اسٹارٹ اپ میں AI/ML ٹیلنٹ کو مسلسل کیسے ہائر کریں | Neha Kothari

AI اور ML انجینئرز کی ہائرنگ سب کے لیے مشکل ہے۔ لیکن ایک ایسے اسٹارٹ اپ میں جہاں کوئی معروف برانڈ نہ ہو اور ڈیٹا سائنس، فل اسٹیک اور AI/ML جیسے مخصوص شعبوں میں مسلسل ہائرنگ کرنی ہو، یہ چیلنج اور بھی بڑھ جاتا ہے۔

SalesCode.ai، جو FMCG اور CPG کمپنیوں کے لیے ذہین اسسٹنٹس اور بوٹس تیار کرتا ہے، نے بالکل یہی کیا۔ جب Neha Kothari نے شمولیت اختیار کی تو نہ HR ڈیپارٹمنٹ تھا اور نہ ہی کوئی ہائرنگ پراسیس۔ چار سال بعد، کمپنی 35 سے بڑھ کر 100 سے زائد ملازمین تک پہنچ گئی، اور مارکیٹ کے سب سے زیادہ مقابلہ جاتی ٹیکنیکل رولز میں مسلسل ٹیلنٹ کی فراہمی برقرار رکھی۔

Xobin Talks کے اس چوتھے ایپی سوڈ میں، میزبان Amrit Acharya (Co-Founder اور COO، Xobin) نے Neha سے گفتگو کی۔ انہوں نے اس تسلسل کے پیچھے کے عملی طریقہ کار، پراسیس کی تفصیلات، انٹرویو لینے والوں کی تھکن سے نمٹنے کے طریقے، امیدواروں کی اصل ترجیحات اور اس بات پر بات کی کہ ایک غیر معروف اسٹارٹ اپ اپنی ہائرنگ کے تجربے سے برانڈ کیسے بناتا ہے۔

مخصوص ٹیک رولز کے لیے مسلسل ہائرنگ پراسیس کیسے بنایا جائے؟

پراسیس میں تسلسل ہی وہ پائیدار مسابقتی برتری ہے جو اسٹارٹ اپ کے پاس محدود ٹیلنٹ مارکیٹ میں ہوتی ہے۔ اعداد و شمار واضح ہیں: 2026 میں 82% بھارتی آجر رولز بھرنے میں مشکل محسوس کر رہے ہیں۔ AI مہارتیں اب روایتی انجینئرنگ سے بھی زیادہ مشکل ہو گئی ہیں (ManpowerGroup Talent Shortage Survey, 2026)۔ ایسے ماحول میں بغیر منظم پراسیس کے اسٹارٹ اپ کامیابی کے بغیر کوشش کر رہا ہے۔

Neha کا ٹیکنیکل ہائرنگ آرکیٹیکچر پانچ مراحل پر مشتمل ہے، اور ہر مرحلے کی اپنی جگہ ہے۔

پہلا مرحلہ اسکلز اسیسمنٹ ہے، جو ایک بیرونی پلیٹ فارم کے ذریعے ہوتا ہے۔ SalesCode.ai کے لیے یہ ابتدا سے Xobin رہا ہے، جس سے کسی بھی انسانی انٹرویو سے پہلے معروضی اسکورنگ ممکن ہوئی۔

دوسرا مرحلہ زیادہ پیچیدہ کوڈنگ اسیسمنٹ ہے، جو بنیادی علم کے بجائے عملی مسئلہ حل کرنے کی صلاحیت کو جانچتا ہے۔

تیسرا مرحلہ متعلقہ ہائرنگ مینیجر کے ساتھ ٹیکنیکل انٹرویو ہے۔

چوتھا مرحلہ HR انٹرویو ہے، جو ثقافتی اور رویے کی مطابقت پر مرکوز ہوتا ہے۔

پانچواں اور آخری مرحلہ فیصلہ کن راؤنڈ ہے۔

اس پراسیس کا نتیجہ یہ ہے کہ 200 امیدواروں میں سے صرف 10 HR راؤنڈ تک پہنچتے ہیں۔ یہ 5% کنورژن زیادہ سخت فلٹرنگ کی علامت نہیں، بلکہ وقت کے تحفظ کے لیے جان بوجھ کر ڈیزائن کیا گیا ہے۔

