அதிகப்படியாக்குதலிலிருந்து உகந்த நிலைக்கு: திறமை பெறுதலில் AI புரட்சியைக் கடந்து செல்வது

I. நவீன திறமை பெறுதலில் உற்பத்தித்திறன் நெருக்கடி

திறமை பெறுதல் (TA) செயல்பாடு ஒரு முக்கியமான மாறுபாட்டு புள்ளியில் நிற்கிறது. நிறுவன வளர்ச்சிக்கும் கண்டுபிடிப்புக்கும் முதன்மை இயந்திரமாக அதன் மூலோபாய முக்கியத்துவத்தைக் கொண்டிருந்தாலும், அதன் செயல்பாட்டு யதார்த்தம் பரவலான மற்றும் ஆழமாகும் உற்பத்தித்திறன் நெருக்கடியால் வரையறுக்கப்படுகிறது. நவீன ஆட்சேர்க்கை குழுக்கள் முறையாக மூழ்கிவிடுகின்றன, இது சிறந்த திறமையைக் கண்டறிந்து ஈர்க்கும் மூலோபாய சிக்கல்களால் அல்ல, குறைந்த மதிப்புள்ள, மீண்டும் மீண்டும் செய்யப்படும் நிர்வாக பணிகளின் தொடர்ச்சியான மழையால் ஆகும். இந்த செயல்பாட்டு இழப்பு இப்போது ஒரு சிறிய தொந்தரவு அல்ல; இது ஒரு குறிப்பிடத்தக்க மூலோபாய பாதிப்பாக மாறியுள்ளது, இது முக்கிய வணிக அளவீடுகளை நேரடியாக சிதைக்கிறது, வேட்பாளர் அனுபவத்தை மோசமாக்குகிறது மற்றும் நிறுவனத்தின் எதிர்காலத்தை உறுதிப்படுத்தும் குழுக்களின் திறனை அடக்குகிறது. இந்த பிரிவு பாரம்பரிய ஆட்சேர்க்கை மாதிரிகளில் உள்ள ஆழமான திறமையின்மையை அளவிட்டு, நிறுவன செயல்திறன் மீது அதன் அடுக்கு முறையிலான எதிர்மறையான தாக்கத்தை பகுப்பாய்வு செய்கிறது, அடிப்படை செயல்முறை மாற்றத்திற்கான அவசரமான மற்றும் மறுக்க முடியாத வாதத்தை நிறுவுகிறது.

அளவிடப்பட்ட சுமை: திறமையின்மையின் உடற்கூறு

ஒரு பொதுவான ஆட்சேர்க்கை நிபுணரின் வாரப்படி வேலையின் விவரணை ஒரு ஆச்சரியமான சமநிலையை வெளிப்படுத்துகிறது. பல தொழில் ஆய்வுகளின் தரவு ஒரே முரண்பாடான முடிவில் ஒன்றிணைகிறது: ஆட்சேர்க்கை நிபுணர்களின் நேரத்தின் பெரும்பகுதி குறைந்த மூலோபாய தீர்மானத்தை தேவைப்படுத்தும் ஆனால் அதிக கைமுறை முயற்சியைக் கொண்ட பணிகளில் செலவிடப்படுகிறது. ஆய்வுகள் காட்டுகின்றன કਿ ஆட்சேர்க்கை நிபுணர்கள் தங்கள் நேரத்தின் 70% முதல் 80% வரை இதுபோன்ற பணிகளில் செலவிடுகிறார்கள், இது உயர் தாக்க மუშைக்கு மிகக் குறைவான 20-30% மட்டுமே விடப்படுகிறது, எ如初ு வேட்பாளர் உறவுகளை உருவாக்குதல், வேலை நியமன மேலாளர்களுடன் ஆலோசனை செய்தல் மற்றும் மூலோபாய மூலத்தை தயாரிப்பது போன்றவை.1 இந்த விகிதம் வாரத்திற்கு 20 முதல் 30 மணி நேரம் வரை—ஆட்சேர்க்கை நிபுணரின் மொத்த வேலை நேரத்தின் 75% வரை—தானியங்கிப்பாக்க முடியும் கைமுறை செயல்முறைகளுக்கு இழக்கப்படுகிறது.1 இந்த நேரச் செலவுகளின் கிரானுலர் பிரிவு இந்த முறையான திறமையின்மையின் மேலும் விரிவான படத்தை வரைகிறது.

வேட்பாளர் மூலத்தை தேடுதல்: சாத்தியமான வேட்பாளர்களை, குறிப்பாக செயலற்றவர்களை அடையாளம் காணும் செயல்முறை ஒற்றை மிகப் பெரிய நேர முன்மொழிவைக் குறிக்கிறது. ஆட்சேர்க்கை நிபுணர்கள் ஒவ்வொரு திறந்த பாத்திரத்திற்கும் வாரத்தில் சராசரியாக 13 மணி நேரத்தை மூலத்தை தேடும் செயல்களில் மட்டும் செலவிடுகிறார்கள்.1 இந்த எண், இது ஒரு நிலையான வாரப்படி வேலையின் மூன்றில் ஒரு பகுதியை உருவாக்குகிறது, இது Boolean தேடல் சரங்குகளை உருவாக்குதல், தொழில் நெட்வொர்க்குகளில் சрол் செய்தல் மற்றும் தொடர்பு தகவல்களை சரிபார்க்குதல் ஆகியவற்றுக்கு அர்ப்பணிக்கப்படுகிறது. சிறப்பு திறன்களை தேவைப்படுத்தும் பாத்திரங்களுக்கு, இந்த நேர இழப்பு மிகவும் அதிகரிக்கும், சில அறிக்கைகள் மூலத்தை தேடுதல் வாரத்திற்கு குறைந்தது 30 மணி நேரத்தை நுகரும் என்று குறிப்பிடுகின்றன.4

ரிச்யூம் தணிக்கை: வேட்பாளர்கள் மூலத்தில் இருந்து பெறப்பட்டால் அல்லது விண்ணப்பித்தால், தணிக்கை மாரத்தான் தொடங்குகிறது. இந்த பணி ஆட்சேர்க்கை நிபுணரின் நாளின் சுமார் 22% ஐ நுகர்கிறது.1 எந்த பாத்திரத்திற்கும் விண்ணப்பங்களின் மொத்த அளவு—பெரும்பாலும் நூறுகள் அல்லது ஆயிரக்கணக்கானவை—திரியும் அணுகுமுறையை கட்டாயப்படுத்துகிறது, இதில் ஒவ்வொரு ரிச்யூமுக்கும் 30 நிமிடங்கள் முதல் 90 நிமிடங்கள் வரை கவனம் செலுத்தப்படுகிறது.1 500 விண்ணப்பங்களை ஈர்க்கும் ஒரு அதிக அளவு பாத்திரத்திற்கு, இந்த விரைவான தீர்ப்பு செயல்முறை 8 முதல் 25 மணி நேரத்தை மதிப்பிடலாம்.2 சில பகுப்பாய்வுகள் ரிச்யூம் தணிக்கை ஒரு பாத்திரத்திற்கு 23 மணி நேரத்தை எடுக்கும் என்று மதிப்பிடுகின்றன.3

நேர்காணல் நிரல்ப்படுத்துதல்: ஒருவேளை மிகவும் பிரச்சனையான பாதுக்காப்பு நேர்காணல் ஒருங்கிணைப்பின் நிரல்ப்படுத்துதலின் நிரல்ப்படுத்துதல் ஆகும். 67% பெரும்பாலான ஆட்சேர்க்கை நிபுணர்கள் ஒரு நேர்காணலை நிரல்ப்படுத்துவதற்கு வேட்பாளர், வேலை நியமன மேலாளர் மற்றும் பிற பேனல் உறுப்பினர்களுக்கு இடையே 30 நிமிடங்கள் முதல் 2 மணி நேரம் வரை மீண்டும் மீண்டும் தொடர்பு கொள்ளும் நேரம் எடுக்கிறது என்றுรายงาน செய்கிறார்கள்.1 இந்த நிர்வாக சுமை மிகவும் குறிப்பிடத்தக்கதாக இருப்பதால், 35% ஆட்சேர்க்கை நிபுணர்கள் நிரல்ப்படுத்துதலை தங்கள் வேலையின் மிக நேரம் எடுக்கும் அம்சமாக அடையாளம் காண்கின்றனர்.1 சில சந்தர்ப்பங்களில், நிரல்ப்படுத்துதலுக்கு ஒதுக்கப்பட்ட நேரம் ஒரு நேர்காணலுக்கு ஆச்சரியமாக 4.5 மணி நேரம் வரை இருக்கலாம்.3 ஆட்சேர்க்கை நிபுணர் 10 திறந்த பாத்திரங்களை நிர்வகிக்கும்போது, ஒவ்வொன்றுக்கும் ஐந்து வேட்பாளர் நேர்காணல்கள் தேவைப்படுகிறது, இது ஒரு முக்கிய பேச்சு நிகழும் முன் 25 முதல் 100 மணி நேரம் வரை ஒருங்கிணைப்பு நேரத்தை மாற்றலாம்.2

பொது நிர்வாகம்: இந்த முக்கிய செயல்பாடுகளுக்கு அப்பால், நாளின் பெரும்பகுதி ஒரு மিশellaneous “நிர்வாக பனிப்பெருக்கு” க்கு இழக்கப்படுகிறது. உள்ளூர் ஆட்சேர்க்கை நிபுணர்கள் நாளொன்றுக்கு கிட்டத்தட்ட இரண்டு மணி நேரம், அல்லது வாரத்திற்கு ஒரு முழு வேலை நாளுக்கு மேல் சமமான நேரத்தை விண்ணப்பதாரர் கண்காணிப்பு அமைப்புகள் (ATS) மற்றும் வாடிக்கையாளர் உறவு மேலாண்மை (CRM) பிளாட்பார்ம்களில் கைமுறை தரவு உள்ளிடுதல், பதிவுகளை புதுப்பித்தல் மற்றும் ஆவணங்களை செயலாக்குதல் போன்ற பணிகளில் செலவிடுகிறார்கள்.1 யுக்கே சார்ந்த ஒரு ஆய்வு இந்த சுமையை ஒரு வெற்றிக்கு 17.7 மணி நேர கைமுறை நிர்வாகம் என்று அளவிட்டது, இது உலகளாவிய மற்றும் மலிவு விளைவிக்கும் பிரச்சனையைக் குறிக்கிறது.6

இந்த மிகப்பெரிய நிர்வாக சுமை திறமையற்றது மட்டுமல்லாமல் உள்ளார்ந்தভাবે ஆபத்தான ஒரு செயல்முறையை உருவாக்குகிறது. உதாரணமாக, 30 முதல் 90 விநாடிகளில் ஒரு ரிச்யூம் மதிப்பாய்வு செய்ய வேண்டியது ஒரு ஆட்சேர்ப்பாளரின் திறமையின் அளவுகோல் அல்ல, மாறாக ஒரு முறையான குறைபாட்டின் குறிக்கையாகும். இந்த அதிவேக, மேற்பரப்பு-நிலை மதிப்பாய்வு செயல்முறை எளிய முக்கிய வார்த்தை பொருத்துதல் மற்றும் பழகிய மாதிரி அங்கீகாரத்தை நம்பியிருக்க வற்புறுத்துகிறது. இதன் விளைவாக, பாரம்பரிய, நேர்கோட்டு வாழ்க்கை பாதைகள் மற்றும் முழுமையாக உகந்த ரிச்யூம்களைக் கொண்ட விண்ணப்பதாரர்கள் விரும்பப்படுகிறார்கள், அதே நேரத்தில் பாரம்பரிய அல்லாத பின்னணிகள், மாறுபட்ட அனுபவங்கள் அல்லது மிகவும் மதிப்புமிக்க மாற்றக்கூடிய திறன்களைக் கொண்ட அதிக திறன் வாய்ப்புள்ள விண்ணப்பதாரர்கள் புறக்கணிக்கப்படுவதற்கு வாய்ப்புள்ளது. எனவே, விரைவாக நகர்க்கும் செயல்பாட்டு அழுத்தம் மூலோபாய மாறுபாடு, நியாயம் மற்றும் சேர்ப்பு (DEI) முன்முயற்சிகளுடன் நேரடியாக மோதுகிறது மற்றும் அவற்றை குறைக்கிறது. சிறந்த திறமையைக் கண்டறிய வடிவமைக்கப்பட்ட அமைப்பு அதன் திறமையற்ற தன்மையால், நிறுவனங்கள் தீவிரமாக ஈர்க்க முயற்சிக்கும் மாறுபட்ட பார்வைகளை தணிக்கையிடுவதற்கு பிரதிபலிக்கிறது.

திறமையின்மையின் சிற்றலை விளைவு: செயல்முறையை செயல்திறனுடன் இணைப்பது

இந்த நிர்வாக சிக்கலின் விளைவுகள் TA குழுவின் தினசரி பிரச்சனையை விட மிக அதிகமாக பரவுகின்றன. அவை ஆட்சேர்ப்பு காலவரிசைகள் மற்றும் விண்ணப்பதாரர் தரம் முதல் நிதி செயல்திறன் மற்றும் போட்டி நிலை வரை முக்கிய வணிக முடிவுகளை நேரடியாக பாதிக்கும் ஒரு வரிசையான அடுக்கு நேர்மறையற்ற தாக்கங்களை உருவாக்குகின்றன.

நீட்டிக்கப்பட்ட ஆட்சேர்ப்பு நேரம்: கைமுறை மூலத்தை தேடுதல், தணிக்கை மற்றும் நேரம் நிர்ணயம் ஆகியவற்றின் கூட்டு தாமதங்கள் நீட்டிக்கப்பட்ட ஆட்சேர்ப்பு சுழற்சிகளுக்கு நேரடியாக பங்களிக்கின்றன. சராசரி நேர்காணல் செயல்முறை இப்போது முடிக்க 23 நாட்கள் ஆகும்.3 இந்த பிரச்சனை நிலையானது அல்ல; 2024 இல் 60% நிறுவனங்கள் தங்கள் ஆட்சேர்ப்பு நேரத்தில் அதிகரிப்பைக் குறிப்பிடுகின்றன, இது தீவிரமாக மோசமாகி வருகிறது.7 இந்த அளவுகோல் போட்டியான திறமை சந்தையில் மிக முக்கியமானது, அங்கு மிகவும் விரும்பப்படும் விண்ணப்பதாரர்கள் பெரும்பாலும் 10 நாட்களில் மட்டுமே சந்தையில் இருக்க மாட்டார்கள்.4 மெதுவான செயல்முறை என்பது நிறுவனங்கள் சிறந்தத자가 아닌 இரண்டாவது அல்லது மூன்றாவது தேர்வுக்கு தொடர்ந்து போட்டியிடுகின்றன என்று அர்த்தம் செய்கிறது.

