AI interview سے offers 12٪ بڑھے؛ مگر تجربہ چار تبدیلیوں کا مجموعہ تھا
فلپائن میں entry-level customer-service ملازمتوں کی 70,884 درخواستوں پر کیے گئے تجربے میں AI voice interview والے گروپ کا offer rate 8.70٪ سے 9.73٪ ہوا: یہ 1.03 percentage point، یا نسبتاً 12٪، کا اضافہ ہے۔ اصل تحقیقی preprint زیادہ job starts اور retention بھی دکھاتا ہے، جبکہ دستیاب operational پیمانوں پر hired workers کی productivity میں کمی نہیں ملی۔
مگر 12٪ کو اکیلے chatbot کی برتری کہنا درست نہیں۔ randomized comparison نے بنیادی طور پر interview لینے والے کو بدلا، لیکن عملی workflow میں agent کی زیادہ یکساں گفتگو، interviewer اور evaluator کے کردار کی نئی تقسیم، انسانی hiring decision اور ایک الگ choice arm بھی موجود تھے؛ تحقیق ان تمام پہلوؤں کے الگ الگ causal اثرات نہیں بتاتی۔
نمونہ، نتیجہ اور اس کی حد کیا تھی؟
درخواستیں 7 مارچ سے 7 جون 2025 تک 48 job postings کے لیے آئیں اور 67,056 اہل applications تین conditions میں randomize ہوئیں: human interviewer، AI interviewer یا دونوں میں انتخاب۔ مرکزی 12٪ comparison صرف پہلے دو assigned گروپس کے درمیان تھا، اس لیے اپنی مرضی سے AI منتخب کرنے والوں کا نتیجہ اس تخمینے میں شامل نہیں تھا۔
Offer کے بعد فرق ختم نہیں ہوا۔ Chicago Booth کے تحقیقی جائزے میں AI-assigned applicants کے لیے job start کا امکان 18٪ اور ایک ماہ بعد ملازمت میں موجود ہونے کا امکان 17٪ زیادہ بتایا گیا؛ offer قبول کرکے کام شروع کرنے والوں تک sample محدود کرنے پر ایک ماہ کی retention کا نسبتی فرق 6٪ تھا۔
Productivity کا نتیجہ بھی محدود مفہوم رکھتا ہے۔ محققین نے دستیاب subset میں customer handling time، employer quality-assurance score اور customer-satisfaction score دیکھا؛ ان میں بامعنی مجموعی کمی نہیں ملی۔ اسے ہر پیشے، ہر performance metric یا طویل مدتی career outcome کا ثبوت نہیں سمجھا جاسکتا۔
وہ چار تبدیلیاں جنہیں الگ سمجھنا ضروری ہے
پہلی تبدیلی interview لینے والے کی تھی۔ Human condition میں recruiter نے گفتگو کی؛ AI condition میں voice agent نے فون پر interview لیا۔ Agent نے ابتدا میں اپنی مصنوعی شناخت ظاہر کی اور بتایا کہ حتمی evaluation اور hiring decision انسان کرے گا، اس لیے یہ مکمل خودکار selection کا تجربہ نہیں تھا۔
دوسری تبدیلی guide کے نفاذ میں سامنے آئی۔ انسان اور agent دونوں کو topics، تجویز کردہ ترتیب اور نمونہ سوالات پر مشتمل ایک ہی structured guide دی گئی تھی۔ تاہم transcripts میں agent نے topic order، coverage اور سوالوں کی wording زیادہ مستقل رکھی اور امیدوار کے جواب کے مطابق follow-up بھی کیا۔ یہ consistency treatment کا مشاہدہ شدہ نتیجہ تھی، الگ randomize کیا گیا component نہیں؛ اس لیے chatbot کی آواز اور standardization کے اثر الگ نہیں کیے جاسکتے۔
تیسری تبدیلی کرداروں کی تقسیم تھی۔ AI interview کے بعد انسانی recruiter نے transcript، audio recording اور standardized language و analytical tests دیکھ کر score اور hiring decision دیا۔ Human condition میں recruiter اپنی ہی لی ہوئی گفتگو بھی evaluate کرتا تھا۔ یوں AI arm میں information collection اور judgment الگ افراد یا مراحل میں بٹ گئے، اور تحقیق یہ نہیں بتاتی کہ فائدے کا کتنا حصہ agent سے اور کتنا self-evaluation ختم ہونے سے آیا۔
چوتھا حصہ choice arm تھا، مگر 12٪ والے comparison سے الگ۔ Erasmus University کے seminar abstract میں انتخاب کرنے والوں میں 78٪ نے AI interviewer چنا؛ مکمل preprint میں درست مجموعی قدر 78.41٪ ہے، جسے Chicago Booth نے 80٪ تک round کیا۔ یہ preference دلچسپ ہے، مگر self-selection کی وجہ سے اسے AI کی causal برتری یا offer uplift نہیں کہا جاسکتا۔
امیدوار کے لیے پانچ ضروری سوال