لیٹرل اور مڈ لیول ہائرنگ میں پراسیس مختصر ہو جاتا ہے۔ اسیسمنٹ مرحلہ کم یا ضم ہو جاتا ہے، کیونکہ ٹیکنیکل انٹرویو ہی اصل جانچ کا ذریعہ بن جاتا ہے۔ سینئر اور مینیجریل رولز میں اسیسمنٹ مکمل طور پر ہٹا دی جاتی ہے اور اس کی جگہ گہرے ٹیکنیکل اور لیڈرشپ انٹرویوز لے لیتے ہیں۔

Neha نے یہ پورا پراسیس SalesCode.ai میں بغیر کسی HR انفراسٹرکچر کے خود بنایا، اس لیے ان کے تجربات عملی ہیں، نہ کہ صرف کتابی۔

کثیر مرحلہ ٹیکنیکل ہائرنگ میں انٹرویو لینے والوں کی تھکن کیسے روکی جائے؟

ہائرنگ مینیجرز کا وقت بچانا صرف انتظامی معاملہ نہیں، بلکہ اسٹریٹجک فیصلہ ہے۔ یہ طے کرتا ہے کہ آپ کا ٹیکنیکل پراسیس مستقل نتائج دیتا ہے یا عجلت میں کیے گئے فیصلے۔ ٹیک ہائرنگ میں 50% مینیجرز کے نزدیک انٹرویو لینا سب سے مشکل مرحلہ ہے (Insight Global, 2025)۔ جب ایک ہی شخص متعدد راؤنڈز اور رولز میں شامل ہو تو ذہنی دباؤ بڑھ جاتا ہے۔

Neha کا حل ابتدا میں ہے، آخر میں نہیں۔ HR ٹیم زیادہ تر فلٹرنگ کا بوجھ اٹھاتی ہے، اس سے پہلے کہ کوئی امیدوار ٹیکنیکل انٹرویو تک پہنچے۔

اس کا طریقہ ایک پری اسکریننگ کال ہے، جو غیر رسمی ابتدائی راؤنڈ کے طور پر کام کرتی ہے۔ ٹیکنیکل پینل کے لیے شارٹ لسٹ کرنے سے پہلے، Neha کی ٹیم آخری لمحے کے ریڈ فلیگز دیکھتی ہے: تنخواہ کی توقعات، نوٹس پیریڈز، یا کوئی ایسا پس منظر جو ٹیکنیکل پینل نہیں دیکھ سکتا۔ یہ سب پہلے ہی پکڑ لیے جائیں تو ہائرنگ مینیجر کا قیمتی وقت بچتا ہے۔

دوسرا طریقہ درست ہائرنگ مینیجر کا انتخاب ہے۔ ہر رول کے لیے HR ٹیم داخلی طور پر طے کرتی ہے کہ کون سب سے موزوں انٹرویو لینے والا ہے۔ یہ ہمیشہ سب سے سینئر شخص نہیں ہوتا، بلکہ وہ ہوتا ہے جس کی مہارت اس رول سے سب سے زیادہ میل کھاتی ہے۔

یوں ہائرنگ مینیجرز صرف ان امیدواروں پر وقت لگاتے ہیں جو پہلے ہی ایک حقیقی معیار پر پورا اتر چکے ہوں۔

ورچوئل ہائرنگ نے ٹیک بھرتی کے پراسیس کو کیسے بدلا؟

ورچوئل ہائرنگ نے صرف انٹرویو کو آن لائن نہیں کیا، بلکہ یہ بھی بدل دیا کہ آپ کن لوگوں تک پہنچ سکتے ہیں، کون آتا ہے اور امیدوار کو کیسے جانچا جاتا ہے۔ بھارت میں اسٹارٹ اپ ہائرنگ اپریل 2025 میں سال بہ سال 32% بڑھی۔ IT سروسز میں 32% جاب پوسٹنگز تھیں (India Employer Forum, 2025)۔ اس میں بڑا کردار جغرافیائی وسعت کا ہے جو ورچوئل ہائرنگ نے ممکن بنائی۔