குறைந்த விண்ணப்பதாரர் அனுபவம் மற்றும் அதிக விலகல் விகிதம்: இன்றைய விண்ணப்பதாரர்களுக்கு மெதுவான, ஒளியற்ற மற்றும் திறமையற்ற ஆட்சேர்ப்பு செயல்முறைகளுக்கு சிறிய பொறுமை உள்ளது. ஆராய்ச்சி காட்டுகிறது என்றால், விண்ணப்பித்த ஒரு வாரத்திற்குள் நிறுவனத்திலிருந்து பதிலைப் பெறாவிட்டால், 70% வேலை தேடுபவர்கள் ஒரு பாத்திரத்தில் ஆர்வம் இழக்கிறார்கள்.4 நேரம் நிர்ணயம் பிரச்சனை குறிப்பாக கடுமையான தோல்வி புள்ளியாகும், 60% ஆட்சேர்ப்பாளர்கள் நேர்காணலை நிர்ணயிக்கும் முன்பே தொடர்ந்து விண்ணப்பதாரர்களை இழக்கிறார்கள் என்று ஒப்புக்கொள்கிறார்கள்.4 மோசமான ஒட்டுமொத்த அனுபவம் பலருக்கு ஒப்பந்தத்தை முறியடிக்கும் விஷயமாகும்; 49% விண்ணப்பதாரர்கள் நேர்மறையற்ற ஆட்சேர்ப்பு அனுபவம் காரணமாக குறிப்பாக வேலை ஆலோசனையை நிராகரித்ததாக அறிவிக்கிறார்கள்.4 இது நேர்காணல் செயல்முறையின் போது 35% என்ற குறிப்பிடத்தக்க விண்ணப்பதாரர் விலகல் விகிதத்தை அடைகிறது.2

ஆட்சேர்ப்பு தரம் மற்றும் வணிக தாக்கம்: திறமையற்ற செயல்முறைகளால் உருவாக்கப்பட்ட அழுத்தம் பெரும்பாலும் அவசரமாக மற்றும் சிறப்பற்ற ஆட்சேர்ப்பு முடிவுகளுக்கு வழிவகுக்கிறது.3 இது நிறுவனத்திற்குள் நுழைகிற திறமையின் தரத்தை நேரடியாக பாதிக்கிறது. உள் பங்குதாரர்களிடையே அசமாதானம் தெரியும், ஆட்சேர்ப்பு மேலாளர்களின் திருப்தி சராசரியாக 10 இல் 6.2 மட்டுமே உள்ளது, மேலும் ஆட்சேர்ப்பின் மெதுவான வேகம் மற்றும் முன்வைக்கப்பட்ட விண்ணப்பதாரர்களின் தரம் குறித்த அடிக்கடி புகார்களுடன் இருக்கிறது.2 இது மાત্র HR பிரச்சனை அல்ல. திறமையற்ற திறமை பெறுதல் பரந்த வணிக நோக்கங்களில் நேரடியாகவும் அளவிடக்கூடிய தாக்கத்தையும் ஏற்படுத்துகிறது, இது வருவாய் வளர்ச்சியைக் குறைக்கிறது, தயாரிப்பு மற்றும் சேவை தரத்தை பாதிக்கிறது மற்றும் வாடிக்கையாளர் திருப்தியைக் குறைக்கிறது.8

குறிப்பிடத்தக்க நிதி செலவுகள்: செயல்பாட்டு திறமையின்மை கணிசமான மற்றும் பெரும்பாலும் குறைத்து மதிப்பிடப்படும் நிதி சுமையைக் கொண்டுள்ளது. யுனைடெட் கிங்டமில், நிர்வாக பணிகளுக்கு இழந்த உற்பத்தித்திறன் சராசரி ஆட்சேர்ப்பாளருக்கு வருடத்திற்கு £17,000 பொருள் விலைக்கு விளைகிறது.6 நிறுவன மட்டத்தில், செலவுகள் இன்னும் குறிப்பிடத்தக்கவை. மிகவும் அதிர்ச்சியூட்டும் 57% நிறுவனங்கள் இப்போது தங்கள் முழு HR பட்ஜெட்டின் 40% க்கு மேலத்தை திறமை பெறுதலுக்கு ஒதுக்குகின்றன, இது நடைமுறை அமைப்புகளின் செலவு-திறமையின்மையின் தெளிவான குறிக்கையாகும்.8

இந்த பகுப்பாய்வு திறமையின்மையின் அழிவுகரமான, தன்னை நிலைநிறுத்தும் சுழற்சியை வெளிப்படுத்துகிறது. அதிக நிர்வாக சுமை செயல்முறை தாமதங்களுக்கு வழிவகுக்கிறது, இது மாறாக மோசமான விண்ணப்பதாரர் அனுபவம் மற்றும் மிகவும் தகுதியான விண்ணப்பதாரர்களிடையே அதிக விலகல் விகிதங்களை ஏற்படுத்துகிறது. ஒரு சிறந்த விண்ணப்பதாரர் செயல்முறையிலிருந்து விலகும்போது, ஆட்சேர்ப்பாளர் பாத்திரத்தின் மேல் திரும்பி செல்ல வற்புறுத்தப்படுகிறார் மற்றும் மாற்றுகளைக் கண்டறிய நேரத்தை எடுத்து மூலத்தை தேடும் செயல்முறையை மீண்டும் தொடங்குகிறார். இந்த கூடுதல் மூலத்தை தேடும் முயற்சி நிர்வாக சுமையை மேலும் அதிகரிக்கிறது, இது செயல்முறை தாமதங்களை மோசமாக்குகிறது, இது இன்னும் அதிக விண்ணப்பதாரர் விலகல்களுக்கு வழிவகுக்கிறது. அமைப்பு திறமையற்றது மட்டுமல்ல; அது தன்னிற்கு எதிராக செயல்படுகிறது, செயல்திறன் மற்றும் அதனுடன் தொடர்புடைய செலவுகள் காலப்போக்கில் வளரும் ஒரு பின்னூட்ட வளையத்தை உருவாக்குகிறது. இது மCREMENTல் முன்னேற்றங்கள் அல்லது புள்ளி தீர்வுகள் போதுமானது அல்ல என்பதை நிரூபிக்கிறது. இந்த கொடுமையான சுழற்சியை உடைக்க செயல்முறையின் அடிப்படை மறுசீரமைப்பு தேவை.”

மனித செலவு: செயல்திறன், மூளையின் சோர்வு மற்றும் மூலோபாய இயலாமை

இந்த முறையான திறமையின்மையின் இறுதி விலை ரిక்ரூட்டர்களே செலுத்துகிறார்கள். நிரந்தரமான நிர்வாக சுமையை நிர்வகிக்கும் அழுத்தமும், அதே நேரத்தில் பெரும் நியமன இலக்குகளை அடையும் அழுத்தமும் நிலையற்ற வேலை சுமைகளின் சூழலை உருவாக்குகிறது, இது மூளையின் சோர்வுக்கு வழிவகுக்கிறது மற்றும் TA செயல்பாட்டை வணிகத்திற்குத் தேவையான மூலோபாய பங்காளியாக மாறுவதைத் தடுக்கிறது.

நிலையற்ற வேலை சுமைகள்: ரిక்ரூட்டர்களின் வேலை சுமைக்கான தரவு பயங்கரமானது. 2024 இல், 27% TA தலைவர்கள் தங்கள் குழுக்கள் கட்டுப்படுத்த முடியாத வேலை சுமைகளை எதிர்கொள்கின்றன என்று அறிவித்தனர், இது முந்தைய ஆண்டில் 20% இருந்து கணிசமாக அதிகரித்தது.7 இந்த புள்ளியியல் போக்கு முன்பக்க ரిక்ரூட்டர்களின் அனுபவ சான்றுகளால் ஆதரிக்கப்படுகிறது, அவர்களில் பலர் ஒருங்கிணைப்பு பணிகள் அவர்களின் நாளின் 60-70% ஐ நுகர்கின்றன என்று அறிவித்தனர் 9, ஒவ்வொரு நாளும் குறைந்தது இரண்டு மணி நேரம் கைமுறை தரவு உள்ளீடு, நேரம் நிர்ணயம் மற்றும் பின்னூட்டம் பெறுவதற்கு ஒதுக்கப்படுகிறது.10 தொடர்ச்சியான “பிஸினஸ்” நிலை பொருத்தமான உற்பத்தித்திறன் இல்லாமல் உடைந்த அமைப்பின் அடையாளமாகும்.1

மூலோபாய சிதைவு: இந்த நிர்வாக அதிக சுமையின் மிகவும் பாதிக்கும் விளைவு மூலோபாய வேலைகளை விலக்கிவிடுவதாகும். ரిక்ரூட்டரின் நேரத்தின் 80% பரிவர்த்தனை பணிகளால் நுகரப்படும் போது, மீதமுள்ள 20% நேரம் நியமன வெற்றியை நிர்ணயிக்கும் அனைத்து உயர் மதிப்பு செயல்பாடுகளையும் உள்ளடக்குவதற்கு போதுமானதாக இல்லை.2 நீண்ட கால திறமை பைப்லைன்களை உருவாக்கி வளர்ப்பதற்கு, விண்ணப்பதாரர்களுடன் ஆழமான, ஆலோசனை சார்ந்த உறவுகளை உருவாக்குவதற்கு அல்லது நியமன மேலாளர்களுக்கு திறமை சந்தை போக்குகள் மற்றும் பங்கு வடிவமைப்பு பற்றிய மூலோபாய ஆலோசகராக செயல்படுவதற்கு போதுமான நேரம் இல்லை. எனவே TA செயல்பாடு எதிர்வினை செய்யும், பரிவர்த்தனை சுழற்சியில் சிக்கிக்கொண்டிருக்கிறது, எதிர்கால வெற்றிக்குத் தேவையான திறமை உள்கட்டமைப்பை முன்கூட்டியே உருவாக்குவதற்கு பதிலாக தற்போதைய கோரிக்கைகளை நிரப்புகிறது. இந்த மூலோபாய இயலாமை TA க்கு வணிக மதிப்பின் இயக்கியாக அதன் முழு திறனை நிறைவேற்றுவதைத் தடுக்கிறது.

---

அட்டவணை 1: ரిక்ரூட்டர் திறமையின்மையின் உடற்கூறு: நேர-ஆடிட் பிரிவு

பணி வகை	சராசரி நேரம் (வாரத்திற்கு/பதவிக்கு)	வேலை வாரத்தின் சதவீதம்	முக்கிய வணிக தாக்கம்	மூல சippet்டுகள்
விண்ணப்பதாரர் மூலத்தை கண்டறிதல்	பதவிக்கு 13+ மணி நேரம்	~33%	நியமன நேரம் அதிகரிக்கிறது; நீண்ட கால திறமை பைப்லைன்களை உருவாக்கும் திறன் வரையறுக்கப்படுகிறது.	1
ரிச்யூம் தணிக்கை	500 விண்ணப்புகளுக்கு 8-25 மணி நேரம்	நாள் நேரத்தின் ~22%	மாறுபட்ட/பாரம்பரிய அல்லாத திறமைகளை புறக்கணிக்கும் ஆபத்து; அவசரமாக, சார்பு மிக்க முடிவுகள்.	1
நேர்காணல் நேரம் நிர்ணயம்	நேர்காணலுக்கு 30 நிமிடங்கள் - 2 மணி நேரம்	மாறுபடும்; 10 பதவிகளுக்கு 100 மணி நேரம் வரை	அதிக விண்ணப்பதாரர் விலகல் விகிதம் (நேர்காணலுக்கு முன் 60% இழக்கப்படுகிறது); நியமன மேலாளரின் கோபம்.	1
பொது நிர்வாகம்	நாளுக்கு ~2 மணி நேரம்	~20-25%	தவறான தரவு; விண்ணப்பதாரர் ஈடுபாடு மற்றும் மூலோபாய ஆலோசனைக்கு குறைவான நேரம்.	1
மீண்டும் மீண்டும் தணிக்கை அழைப்புகள்	வாரத்திற்கு 12-50 மணி நேரம் (மொத்தம்)	மாறுபடும்	சீரற்ற விண்ணப்பதாரர் மதிப்பீடு; மீண்டும் மீண்டும் கேட்கும் கேள்விகளில் குறிப்பிடத்தக்க நேரம் செலவிடப்படுகிறது.	2

---

II. ஆட்டோமேஷன் அவசியம்: மூலோபாய பதிலாக AI

முன்பு விவரிக்கப்பட்ட ஆழமான செயல்பாட்டு நெருக்கடிக்கு பதிலளிக்க, திறமை பெறும் தொழில் பெரிய தொழில்நுட்ப மாற்றத்திற்கு உட்படுகிறது. செயற்கை நுண்ணறிவு (AI) மற்றும் ஆட்டோமேஷன் எதிர்கால கருத்துக்களாக இல்லாமல், உடனடி மற்றும் அவசியமான மூலோபாய அவசியமாக வெளிப்பட்டுள்ளது. நிறுவனங்கள் தயக்கமான ஆராய்ச்சியை விட பெருமளவில் ஏற்றுக்கொள்ளும் திசையில் விரைவாக நகர்கின்றன, இந்த தொழில்நுட்பங்கள் திறமையின்மையின் சுழற்சியை உடைக்கும் ஒரே சாத்தியமான பாதையை வழங்குகின்றன என்று அங்கீகரிக்கின்றன. இந்த பிரிவு இந்த தொழில்நுட்ப எழுச்சியின் இயக்கக்கூறுகளை ஆராயும், சந்தையின் விரைவான வளர்ச்சியையும் முதலீட்டை இயக்கும் வலுவான வணிக வழக்கையும் விவரிக்கும். இது AI ஐ ம_INCREMENTல் முன்னேற்றத்திற்கு ஒரு கருவியாக மட்டுமல்ல, மேலும் திறமையான, பயனுள்ள மற்றும் மூலோபாய திறமை பெறும் செயல்பாட்டின் அடிப்படை ஆதரவாக நிலைநிறுத்தும்.

சந்தை இயக்கக்கூறுகள் மற்றும் ஏற்றுக்கொள்ளும் போக்குகள்: AI நியமனத்தில் எழுச்சி

AI நியமன தொழில்நுட்ப சந்தை வெடிக்கும் வளர்ச்சியை அனுபவித்து வருகிறது, இது நிறுவனங்கள் நியமனத்தை அணுகும் முறையில் அடிப்படை மாற்றத்தைக் குறிக்கிறது. இது ஒரு சிறிய அல்லது வளர்ந்து வரும் போக்கு அல்ல; இது முழு தொழிலையும் மறுசீரமைக்கும் முக்கிய இயக்கமாகும்.

சந்தை அளவு மற்றும் வளர்ச்சி: உலகளாவிய AI நியமன சந்தையின் மதிப்பு 2023 இல் $661.56 மில்லியனாக இருந்தது, இது ஏற்கனவே கணிசமான முதலீட்டைக் குறிக்கிறது.11 கணிப்புகள் இந்த வேகத்தை மேலும் அதிகரிக்கும் என்று காட்டுகின்றன, 2030 க்குள் சந்தை $1.1 பில்லியனை அடையும் என்று எதிர்பார்க்கப்படுகிறது.13 இந்த விரைவான விரிவாக்கம் நிலைமையானது நிலையற்றது என்று தெளிவாக அங்கீகரிக்கப்படுவதாலும், தொழில்நுட்பம் சக்திவாய்ந்த தீர்வை வழங்குவதாலும் ஊக்கப்படுகிறது.

விரிவான ஏற்றுக்கொள்ளல்: நியமனத்தில் AI இன் ஏற்றுக்கொள்ளல் இப்போது கிட்டத்தட்ட உலகளாவியானது. 2024 இல் நடத்தப்பட்ட கணக்கெடுப்புகள் 87% முதல் 99% வரையிலான நிறுவனங்கள் தங்கள் நியமன செயல்முறைகளில் சில வகையில் AI ஐ பயன்படுத்துகின்றன என்பதைக் காட்டுகின்றன.11 இந்த ஊடுருவல் நிறுவனப் பிரிவில் குறிப்பாக ஆழமானது, அங்கு ஃபார்ச்யூன் 500 நிறுவனங்களில் கிட்டத்தட்ட அனைத்தும் (99%) AI-ஆਧரিত முறைகளைப் பயன்படுத்துகின்றன.11 அதிக செயல்திறன் கொண்ட திறமை பெறும் குழுக்கள் இந்த முயற்சியை வழிநடத்துகின்றன; கடந்த 12 மாதங்களில் தங்கள் நியமன தொழில்நுட்பத்தை மேம்படுத்துவதில் கவனம் செலுத்துவதற்கு அவர்கள் தங்கள் சகாக்களை விட 40% அதிக வாய்ப்பு வைத்திருந்தனர், இது தொழில்நுட்ப முதலீடு மற்றும் நியமன வெற்றிக்கு இடையே தெளிவான தொடர்பைக் காட்டுகிறது.15

துரிதப்படுத்தும் முதலீட்டு நோக்கம்: AI க்கு முனைப்பு விரிவானது மட்டுமல்ல, ஆழமாகவும் வளர்கிறது. முக்கிய பெரும்பான்மை—73% க்கு மேல்—நிறுவனங்கள் 2025 க்குள் நியமன ஆட்டோமேஷனில் மேலும் முதலீடு செய்ய திட்டமிடுகின்றன.16 உடனடியாக, 55% நிறுவனங்கள் தற்போதைய ஆண்டில் இந்த பகுதியில் தங்கள் முதலீட்டை அதிகரிக்கின்றன.12 முன்னோக்கிய பார்க்கும்போது, 95% நியமன மேலாளர்கள் தங்கள் நிறுவனங்கள் நியமன செயல்முறைகளை மேலும் மேம்படுத்த AI இல் முதலீட்டை தொடர்ந்து அதிகரிக்கும் என்று எதிர்பார்க்கின்றனர்.14 இந்த நிலையான நிதி முனைப்பு ஒரு நீண்ட கால மூலோபாய மாற்றத்தை அறிவிக்கிறது, ஒரு குறுகிய கால தந்திர மாற்றத்து அல்ல.

இருப்பினும், இந்த அதிக ஏற்றுக்கொள்ளல் எண்களை முக்கியமாக ஆய்வு செய்வது மிகவும் சிக்கலான உண்மையைக் காட்டுகிறது. கிட்டத்தட்ட ஒவ்வொரு நிறுவனமும் AI ஐ பயன்படுத்துகிறது என்று கூறும் அதே நேரத்தில், பெரிய எண்ணிக்கையிலான தலைவர்கள் பயனுள்ள செயல்படுத்தலுக்கு கடினமான தடைகளை அறிவிக்கின்றன, இதில் கிடைக்கக்கூடிய கருவிகளைப் பற்றிய அறிவின்மை (36%) மற்றும் தொடர்ச்சியான அமைப்பு ஒருங்கிணைப்பு சவால்கள் (47%) அடங்கும்.13 இந்த வெளிப்படையான முரண்பாடு பல நிறுவனங்கள் ‘ஆழமற்ற’ ஏற்றுக்கொள்ளலில் ஈடுபட்டுள்ளன என்று சுட்டிக்காட்டுகிறது. அவர்கள் தங்கள் தற்போதைய ATS அல்லது பிற புள்ளி தீர்வுகளில் உட்பொதிக்கப்பட்ட தனிமைப்படுத்தப்பட்ட AI அம்சங்களைப் பயன்படுத்தலாம், ஒருங்கிணைந்த, முன் முதல் பின் வரை AI-ஆਧரিত மூலோபாயத்தை செயல்படுத்துவதற்கு பதிலாக. இந்த துண்டு துண்டான அணுகுமுறை துண்டு துண்டான தரவுகள், தரமற்ற முதலீட்டு வருமானம் மற்றும் தொழில்நுட்பம் வாக்குறுதி செய்யும் மாற்றும் செயல்முறை மறுசீரமைப்பை அடைய முடியாமல் போக்குகிறது. எனவே, தலைமையின் மூலோபாய சவால் வேறுபட்ட கருவிகளின் வாங்குதலை ஒப்புதல் செய்வது மட்டுமல்ல, தொழில்நுட்பத்தின் முழு திறனை திறக்கக்கூடிய ஒரு முழுமையான மற்றும் ஒருங்கிணைந்த AI மூலோபாயத்தை ஆதரிக்கும் பொருளாகும்.

