष का परिणाम ही असुविधाजनक है। AI-संवर्धित व्यवस्थाओं में — जहाँ मानव निर्णयकर्ताओं को AI का अंक दिखाया गया — मूल्यांकनकर्ता उस अंक पर टिक गए और अपने निर्णय को कम महत्व दिया, यद्यपि वह अंक ईमानदार और छल-भरे उत्तरों में भेद ही नहीं कर पाता था। मूल्यांकनकर्ता-पक्ष पर पारदर्शिता का सुधारात्मक प्रभाव सीमित रहा।
अर्थात् प्रकटीकरण उम्मीदवार का व्यवहार वापस ख़रीदता है, निर्णय की गुणवत्ता नहीं। ये दो अलग मरम्मतें हैं जिनके लिए दो अलग बदलाव चाहिए, और पहले की घोषणा दूसरे के लिए कुछ नहीं करती। (पूर्ण पाठ सशुल्क है और प्रकाशित सारांश मात्राओं के बजाय दिशाएँ बताता है — इसे प्रभाव की दिशा मानें, परिमाण नहीं।)
हानि आगे चलकर वास्तव में कैसी दिखती है
छोड़ने की दर दृश्य लागत है। अधिक शांत लागत यह है कि जो उम्मीदवार रुकते हैं उनके साथ क्या होता है।
AI इंटरव्यू पूरा करने वालों में 51% को कोई परिणाम ही नहीं मिला: 38% को कोई उत्तर नहीं मिला, 13% अभी भी प्रतीक्षा में हैं। केवल 28% आगे बढ़े (Greenhouse, 2026)। यह AI की समस्या नहीं है — यह एक ऐसी प्रक्रिया है जिसे चक्र पूरा करने के लिए कभी संसाधन नहीं दिए गए, और जो अब मशीन की गति से चल रही है। स्वतंत्र शोध इसी प्रवृत्ति को लंबे आधार पर रखता है: अपने अनुभव को उत्कृष्ट बताने वाले नौकरी-तलाशने वालों का हिस्सा 2023 के 18% से गिरकर 2026 में 11% हो गया — और यह उस दौर में हुआ जब भर्ती-तकनीक में निवेश बढ़ रहा था, तथा दस में से एक से भी कम उम्मीदवार ऐसे थे जिन्हें कभी बिना उत्तर नहीं छोड़ा गया (PeopleScout, 2026)।
भरोसे की कीमत भी उसी हिसाब से लगती है। केवल 21% अमेरिकी उम्मीदवार मानते हैं कि अधिकांश नियोक्ता AI का उपयोग उत्तरदायी और पारदर्शी ढंग से करते हैं, और पाँचों बाज़ारों में 63% से 70% के बीच लोग ऐसा नहीं मानते। सत्तावन प्रतिशत का मत है कि कंपनियों के लिए उम्मीदवार-मूल्यांकन में AI के उपयोग का प्रकटीकरण कानूनी रूप से अनिवार्य होना चाहिए — और यह ऐसा वर्ग है जिसे आमतौर पर अंत में अपनी माँग मिल जाती है (Greenhouse, 2026)।
ब्रांड पर प्रभाव सुर्ख़ियों के संकेत से अधिक नज़दीकी है, और रणनीतिक रूप से यही दिलचस्प हिस्सा है: अमेरिका में AI इंटरव्यू के बाद 38% उम्मीदवारों ने नियोक्ता को अधिक सकारात्मक रूप से देखा, जबकि 34% ने अधिक नकारात्मक — शुद्ध +4। ब्रिटेन में शुद्ध −20। वही तकनीक, भिन्न व्यवस्था, विपरीत परिणाम। भिन्नता कार्यान्वयन में है, उपकरण में नहीं।
इस तिमाही में क्या बदलें
यदि आपके AI इंटरव्यू चरण का औचित्य बचाए गए छँटाई-घंटों से सिद्ध किया गया था, तो उस बिज़नेस केस को ऐसे फ़नल के विरुद्ध दोबारा गिनना होगा जो ऊपर ही स्वयं को बाहर छाँट रहा है। लागत के क्रम में चार कदम:
- चरण से पहले बताएँ, चरण के दौरान नहीं। आमंत्रण में साफ़ कहें कि AI शामिल है और वह किस पर ध्यान देता है। यह 44% की माँग है, यह एक टेम्पलेट-परिवर्तन है, और यही वह लीवर भी है जो ISR के शोध के अनुसार छल-भरे उत्तर घटाता है — अर्थात् यह साथ-साथ आपके संकेत की गुणवत्ता भी सुधारता है।
- अनुरोध पर मानव इंटरव्यू का रास्ता दें। 46% की माँग, और पाँचों बाज़ारों में शीर्ष पर रहा उपाय। आप यह सबको नहीं दे रहे; आप उस हिस्से को दे रहे हैं जो अन्यथा चला जाएगा। इसकी लागत उन उम्मीदवारों को पाइपलाइन में बदलने की लागत के सामने रखें।
- समीक्षकों से रिकॉर्डिंग को AI का अंक देखने से पहले अंक दिलाएँ। लंगर-प्रभाव तभी काम करता है जब संख्या पहले पहुँचे। यह आपके कार्य-प्रवाह में क्रम का बदलाव है, ख़रीद का निर्णय नहीं, और चारों में यह एकमात्र कदम है जो उम्मीदवार-अनुभव के बजाय निर्णय की गुणवत्ता की रक्षा करता है।
- प्रकटीकरण और मानव निर्णय को अभिलेख में रखें। यदि आप यह दावा करने जा रहे हैं कि किसी व्यक्ति ने मूल्यांकन की समीक्षा की, तो वह दावा मात्र कथन न रहकर जाँचने-योग्य होना चाहिए — प्रणाली क्या प्रकट करती है, किस प्रदाता ने डेटा संसाधित किया, और प्रत्येक नियुक्ति के साथ दर्ज मानव निर्णय — ये ऐसी बातें हैं जिन्हें कोई मंच प्रकाशित करता है या नहीं करता। जो 57% कानूनी प्रकटीकरण चाहते हैं, वे हवा की दिशा बता रहे हैं।
ध्यान दें कि इस सूची में क्या अनुपस्थित है: विक्रेता बदलना, स्वचालन घटाना, या मैनुअल छँटाई पर लौटना। आपके उम्मीदवारों में केवल 19% यह माँग रहे हैं।
वे आवेदक आपको AI इंटरव्यू ने नहीं गँवाए। अनुपस्थित व्यक्ति ने गँवाए। इस तिमाही में छँटाई-स्वचालन का अगला मद स्वीकृत करने से पहले पता लगाइए कि उस चरण पर आपकी अपनी छोड़ने की दर कितनी है — क्योंकि अभी वह लगभग निश्चित रूप से अरुचि के रूप में दर्ज हो रही है।