रिक्रूटमेंट स्ट्रेटेजी में आजकल बड़ा बदलाव हो रहा है क्योंकि कंपनियाँ एलीट बैकग्राउंड वालों की इज़्ज़त को वेरिफाइड टेक्निकल काबिलियत के मुकाबले तौल रही हैं। जहाँ ब्रांड-नेम हायरिंग टैलेंट के लिए टॉप-टियर यूनिवर्सिटी या पुराने 'बिग टेक' एम्प्लॉयर की पेडिग्री पर निर्भर करती है, वहीं स्किल्स-बेस्ड हायरिंग असेसमेंट और प्रैक्टिकल डेमोंस्ट्रेशन के ज़रिए कैंडिडेट की काबिलियत के सीधे सबूत को प्रायोरिटी देती है।
एक रिक्रूटमेंट फ़िल्टर जो उन कैंडिडेट्स को प्रायोरिटी देता है जिन्होंने एलीट इंस्टिट्यूशन से ग्रेजुएट किया है या जाने-माने, जाने-माने कॉर्पोरेशन्स के लिए काम किया है।
एक बराबरी का तरीका जो कैंडिडेट्स को उनकी खास काबिलियत और वेरिफाइड काबिलियत के आधार पर जांचता है, न कि उनकी पढ़ाई या प्रोफेशनल पहचान के आधार पर।
| विशेषता | ब्रांड-नाम भर्ती | कौशल-आधारित भर्ती |
|---|---|---|
| प्राथमिक चयन फ़िल्टर | वंशावली और संघ | प्रदर्शित प्रवीणता |
| विविधता प्रभाव | कम (इको चैंबर का जोखिम) | उच्चतर (विभिन्न पथों का समावेश) |
| सोर्सिंग गति | तेज़ (संकीर्ण खोज) | धीमा (वाइड सर्च/टेस्टिंग ज़रूरी है) |
| भविष्यसूचक सटीकता | वेरिएबल (पेडिग्री परफॉर्मेंस नहीं है) | उच्च (वास्तविक कार्य के आधार पर) |
| प्रति किराया लागत | हाई ('ब्रांड्स' के लिए प्रीमियम) | निम्न से मध्यम |
| मुख्य मूल्यांकन उपकरण | रिज्यूमे/लिंक्डइन इतिहास | पोर्टफोलियो और तकनीकी परीक्षण |
ब्रांड-नेम हायरिंग एक तरह से सोशल इंश्योरेंस का काम करती है; अगर गूगल या हार्वर्ड का कोई कैंडिडेट फेल हो जाता है, तो हायरिंग मैनेजर को शायद ही कभी दोषी ठहराया जाता है क्योंकि 'पेडिग्री' से सफलता का पता चलता है। हालांकि, स्किल्स-बेस्ड हायरिंग, जवाबदेही को वापस कंपनी के इंटरनल टेस्टिंग प्रोसेस पर डाल देती है। हालांकि स्किल्स-बेस्ड तरीके जॉब परफॉर्मेंस का अनुमान लगाने में स्टैटिस्टिकली बेहतर होते हैं, लेकिन उन काबिलियत को सही तरीके से वेरिफाई करने के लिए उन्हें ज़्यादा मज़बूत इंटरनल फ्रेमवर्क की ज़रूरत होती है।
पारंपरिक ब्रांड-फोकस्ड रिक्रूटमेंट अक्सर कंपनियों को डेमोग्राफिक लूप में फंसा देती है, क्योंकि एलीट इंस्टीट्यूशन में पहले से डाइवर्सिटी की कमी रही है। स्कूलों और पुराने एम्प्लॉयर के नाम हटाकर, स्किल-बेस्ड हायरिंग से 'छिपे हुए रत्न' सामने आते हैं, जिनके पास आइवी लीग की पढ़ाई के लिए पैसे नहीं हो सकते, लेकिन उनके पास बेहतर टेक्निकल टैलेंट होता है। यह बदलाव उन ऑर्गनाइज़ेशन के लिए ज़रूरी है जो सच में ग्लोबल और कई तरह की टीमें बनाना चाहते हैं।