- رضامندی اور شناخت: پہلے معلوم کریں کہ interview AI لے گا یا انسان، call record ہوگی یا نہیں، transcript کس مقصد کے لیے بنے گا اور اسے کتنی مدت رکھا جائے گا۔ مبہم اطلاع پر تحریری وضاحت مانگنا مناسب ہے۔
- انسانی fallback: پوچھیں کہ agent لہجہ نہ سمجھے، غلط transcription کرے یا call منقطع ہوجائے تو انسانی interviewer یا نئی کوشش کیسے ملے گی۔ مطالعے میں 7٪ AI interviews تکنیکی خرابی سے رکے اور 5٪ میں applicant نے AI سے گفتگو جاری رکھنے سے انکار کیا تھا۔
- منظم جواب: مقام، کام کے اوقات، سابقہ تجربے، career goals اور salary expectations پر مختصر مگر مکمل جواب تیار رکھیں۔ مقصد agent کو خوش کرنا نہیں بلکہ مطلوبہ معلومات صاف طور پر دینا ہے۔
- خرابی کا record: call کٹنے، سوال ضائع ہونے یا transcript کی نمایاں غلطی کا وقت اور نوعیت نوٹ کرکے recruiter کو فوراً بتائیں، تاکہ system failure کو ناقص performance نہ سمجھا جائے۔
- فیصلہ کون کرے گا: تصدیق کریں کہ final score انسان دے گا یا نظام، audio بھی سنی جائے گی یا صرف transcript، اور غلط record درست کرانے یا review مانگنے کا راستہ کیا ہے۔ زیر بحث تجربے میں offer کا فیصلہ agent نے نہیں کیا تھا۔
Recruiter اور HR buyer کے لیے جانچ کی فہرست
- واضح disclosure: interview سے پہلے AI identity، recording، data retention، انسانی review اور انکار یا withdrawal کا طریقہ بتائیں۔ consent کو صرف call جاری رکھنے سے اخذ نہ کریں۔
- مشترک structured guide: AI اور انسانی interviewers کے لیے job-related competencies، topics، permitted follow-ups اور ممنوع سوالات پہلے طے کریں۔ اگر سوالنامے مختلف ہوں تو tool کے بجائے دو مختلف assessments کا موازنہ ہوگا۔
- Technical-failure protocol: call drop، ناقص transcription، unsupported زبان اور agent crash کے لیے retry اور human fallback رکھیں۔ نامکمل session کو خودکار rejection نہ بننے دیں۔
- Human scoring کا audit: مشترک rubric بنائیں، interview اور test signals کا وزن پہلے مقرر کریں اور sample پر second-rater agreement ناپیں۔ reviewer کو غیر ضروری treatment label نہ دکھانا AI کے نام سے پیدا ہونے والے scoring bias کو محدود کرسکتا ہے۔
- Offer سے آگے پیمائش: completion، offer acceptance، job start، retention، performance اور candidate complaints ساتھ دیکھیں۔ زیادہ offers صرف اسی وقت بہتر hiring ہیں جب downstream quality اور رسائی خراب نہ ہوں۔
- حقیقی انتخاب: human option دینے کی صورت میں waiting time، accessibility یا processing priority ایسی نہ رکھیں کہ امیدوار عملاً AI پر مجبور ہو۔ choice rate کو تبھی preference کہیں جب دونوں راستے قابل عمل ہوں۔
پاکستان میں 12٪ کو benchmark کیوں نہ بنائیں؟
یہ نتیجہ فلپائن کے high-volume، English-language customer-service recruitment process سے آیا ہے؛ پاکستانی زبانوں، لہجوں، connectivity، employment rules یا job categories کو تجربے میں نہیں آزمایا گیا۔ اس لیے کسی vendor سے لازماً 12٪ uplift مانگنا یا اسی عدد پر خریداری کا مقدمہ بنانا شواہد سے آگے جانا ہوگا۔
پاکستانی employer کے لیے موزوں evaluation ایک محدود pilot ہے جس میں AI اور human interviews کے لیے ایک ہی اہلیت، guide اور scoring rubric ہو۔ پہلے سے primary outcome طے کیا جائے، اردو اور انگریزی سمیت استعمال ہونے والی زبانوں کے transcription failures الگ ناپے جائیں، اور offer rate کے ساتھ job start، retention، performance اور complaints بھی دیکھی جائیں۔
اس تحقیق کا مضبوط نتیجہ یہ ہے کہ AI-conducted مگر human-scored workflow نے اسی setting میں بہتر hiring outcomes دیے۔ اس سے یہ ثابت نہیں ہوتا کہ ہر voice agent بہتر ہے، human review غیر ضروری ہے یا agent، standardization اور evaluation handoff میں سے کوئی ایک جز تنہا وہی فائدہ پیدا کرے گا۔
یہ بھی پڑھیں:
ہمارا نیوز لیٹر سبسکرائب کریں
ویب 3، AI اور کرپٹو کی تازہ خبریں براہ راست اپنے اِن باکس میں پائیں۔