மாற்றத்திற்கான வணிக வழக்கு: செலவு மையத்திலிருந்து மதிப்பு இயக்கியாக

AI ஏற்றுக்கொள்ளலுக்குப் பின்னால் உள்ள வலுவான வேகம் பாரம்பரிய நியமனத்தின் முக்கிய வலி புள்ளிகளை நேரடியாகத் தீர்க்கும் தெளிவான மற்றும் வலுவான வணிக வழக்கில் அடித்தளம் காண்கிறது. முதலீட்டு வருமானம் வியத்தகு செயல்திறன் ஆதாயங்கள், நேரடி செலவு சேமிப்புகள் மற்றும் உயர் மட்ட மூலோபாய இலக்குகளை செயல்படுத்துவதன் மூலம் நிறைவேற்றப்படுகிறது.

முக்கிய இயக்கி - செயல்திறனை திறக்க: AI ஏற்றுக்கொள்ளலுக்கான முதன்மையான மற்றும் மிகத் தற்போதைய இயக்கி நிர்வாக பணிகளுக்கு இழந்த பெரிய அளவிலான நேரத்தை மீட்டெடுக்கும் வாக்கியமாகும். கணக்கெடுப்பில், 67% நியமன முடிவெடுப்பாளர்கள் நேர மிச்சம் முதன்மை நன்மையாக அடையாளம் காண்கின்றனர்.11 44% திரட்டுபவர்கள் இதை செயல்படுத்துவதற்கான முக்கிய காரணமாக முன்வைக்கின்றனர், இது இந்த உணர்வை ஒத்திருக்கிறது.11 தற்போதைய AI தொழில்நுட்பங்கள் அறிவு தொழிலாளியின் நேரத்தின் 60% முதல் 70% வரை சிக்கிக்கொள்ளும் பணிகளை ஆட்டோமேட் செய்யும் திறனைக் கொண்டுள்ளன, இது அவர்களை மிகவும் சிக்கலான மற்றும் மதிப்புமிக்க வேலைக்கு கவனம் செலுத்த முகலாய்ச்சி செய்கிறது.12

நிரூபிக்கக்கூடிய நிதி ROI: இந்த செயல்திறன் ஆதாயங்கள் நேரடியாகத் துல்லியமான நிதி நன்மைகளாக மாற்றப்படுகின்றன. மேக்ரோ பொருளாதார மட்டத்தில், வெற்றிகரமாக AI ஐ ஏற்றுக்கொள்ளும் வணிகங்கள் மேம்பட்ட உற்பத்தித்திறன் மற்றும் சிறந்த முடிவெடுப்பு மூலம் 6% முதல் 10% வரை வருவாய் அதிகரிப்பை எதிர்பார்க்கலாம்.12 துறை மட்டத்தில், செலவு சேமிப்புகள் கணிசமாக இருக்கும். ஒரு விரிவான ஆட்டோமேஷன் பிளாட்பார்மை செயல்படுத்திய ஒரு நிறுவனத்தின் ஒரு வழக்கு ஆய்வு ஆண்டு மொத்தம் $667,000 சேமிப்பைக் குறிப்பிட்டது.17

மூலோபாய இலக்குகளை செயல்படுத்துதல்: உடனடியான செயல்திறன் ஆதாயங்களுக்கு அப்பால், தலைவர்கள் மிகவும் சிக்கலான மூலோபாய சவால்களை தீர்க்க AI ஐ மேலும் ஏற்றுக்கொள்கின்றனர். முன்னுரிமைகளின் 2024 கணக்கெடுப்பு 40% நிறுவனங்கள் ஒட்டுமொத்த பணியாளர் செயல்திறனை மேம்படுத்துவதில் கவனம் செலுத்துகின்றன, 34% நிறுவனங்கள் தங்கள் முக்கிய நியமன செயல்முறைகளில் AI ஐ முறையாக ஒருங்கிணைக்க திட்டமிடுகின்றன மற்றும் 38% நிறுவனங்கள் தங்கள் நியமன தொழில்நுட்ப அடுக்கை பரந்த அளவில் மேம்படுத்துவதை முன்னுரிமை அளிக்கின்றன என்பதைக் காட்டியது.7 உலகளாவிய பணியாளர் குழுக்களின் வளர்ச்சி, ஹைப்ரிட் மற்றும் ரிமோட் மாதிரிகள் மற்றும் மாறும் ஒழுங்குமுறைகளால் இயக்கப்படும் நவீன திறமை பெறும் சிக்கலானது கைமுறை செயல்முறைகளின் திறன்களை மீறியுள்ளது என்பதை இது பிரதிபலிக்கிறது. இந்த சூழலில், நவீன, AI-ஆਧரিত தீர்வுகள் ஒரு விரும்பு அல்ல, போட்டி முன்னேற்றத்தை பராமரிக்கும் மூலோபாய அவசியமாகும்.8

இந்த முதலீட்டு இயக்கிகளில் இந்த பரிணாமம் முதிர்ந்த சந்தையைக் குறிக்கிறது. AIயின் ஆரம்பಿಕ வணிக வழக்கு நேரடியானது மற்றும் செலவு குறைப்பில் கவனம் செலுத்தியது: பணிகளை தானியங்க화하여 ஆட்சேர்ப்பாளர்களின் மணிநேரங்களை அளவிடக்கூடிய எண்ணிக்கையில் சேமிக்க. இப்போது, மிகவும் நுணுக்கமான மதிப்பு முன்மொழிவு வெளிப்படுகிறது. 43% பெரிய எண்ணிக்கையிலான முடிவெடுப்பாளர்கள் மனித மாறுபாட்டை குறைக்கும் AIயின் திறனை முக்கிய நன்மையாகக் குறிப்பிடுகின்றனர், மேலும் 74% பேர் விண்ணப்பதாரரின் திறன்கள் கொடுக்கப்பட்ட பாத்திரத்துடன் இணக்கம் என்னவென்று மதிப்பீடு செய்வதன் மூலம் சிறந்த ஆட்சேர்ப்பு பொருத்தங்களுக்கு வழிவகுக்க முடியும் என்று நம்புகின்றனர்.14 இது AIயെ புற்று மேல் நிர்வாக கருவியாக দেখ்பதிலிருந்து உயர் மட்ட முகவர் இலக்குகளை அடைவதில் மூலோபாய பங்காளியாக அதன் திறனை அங்கீகரிப்பதாக முக்கிய மாற்றத்தைக் குறிக்கிறது, எ.கா. DEI முடிவுகளை மேம்படுத்துதல் மற்றும் ஆட்சேர்ப்பின் தரத்தை அதிகரிப்பது. இந்த பரிணாமம் AI தீர்வுகளை மதிப்பிடுவதற்கான அளவுகோல்களை அடிப்படையில் மாற்றுகிறது; தலைவர்கள் இப்போது எளிய தானியங்க화 அம்சங்களுக்கு அப்பால் பார்க்க வேண்டும் மற்றும் விற்பனையாளரின் அல்காரிதம் நுணுக்கம், மாறுபாடு-ஆடிட்டிங் முறைகள் மற்றும் விண்ணப்பதாரர் வெற்றியில் முன்கணிப்பு நுண்ணறிவுகளை வழங்கும் திறனை ஆய்வு செய்ய வேண்டும்.

தொழில்நுட்ப அடுக்கு: AI கருவிகளின் நிலப்பரப்பு

AI ஆட்சேர்ப்பு சந்தை ஆட்சேர்ப்பு வாழ்க்கைச் சுழற்சியின் குறிப்பிட்ட கட்டங்களை நிவர்த்தி செய்ய வடிவமைக்கப்பட்ட பல்வேறு மற்றும் விரைவாக பரிணமிக்கும் கருவிகளின் சூழலை வழங்குகிறது. இந்த நிலப்பரப்பைப் புரிந்துகொள்வது பயனுள்ள, ஒருங்கிணைந்த தொழில்நுட்ப அடுக்கை உருவாக்குவதற்கான முதல் படியாகும். தீர்வுகளின் முதன்மை வகைகள் பின்வருமாறு:

பேச்சு AI மற்றும் சாட்பாட்கள்: இந்த கருவிகள் பெரும்பாலும் விண்ணப்பதாரர்களுக்கு முதல் தொடர்பு புள்ளியாக செயல்படுகின்றன. கேரியர் சைட்களில் நிறுவப்பட்டவை, அவை 24/7 விண்ணப்பதாரர்களை ஈடுபடுத்தலாம், பாத்திரங்கள் மற்றும் நிறுவன கலாச்சாரம் பற்றிய அடிக்கடி கேட்கப்படும் கேள்விகளுக்கு பதிலளிக்கலாம், மேலும் அடிப்படை தகுதி கேள்விகளைக் கேட்டு ஆரம்பகால முன் திரையிடலாம். இது ஒவ்வொரு விண்ணப்பதாரருக்கும் பதிலளிக்கும் அனுபவத்தை உறுதி செய்கிறது மற்றும் புனலின் மேல் பகுதியை வடிகட்டுகிறது. தற்போது, AI ஐ ஏற்றுக்கொண்ட நிறுவனங்களில் 41% இந்த நோக்கத்திற்காக சாட்பாட்களைப் பயன்படுத்துகின்றன.12

திரையிடல் மற்றும் பொருத்த மோட்டார்கள்: AI இன் இந்த வகை அதிக அளவு, நேரம் எடுக்கும் ரிச்யூம் மதிப்பாய்வு பணியை நிவர்த்தி செய்ய வடிவமைக்கப்பட்டுள்ளது. இந்த பிளாட்பார்ம்கள் இயற்கை மொழி செயலாக்க (NLP) மற்றும் இயந்திர అభியासத்தைப் பயன்படுத்தி ரிச்யூம்களை பகுக்க, முக்கிய திறன்கள் மற்றும் அனுபவங்களை அடையாளம் கண்டறிய, விண்ணப்பதாரர்களை வேலை விளக்கத்தின் தேவைகளுடன் பொருத்துகின்றன. இது ஆட்சேர்ப்பில் AI இன் மிகவும் பொதுவான பயன்பாடாகும், 58% நிறுவனங்கள் மூலத்திற்காக, 56% திரையிடலுக்காக, 55% விண்ணப்பதாரர்களை வளர்ப்பதற்காக பயன்படுத்துகின்றன.16

நேர்காணல் பிளாட்பார்ம்கள்: இது பல தனித்துவமான தொழில்நுட்பங்களை உள்ளடக்கிய பரந்த மற்றும் மாறும் வகையாகும். ஒத்திசைவற்ற (ஒரு வழி) வீடியோ நேர்காணல் பிளாட்பார்ம்கள் விண்ணப்பதாரர்களுக்கு முன் அமைக்கப்பட்ட கேள்விகளுக்கு பதில்களை பதிவு செய்ய அனுமதிக்கின்றன, அவை பின்னர் ஆட்சேர்ப்பு குழுவால் தங்கள் வசதியில் மதிப்பாய்வு செய்யப்படுகின்றன. தானியங்க화 செதுக்கும் கருவிகள் ஆட்சேர்ப்பாளர் மற்றும் ஆட்சேர்ப்பு மேலாளர் நாள்காட்டிகளுடன் ஒருங்கிணைக்கப்பட்டு ஒருங்கிணைப்பின் கைமுறை முன்னும் பின்னும் நீக்குகின்றன. மேலும் மேம்பட்ட பிளாட்பார்ம்கள் நேரடி நேர்காணல்களின் போது புத்திசாலித்தனமான உதவியை வழங்குகின்றன, நிகழ்நேர மொழிபெயர்ப்பு மற்றும் தரவு-ஆਧரిత அறிவிப்புகளை வழங்குகின்றன.17

தலانت் நுண்ணறிவு சூட்டுகள்: இவை பல AI செயல்பாடுகளை ஒரு செயல்பாட்டு வரிசையில் ஒருங்கிணைக்கும் விரிவான, முன்-முடிவு பிளாட்பார்ம்களாகும். அவை மூலத்திற்கு, திரையிடலுக்கு, செதுக்குக்கு மற்றும் நேர்காணல் திறன்களை சக்திவாய்ந்த பகுப்பாய்வு அடுக்குடன் இணைக்கின்றன. இந்த சூட்டுகள் முழு ஆட்சேர்ப்பு புனலின் முழுமையான பார்வையை வழங்குகின்றன, செயல்முறை பெருக்கங்கள், விண்ணப்பதாரர் பைப்லைன் ஆரோக்கியம் மற்றும் நேர்காணல் செயல்திறன் பற்றிய நுண்ணறிவுகளை வழங்குகின்றன, இதன் மூலம் திறமை பெறுவதற்கு உண்மையில் தரவு-ஆਧரిత அணுகுமுறையை செயல்படுத்துகின்றன.17

---

அட்டவணை 2: திறமை பெறுவதில் AI ஏற்றுக்கொள்ளல்: சந்தை போக்குகள் மற்றும் முதலீட்டு இயக்கிகள்

அளவு	புள்ளிவிவரம்	தலைமைக்கான முக்கிய தாக்கம்	மூல விவரங்கள்
சந்தை வளர்ச்சி விகிதம்	2023 இல் $661.56M இலிருந்து 2030 க்கு $1.1B க்கு அடையும் என்று கணிக்கப்படுகிறது	சந்தை விரைவாக விரிவாகிறது; முதலீட்டை தாமதப்படுத்துவது திறமை போரில் போட்டியாளர்களுக்கு பின்னால் விழுவதைக் குறிக்கிறது.	11
மொத்த ஏற்றுக்கொள்ளல் விகிதம்	87-99% நிறுவனங்கள் சில திறன்களில் AI ஐ பயன்படுத்துகின்றன	AI இப்போது அடிப்படை தேவையாகும். போட்டி வேறுபடுத்துவது நீங்கள் AI ஐ பயன்படுத்துகிறீர்களா என்பதில் இல்லை, ஆனால் எவ்வளவு திறமையாக நீங்கள் அதை ஒருங்கிணைக்கிறீர்கள் என்பதில் உள்ளது.	11
திட்டமிடப்பட்ட முதலீட்டு அதிகரிப்பு	2025 க்கு 73% நிறுவனங்கள் அதிக முதலீடு செய்ய திட்டமிடுகின்றன; 95% மேலாளர்கள் அதிக முதலீட்டை எதிர்பார்க்கிறார்கள்.	AI இன் ROI இல் வலுவான, நிலையான நம்பிக்கை உள்ளது. பட்ஜெட்டுகள் இந்த மூலோபாய முன்னுரிமையை பிரதிபலிக்க வேண்டும்.	14
முதன்மை இயக்கி: செயல்திறன்	67% முடிவெடுப்பாளர்கள் “நேரத்தை சேமிப்பது” என்பதை முக்கிய நன்மையாகக் குறிப்பிடுகின்றனர்.	மிகச்சரியான மற்றும் அளவிடக்கூடிய வருமானத்தை நிர்வாக பணிகளை தானியங்க화하여 ஆட்சேர்ப்பாளர் திறனை விடுவிக்கும் முறையில் உள்ளது.	11
முதன்மை இயக்கி: மாறுபாடு குறைப்பு	43% முடிவெடுப்பாளர்கள் “மனித மாறுபாட்டை நீக்குதல்” என்பதை நன்மையாகக் குறிப்பிடுகின்றனர்.	வணிக வழக்கு செலவு குறிப்புக்கு அப்பால் DEI முடிவுகளை மேம்படுத்துதல் போன்ற மூலோபாய இலக்குகளை உள்ளடக்கியதாக பரிணமிக்கிறது.	11
முக்கிய தடை: ஒருங்கிணைப்பு	47% தலைவர்கள் “சிஸ்டம் ஒருங்கிணைப்பு இல்லை” என்பதை தடையாகக் குறிப்பிடுகின்றனர்.	பகுதி-பகுதி அணுகுமுறை பயனற்றது. ஒன்றுக்கொன்று இணக்கம் முன்னுரிமை அளிக்கும் முழுமையான மூலோபாயம் வெற்றிக்கு அவசியம்.	13

---

III. AI-ஆਧரిత ஆட்சேர்ப்பு புனலை பிரித்தல்

தலانت் பெறுதலில் AI இன் கோட்பாட்டு வாக்குறுதி அதன் பயன்பாடுகள் ஆட்சேர்ப்பு சுழற்சியின் ஒவ்வொரு கட்டத்திலும் ஆய்வு செய்யப்படும்போது உறுதியானதாக மாறுகிறது. ஆரம்பகால பதிவு வேட்பாளர்களைத் தேடுவதிலிருந்து நேர்காணலுக்குப் பிறகு இறுதி மதிப்பீடு வரை, AI-சக்தி பெற்ற கருவிகள் நீண்ட காலமாக இருந்த பதுக்கைகளை முறையாக உடைக்கின்றன மற்றும் கைமுறை, பாரம்பரிய செயல்முறைகளை தானியங்கி, தரவு-ஆధారిత வேலை முறைகளால் மாற்றுகின்றன. இந்த பிரிவு ஆட்சேர்ப்பு பாதையில் AI எவ்வாறு நடைமுறையில் பயன்படுத்தப்படுகிறது என்பதற்கு நுண்ணிய, படிப்படியான பகுப்பாய்வை வழங்குகிறது, குறிப்பாக “நேர்காணல் நுண்ணறிவு” என்ற மாற்றும் தொழில்நுட்பத்தின் தோற்றம் - பேச்சுகளை கட்டமைக்கப்பட்ட, செயல்படக்கூடிய தரவாக மாற்றும் ஒரு புதிய தொழில்நுட்ப வகை.