अपने ब्रांड नेम के लिए हायर किए गए कैंडिडेट को अक्सर ज़्यादा सैलरी मिलती है और अक्सर दूसरी जानी-मानी फर्म उन्हें हेडहंट करती हैं, जिससे उनका समय कम हो जाता है। इसके उलट, स्किल्स के आधार पर हायर किए गए लोग अक्सर ज़्यादा लॉयल्टी और 'ग्रिट' दिखाते हैं क्योंकि उन्हें लगता है कि उनके रिज्यूमे लेबल के बजाय उनके असल योगदान को अहमियत दी जा रही है। इससे समय के साथ कम टर्नओवर कॉस्ट के साथ ज़्यादा स्टेबल वर्कफोर्स बन सकती है।
तेज़ी से बदलते मार्केट में, दस साल पहले की डिग्री अक्सर छह महीने पहले सीखी गई स्किल से कम काम की होती है। स्किल-बेस्ड हायरिंग से कंपनियाँ खास, अप-टू-डेट काबिलियत की तलाश करके तेज़ी से बदलाव कर सकती हैं, जो तब नहीं होती थीं जब पुराने कर्मचारी स्कूल में होते थे। ब्रांड-नेम हायरिंग ज़्यादा स्थिर होती है, जिसमें आज की, काम की जानकारी के बजाय पुरानी इज़्ज़त को महत्व दिया जाता है।
स्किल्स-बेस्ड हायरिंग का मतलब है कि आपको एजुकेशन की परवाह नहीं है।
पढ़ाई अभी भी मायने रखती है, लेकिन यह साबित करने का अकेला तरीका नहीं है कि आप नौकरी कर सकते हैं। यह डिग्री को कैंडिडेट की काबिलियत पर आखिरी बात के बजाय एक मुमकिन डेटा पॉइंट मानता है।
ब्रांड-नेम कंपनियों के लोग हमेशा ओवरक्वालिफाइड होते हैं।
रिज्यूमे में 'बड़ा नाम' होने से किसी खास स्किल सेट की गारंटी नहीं मिलती। कभी-कभी, बड़ी कंपनियों में लोगों के रोल बहुत छोटे होते हैं और स्टार्टअप के बड़े, अस्त-व्यस्त माहौल में उन्हें मुश्किल होती है।
स्किल्स-बेस्ड हायरिंग सिर्फ़ एंट्री-लेवल टेक्निकल रोल्स के लिए है।
सीनियर लीडरशिप रोल अब स्किल्स-बेस्ड ऑडिट के ज़रिए भरे जा रहे हैं, जो सिर्फ़ इस बात पर ध्यान देने के बजाय कि वे MBA स्कूल कहाँ से आए थे, खास लीडरशिप बिहेवियर और प्रॉब्लम-सॉल्विंग नतीजों पर ध्यान देते हैं।
स्किल्स की टेस्टिंग 100% ऑब्जेक्टिव होती है और सभी बायस को खत्म करती है।
अगर टेस्ट खराब तरीके से डिज़ाइन किए गए हैं, तो वे खुद भी बायस्ड हो सकते हैं। उदाहरण के लिए, टेक-होम टेस्ट से उस कैंडिडेट को नुकसान हो सकता है जिसकी देखभाल की ज़िम्मेदारी है और जिसके पास कम खाली समय है।
