75٪ recruiters کا بوجھ AI نے گھٹایا، مگر معیار پہلی ترجیح ہے
ICIMS اور Lighthouse Research & Advisory نے 25 اگست 2026 کو high-volume اور frontline hiring پر نئی تحقیق جاری کی۔ تحقیق کے سرکاری اعلان کے مطابق، پہلی سہ ماہی میں 463 employers سے لیے گئے سروے میں 75٪ نے کہا کہ AI نے recruiting team کا workload کم کیا، جبکہ 62٪ نے زیادہ applications کے بجائے سب سے قابل امیدوار کا انتخاب بنیادی مقصد قرار دیا۔
یہ 25 اگست کی تحقیق AI کے ذریعے recruiter کی جگہ ختم ہونے کی خبر نہیں، بلکہ employers کی رپورٹ کردہ workload relief اور معیار کی طرف بدلتی ترجیح کا جائزہ ہے۔ اگلے روز شائع ہونے والی TipRanks کی آزاد خبر نے بھی 460 سے زیادہ talent-acquisition professionals، 75٪ workload finding اور 62٪ quality objective کو اسی ICIMS اور Lighthouse مطالعے سے منسوب کیا۔
75٪ کا عدد کیا بتاتا ہے، اور کیا نہیں
سروے healthcare، manufacturing، retail، hospitality، transportation اور construction جیسے high-volume hiring شعبوں کے employers پر مبنی تھا۔ اس کے ساتھ ہزاروں اداروں کی hiring activity پر مشتمل ICIMS کا proprietary labor-market data بھی استعمال ہوا، مگر headline میں شامل 75٪ جواب دہندگان کی رائے ہے؛ یہ recruiter کے بچائے گئے گھنٹوں کا controlled productivity test نہیں۔
اس لیے درست مفہوم یہ ہے کہ AI استعمال کرنے والے surveyed employers کی بڑی اکثریت نے اپنی recruiting teams پر کام کا بوجھ کم ہونے کی اطلاع دی۔ دستیاب نتائج یہ نہیں بتاتے کہ فی recruiter کتنے گھنٹے بچے، کون سا AI product یا configuration زیادہ مؤثر تھا، یا فائدہ ہر صنعت اور ملک میں یکساں رہا۔ پاکستانی employers کے لیے یہ ایک بین الاقوامی benchmark ہے، مقامی performance guarantee نہیں۔
تحقیق workload کم ہونے کو screening، candidate sourcing، interview scheduling اور candidate communication جیسے کاموں سے جوڑتی ہے۔ ان مراحل میں اثر کی نوعیت یکساں نہیں: calendar coordination یا routine status message ایک انتظامی کام ہے، جبکہ کسی درخواست کو مسترد کرنا امیدوار کے روزگار پر براہ راست اثر ڈالنے والا فیصلہ ہے۔
معیار نے application volume کو پیچھے چھوڑ دیا
نتائج کا مرکزی نکتہ رفتار نہیں بلکہ quality of hire ہے۔ جب 62٪ employers سب سے قابل امیدوار تلاش کرنے کو بنیادی مقصد کہتے ہیں تو applications کی زیادہ تعداد یا تیز processing اکیلے کامیابی ثابت نہیں کرتی؛ اصل سوال یہ بنتا ہے کہ مناسب امیدوار shortlist، interview، joining اور ملازمت میں برقرار رہنے تک پہنچ رہے ہیں یا نہیں۔
یہ فرق high-volume hiring میں خاص اہمیت رکھتا ہے، کیونکہ automation ایک ہی وقت میں بڑی تعداد میں records چھانٹ سکتی ہے۔ غلط eligibility rule یا کمزور ranking signal بھی اسی رفتار سے قابل امیدواروں کو پیچھے کر سکتا ہے۔ یوں workload کم ہونا مفید operational outcome ہے، لیکن اسے selection quality کا متبادل نہیں سمجھا جا سکتا۔
پاکستان کے بڑے retail networks، call centres، logistics operators، hospitals اور manufacturers کے لیے زیادہ بامعنی پیمانہ qualified throughput ہوگا: لازمی شرائط پوری کرنے والے کتنے امیدوار مناسب وقت میں اگلے مرحلے تک پہنچے، کتنے offer قبول کرکے کام پر آئے، اور ابتدائی ملازمت میں کتنے برقرار رہے۔ یہ applicant count سے مختلف نتیجہ ہے کیونکہ یہ hiring funnel کے آخر تک معیار کو دیکھتا ہے۔
Automation اور انسانی جائزے کی حد کہاں ہو
Interview slots ملانا، reminders بھیجنا، درخواست وصول ہونے کی اطلاع دینا اور معمول کے status updates ایسے کام ہیں جن میں automation recruiter کا انتظامی بوجھ کم کر سکتی ہے۔ ان سرگرمیوں میں نتیجہ نسبتاً آسانی سے جانچا جا سکتا ہے: پیغام درست امیدوار کو پہنچا یا نہیں، وقت درست مقرر ہوا یا نہیں، اور ضرورت پڑنے پر رابطے کا متبادل راستہ موجود تھا یا نہیں۔