தலைக்கண்ட மாற்றல்: மூலத்தை பிடித்தல், பரிசோதனை, மற்றும் ஈடுபாடு

பாரம்பரிய ஆட்சேர்ப்பில் மிகப்பெரிய திறமையின்மை பெரும்பாலும் குழாயின் மேல் பகுதியில் குவிக்கப்படுகிறது, அங்கு குழுக்கள் அதிக அளவு சாத்தியமான பதிவு வேட்பாளர்களை நிர்வகிக்க வேண்டும். AI இந்த ஆரம்பகால செயல்களை அடிப்படையில் மாற்றுகிறது.

AI-சக்தி பெற்ற மூலத்தை பிடித்தல்: வரையறுக்கப்பட்ட நெட்வொர்க்குகளுக்குள் கைமுறை தேடல்களை நம்புவதற்கு பதிலாக, ரిక்ரூட்டர்கள் இப்போது இணையத்தில் மில்லியன் கணக்கான பொது சுயவிவரங்களை ஸ்கேன் செய்து நிலையான பதிவு வேட்பாளர்களை அடையாளம் கண்டறிந்து ஈடுபடும் AI பிளாட்பார்ம்களைப் பயன்படுத்தலாம். இந்த கருவிகள் எளிய முக்கிய வார்த்தை பொருத்தத்திற்கு அப்பால் செல்கின்றன, மெஷின் லர்னிங்கைப் பயன்படுத்தி பதிவு வேட்பாளரின் அனுபவத்தின் சூழலை புரிந்துகொள்கின்றன, திறன்களை ஊகிக்கின்றன, மேலும் புதிய வாய்ப்பில் ஆர்வம் கொண்டிருப்பதற்கான அவற்றின் வாய்ப்பை கணிக்கின்றன, இதன் மூலம் மிகவும் இலக்கு நோக்கிய மற்றும் பயனுள்ள மூலத்தை பிடித்தல் இயந்திரத்தை உருவாக்குகின்றன.16

நுண்ணறிவு பரிசோதனை: ரிச்யூம் பரிசோதனையின் தானியங்குதல் AI இன் மிகவும் தாக்கம் விளைவிக்கும் பயன்பாடுகளில் ஒன்றாகும். இந்த தொழில்நுட்பம் ரిక்ரூட்டரின் நாளின் 22% ஐ நுகரும் பணியை நேரடியாக நிவர்த்தி செய்கிறது.1 AI-சக்தி பெற்ற அமைப்புகள் வினாடிகளில் ஆயிரக்கணக்கான ரிச்யூம்களை பகுப்பாய்வு செய்து பகுப்பாய்வு செய்ய முடியும், அவற்றை வேலை விளக்கத்தின் குறிப்பிட்ட தேவைகளுக்கு எதிராக தரவரிசை செய்கின்றன. இது இப்போது பொதுவான நடைமுறையாகும், 42% நிறுவனங்கள் ரிச்யூம் பரிசோதனையை தானியங்குகின்றன.7 64% பெரிய எண்ணிக்கையிலான மனநிலை நிர்வாக நிபுணர்கள் தங்கள் AI கருவிகள் தகுதியற்ற விண்ணப்பதாரர்களை தானாகவே வடிகட்ட முடியும் என்றுรายงาน करते हैं, இது மனித ரిక்ரூட்டர்களை மிகவும் முன்னேற்றமான வேட்பாளர்களின் முன்-சரிபார்க்கப்பட்ட சிறிய பட்டியலில் மட்டுமே தங்கள் கவனத்தை குவிக்க அனுமதிக்கிறது.12

தானியங்கிய பதிவு வேட்பாளர் ஈடுபாடு: பதிவு வேட்பாளர் ஈடுபாடு மற்றும் கோஸ்டிங்கை எதிர்க்க, நிறுவனங்கள் தங்கள் கேரியர் வலைத்தளங்களில் AI-சக்தி பெற்ற சாட்பாட்களை நிறுவுகின்றன. இந்த பாட்கள் உடனடி, 24/7 ஈடுபாட்டை வழங்க முடியும், வேலை பாத்திரங்கள், நன்மைகள் மற்றும் நிறுவன கலாச்சாரம் பற்றிய பொதுவான கேள்விகளுக்கு பதிலளிக்கும். அவை தகுதி சோதிக்கும் கேள்விகளின் தொடரை கேட்டு ஆரம்பகால பரிசோதனையையும் செய்ய முடியும், மேலும் தகுதியான பதிவு வேட்பாளர்களுக்கு, நேர்காணல் நேரம் நிர்ணயித்தல் செயல்பாட்டை தொடங்க முடியும். இது ஒவ்வொரு விண்ணப்பதாரருக்கும் சரியான நேரத்தில் பதில் அளிக்க உதவுகிறது, இது பதிவு வேட்பாளர் அனுபவத்தை மிகவும் மேம்படுத்துகிறது மற்றும் முதலாளி பிராண்ட்டை வலுப்படுத்துகிறது.12

புதிய நேர்காணல் முன்னுதாரணம்: செயல்பாட்டில் தானியங்குதல்

ஆட்சேர்ப்பு செயல்பாட்டின் நடுத்தர கட்டங்கள், நேர்காணல்களை மையமாகக் கொண்டவை, வரலாற்று ரீதியாக தரக்கு சவால்கள் மற்றும் நிர்வாக மேலும் பெரிய பொருள்களால் பாதிக்கப்பட்டுள்ளன. AI இப்போது இந்த படிகளை சுருக்குகிறது, இது பதிவு வேட்பாளர்களுக்கும் ஆட்சேர்ப்பு குழுக்களுக்கும் மிக வேகமான மற்றும் திறமையான செயல்முறையை உருவாக்குகிறது.

தானியங்கிய நேரம் நிர்ணயித்தல்: நேர்காணல்களின் கைமுறை ஒருங்கிணைப்பு பெரும் பிரச்சனை மற்றும் தாமதத்தின் முதன்மை மூலமாகும். AI-சக்தி பெற்ற நேரம் நிர்ணயித்தல் கருவிகள் இந்த பதுக்கையை முற்றிலும் நீக்குகின்றன. இந்த பிளாட்பார்ம்கள் அனைத்து பங்குதாரர்களின் (பதிவு வேட்பாளர், ரిక்ரூட்டர், நியமன மேலாளர், பேனல் பங்குதாரர்கள்) காலெண்டர்களுடன் நேரடியாக ஒருங்கிணைக்கின்றன மற்றும் பரஸ்பரமாக கிடைக்கும் நேர இடைவெளிகளை அடையாளம் கண்டறிந்து, தானாகவே அழைப்புகளை அனுப்புகின்றன. இந்த தொழில்நுட்பம் இப்போது 42% நிறுவனங்களால் பயன்படுத்தப்படுகிறது, இது மணிநேரங்கள் அல்லது நாட்கள் ஆகலாம் என்ற செயல்முறையை சில நிமிடங்களில் மாற்றுகிறது, இது நியமிக்கும் நேரத்தை குறைக்கிறது மற்றும் நேரம் நிர்ணயித்தல் மோதல்கள் காரணமாக சிறந்த பதிவு வேட்பாளர்கள் வெளியேறுவதைத் தடுக்கிறது.4

அசமன்பாட்டு (ஒரு வழி) வீடியோ நேர்காணல்கள்: இந்த தொழில்நுட்பம் பாரம்பரிய, நேரம் எடுத்து வரும் ஃபோன் ஸ்கிரீன்களை மாற்றுவதற்கு ஒரு சக்திவாய்ந்த கருவியாக மாறியுள்ளது, குறிப்பாக அதிக அளவு ஆட்சேர்ப்பு சூழ்நிலைகளில். ரిక்ரூட்டர்கள் தரப்படுத்தப்பட்ட கேள்விகளின் தொகுப்பை உருவாக்குகின்றன, மேலும் பதிவு வேட்பாளர்கள் தங்கள் அட்டவணையின்படி வீடியோவ் மூலம் தங்கள் பதில்களை பதிவு செய்ய அழைக்கப்படுகிறார்கள்.20 இது பதிவு வேட்பாளருக்கு மிகப்பெரிய நெகிழ்வுத்தன்மையை வழங்குகிறது மற்றும் ஆட்சேர்ப்பு குழுவிற்கு குறிப்பிடத்தக்க திறமையை உருவாக்குகிறது. ரిక்ரூட்டர்கள் வீடியோ பதில்களை பatches ல் மதிப்பாய்வு செய்யலாம், அவற்றை நியமன மேலாளர்களுடன் கருத்துக்களுக்கு எளிதாகப் பகிரலாம், மேலும் ஒவ்வொருவரும் அதே தொகுப்பு கேள்விகளுக்கு பதிலளித்ததால், பதிவு வேட்பாளர்களுக்கு இடையே விரைவான, மிகவும் சீரான ஒப்பீடுகளை செய்யலாம்.18

AI-மောலிகமான மதிப்பீடுகள்: ரெஸ்யூம் மற்றும் பாரம்பரிய நேர்காணலின் வரம்புகளைக் கடந்து செல்ல, நிறுவனங்கள் பன்முகமாக AI ஐ பயன்படுத்தி புறநிலையான, திறன்-அடிப்படையான மதிப்பீடுகளை நிர்வகிக்கும் மற்றும் மதிப்பிடுகின்றன. தொழில்நுட்ப பாத்திரங்களுக்கு, இது ஒரு விண்ணப்பதார자의 குறிப்பிட்ட புரோகிராமிங் மொழியில் திறமையை மதிப்பிடும் தானியங்கி கோடிங் சவால்களை உள்ளடக்கியிருக்கலாம். பிற பாத்திரங்களுக்கு, இது பிரச்சனை-தீர்வு திறன்கள் அல்லது கொள்கையாளர் சேவை திறன்களை மதிப்பிடும் சூழ்நிலை நியாயம் சோதனைகளை உள்ளடக்கியிருக்கலாம். இந்த மதிப்பீடுகள் ஒரு விண்ணப்பதார자의 உண்மையான திறன்கள் பற்றிய புறநிலையான, அளவிடக்கூடிய தரவைக் கொடுக்கின்றன, இது மிகவும் முன்கணிப்பு செய்யக்கூடிய மற்றும் குறைவான சார்பு கொண்ட நியமன முடிவுகளுக்கு வழிவகுக்கிறது.17

நேர்காணல் நுண்ணறிவை மở்குதல்: பேச்சுகளை தரவாக மாற்றுதல்

நிரந்தர முகவர் தேடலில் AI இன் மிக முன்னேறிய மற்றும் மாற்றும் பயன்பாடு ‘நேர்காணல் நுண்ணறிவு’ இன் தோன்றலாக இருக்கலாம். இந்த வகை தொழில்நுட்பம் எளிய தானியங்குதலுக்கு அப்பால் நகர்ந்து நேர்காணலின் தன்மையை அடிப்படையில் மாற்றுகிறது, ஒரு குறுகிய, பார்வையன் சார்ந்த பேச்சை நிரந்தர, கட்டமைக்கப்பட்ட மற்றும் பகுப்பாய்வு செய்யக்கூடிய தரவு சொத்தாக மாற்றுகிறது.

தானியங்கி டிரான்ஸ்கிரிப்ஷன்: நேர்காணல் நுண்ணறிவின் அடித்தளம் தானியங்கி டிரான்ஸ்கிரிப்ஷன் ஆகும். AI-බலம் பெற்ற கருவிகள் இப்போது நேரடி வீடியோ நேர்காணலில் சேர்ந்து முழு பேச்சின் நிகழ்வு நேரத்தில், மிக உயர் துல்லியமான (பெரும்பாலும் 99% வரை) உரை டிரான்ஸ்கிரிப்டை உருவாக்க முடியும்.24 இது நேர்காணலர்களுக்கு நீண்ட காலமாக இருந்த பிரச்சனையை உடனடியாக தீர்க்கிறது: ஒரே நேரத்தில் கேட்டುಕ் கொள்ள, ஈடுபட மற்றும் விரிவான குறிப்புகளை எடுக்க வேண்டும் என்பது. AI க்கு குறிப்பு எடுக்கும் செயல்பாட்டை ஒப்படைத்து, நேர்காணலர் பேச்சில் முழுமையாக இருக்க சுதந்திரமாகிறது, இது விண்ணப்பதாரருக்கு மிகவும் இயற்கையான, ஈடுபட்ட மற்றும் பயனுள்ள தொடர்புக்கு வழிவகுக்கிறது.18 டிரான்ஸ்கிரிப்ட் கூறப்பட்டவற்றின் முழுமையான, தேடல் செய்யக்கூடிய பதிவாக செயல்படுகிறது, தவறாக நினைவு கொள்வது அல்லது முழுமையற்ற குறிப்புகள் போன்ற பிரச்சனைகளை நீக்குகிறது.26

AI-உருவாக்கப்பட்ட சுருக்கங்கள் மற்றும் முக்கிய புள்ளிகள்: டிரான்ஸ்கிரிப்ட் மீது கட்டமைக்கப்பட்டு, அடுத்த முக்கியத்துவ அடுக்கு AI-බலம் பெற்ற பகுப்பாய்விலிருந்து வருகிறது. நேர்காணல் முடிவடைந்த பிறகு, AI முழு டிரான்ஸ்கிரிப்டை செயலாக்கி, ચர్చിച്ച முக்கிய தலைப்புகள் மற்றும் விண்ணப்பதார자의 முக்கிய பதில்களின் சுருக்கமான, புல்லெட்-புள்ளி சுருக்கத்தை உருவாக்க முடியும்.18 இது தானாகவே முக்கிய தருணங்களை அடையாளம் கண்டறிவது மற்றும் முக்கியப்படுத்தலாம், எப்போது விண்ணப்பதார자가 பாத்திரத்திற்கு முக்கியமான குறிப்பிட்ட திறன் அல்லது திறனைப் பற்றி ચர్చிக்கிறார் என்பது போன்றவை. இது பிஸியாக இருக்கும் நியமன மேலாளருக்கு முழு ரெகார்டிங்கைப் பார்க்க வேண்டாம் என்று 45 நிமிட நேர்காணலின் சாரத்தை சில நிமிடங்களில் விரைவாக புரிந்துகொள்ள அனுமதிக்கிறது.24 நம்பகத்தன்மையை உறுதி செய்ய, சில முன்னேறிய கருவிகள் சுருக்கத்துடன் ‘AI நம்பிக்கை மதிப்பெண்’ ஐ வழங்குகின்றன, இது AIயின் சுருக்கம் அசல் பேச்சின் நுண்ணறிவுகளை எவ்வளவு துல்லியமாக பிரதிபலிக்கிறது என்பதைக் குறிக்கிறது.27

தரவு-மောலிகமான மதிப்பீடு மற்றும் ஒப்புழைப்பு: முழு டிரான்ஸ்கிரிப்ட், AI-உருவாக்கப்பட்ட சுருக்கம் மற்றும் வீடியோ ரெகார்டிங் ஆகியவற்றின் கலவையானது புறநிலையான ‘நேர்காணல் ப্যாக்கேஜ்’ ஐ உருவாக்குகிறது. இந்த ப্যாக்கேஜ் முழு நியமன குழுவில் எளிதாகப் பகிரப்படலாம், இது மிகவும் ஒப்புழைப்பு, நிலையான மற்றும் தரவு-மောலிகமான மதிப்பீடு செயல்முறையை வளர்க்கிறது.24 வெவ்வேறு நேர்காணலர்களிடமிருந்து மாறுபட்ட மற்றும் பார்வையன் சார்ந்த குறிப்புகளை நம்புவதற்குப் பதிலாக, நியமன கமிட்டியில் உள்ள அனைவரும் அதே உண்மை மூலத்தை மதிப்பிடலாம்.27 இது ஒத்திசைவற்ற பின்னூட்டத்தை எளிதாக்குகிறது, நீண்ட, பயனற்ற டிப்ரீஃப் மீட்டிங்களின் தேவையைக் குறைக்கிறது, மேலும் இறுதி நியமன முடிவு பேச்சிலிருந்து சரிபார்க்கக்கூடிய ஆதாரத்தை அடிப்படையாகக் கொண்டது, பார்வையன் சார்ந்த நினைவு அல்லது நனவில்லா சார்பு மாறாக இருப்பதை உறுதி செய்கிறது.25

இந்த நேர்காணல் நுண்ணறிவு பிளாட்பார்ம்களின் எழுச்சி நேர்காணல் செயல்முறையின் மூலோபாய மதிப்பில் ஆழமான மாற்றத்தை உருவாக்குகிறது. இது ஒரு காலத்தில் குறுகிய, இணைக்கப்படாத பேச்சுகளின் தொடரை அனைத்து விண்ணப்பதாரர் தொடர்புகளின் கட்டமைக்கப்பட்ட, தேடல் செய்யக்கூடிய மற்றும் மையமாக்கப்பட்ட தரவுத்தளமாக மாற்றுகிறது. காலப்போக்கில், இந்த தரவுத்தளம் மূলமற்ற நிறுவன சொத்தாக மாறுகிறது. இந்த பெரிய தரவுத்தளத்தில் பகுப்பாய்வு பயன்படுத்துவதன் மூலம், திறமை பெறும் செயல்பாடு முக்கிய மூலோபாய கேள்விகளுக்கு பதிலளிக்கத் தொடங்கலாம்: வேலையில் வெற்றியை மிகவும் முன்கணிப்பு செய்யும் நேர்காணல் கேள்விகள் எது? மேல் திறமையை அடையாளம் கண்டறிவதில் மிகவும் பயனுள்ள நேர்காணலர்கள் யார், பயிற்சி தேவைப்படும் அளவீட்டு பிரச்சனைகள் உள்ளனவா? எங்கள் செயல்முறையில் எங்கு நனவில்லா சார்புகள் நுழைகின்றன? இந்த திறன் நேர்காணலை ஒரு தனி நியமனுக்கான எளிய தேர்வு கருவியிலிருந்து முழு நியமன செயல்பாட்டிற்கு தொடர்ச்சியான, முறையான கற்றல் மற்றும் மேம்பாட்டின் மூலத்திற்கு உயர்த்துகிறது.