ब्रांड-नेम हायरिंग उन रोल्स के लिए असरदार है जहाँ क्लाइंट-फेसिंग प्रेस्टीज और नेटवर्किंग सबसे ज़रूरी है, जैसे हाई-लेवल सेल्स या कंसल्टिंग। स्किल्स-बेस्ड हायरिंग टेक्निकल, क्रिएटिव और ऑपरेशनल रोल्स के लिए बेहतर चॉइस है जहाँ कैंडिडेट की इंस्टीट्यूशनल हिस्ट्री से ज़्यादा आउटपुट क्वालिटी मायने रखती है।
यह तुलना सिर्फ़ आर्टिफिशियल इंटेलिजेंस का इस्तेमाल करने से लेकर असल में उससे चलने तक के बदलाव को दिखाती है। जहाँ AI अपनाने में मौजूदा बिज़नेस वर्कफ़्लो में स्मार्ट टूल्स जोड़ना शामिल है, वहीं AI-नेटिव बदलाव एक ग्राउंड-अप रीडिज़ाइन दिखाता है जहाँ हर प्रोसेस और फ़ैसले लेने का लूप मशीन लर्निंग क्षमताओं के आस-पास बना होता है।
यह तुलना लैब में AI को टेस्ट करने से लेकर उसे कॉर्पोरेशन के नर्वस सिस्टम में शामिल करने तक के ज़रूरी बदलाव की जांच करती है। जहां एक्सपेरिमेंट छोटी टीमों के अंदर किसी कॉन्सेप्ट की टेक्निकल संभावना को साबित करने पर फोकस करता है, वहीं एंटरप्राइज़ इंटीग्रेशन में AI के लिए ज़रूरी मज़बूत इंफ्रास्ट्रक्चर, गवर्नेंस और कल्चरल बदलाव बनाना शामिल है, ताकि कंपनी-वाइड ROI को मापा जा सके।
मॉडर्न ऑर्गनाइज़ेशन तेज़ी से पहले से बने हायरार्किकल स्ट्रक्चर और एजाइल, डेटा-सेंट्रिक मॉडल के बीच चुन रहे हैं। जहाँ पारंपरिक कल्चर स्टेबिलिटी और इंसानों के इंट्यूशन को प्रायोरिटी देते हैं, वहीं AI-ड्रिवन एनवायरनमेंट तेज़ी से एक्सपेरिमेंट और ऑटोमेटेड इनसाइट्स पर ज़्यादा ध्यान देते हैं। यह तुलना यह पता लगाती है कि ये दो अलग-अलग फिलॉसफी रोज़ाना के एम्प्लॉई एक्सपीरियंस, डिसीजन-मेकिंग प्रोसेस और बदलती डिजिटल इकॉनमी में लंबे समय तक चलने वाले बिज़नेस वायबिलिटी को कैसे आकार देती हैं।
यह तुलना की परफ़ॉर्मेंस इंडिकेटर्स (KPIs) और ऑब्जेक्टिव्स एंड की रिज़ल्ट्स (OKRs) के बीच ज़रूरी अंतर को साफ़ करती है। जहाँ KPIs किसी बिज़नेस की चल रही हेल्थ और स्टेबिलिटी को मॉनिटर करने के लिए एक डैशबोर्ड की तरह काम करते हैं, वहीं OKRs तय समय में तेज़ी से ग्रोथ, इनोवेशन और ऑर्गेनाइज़ेशनल बदलाव लाने के लिए एक स्ट्रेटेजिक फ्रेमवर्क देते हैं।
हालांकि दोनों फ्रेमवर्क सफलता को मापते हैं, OKRs बड़ी ग्रोथ और दिशा बदलने के लिए एक कंपास की तरह काम करते हैं, जबकि KPIs स्थिर परफॉर्मेंस के लिए एक हाई-प्रिसिजन डैशबोर्ड की तरह काम करते हैं। इनमें से किसी एक को चुनना इस बात पर निर्भर करता है कि आप कुछ नया करने की कोशिश कर रहे हैं या बस यह पक्का करना चाहते हैं कि आपका मौजूदा इंजन बिना ज़्यादा गरम हुए आसानी से चल रहा है।
