सोमवार की सुबह एक हायरिंग मैनेजर आपको मैसेज करता है। उन्हें दिन खत्म होने तक एक जॉब डिस्क्रिप्शन (JD) पोस्ट करना है क्योंकि कैंडिडेट पहले से ही डिटेल्स मांग रहे हैं। आपके पास पिछले साल का अधूरा JD, मैसेज थ्रेड में कुछ पॉइंट्स और सैलरी/बेनिफिट्स का एक नोट है जो शायद फाइनल न हो। उस समय, JD सिर्फ़ पब्लिश करने के लिए एक डॉक्यूमेंट नहीं होता। यह वह इनपुट है जो तय करता है कि सोर्सिंग आउटरीच भरोसेमंद है या नहीं, स्क्रीनिंग क्राइटेरिया जॉब से जुड़े हैं या नहीं, और जब एप्लीकेशन आने शुरू हों तो आपकी इंटरव्यू टीम एक ही बात पर सहमत रहे।
यहाँ AI-की मदद से JD बनाने का काम उपयोगी है क्योंकि यह स्ट्रक्चर्ड इनटेक नोट्स से JD का पहला ड्राफ्ट बना सकता है, मैनेजर की भाषा को एक जैसी जिम्मेदारियों और क्वालिफिकेशन्स में बदल सकता है, और मुख्य ज़रूरतों को स्थिर रखते हुए अलग-अलग पोस्टिंग चैनलों के लिए कई वर्शन बना सकता है। यह पोस्ट की गई ज़रूरतों के हिसाब से एक स्ट्रक्चर्ड स्क्रीनिंग-क्राइटेरिया ड्राफ्ट भी बना सकता है, जिससे बाद में होने वाला दोबारा काम कम हो जाता है, खासकर तब जब रिक्रूटर और हायरिंग मैनेजर इस बात पर सहमत न हों कि वे क्या इवैल्यूएट कर रहे हैं। मकसद यह है कि क्लैरिटी, कैंडिडेट एक्सपीरियंस या कंप्लायंस स्टैंडर्ड्स से समझौता किए बिना इनटेक से पोस्ट करने लायक JD तक तेज़ी से पहुँचा जाए।
बिना AI के लिखा गया JD आमतौर पर कई तय स्टेप्स से गुज़रता है। हर स्टेप पर अस्पष्टता आ सकती है और फिर आगे चलकर दिक्कतें बढ़ सकती हैं।
सबसे ज़्यादा नुकसान वाली गलतियाँ आमतौर पर स्टेप 1 में शुरू होती हैं और स्टेप 5 तक छिपी रहती हैं। अस्पष्ट स्कोप बढ़ा-चढ़ाकर बताई गई क्वालिफिकेशन्स में बदल जाता है। बढ़ा-चढ़ाकर बताई गई क्वालिफिकेशन्स सोर्सिंग पूल को सीमित कर देती हैं और स्क्रीनिंग के फैसलों में एकरूपता नहीं रहती। सफलता के अस्पष्ट पैमाने ऐसे इंटरव्यू बनाते हैं जो कैंडिडेट्स को बिना किसी स्ट्रक्चर के और अनुचित लगते हैं क्योंकि हर इंटरव्यूअर जॉब के बारे में अलग सोच रखता है।
आगे जो बताया गया है, वह इनटेक से लेकर बाद के असर तक पूरे मैनुअल प्रोसेस को दिखाता है।
AI-सपोर्टेड जॉब डिस्क्रिप्शन (JD) का काम ड्राफ़्टिंग के चरण को लिखने से बदलकर एडिटिंग में बदल देता है। आप अभी भी वही हायरिंग वर्कफ़्लो अपनाते हैं, लेकिन मैनेजर के इनपुट को पहले ही स्ट्रक्चर्ड ज़रूरतों में बदल देते हैं और इस बात का साफ़ ऑडिट ट्रेल रखते हैं कि क्या बदला और क्यों। असल में, AI तब सबसे ज़्यादा काम का होता है जब वह “सामान्य” जॉब डिस्क्रिप्शन भाषा के बजाय साफ़ इनपुट से जुड़ा ड्राफ़्ट टेक्स्ट बनाता है।
ऐसे इनटेक फ़ॉर्मैट से शुरुआत करें जिसे एक रोल और एक मैनेजर से आगे भी बढ़ाया जा सके। इनटेक लंबा होने की ज़रूरत नहीं है, लेकिन यह स्पेसिफ़िक (खास) होना चाहिए।
इसके बाद AI इन इनपुट को एक शुरुआती ड्राफ़्ट जॉब डिस्क्रिप्शन में बदल सकता है, जो सभी रोल के लिए स्ट्रक्चर और शब्दावली के मामले में एक जैसा हो। ड्राफ़्ट के मंज़ूरी के लिए जाने से पहले, आप इस चरण में नौकरी से जुड़ी खास बातों की समीक्षा करते हैं और उन्हें ठीक करते हैं, जिसमें रिपोर्टिंग लाइन, टूल, शेड्यूल और ड्यूटी से जुड़ी कोई भी रेगुलेटेड भाषा शामिल है।
ड्राफ़्टिंग लूप में, काम के आउटपुट को साफ़ रखें। टूल एक ड्राफ़्ट बनाता है। आप पोस्ट किया जाने वाला जॉब डिस्क्रिप्शन तैयार करते हैं।
काम का सही क्रम कुछ ऐसा दिखता है।
चरण 2 और 4 में आपकी समझ और फ़ैसले सबसे अहम होते हैं। आप तय करते हैं कि कौन सी योग्यताएँ सच में ज़रूरी हैं, कौन सी सिखाई जा सकती हैं, और कौन सी ऐसी प्रॉक्सी (अप्रत्यक्ष मानक) हैं जो बिना वजह लोगों को बाहर कर देती हैं। आप यह भी तय करते हैं कि स्क्रीनिंग का सबूत नौकरी से जुड़ा और देखा जा सकने वाला हो, न कि “सिग्नल” जैसे कि बैकग्राउंड या कार्यकाल का पैटर्न, जिन्हें बड़ी संख्या में लागू करना तो आसान है लेकिन जिनका बचाव करना मुश्किल है।
जब आपके पास लगभग फ़ाइनल ड्राफ़्ट हो, तो उसे उसी मंज़ूरी प्रक्रिया से गुज़ारें जिसका इस्तेमाल आपका संगठन आज करता है, फिर फ़ैसले के नोट्स को इस तरह से रिकॉर्ड करें कि वे इंटरनल ऑडिट और, जहाँ ज़रूरी हो, बाहरी जाँच में सही साबित हों। डॉक्यूमेंटेशन को सटीक रखें और उसे वर्कफ़्लो के स्टेप से जोड़कर रखें।
यह टूल इनटेक से लेकर मंज़ूरी तक AI-सपोर्टेड वर्कफ़्लो और उन डॉक्यूमेंटेशन पॉइंट्स को मैप करता है जो इस प्रोसेस को बार-बार दोहराने लायक बनाते हैं।