இந்த பரிணாமம் மிகவும் பயனுள்ள எதிர்கால நிலையாக ‘பயோனிக்’ நியமன மாதிரியை நோக்கி செல்கிறது. இந்த கலப்பு அணுகுமுறை பாதையின் மேல் பகுதியில் அளவுக்கு ஆட்டோமேஷனைப் பயன்படுத்துகிறது, அசமன்பாட்டு வீடியோ பேட்டிகள் போன்ற கருவிகளைப் பயன்படுத்தி பெரிய அளவிலான விண்ணப்பதாரர்களை திறமையாக திரையிடுகிறது. பின்னர் அது மனித தீர்ப்பை மேம்படுத்த AI ஐப் பயன்படுத்துகிறது, அங்கு நுணுக்கம் மற்றும் ஆழமான மதிப்பீடு முக்கியமானது—இறுதி சுற்று நேரடி பேட்டிகளில். இந்த கட்டத்தில், டிரான்ஸ்கிரிப்ஷன் மற்றும் தரவு-தrieben உள்ளகங்களை வழங்கும் கருவிகள் மனித பேட்டியாளரை மாற்றுவதில்லை, மாறாக அவர்களை சக்தியூட்டுகின்றன, நோட்-எடுக்கும் அறிவாற்றல் சுமையை கையாள்கின்றன மற்றும் அவர்களின் மதிப்பீட்டை ஆதரிக்க வസ্তुनिष्ठ தரவை வழங்குகின்றன. இந்த சமநிலையான மாதிரி அதிக ஆட்டோமேஷன் ஆபத்துகளை குறைக்கிறது, அதே நேரத்தில் தொழில்நுட்பம் வழங்கும் பெரிய செயல்திறன் ஆதாயங்களைப் பெறுகிறது. இது செயல்படுத்துவதற்கு நடைமுறை சார்ந்த கட்டமைப்பை வழங்குகிறது: பரிவர்த்தனை செயல்களை ஆட்டோமேட் செய்யுங்கள், மூலோபாயத்தை மேம்படுத்துங்கள்.

---

அட்டவணை 3: AI-ஆధரিত பேட்டி பிளாட்பார்ம்களின் ஒப்பீட்டு பகுப்பாய்வு

பிளாட்பார்ம்	முக்கிய AI அம்சங்கள	முதன்மை பயன்பாடு	இலக்கு சந்தை	மூல துண்டுகள்
HireVue	அசமன்பாட்டு வீடியோ, பேச்சு AI, உள்ளமைக்கப்பட்ட மதிப்பீடுகள, தானியங்கி நேரம் நிர்ணயம்	மணிநேர, தொழில்முறை மற்றும் தொழில்நுட்ப பாத்திரங்களுக்கு அதிக அளவு, நிறுவன-நிலை திரையிடல் மற்றும் மதிப்பீடு.	நிறுவனம்	17
Metaview	நேரடி பேட்டி டிரான்ஸ்கிரிப்ஷன், AI-உருவாக்கப்பட்ட நோட்கள் & சுருக்குகள், ஸ்கோர்கார்ட் மேப்பிங்	நேரடி பேட்டிகளின் தரம் மற்றும் நிலைத்தன்மையை மேம்படுத்துதல்; பேட்டியாளர் சார்பு மற்றும் அறிவாற்றல் சுமையைக் குறைப்பது.	மத்திய சந்தை முதல் நிறுவனம் வரை	18
Spark Hire	அசமன்பாட்டு (ஒரு வழி) வீடியோ பேட்டிகள், AI-உதவிய சுருக்கம் & மதிப்பீடு	பாதையின் மேல் பகுதி திரையிடலை சுருக்குதல்; விண்ணப்பதாரர்களின் பதில்களை கூட்டு மதிப்பிடுவதை செயல்படுத்துதல்.	SMB முதல் மத்திய சந்தை வரை	18
Sapia.ai	சாட்-அடிப்படையிலான (உரை) பேட்டிகள், AI திறன் & குணம் பகுப்பாய்வு, தானியங்கி தரவரிசை	பெரிய அளவு, தானியங்கி திரையிடல், ஆளுமை மற்றும் மதிப்புகள் சீரமைப்பை கவனம் செலுத்துகிறது; விண்ணப்பதாரருக்கு பின்னூட்டம் வழங்குகிறது.	நிறுவனம்	18
Braintrust AIR	பேச்சு வீடியோ பேட்டிகள், AI-உருவாக்கப்பட்ட கேள்விகள் & ஸ்கோர்கார்டுகள்	சுகாதாரம் முதல் தொழில்நுட்பம் வரை பரந்த பிரிவு தொழில்களுக்கு அளவிடக்கூடிய, தானியங்கி பேட்டிகள்.	SMB முதல் நிறுவனம் வரை	23

---

IV. நெறிமுறை எல்லையை நிர்வகிப்பது: அல்காரிதம் நியமனத்தில் சார்பு, நியாயம் மற்றும் இணக்கம்

திறமை பெறுதலில் AI இன் விரைவான ஒருங்கிணைப்பு, மாற்றும் திறனை வழங்கும் அதே நேரத்தில், புதிய மற்றும் சிக்கலான நெறிமுறை மற்றும் சட்ட சவால்களை அறிமுகப்படுத்துகிறது. இவற்றில் மிக முக்கியமானது அல்காரிதம் சார்பு பிரச்சினையாகும். AI நியாயத்தை மேம்படுத்துவதற்கு சக்திவாய்ந்த கருவியாக இருக்கலாம், ஆனால் அது தற்காத்திரமாக ஏற்கனவே உள்ள மனித சார்புகளை நீட்டிக்கும் மற்றும் முன்னதாக இல்லாத அளவில் பெருக்கக்கூடும். இந்த நெறிமுறை எல்லையை வெற்றிகரமாக நிர்வகிப்பதற்கு வேண்டுமென்று முன்கூட்டிய முறையை தேவைப்படுகிறது, இது வெளிப்படுத்தல், பொறுப்பு மற்றும் தொடர்ச்சியான கண்காணிப்பு கொள்கைகளில் அடித்தளம் கொண்டது. இந்த பிரிவு சார்புடன் தொடர்புடைய AI இன் இரட்டை தன்மையை ஆராயும், பொறுப்பான செயல்படுத்துவதற்கு விரிவான கட்டமைப்பை வரையறுக்கும், மேலும் இந்த சக்திவாய்ந்த தொழில்நுட்பங்களின் பயன்பாட்டைக் கட்டுப்படுத்தும் முக்கிய இணக்க ஆணைகளை விவரிக்கும்.

அல்காரிதம் சார்பின் இரட்டை விளிம்பு வாள்

AI இன் சார்புடனான உறவு இயல்பாகவே முரண்பாடானது. அதன் வடிவமைப்பு மற்றும் செயல்படுத்தலைப் பொறுத்து, அது நியமனத்தில் பாகுபாட்டிற்கு சக்திவாய்ந்த சிகிச்சையாக அல்லது சக்திவாய்ந்த பெருக்கியாக செயல்படலாம்.

வസ্তुनिष्ठतার் வாக்குறுதி: கோட்பாட்டில், AI மிகவும் வസ্তुनिष्ठ மற்றும் சமமான நியமன முடிவுகளுக்கு ஒரு பாதையை வழங்குகிறது. திறமைகள், அனுபவம் மற்றும் மதிப்பீடுகளில் செயல்திறன் போன்ற அளவிடக்கூடிய, வேலை-தொடர்புடைய அளவுகோல்களில் மட்டுமே கவனம் செலுத்துமாறு அல்காரிதம்களை நிரலாக்குவதன் மூலம், AI விண்ணப்பதாரரின் பெயர், பாலினம், வயது அல்லது கல்வி நிறுவனத்துடன் தொடர்புடைய நனவில்லாத மனித சார்புகளின் தாக்கத்தை குறைக்க உதவ முடியும்.30 மதிப்புமிக்க 68% ஆட்சேர்ப்பாளர்கள் AI நியமன செயல்பாட்டிலிருந்து இத்தகைய சார்புகளை அகற்றும் திறனைக் கொண்டிருக்கும் என்று நம்புகிறார்கள்.11 ‘குருடு’ திரையிடல் போன்ற நுட்பங்கள், જਿੱਥੇ மதிப்பீட்டுக்கு முன் விண்ணப்பங்களிலிருந்து மக்கள் தொகை தகவல்கள் நீக்கப்படுகின்றன, இவை AI மூலம் முறையாக செயல்படுத்தப்படலாம், இது அனைத்து விண்ணப்பதாரர்களுக்கும் மேலும் சமமான மேடையை உருவாக்குகிறது.32

நிலையாக்குவதன் ஆபத்து: முதன்மை ஆபத்து AI மாடல்களை பயிற்றுவிப்பதற்குப் பயன்படுத்தப்படும் தரவிலிருந்து எழுகிறது. ஒரு AI அமைப்பு ஒரு நிறுவனத்தின் வரலாற்று நியமன தரவில் பயிற்றுவிக்கப்பட்டால், மேலும் அந்தத் தரவு கடந்த கால பாகுபாடு நடைமுறைகளை (உணர்வு அல்லது உணர்வற்ற) பிரதிபலிக்கிறது என்றால், அல்காரிதம் அந்த பாகுபாடுகளை பிரதிபலிக்க கற்றுக்கொள்ளும்.30 உதாரணமாக, கடந்த நியமன முடிவுகள் ஒரு குறிப்பிட்ட மக்கள் தொகை குழுவிலிருந்து விண்ணப்பதாரர்களை ஆதரித்தால், AI அந்தக் குழுவுடன் தொடர்புடைய முறைகளை அடையாளம் கண்டறியும்—அவர்கள் சேர்ந்த பள்ளிகள், அவர்கள் வேலை செய்த நிறுவனங்கள் அல்லது அவர்களின் ரெஸ்யூம்களில் பயன்படுத்திய சொற்கள் போன்றவை—மற்றும் ஒத்த முறைகளைக் காட்டும் புதிய விண்ணப்பதாரர்களை ஆதரிக்க கற்றுக்கொள்ளும். இது தரவிலிருந்து இனம் மற்றும் பாலினம் போன்ற பாதுகாக்கப்பட்ட பண்புகள் வெளிப்படையாக அகற்றப்பட்டாலும் முறையான பாகுபாட்டிற்கு வழிவகுக்கும், இது புராக்ஸி பாகுபாடு எனப்படும் நிகழ்வு.31 இந்த ஆபத்து கோட்பாட்டு மட்டுமல்ல; 35% நிர்வாகிகள் AI தனித்துவமான திறன்கள் அல்லது வழக்கத்திற்கு மாறான பின்னணியைக் கொண்ட தகுதியான விண்ணப்பதாரர்களை தற்செயலாக வடிகட்டலாம் என்ற கவலையை வெளிப்படுத்துகின்றனர்.11

நீதிமான AI செயல்படுத்துவதற்கான கட்டமைப்பு: கருப்பு பெட்டியிலிருந்து கண்ணாடி பெட்டிக்கு

AI இன் ஆபத்துகளைக் குறைக்கும் அதே வேளையில் அதன் நன்மைகளைப் பயன்படுத்த, நிறுவனங்கள் AI ஐ புரிந்து கொள்ள முடியாத ‘கருப்பு பெட்டி’ என்று கருதுவதிலிருந்து விலகி, வெளிப்படைத்தன்மை மற்றும் கடுமையான ஆளுமையின் அடிப்படையில் கட்டமைக்கப்பட்ட ‘கண்ணாடி பெட்டி’ அணுகுமுறையை ஏற்றுக்கொள்ள வேண்டும். இதற்கு பல அம்சங்களைக் கொண்ட மூலோபாயம் தேவைப்படுகிறது.

பல்வேறு பயிற்சி தரவை வளர்ப்பது: பாகுபாட்டைக் குறைக்கும் அடிப்படை படி AI மாடல்கள் மிகவும் பல்வேறு மற்றும் பிரதிநிதித்துவம் செய்யும் தரவில் பயிற்றுவிக்கப்படுவதை உறுதி செய்வதாகும். இது பல்வேறு மக்கள் தொகை குழுக்கள், கல்வி பின்னணிகள் மற்றும் வாழ்க்கை பாதைகளிலிருந்து தரவை சேர்க்கும் உணர்வு மற்றும் வேண்டுமென்று முயற்சியை உள்ளடக்கியது. ஒரு நிறுவனத்தின் சொந்த வரலாற்று தரவை மட்டும் நம்புவது பெரும்பாலும் போதுமானது அல்ல மற்றும் ஆபத்து வாய்ப்புள்ளது; மாதிரியானது நெருக்கமான மற்றும் பாகுபட்ட வெற்றியின் வரையறையைக் கற்றுக்கொள்வதைத் தடுக்க தரவு தொகுப்புகள் ஆய்வு செய்யப்பட்டு மேம்படுத்தப்பட வேண்டும்.32

வழக்கமான பாகுபாடு ஆய்வை செயல்படுத்துதல்: AI அமைப்புகள் நிலையானவை அல்ல; மாதிரி புதிய தரவுடன் தொடர்பு கொள்ளும்போது பாகுபாடுகள் தோன்றலாம் அல்லது மாறலாம். எனவே, நிறுவனங்கள் கடுமையான பாகுபாடு ஆய்வின் தொடர்ச்சியான செயல்முறையை உறுதி செய்ய வேண்டும். இது பல்வேறு மக்கள் தொகை குழுக்கள் முழுவதும் மாறுபட்ட தாக்கத்தைக் காண்பிக்க AI இன் வெளியீடுகளை தொடர்ந்து சோதித்தல் மற்றும் அதன் பரிந்துரைகள் தொடர்ந்து நியாயமான மற்றும் சமமானவை என்பதை உறுதி செய்தல் ஆகியவற்றை உள்ளடக்கியது.30 இது செயல்படுத்தும் கட்டத்தில் ஒருமுறை சோதனையாக இருக்க முடியாது; இது தொடர்ந்து நடைபெறும் ஆளுமை செயல்பாடாக இருக்க வேண்டும்.