ابتدائی screening میں automation کو واضح اور job-related شرائط—مثلاً مقام، shift availability، ضروری certification یا مطلوبہ زبان—کے مطابق structured sorting کے لیے استعمال کیا جا سکتا ہے۔ تاہم ambiguous experience کی تشریح، accommodation request، متضاد records، model کی بنیاد پر اخراج اور آخری selection انسانی reviewer کے پاس رہنے چاہییں۔ reviewer کو اصل application، لاگو کیے گئے معیار اور system recommendation کی وجہ دیکھنے کا اختیار بھی درکار ہے۔
یہ تقسیم خود سروے سے ثابت شدہ بہترین workflow نہیں، بلکہ اس کے workload اور quality نتائج کا پاکستانی HR operations میں محتاط ترجمہ ہے۔ مقامی labour rules، زبانوں، accessibility needs اور مختلف job families کے باعث ایک ہی screening rule ہر vacancy پر قابلِ دفاع نہیں ہوگا۔
پاکستانی pilot کے لیے متوازن scorecard
اگر pilot صرف processed applications یا time-to-hire دکھائے تو وہ سروے کے معیار والے نصف کو نظرانداز کر دے گا۔ ایک متوازن scorecard میں efficiency، selection quality، candidate experience اور human control الگ دکھائے جانے چاہییں تاکہ تیز رفتار کے ساتھ غلط اخراج یا بعد کی ناکامی چھپ نہ سکے۔
- Efficiency: فی application recruiter time، application سے shortlist تک دورانیہ، scheduling time اور manual follow-ups۔
- Selection quality: لازمی شرائط پوری کرنے والے shortlisted امیدواروں کا تناسب، interview-to-offer، offer-to-join، probation completion اور ابتدائی retention۔
- Screening accuracy: انسانی audit میں غلط طور پر خارج کیے گئے امیدوار، automated ranking پر overrides اور مختلف job یا demographic groups کے selection-rate gaps۔
- Candidate experience: response time، interview no-shows، application abandonment، شکایات اور accessible alternative channel کا استعمال۔
- Human control: اصل record دیکھ کر کیے گئے فیصلے، override کی درج شدہ وجہ، مکمل audit trail اور آخری فیصلے کے ذمہ دار reviewer کی شناخت۔
یہ metrics pilot سے پہلے طے ہوں اور موازنہ اسی job family، location اور ملتی جلتی hiring demand کے baseline سے کیا جائے۔ ورنہ ایک تیز seasonal campaign کو نسبتاً سست مستقل بھرتی سے ملا کر automation کا فائدہ بڑھا چڑھا کر دکھایا جا سکتا ہے، یا manager rework اور early attrition کو رپورٹ سے باہر رکھا جا سکتا ہے۔
تحقیق کے بعد بھی کون سے سوال کھلے ہیں
آزاد تجزیے میں GenedAI نے 25 اگست کے ICIMS سروے کو 463 high-volume employers کی employer-reported finding تک محدود رکھا: 75٪ کا نتیجہ کسی مخصوص AI product کی آزاد آزمائش یا ملازمت کے بعد امیدواروں کی کارکردگی کا ثبوت نہیں۔ یہی حد headline کے مضبوط دعوے کو اس کے درست دائرے میں رکھتی ہے۔
Public findings میں پاکستان کا الگ sample، صنعت کے لحاظ سے 75٪ کی تقسیم، بچنے والے recruiter hours، غلط automated rejections یا AI-assisted hires کی بعد از ملازمت performance موجود نہیں۔ اس لیے مقامی HR ٹیم یہ فرض نہیں کر سکتی کہ global survey کا تناسب اس کے اپنے workflow میں بھی دہرایا جائے گا۔
اب تک ثابت شدہ تصویر متوازن ہے: surveyed high-volume employers میں AI سے workload relief وسیع ہے، مگر کامیابی کا مرکزی معیار applications کی تعداد نہیں بلکہ قابل امیدوار کا انتخاب ہے۔ اگلا فیصلہ کن ثبوت longitudinal hiring outcomes اور rejected applications کے audits سے آئے گا—یعنی یہ کہ automation نے صرف کام تیز کیا یا واقعی درست لوگوں کو ملازمت تک پہنچایا۔
یہ بھی پڑھیں:
ہمارا نیوز لیٹر سبسکرائب کریں
ویب 3، AI اور کرپٹو کی تازہ خبریں براہ راست اپنے اِن باکس میں پائیں۔