வெளிப்படைத்தன்மை மற்றும் விளக்கக்கூடிய தன்மையை கோருதல்: தனது நியாயத்தை விளக்க முடியாத AI தீர்வுகளை நிறுவனங்கள் நிராகரிக்க வேண்டும். ஒரு குறிப்பிட்ட விண்ணப்பதாரர் பரிந்துரைக்கப்பட்ட அல்லது நிராகரிக்கப்பட்ட காரணத்திற்கு தெளிவான, புரிந்துகொள்ளக்கூடிய விளக்கங்களை வழங்கும் கருவிகளைத் தேர்ந்தெடுத்து செயல்படுத்துவது முக்கியம். இந்த ‘விளக்கக்கூடிய தன்மை’ பொறுப்புக்கு, சாத்தியமான பாகுபாடுகளைக் கையாள்வதற்கு மற்றும் நிர்வாகிகள், நியமன மேலாளர்கள் மற்றும் விண்ணப்பதாரர்களிடையே அமைப்பில் நம்பிக்கையை உருவாக்குவதற்கு அவசியம். வெளிப்படைத்தன்மைக்கான கோரிக்கை வெளியில் அதிகரித்து வருகிறது, 79% விண்ணப்பதாரர்கள் நியமன செயல்பாட்டில் AI எவ்வாறு பயன்படுத்தப்படுகிறது என்பதைப் பற்றி தெரிவிக்க விரும்புகிறார்கள் என்று கூறுகின்றனர்.19

மனிதர்களை வளையத்தில் வைத்து கண்காணிப்பை பராமரிப்பது: இறுதியில், AI மனித நுண்ணறிவை அதிகரிக்க வடிவமைக்கப்பட வேண்டும், அதை மாற்றக்கூடாது. இறுதி நியமன முடிவு எப்போதும் AI இன் வெளியீடுகளை விளக்க, அதன் சாத்தியமான வரம்புகளை புரிந்து கொள்ளும் மற்றும் அவர்களின் சொந்த தீர்ப்பு மற்றும் சூழலைப் பயன்படுத்தும் பயிற்சி பெற்ற மனிதருக்கு சொந்தமாக இருக்க வேண்டும். இந்த ‘மனிதர்களை வளையத்தில் வைத்து’ மாதிரி ஆட்டோமேஷன் பாகுபாடுக்கு எதிராக முக்கியமான பாதுகாப்பை வழங்குகிறது. ஒரு ஆய்வில், AI பரிந்துரைகளை மனித கண்காணிப்புடன் இணைத்த நிறுவனங்கள் AI ஐ மட்டும் நம்பிய நிறுவனங்களுடன் ஒப்பிடும்போது 45% பாகுபட்ட நியமன முடிவுகள் குறைந்ததைக் கண்டறிந்தது, இந்த சகசத்துவ அணுகுமுறையின் சக்தியை நிரூபித்தது.32

சம்பந்தப்பட்ட கட்டுப்பாடுகள்: சட்ட நிலைமையை நிர்வகிப்பது

நியமனத்தில் AI இன் பயன்பாடு மேலும் மேலும் சிக்கலான சட்ட மற்றும் ஒழுங்குமுறை தேவைகளின் வலையத்திற்கு உட்பட்டது. இந்த விதிகளைப் பின்பற்றுவது விருப்பமல்ல; இது ஆபத்து மேலாண்மையின் அடிப்படை அம்சமாகும்.

தரவு தனியுரிமை மற்றும் வெளிப்படையான ஒப்புதல்: விண்ணப்பதாரர் தரவை சேகரித்தல் மற்றும் செயலாக்குதல், குறிப்பாக வீடியோ பேட்டிகளை பதிவு செய்வதன் மூலம் மற்றும் பகுப்பாய்வு செய்வதன் மூலம், ஐரோப்பாவில் பொது தரவு பாதுகாப்பு ஒழுங்குமுறை (GDPR) போன்ற கடுமையான தரவு தனியுரிமை சட்டங்களால் நிர்வகிக்கப்படுகிறது. AI அமைப்பு மூலம் அவர்களின் தரவு செயலாக்கப்படுவதற்கு முன் ஒவ்வொரு விண்ணப்பதாரரிடமிருந்தும் வெளிப்படையான மற்றும் தகவல் பெற்ற ஒப்புதலைப் பெறுவதற்கு நிறுவனங்களுக்கு வலுவான மற்றும் தெளிவாக ஆவணப்படுத்தப்பட்ட செயல்முறைகள் இருக்க வேண்டும்.27 இது எந்த தரவு சேகரிக்கப்படுகிறது, அது பயன்படுத்தப்படும் குறிப்பிட்ட நோக்கம், அது எவ்வாறு சேமிக்கப்படும் மற்றும் பாதுகாக்கப்படும், எவ்வளவு காலம் தக்கவைக்கப்படும் என்பதை தெளிவாகத் தொடர்பு கொள்வதை உள்ளடக்கியது.34

ஒப்புதலைப் பெறுவதன் சட்ட அவசியம், இருப்பினும், வேட்பாளர் அனுபவத்தின் நேர்மறையான அம்சமாக மூலோபாயமாக மறுசீரமைக்கப்படலாம். எளிய, சட்டவாதமான செக்குப்புள்ளியை முன்வைக்கும் பதிலாக, நிறுவனங்கள் ஒப்புதல் தொடுப்பை நம்பிக்கை உருவாக்கும் மற்றும் நியாயமான மற்றும் நவீன செயல்முறைக்கு அர்ப்பணிப்பை அறிவிக்கும் வாய்ப்பாகப் பயன்படுத்தலாம். நன்கு வடிவமைக்கப்பட்ட ஒப்புதல் கோரல் வேட்பாளருக்கு நேரடியாக நன்மைகளை விளக்கலாம்: “இந்த நேர்காணலை நாம் பதிவு செய்கிறோம், இது எங்கள் முழு நியமன குழுவும் உங்கள் தகுதிகளை சிந்தித்து சீராக மதிப்பிட முடியும் என்பதை உறுதி செய்கிறது. இது எங்கள் நேர்காணையாளரை நோட்-தీసుక்கும் போது கவனம் சிதறாமல், உங்களுடன் உரையாடலில் முழுமையாக இருக்கும் மற்றும் ஈடுபட முடியும்.” இந்த அணுகுமுறை இணக்கம் தேவையை முதலாளி பிராண்டை மேம்படுத்தும் வாய்ப்பாக மாற்றுகிறது.20

பாதுகாப்பு மற்றும் புறநிலை பதிவுகளை உருவாக்குதல்: AI இணக்கம் ஆபத்துகளை அறிமுகப்படுத்தும் அதே வேளையில், அவற்றைக் குறைக்கும் சக்திவாய்ந்த கருவிகளையும் வழங்குகிறது. நேர்காணல்களின் தானியங்கி டிரான்ஸ்கிரிப்ஷன் மற்றும் சுருக்கம் முழு உரையாடலின் விரிவான, புறநிலை மற்றும் நேரம்-முத்திரையிடப்பட்ட பதிவை உருவாக்குகிறது.26 இந்த ஆவணப்படுத்தல் சட்ட சவால் ஏற்பட்ட நிகழ்வில் முக்கியமான ஆதாரமாக செயல்படலாம், இது ஒரு நிறுவனத்தின் நியமன செயல்முறை சீராக இருந்தது, அனைத்து வேட்பாளர்களும் அதே வேலை-தொடர்பான அளவுகோல்களுக்கு எதிராக மதிப்பிடப்பட்டது மற்றும் இறுதி முடிவு பாரம்பரிய எண்ணங்களைக் காட்டிலும் ஆதாரத்தின் அடிப்படையில் எடுக்கப்பட்டது என்பதை நிரூபிக்க அனுமதிக்கிறது. இது பாகுபாடு குறித்த கூற்றுகளுக்கு எதிராக நிறுவனத்தை பாதுகாக்குகிறது மற்றும் நியாயமான கலாச்சாரத்தை வலுப்படுத்துகிறது.25

அணுகலாமை உறுதி செய்தல்: முக்கிய இணக்கம் பரிசீலனை அணுகலாமை ஆகும். நேர்காணல் பதிவுகள் அல்லது டிரான்ஸ்கிரிப்ட்கள் மதிப்பீடு செயல்முறையின் ஒரு பகுதியாகப் பயன்படுத்தப்பட்டால், அவை மாற்றுத்திறன் கொண்டவர்கள் உட்பட அனைத்து நபர்களுக்கும் அணுகக்கூடியவைாக இருக்க வேண்டும். இதற்கு வீடியோ பதிவுகளுக்கு துல்லியமான கேப்ஷன்களை வழங்குவது அல்லது காது முட்டியவர்கள் அல்லது கேட்க முடியாதவர்களுக்கு டிரான்ஸ்கிரிப்ட்கள் கிடைக்கும் என்பதை உறுதி செய்வது தேவை இருக்கலாம்.34

இந்த நுணுக்கமான AI அமைப்புகளை ஏற்றுக்கொள்வது HR செயல்பாட்டிற்கு തന്നே ஆழமான பொருள் வைக்கிறது. திறமை பெறும் தலைவர்கள் மனித நடத்தை மற்றும் நிறுவன இயக்கவியலில் மட்டும் நிபுணர்களாக இருப்பது போதுமானதாக இருக்காது. AI இன் ஆபத்துகளை திறம்பட நிர்வகிக்கும் மற்றும் நன்மைகளை நிறைவேற்ற, அவர்கள் உள்நாட்டு தரவு கல்வி மற்றும் தொழில்நுட்ப திறமையை மிகவும் ஆழமாக வளர்க்க வேண்டும். அவர்கள் தரவு அறிவியல், அல்காரிதம் நியாயம் மற்றும் AI ஆளுநிலை ஆகியவற்றின் அடிப்படை கருத்துகளில் பேசத் தெரிந்தவர்களாக மாற வேண்டும். இது முழு HR தொழிலுக்கு முக்கியமான மற்றும் அவசரமான திறமை மேம்பாட்டு தேவையை பிரதிநிதித்துவப்படுத்துகிறது, இது பாரம்பரிய முறையில் “மென்” செயல்பாட்டிலிருந்து மிக அதிக தரவு-மောளையான, தொழில்நுட்ப-அறிவு கொண்ட மற்றும் மூலோபாய பிசினஸ் பார்ட்னராக மாறுவதை துரிதப்படுத்துகிறது.

---

அட்டவணை 4: AI ஆட்சேர்ப்பு அமைப்புகளில் பாகுபாட்டைக் குறைக்கும் கட்டமைப்பு

குறைப்பு மூலோபாயம்	விளக்கம்	HR தலைவர்களுக்கான முக்கிய செயல் பொருள்கள்	நியாயம்/இணக்கத்தின் மீதான தாக்கம்	மூல விவரங்கள்
பல்வேறு பயிற்சி தரவு	AI மாடல்களை பயிற்றுவிப்பதற்கு பயன்படுத்தப்படும் தரவு வரலாற்று நியமனங்கள் மட்டுமல்ல, விரும்பிய திறமை கூட்டினை பிரதிநிதித்துவப்படுத்துவதை உறுதி செய்தல்.	விற்பனையாளர்களின் தரவு மூலத்திற்கும் அதிகரிப்பு நடைமுறைகளுக்கும் மீது பரிசோதனை செய்யுங்கள். பரந்த உள் மற்றும் வெளி தரவுகளை சேகரிக்க முதலீடு செய்யுங்கள்.	AI க்கு வரலாற்று பாகுபாடுகளை கற்றுக்கொள்வதற்கும் நீட்டிக்கும் ஆபத்தை குறைக்கிறது.	32
தொடர்ச்சியான பாகுபாடு ஆய்வு	பல்வேறு மக்கள் தொகை குழுக்களில் மாறுபட்ட தாக்கத்திற்கு AI அமைப்பின் வெளியீடுகளை தொடர்ந்து சோதிக்கும்.	வழக்கமான ஆய்வு காலஅளவை நிறுவுங்கள் (எ.கா., காலாண்டு முறையில்). புறநிலை மதிப்பீட்டிற்கு மூன்றாம் தரப்பு ஆய்வாளர்களுடன் இணைந்து வேலை செய்யுங்கள்.	அவை முறையான தீங்கு விளைவிக்கும் முன் தோன்றும் பாகுபாடுகளை முன்கூட்டியே கண்டறிந்து சரிசெய்ய அனுமதிக்கிறது.	30
பಾರப்பarkeit் & விளக்கம்	அவற்றின் பரிந்துரைகளுக்கு தெளிவான, புரிந்துகொள்ளக்கூடிய காரணங்களை வழங்கும் AI அமைப்புகளைப் பயன்படுத்துதல்.	விற்பனையாளர் RFPs இல் “விளக்கம்” ஒரு கட்டாய தேவையாக மாற்றுங்கள். ஆட்சேர்ப்பாளர்களை AI வெளியீடுகளை விளக்குவதற்கும் கேள்வி கேட்பதற்கும் பயிற்றுவிக்குங்கள்.	பயனர்களுடன் நம்பிக்கை உருவாக்குகிறது, பொறுப்புக்கு அனுமதிக்கிறது, மேலும் சவால் செய்யப்பட்டால் நியமன முடிவுகளை பாதுகாக்க முக்கியமானது.	30
மனித-இன்-லூப் கண்காணிப்பு	AI பரிந்துரைகள் மற்றும் தரவை வழங்குமாறு வேலை ஓட்டங்களை அமைப்பது, ஆனால் இறுதி முடிவு மனிதனால் எடுக்கப்படுகிறது.	AI “கோ-பைலட்” ஆக, “ஆட்டோ-பைலட்” அல்லாத செயல்முறைகளை வடிவமைக்குங்கள். AI நுண்ணறிவுகளை பொறுப்பாகப் பயன்படுத்துவதற்கு நியமன மேலாளர்களை பயிற்றுவிக்குங்கள்.	ஆட்டோமேஷன் பாகுபாடுக்கு எதிராக முக்கிய பாதுகாப்பை வழங்குகிறது மற்றும் சூழல் மற்றும் நுண்ணறிவுகள் கருதப்படுவதை உறுதி செய்கிறது.	32

---

V. நாளை வரும் ஆட்சேர்ப்பாளர்: ஆட்டோமேட்டட் உலகில் மனித கூறுகளை மறு வரையறுக்குதல்

AI மற்றும் ஆட்டோமேஷன் ஆகியவற்றின் பரவலான ஏற்றுக்கொள்ளல் மனித ஆட்சேர்க்கை முகவரின் மந்திருத்தனத்தைக் குறிக்காது. மாறாக, இது பங்கின் மிக முக்கியமான பரிணாமத்தின் தொடக்கத்தைக் குறிக்கிறது. நீண்ட காலமாக தொழிலை வரையறுக்கும் மிகப்பெரிய நிர்வாக சுமையை ஆட்டோமேட் செய்வதன் மூலம், தொழில்நுட்பம் ஆட்சேர்க்கை முகவர்களை மேலும் மூலோபாய, பாதிப்பு வாய்ந்த மற்றும் மதிப்பு சேர்க்கும் திறனுக்குள் நுழைய மুক्तிப்படுத்துகிறது. நாளை வரும் ஆட்சேர்க்கை முகவர் ஒரு செயல்முறை ஒருங்கிணைப்பாளர் அல்ல, மாறாக ஒரு மூலோபாய திறமை ஆலோசகர், மனித தொடர்புகளின் மாஸ்டர் மற்றும் வணிகத்திற்கு தரவு பழகிய பங்காளி. இருப்பினும், இந்த மாற்றம் தானாகவே நிகழாது; இது திறன்கள், மனப்பான்மைகள் மற்றும் திறமை பெறும் குழுக்களின் மூல அமைப்பில் அடிப்படையான மாற்றத்தை தேவைப்படுத்துகிறது.

ஒருங்கிணைப்பாளரிலிருந்து மூலோபாய ஆலோசகருக்கு: பெரிய திறன் மாற்றம்

AI மூலதனம் பெறுதல், தணிக்கை செய்தல் மற்றும் நேரம் நிர்ணயித்தல் போன்ற இயந்திர பணிகளை எடுத்துக்கொள்ளும்போது, ஆட்சேர்க்கை முகவரின் பங்கின் முக்கிய கவனம் திட்டமிட்ட செயலாக்கத்திலிருந்து மூலோபாய ஆலோசனைக்கு வியத்தகு மாற்றத்தை ஏற்படுத்தும். இந்த மாற்றம் ஏற்கனவே தொழில் தலைவர்களால் எதிர்பார்க்கப்படுகிறது. சமீபத்திய ஒரு கணக்கெடுப்பில், 66% நியமன தலைவர்கள் ஆட்சேர்க்கை முகவர்கள் விண்ணப்பதாரர் ஈடுபாட்டை மேம்படுத்துவதில் கணிசமாக அதிக நேரம் செலவிடுவார்கள் என்று கணித்தனர், அதே நேரத்தில் 60% பேர் நியமன தரவை பகுப்பாய்வு செய்தல் மற்றும் ஒட்டுமொத்த ஆட்சேர்க்கை செயல்முறையை மேம்படுத்துதல் போன்ற மேலும் வெளிப்படையாக மூலோபாய பொறுப்புகளை ஏற்றுக்கொள்வார்கள் என்று முன்கணித்தனர்.7

இந்த புதிய முன்னுதாரணத்தில், ஆட்சேர்க்கை முகவர் எதிர்வினை செய்யும் ஆர்டர் எடுப்பவரிலிருந்து முன்கூட்டிய திறமை ஆலோசகராக உருவாகினார். அவர்களின் பங்கு மூலோபாய பணியாளர் திட்டமிடலில் வணிக தலைவர்களுடன் ஆழமாக இணைந்து செயல்பட, எதிர்கால வெற்றிக்கு தேவையான முக்கிய திறன்களை வரையறுக்க உதவ, முக்கிய பங்குகளுக்கு நீண்ட கால திறமை பைப்லைன்களை உருவாக்கி வளர்ப்ப, போட்டியான திறமை நிலைமையில் நிபுண ஆலோசனை வழங்குவதாக இருக்கும். அவர்கள் ஒரு செயல்முறையின் இயக்கிகளாக இருந்து நிறுவனத்தின் மிக முக்கிய சொத்து: அதன் ஊழியர்கள் குறித்த நம்பிக்கையுள்ள ஆலோசகர்களாக மாறுவார்கள்.2

மென் திறன்களின் உயர்வு: AI மாற்ற முடியாதது

AI தரவு மையமாகும் மற்றும் பொருள் நிர்வாக அம்சங்களை திறமையாக கையாளும்போது, தனித்துவமான மனிதர்களின் திறன்கள் முன்பு போல் மிகவும் மதிப்புமிக்க மற்றும் வேறுபட்டவை ஆகும். தொழிலின் எதிர்காலம் மனித தொடர்புகளின் கலையை முதன்மைப்படுத்துவதில் உள்ளது, இது தொழில்நுட்பம் ஆழமாக வரையறுக்கப்பட்ட ஒரு பகுதியாகும்.

அடுத்த ஐந்து ஆண்டுகளில் ஆட்சேர்க்கை முகவர்களுக்கு மிக முக்கியமான திறன்களை அடையாளம் காணும்படி கேட்கப்பட்ட திறமை நிபுணர்களின் கணக்கெடுப்பு இந்த போக்கை உறுதிப்படுத்தியது. முதல் மூன்று தொழில்நுட்ப திறன்கள் அல்ல, ஆழமாக மனிதர்களின் திறன்கள்: தகவல் பரிமாற்றம் (77%), உறவு உருவாக்கம் (72%), மற்றும் தகவமைப்பு (63%).13 இவை போட்டியான சந்தையில் உண்மையில் சிறந்த திறமையாளர்களை வென்று கொள்ளும் உயர் தொடுதல் நடவடிக்கைகளுக்கு தேவையான திறன்கள் ஆகும். விண்ணப்பதாரர்களுடன் உண்மையான உறவை உருவாக்க, அவர்களின் உந்துதல்கள் மற்றும் வாழ்க்கை இலக்குகளை ஆழமாக புரிந்துகொள, சிக்கலான ஆலோசனை பேச்சுவார்த்தையின் நுணுக்கங்களை வழிநடத்த, விண்ணப்பதாரரை மதிப்பு கொடுக்கும் வகையான அனுபவம், தனிப்பயனாக்கப்பட்ட அனுபவத்தை வழங்குவதற்கு அவை அவசியம். AI செயல்முறையை நிர்வகிக்க முடியும், ஆனால் ஒரு மனிதர் மட்டுமே உறவை உருவாக்க முடியும்.4

இந்த பரிணாமம் TA குழுக்களின் நிறுவன வடிவமைப்பில் குறிப்பிடத்தக்க மாற்றத்தை தேவைப்படுத்தும். “ஆட்சேர்க்கை முகவர்” என்ற பாரம்பரிய, ஒற்றைக் கட்டமைப்பு பங்கு இரண்டு தனித்துவமான மற்றும் சிறப்பு செய்யப்பட்ட வாழ்க்கை பாதைகளாக பிரியப்படலாம். முதலாவது “ரிக்ரூட்டிங் ஆபரேஷன்ஸ்” அல்லது “TA தொழில்நுட்ப வல்லுநர்” பாதை, நவீன தொழில்நுட்ப அடுக்குகளை நிர்வகித்தல், அமைப்பு செயல்திறனை கண்காணித்தல், தரவு ஒருமைப்பை உறுதி செய்தல் மற்றும் தானியங்கு வேலை ஓட்டங்களை மேம்படுத்துதல் ஆகியவற்றில் கவனம் செலுத்தும். இரண்டாவது, மேலும் முக்கியமான, பாதை “மூலோபாய திறமை பங்காளி” ஆகும், இது குறிப்பிட்ட வணிக அலகுகளுக்குள் ஆழமாக உட்பொதிக்கப்பட்ட ஒரு பங்கு, உயர் தொடுதல் விண்ணப்பதாரர் உறவு நிர்வாகம், நிர்வாக தேடல் மற்றும் தலைமையுடன் மூலோபாய ஆலோசனை ஆகியவற்றில் பிரதியேகமாக கவனம் செலுத்தும். இந்த கட்டமைப்பு மாற்றம் நிறுவனங்கள் தங்கள் TA வாழ்க்கை பாதைகள், பயிற்சி திட்டங்கள் மற்றும் திறமை வளர்ப்பு மூலோபாயங்களை மீண்டும் சிந்திக்க வேண்டும், இந்த இரண்டு வேறுபட்ட ஆனால் சமமாக முக்கிய திறன் தொகுப்புகளை வளர்க்க.

தரவு பழகிய திறமை பங்காளி: உள்ளுணர்விலிருந்து நுண்ணறிவுக்கு

எதிர்கால ஆட்சேர்க்கை முகவர் பேச்சுக்கு போல் தரவுடன் வசதியாக இருக்க வேண்டும். பேட்டி பதிவுகள் மற்றும் மதிப்பீடு மதிப்புகள் முதல் விரிவான செயல்முறை பகுப்பாய்வு வரை AI பிளாட்பார்ம்களால் உருவாக்கப்படும் செழுமையான, கட்டமைக்கப்பட்ட தரவின் புதிய நீரோடுகள் மூலோபாய முடிவெடுப்புக்கு அடித்தளமாக மாறும்.24 “குடல் உணர்வு” அல்லது உள்ளுணர்வு மூலம் மட்டுமே ஆட்சேர்க்கை இயக்கப்படும் காலம் முடிந்தது.

இந்த தரவு நிறைந்த சூழலில், ஆட்சேர்ப்பாளர்கள் தங்கள் வணிக பங்குதாரர்களுக்கு செயல்பாட்டு நுண்ணறிவுகளை வழங்குவதற்கு தரவை பகுப்பாய்வு செய்யவும் விளக்க வேண்டும் என்று எதிர்பார்க்கப்படும். அவர்கள் ஆட்சேர்ப்பு செயல்பாட்டில் பாதிப்புகளை அடையாளம் காண, சில பேட்டி கேள்விகள் அல்லது மதிப்பீடுகளின் முன்கணிப்பு செல்லுபடியை நிரூபிக்க, முகவர் தேர்வு மீது ஆதார-அடிப்படையிலான பரிந்துரைகளை வழங்க ஆகியவற்றிற்கு பகுப்பாய்வுகளைப் பயன்படுத்துவார்கள். உணர்வு-அடிப்படையிலான செயல்பாட்டிலிருந்து அனுபவ தரவு அடிப்படையிலான ஒன்றுக்கு இந்த மாற்றம், திறமை ஆட்சேர்ப்பை உண்மையான மூலோபாய வணிக பங்குதாரராக உயர்த்துவதில் இறுதியான, முக்கியமான படியாகும், இது நிதி அல்லது மார்க்கெட்டிங் போன்ற அதே அளவு மொழியில் அதன் மதிப்பை நிரூபிக்கும் திறன் கொண்டது.17

வேலையின் தன்மையில் இந்த அடிப்படை மாற்றம், ஆட்சேர்ப்பாளர் செயல்திறனை எவ்வாறு அளவிடுவதில் தொடர்புடைய பரிணாமத்துடன் சேர்ந்து இருக்க வேண்டும். ‘நிரப்பும் நேரம்’ அல்லது ‘ஸ்கிரீன் செய்யப்பட்ட ரிச்யூம்களின் எண்ணிக்கை’ போன்ற பாரம்பரிய மெட்ரிக்குகள், அவற்றின் மையத்தில், நிர்வாக செயல்திறனின் அளவைகளாகும். AI இந்த பணிகளை தானியங்க화 செய்த உலகில, இந்த KPIs பழமையானதாகவும் கூட எதிர் உற்பத்தியாகவும் மாறுகின்றன. வணிக பணிகளில் வேகத்தை ஊக்குவிப்பதைத் தொடர்வது, ஆட்சேர்ப்பாளர்களை அவர்களின் பங்குகளின் புதிய, மேலும் மூலோபாய அம்சங்களில் நேரத்தை முதலீடு செய்வதிலிருந்து தடுக்கும். எனவே, செயல்திறன் மேலாண்மை அமைப்புகள் இந்த புதிய யதார்த்தத்தை பிரதிபலிக்க முழுமையாக மாற்றப்பட வேண்டும். மூலோபாய திறமை பங்குதாரருக்கான புதிய KPIs, அவர்கள் சேர்ப்பிக்கும் நன்மையில் கவனம் செலுத்த வேண்டும், அதாவது ‘ஆட்சேர்ப்பு மேலாளர் திருப்தி மதிப்பெண்கள்’, ‘ஆட்சேர்ப்பின் தரம்’ (அவர்களின் நியமனங்களின் 90-நாள் மற்றும் ஒரு வருட செயல்திறன் மதிப்பாய்வுகள் மூலம் அளவிடப்படுகிறது), ‘மூலோபாய பங்குகளுக்கான ஆலோசனை ஏற்றுக்கொள்ளும் விகிதம்’, மற்றும் அவர்கள் வழங்கும் ‘முகவர் பட்டியல்களின் பன்முகத்தன்மை’ போன்றவை. அளவீட்டில் இந்த மாற்றம் பொருளாதார நடவடிக்கை அல்ல; இது AI யுகத்தில் முழு ஆட்சேர்ப்பு குழுவினருக்கு வெற்றி பெறுவதற்கு தேவையான நடத்தை மாற்றத்தின் இன்றியமையாத இயக்கியாகும்.

VI. மூலோபாய செயல்படுத்தல் மற்றும் எதிர்கால முன்னோக்கு

AI-இல் சக்தியூட்டப்பட்ட திறமை ஆட்சேர்ப்பு மாதிரிக்கு மாற்றம் ஒரு தொழில்நுட்ப திட்டம் மட்டுமல்ல; இது ஒரு முக்கிய நிறுவன மாற்றமாகும். வெற்றிக்கு மென்பொருள் வாங்குவதை விட அதிகம் தேவை; இது தெளிவான மூலோபாய பார்வை, ஒருங்கிணைப்பு மற்றும் மாற்ற மேலாண்மைக்கு சிந்தனையான அணுகுமுறை, மற்றும் நெறிமுறை ஆள்வைக்கு அர்ப்பணிப்பு ஆகியவற்றை கோருகிறது. இந்த மாற்றத்தை திறம்பட வழிநடத்தும் தலைவர்களுக்கு, வெகுமதி என்பது மேலும் செயல்திறன் கொண்டது மட்டுமல்ல, மேலும் மூலோபாய, நியாயமான, மற்றும் மனித-மையமாக இருக்கும் ஆட்சேர்ப்பு செயல்பாடு ஆகும். இந்த இறுதி பிரிவு வெற்றிகரமான ஏற்றுக்கொள்ளலுக்கு உயர்-நிலை பாதை வரைபடத்தை வழங்குகிறது, ஆட்சேர்ப்பின் எதிர்காலத்தை வடிவமைக்கும் முக்கிய போக்குகளை முன்கணிக்கிறது, மேலும் தானியங்க화와 மனித உண்மையின் இடையே உகந்த சமநிலையை அடைவதற்கு முடிவு பார்வையை வழங்குகிறது.

வெற்றிகரமான ஏற்றுக்கொள்ளலுக்கான பாதை வரைபடம்: தொழில்நுட்பத்திற்கு அப்பால்

வெற்றிகரமான AI செயல்படுத்தல் மூலோபாய திட்டமிடல் மற்றும் வேண்டுமென்றே செயல்படுத்தல் அடிப்படையில் கட்டமைக்கப்பட்டுள்ளது. நிறுவனங்கள் தங்கள் முதலீட்டின் வருமானத்தை அதிகப்படுத்தவும் சாத்தியமான ஆபத்துகளை குறைக்கவும் தெளிவான பாதை வரைபடத்தைப் பின்பற்ற வேண்டும்.

1. மூலோபாய சீரமைப்புடன் தொடங்குங்கள்: செயல்முறை புதிய கருவியின் டெமோவுடன் தொடங்கக்கூடாது, ஆனால் தீர்க்கப்பட வேண்டிய வணிக பிரச்சனையின் தெளிவான வரையறையுடன் தொடங்க வேண்டும். தலைவர்கள் முதலில் தங்களின் மிகவும் கடுமையான வலி புள்ளிகளை அடையாளம் காண வேண்டும். முக்கிய தொழில்நுட்ப பங்குகளுக்கு ஆட்சேர்ப்பு நேரத்தை குறைக்குவது முதன்மை இலக்கு ஆகுமா? தலைமை பைப்லைனின் பன்முகத்தன்மையை மேம்படுத்துவதா? ஏஜென்சி செலவினத்தின் அதிக செலவை குறைக்குவதா? தொழில்நுட்ப முதலீட்டை குறிப்பிட்ட, அளவிடக்கூடிய வணிக நோக்கங்களுடன் சீரமைப்பதன் மூலம், நிறுவனங்கள் சரியான பிரச்சனையைத் தீர்க்கிறார்கள் என்பதை உறுதி செய்யலாம் மற்றும் ROI ஐ தெளிவாக கண்காணிக்க முடியும்.

2. ஒருங்கிணைப்பு மற்றும் இடையற்பாட்டை முன்னுரிமை அளிக்கவும்: துண்டு துண்டான தொழில்நுட்ப அடுக்கு தோல்வியடைந்த செயல்படுத்தல்களின் முதன்மை காரணமாகும். தரவை மற்றொரு அமைப்புக்கு கைமுறையாக மாற்ற வேண்டும் என்றால், ஒரு கருவியிலிருந்து பெறப்படும் செயல்திறன் ஆதாயங்கள் முழுமையாக நிராகரிக்கப்படலாம். எனவே, எந்த புதிய AI பிளாட்பாரமும் için முக்கிய மதிப்பீடு அளவுகோல் என்பது நிறுவனத்தின் தற்போதைய மனநிலை தொழில்நுட்ப சுற்றுச்சூழலுடன், குறிப்பாக விண்ணப்பதாரர் கண்காணிப்பு அமைப்பு (ATS) உடன் மượtольно ஒருங்கிணைக்கும் திறன் ஆகும்.13 ஒருங்கிணைந்த அமைப்பு அனைத்து ஆட்சேர்ப்பு தரவுகளுக்கும் ஒரு மெய்ப்பொருள் மூலத்தை உருவாக்குகிறது, இது மிகவும் சக்திவாய்ந்த பகுப்பாய்வுகள் மற்றும் மென்மையான வேலை ஓட்டத்தை செயல்படுத்துகிறது.

3. மாற்ற மேலாண்மை மற்றும் பயிற்சியை முன்னெடுங்கள்: AI இன் ஏற்றுக்கொள்ளல் ஆட்சேர்ப்பு குழுவின் அன்றாட வேலையை அடிப்படையில் மாற்றும். இது முன்கூட்டியே மேலாண்மை செய்யப்படாவிட்டால், பதற்றம் மற்றும் எதிர்ப்பை உருவாக்கலாம். வெற்றி எளிய மென்பொருள் பயிற்சியை விட அதிகமாக செல்லும் வலுவான மாற்ற மேலாண்மை திட்டத்தைப் பொறுத்தது. நிறுவனங்கள் தங்கள் குழுக்களின் திறன்களை மேம்படுத்துவதில் முதலீடு செய்ய வேண்டும், அவர்களுக்கு புதிய கருவிகளை எவ்வாறு பயன்படுத்துவது என்பது மட்டுமல்ல, அவர்களின் புதிய, மேலும் மூலோபாய பங்குகளில் சிறந்து விளங்குவது எவ்வாறு என்பதையும் கற்பிக்க வேண்டும். AI ஐ அவர்களின் திறன்களை அதிகரிக்கும் ‘கோ-பைலட்’ என்று வரையறுப்பதன் மூலம் வேலை மாற்றல் பற்றிய பயங்களை நேரடியாக நிவர்த்தி செய்வது முக்கியம், இது நிர்வாக உழைப்பிலிருந்து அவர்களை விடுவித்து, மேலும் திருப்திகரமான மற்றும் தாக்கம் விளைவிக்கும் வேலையில் கவனம் செலுத்த உதவுகிறது.13

4. கடுமையான வியாபாரி காரணம் ஆராய்ச்சி நடத்தவும்: AI ஆட்சேர்ப்பு கருவிகளுக்கான சந்தை கூடிய மற்றும் மாறும் தன்மை கொண்டது. தலைவர்கள் வியாபாரியின் மார்க்கெட்டிங் கூற்றுகளுக்கு மிகவும் மேல் செல்லும் முழுமையான காரணம் ஆராய்ச்சி நடத்த வேண்டும். ஆராய்ச்சியின் முக்கிய பகுதிகளில் தரவு பாதுகாப்பு நெறிமுறைகள், GDPR போன்ற உலகளாவிய தனியுரிமை ஒழுங்குமுறைகளுக்கு இணக்கம், மேலும் மிக முக்கியமாக, அல்காரிதம் நியாயமיותுக்கு வியாபாரியின் அணுகுமுறை அடங்க வேண்டும். முன்னோக்கிய பங்காளிகள் தங்கள் மாதிரிகள் எவ்வாறு பயிற்றுவிக்கப்படுகின்றன, அவர்கள் எந்த நியாயமיות அளவீடுகளைப் பயன்படுத்துகின்றன, மற்றும் பார்வை மற்றும் பிறழ்வைக் குறைப்பதற்கு அவர்கள் என்ன செயல்முறைகளை அமைத்துள்ளனர் என்பத에 대한 வெளிப்படையான ஆவணங்களை வழங்குமாறு தேவைப்பட வேண்டும்.27

ஆட்சேர்ப்பின் முன்னேற்றம்: அடுத்து என்ன வரும்?

AI களம் அதிவேகமாக உருவாகி வருகிறது, மேலும் திறமை ஆட்சேர்ப்பில் அதன் தாக்கம் மேலும் ஆழமாக இருக்கும். பல முக்கிய போக்குகள் அடுத்த தலைமுறை ஆட்சேர்ப்பை வடிவமைக்க தயாராக உள்ளன.

ஜெனரேடிவ் AI இன் எழுச்சி: ஜெனரேடிவ் AI இன் பயன்பாடு தற்போதைய வேலை விவரங்கள் மற்றும் விண்ணப்பதாரர் மின்னஞ்சல்களை எழுதுவதில் பயன்படுத்தப்படுவதை விட மிகவும் விரிவாகும். சரிவான எதிர்காலத்தில், அளவில் அதிக தனிப்பயனாக்கப்பட்ட விண்ணப்பதாரர் தொடர்பு செய்யும் செய்திகளை உருவாக்கும் AI, விண்ணப்பதாரரின் பதில்களின் அடிப்படையில் நிகழ்நேரத்தில் மாறும் டைனமிக் பேட்டி கேள்வி பாதைகளை உருவாக்கும், மேலும் ஆட்சேர்ப்பு மேலாளர்களுக்கு விரிவான, சான்று அடிப்படையிலான பின்னூட்ட சுருக்குகளை வரைகிறது, மதிப்பீடு செயல்முறையை மேலும் துரிதப்படுத்துகிறது போன்ற மிகவும் நுண்ணிய பயன்பாடுகளை நாம் எதிர்பார்க்கலாம்.19

ஹைபர்-பர्सனலাইசேஷனுக்கு மாற்றம்: AI ஆட்சேர்ப்பு செயல்முறையின் தரவு மற்றும் நிர்வாக கூறுகளை தானியங்க화 செய்யும் போது, மனித முயற்சியின் கவனம் ஹைபர்-பர्सனலাইஸ் செய்யப்பட்ட விண்ணப்பதாரர் பயணத்தை உருவாக்குவதற்கு மாறும். AI ‘மேட்ச்மேக்கர்’ ஆக செயல்படும், விண்ணப்பதாரர்களை தற்போதைய திறந்த பங்குகளுக்கு மட்டுமல்ல, சாத்தியமான எதிர்கால வாய்ப்புகள், தொடர்புடைய நிறுவன உள்ளடக்கம் மற்றும் குறிப்பிட்ட குழு கலாச்சாரத்துடன் இணைக்கும். இது நிறுவனங்களை பரிவர்த்தனை அடிப்படையிலான ஆட்சேர்ப்பு மாதிரியிலிருந்து நீண்ட கால திறமை வளர்ப்பு மற்றும் சமூகம் உருவாக்கத்தை அடிப்படையாகக் கொண்ட மாதிரிக்கு மாற்ற உதவும்.4

திறமை அடிப்படையிலான ஆட்சேர்ப்பின் துரிதம்: படிவம் அடிப்படையிலான ஆட்சேர்ப்பிலிருந்து (அதாவது, டிகிரிகள் மற்றும் கடந்த முதலாளிகள் மீது கவனம் செலுத்துதல்) திறமை அடிப்படையிலான ஆட்சேர்ப்புக்கு நகரும் இயக்கம் நவீன பணியாளர் குழுவில் மிக முக்கிய போக்குகளில் ஒன்றாகும். மிகப்பெரிய 94% முதலாளிகள் இப்போது திறமை அடிப்படையிலான அணுகுமுறை பாரம்பரிய ரிச்யூம் மதிப்பீட்டை விட வேலை செயல்திறனின் சிறந்த முன்கணிப்பாளர் என்று நம்புகின்றனர்.7 AI இந்த போக்கை அளவில் செயல்படுத்த அனுமதிக்கும் முக்கிய செயல்பாட்டாளராகும். AI-ஆதரিত மதிப்பீடுகள் விண்ணப்பதாரரின் குறிப்பிட்ட திறமைகளை அவற்றின் முறையான கல்வி அல்லது பின்னணியைப் பொருட்படுத்தாமல் புறநிலையாகவும் நிலையாகும் வகையில் சரிபார்க்க முடியும், இது மிகவும் பரந்த மற்றும் மாறுபட்ட திறமை கூட்டைக்கு வாய்ப்புகளைத் திறக்கிறது.

முடிவு: தானியங்க화 மற்றும் உண்மையை சமநிலைப்படுத்துதல்

AI யுகத்தில் திறமை ஆட்சேர்ப்பின் மாற்றல் பயணம் முழு தானியங்க화 நிலையை அடைவது அல்ல. இறுதி இலக்கு மனிதர் இல்லாத ஆட்சேர்ப்பு செயல்முறையை உருவாக்குவது அல்ல, மாறாக செயற்கை நுண்ணறிவு மற்றும் மனித புத்திசாலித்தனம் இடையே சக்திவாய்ந்த மற்றும் உற்பத்தியாகும் சங்கমத்தை அடைய முயற்சி செய்வதாகும்.

மிகவும் பயனுள்ள மற்றும் வெற்றிகரமான நிறுவனங்கள் இந்த சமநிலையை முதன்மையாகக் கொண்டவை ஆகும். அவர்கள் ஆட்சேர்ப்பின் இயந்திர, மீண்டும் மீண்டும் மற்றும் தரவு முக்கிய அம்சங்களை முழுமையாகச் செயல்படுத்த AI ஐ பயன்படுத்துவார்கள், அவர்களின் செயல்முறைகளை வேகமாக, மிகவும் திறமையாக, தரவு அடிப்படையிலான மற்றும் மிகவும் சமமாக மாற்றுவார்கள். இந்த தொழில்நுட்ப அடித்தளம் அவர்களின் மனித ஆட்சேர்ப்பாளர்களை மனிதர்கள் மட்டுமே செய்ய முடியும் வேலையில் பிரதியேகமாக கவனம் செலுத்த மুক्त하게 செய்யும்: உண்மையான உறவுகளை உருவாக்குதல், உந்துதல் மற்றும் கலாச்சார பொருத்தம் యొక్క சிக்கலான நுண்ணிய விவரங்களை புரிந்துகொள்ளுதல், நுண்ணிய தீர்ப்பை செயல்படுத்துதல், மற்றும் ஆட்சேர்ப்பு செயல்முறையை ஒரு கவர்ச்சிகரமான மனித அனுபவமாக மாற்றும் பச்சாதாபத்தை காட்டுதல். ஆட்சேர்ப்பின் முன்னேற்றம் தொழில்நுட்பம் மற்றும் மக்களுக்கு இடையே ஒரு தேர்வு அல்ல. இது மக்களின் முழுமையான, பயன்படுத்தப்படாத திறனை திறக்க தொழில்நுட்பத்தை மூலோபாயமாக நிர்வகிப்பது有关—புதிய வாய்ப்புகளைத் தேடும் விண்ணப்பதாரர்கள் மற்றும் அவர்களைக் கண்டுபிடிப்பதற்கு பொறுப்பு பெற்ற திறமையான பेशेवरர்கள் இரண்டும்.

பயன்படுத்தப்பட்ட வேலைகள்

1. ரిక்ரூட்டரின் நேர ம аудிட்: உங்கள் மணிநேரங்கள் உண்மையில் எங்கு செல்கின்றன (மற்றும் அவற்றை எவ்வாறு மீட்டெடுக்க முடியும்), அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://hootrecruit.com/blog/recruiter-time-audit-productivity/
2. ரిక்ரூட்டர்கள் தங்கள் நேரத்தை எவ்வாறு செலவிடுகிறார்கள் என்பதற்கான அதிர்ச்சியான உண்மை - shortlistd.io, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.shortlistd.io/blog/the-shocking-truth-about-how-recruiters-spend-their-time
3. கைமுறை ஆட்சேர்ப்பின் மறைக்கப்பட்ட செலவு: நேரம் செலவிடும் உண்மை - STEPS Consulting, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.stepsconsulting.com/blog/recruiting-automation-content-series
4. ரిక்ரூட்டர்களுக்கு நேர மேலாண்மையை மேம்படுத்துவதற்கான 6 முக்கிய பகுதிகள் - Crosschq, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.crosschq.com/blog/6-key-areas-to-improve-recruiter-time-management
5. மனநிலை மனநிலை: ஆட்சேர்ப்பு பணிகள் - Stratus HR, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://stratus.hr/resources/estimated-time-on-hr-recruiting-tasks
6. ரిక்ரூட்டர்கள் வருடத்திற்கு £17k ஐ நிர்வாக பணிகளுக்கு இழக்கிறார்கள், ஆய்வு கண்டறிந்தது - Staffing Industry Analysts, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.staffingindustry.com/news/global-daily-news/recruiters-lose-ps17k-annually-to-admin-tasks-study-finds
7. 2025 இல் ஒவ்வொரு HRக்கும் அறிய வேண்டிய 100+ ஆட்சேர்ப்பு புள்ளிவிவரங்கள் - SSR - SelectSoftware Reviews, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.selectsoftwarereviews.com/blog/recruiting-statistics
8. 2025 இல் நீங்கள் அறிய வேண்டிய 25 ஆட்சேர்ப்பு புள்ளிவிவரங்கள் - SmartRecruiters, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.smartrecruiters.com/blog/recruitment-statistics-for-2025/
9. ரిక்ரூட்டராக, பொதுவாக ஆட்சேர்ப்பு ஒருங்கிணைப்பில் எவ்வளவு நேரம் செலவிடப்படுகிறது? - Reddit, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.reddit.com/r/recruiting/comments/1h6e6uo/as_a_recruiter_how_much_time_is_spent_in/
10. ரిక்ரூட்டர்கள் மீண்டும் மீண்டும் செய்யப்படும் கைமுறை பணிகளில் எவ்வளவு நேரம் செலவிடுகிறார்கள்? - Reddit, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.reddit.com/r/Recruitment/comments/1iif54q/how_much_time_do_recruiters_spend_doing_redundant/
11. AI ஆட்சேர்ப்பு புள்ளிவிவரங்கள் 2025 (உலகளாவிய தரவு மற்றும் நுண்ணறிவுகள்) - DemandSage, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.demandsage.com/ai-recruitment-statistics/
12. நவீன ஆட்சேர்ப்பு நடைமுறைகளைப் பற்றி AI ஆட்சேர்ப்பு புள்ளிவிவரங்கள் என்ன வெளிப்படுத்துகின்றன - Codeaid, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://codeaid.io/ai-recruitment-statistics/
13. 2024 ஆம் ஆண்டுக்கான AI ஆட்சேர்ப்பில் 44 புள்ளிவிவரங்கள் - SmartRecruiters, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.smartrecruiters.com/blog/44-recruitment-statistics-on-ai-for-2024/
14. 2025 AI ஆட்சேர்ப்பு கணக்கெடுப்பு அறிக்கை - Insight Global, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://insightglobal.com/2025-ai-in-hiring-report/
15. ஆட்சேர்ப்பு நுண்ணறிவுகள், புள்ளிவிவரங்கள் மற்றும் போக்குகள் 2024 | GoodTime, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://goodtime.io/resources/report-hiring-insights-2024/
16. 2024 ஆட்சேர்ப்பு புள்ளிவிவரங்கள்: ஆட்சேர்ப்பு மற்றும் தொழில்நுட்பம் - HeroHunt.ai, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.herohunt.ai/blog/2024-recruitment-statistics-hiring-and-technology
17. Hirevue | AI-இலக்கு திறமை சரிபார்ப்பு, வீடியோ பேட்டி, மதிப்பீடுகள் மற்றும் பல, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.hirevue.com/
18. 2025 இல் ரిక்ரூட்டர்களுக்கு முன்னணி 10 AI பேட்டி கருவிகள், அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.recruiterslineup.com/top-ai-interview-tools-for-recruiters/
19. ஆட்சேர்ப்பு ஆட்டோமேஷன் மூலம் புத்திசாலித்தனமான ஆட்சேர்ப்பு - Radancy Blog, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://blog.radancy.com/2025/05/22/how-recruitment-automation-is-redefining-talent-acquisition/
20. உங்கள் முதலாளி பிராண்டிற்கு முன்கூட்டியே பதிவு செய்யப்பட்ட வீடியோ பேட்டிகளின் 4 நன்மைகள் - CleverConnect, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.cleverconnect.com/blog/4-benefits-pre-recorded-video-interviews-for-employer-brand
21. ஒத்திசைவற்ற வீடியோ பேட்டியிலிருந்து விண்ணப்பதாரர்கள் மற்றும் ரిక்ரூட்டர்களுக்கு எவ்வாறு நன்மை பெறலாம் | Cadient, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://cadienttalent.com/how-candidates-and-recruiters-benefit-from-asynchronous-video-interviewing/
22. முன்கூட்டியே பதிவு செய்யப்பட்ட வீடியோ பேட்டிகளுக்கான ரిక்ரூட்டரின் வழிகாட்டி - CleverConnect, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.cleverconnect.com/blog/recruiters-guide-pre-recorded-video-interviews
23. Braintrust | AI ஆட்சேர்ப்பு மூலம் ஆட்சேர்ப்பை மாற்றுகிறது, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.usebraintrust.com/
24. பேட்டிகளை பதிவு செய்வது: ஏன், எவ்வாறு மற்றும் சரியாக செய்யும் ந窍ங்கள் | Metaview Blog, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.metaview.ai/resources/blog/why-to-record-interviews-and-how-to-do-it-right
25. பேட்டி டிரான்ஸ்கிரிப்ஷன் மென்பொருள் - Hireguide, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.hireguide.com/interview-transcription
26. பேட்டிகளை டிரான்ஸ்கிரிப்ட் செய்வதற்கான சிறந்த நடைமுறைகள் [மாதிரி டிரான்ஸ்கிரிப்டுடன்] - Glyph AI, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.joinglyph.com/guide/best-practices-for-transcribing-interviews-with-sample-transcript
27. AI பேட்டி சுருக்கம்: நேரத்தை சேமித்து சிறந்த திறமையாளர்களைக் கண்டறியுங்கள் - InterviewStream, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://interviewstream.com/ai-interview-summary/
28. வேலை பேட்டிகளை பதிவு செய்வதற்கான விரிவான வழிகாட்டி - Evidenced, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.evidenced.app/blog/recording-job-interviews
29. HR டிரான்ஸ்கிரிப்ஷன்: 10 ஆட்சேர்ப்பு பேட்டி வழிகாட்டுதல்கள் - Waywithwords.net, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://waywithwords.net/resource/how-hr-transcription-helps-recruitment/
30. திறமை பெறுதலில் AI: பன்முகத்தன்மையை மேம்படுத்துதல் மற்றும் பகுப்பை குறைப்பது, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://jmsr-online.com/article/ai-in-talent-acquisition-enhancing-diversity-and-reducing-bias-129/
31. செயற்கை நுண்ணறிவு மற்றும் அது ஆட்சேர்ப்பு பகுப்பை குறைக்கும் திறன் - World Journal of Advanced Research and Reviews, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://wjarr.com/sites/default/files/WJARR-2024-3054.pdf
32. AI ஆட்சேர்ப்பில் பகுப்பை குறைப்பது: நிரூபிக்கப்பட்ட மூலோபாயங்கள் மற்றும் சிறந்த நடைமுறைகள் - JobsPikr, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.jobspikr.com/report/reducing-bias-in-ai-recruitment-strategies/
33. AI-இலக்கு ஆட்சேர்ப்பில் நியாயமיות: சவால்கள், அளவீடுகள், முறைகள் மற்றும் எதிர்கால திசைகள், அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://arxiv.org/html/2405.19699v1
34. பேட்டி பதிவு இணக்கங்கள்- கருத்தில் கொள்ள வேண்டிய 6 விஷயங்கள் - BarRaiser, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.barraiser.com/blogs/compliances-to-consider-while-recording-job-interviews
35. HR கோணி: பேட்டி டிரான்ஸ்கிரிப்டிலிருந்து நுண்ணறிவுகளை எவ்வாறு உருவாக்குவது - Insight7, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://insight7.io/hr-corner-how-to-get-insights-from-interview-transcripts/
36. விண்ணப்பதாரர் பேட்டிக்கு AI: ரిక்ரூட்டர்களுக்கான வழிகாட்டி | Carv - #1 AI ஆட்சேர்ப்பு பிளாட்பார்ம், அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.carv.com/blog/ai-for-candidate-interviewing-a-guide-for-recruiters
37. 2024 இலிருந்து முக்கிய போக்குகள் மற்றும் நுண்ணறிவுகள்: AI ஆட்சேர்ப்பை கைப்பற்றிய ஆண்டு - Forbes, அக்டோபர் 6, 2025 அன்று அணுகப்பட்டது, https://www.forbes.com/councils/forbesbusinesscouncil/2025/02/20/key-trends-and-insights-from-2024-the-year-ai-took-over-recruitment/