Neha اس تبدیلی کو بڑی باریکی سے بیان کرتی ہیں۔ وہ نہ تو "ورچوئل بہتر ہے" کہتی ہیں اور نہ ہی "ان پرسن بہتر تھا"۔

روایتی کیمپس ڈرائیوز کا فائدہ یہ تھا کہ صرف سنجیدہ امیدوار ہی آتے تھے۔ وہاں پہنچنے کی محنت خود ایک فلٹر تھی۔ اس لیے شارٹ لسٹ سے آفر تک کنورژن ریٹ زیادہ تھا۔

ورچوئل ہائرنگ نے یہ فلٹر ہٹا دیا۔ اب امیدوار کہیں سے بھی پراسیس میں شامل ہو سکتے ہیں۔ اس سے ٹیلنٹ پول بڑھ گیا، لیکن سنجیدگی کا اشارہ کم ہو گیا۔ ایک امیدوار ایک ہی وقت میں کئی کمپنیوں کے پراسیس میں شامل ہو سکتا ہے۔

Neha نے اس کا حل یہ نکالا کہ ہر مرحلے پر ویڈیو کال لازمی قرار دی۔ اگر کوئی امیدوار ابتدائی اسکریننگ میں کیمرہ آف رکھتا ہے تو یہ ایک سنجیدہ اشارہ ہے۔ چہرے کے تاثرات اور باڈی لینگویج HR کو وہ معلومات دیتی ہے جو صرف آڈیو سے نہیں ملتی۔ منظم AI انٹرویوز بھی اسی مسئلے کا حل ہیں، تاکہ ہر ریموٹ گفتگو میں جانچ کا معیار یکساں رہے۔ اس سے امیدوار کے ساتھ تعلق بھی بنتا ہے، جو آفر قبول کرنے کے امکان کو بڑھاتا ہے۔

جو امیدوار SalesCode.ai کے دفتر والے شہر میں ہوں اور تمام ورچوئل راؤنڈز کلیئر کر چکے ہوں، ان کے لیے آخری مرحلے میں ان پرسن ملاقات کو ترجیح دی جاتی ہے۔ یہ مکمل دن کا تجربہ نہیں، بلکہ براہ راست گفتگو ہوتی ہے، کیونکہ کچھ چیزیں صرف آمنے سامنے ہی بہتر انداز میں سامنے آتی ہیں۔

کون سے کالج پروڈکٹ اسٹارٹ اپ کے لیے بہترین ٹیک ہائرز فراہم کرتے ہیں؟

سب سے مفید کالج لسٹ وہ ہے جو کارکردگی پر مبنی ہو، نہ کہ صرف شہرت پر۔ بھارت میں AI/ML رولز کے لیے صرف 46% گریجویٹس قابلِ ملازمت سمجھے جاتے ہیں (Abekus.ai, 2025)۔ اس لیے درست ادارہ جاتی ہدف بندی بہت اہم ہے۔

Neha واضح کرتی ہیں کہ یہ اس بات پر منحصر ہے کہ کمپنی کس رول کے لیے اور کتنی تعداد میں ہائرنگ کر رہی ہے۔

SalesCode.ai میں انجینئرنگ اور ٹیکنیکل رولز کے لیے Grade A ادارے، خاص طور پر IITs، NITs اور دہلی یونیورسٹی کے منتخب پروگرامز، ڈیٹا سائنس اور AI/ML کے لیے مضبوط امیدوار فراہم کرتے ہیں۔ لیکن Grade B اداروں سے زیادہ تعداد میں کامیاب ہائرز ملے ہیں، کیونکہ وہاں امیدوار زیادہ ہیں اور بڑی IT کمپنیوں کا مقابلہ کم ہے۔

مڈ ٹئیر کالجز میں، IP یونیورسٹی کے الحاق شدہ کالجز، Bennett University اور ABES Engineering College نے SalesCode.ai کے لیے قابلِ اعتماد ہائرز فراہم کیے ہیں۔ یہ عمومی سفارشات نہیں، بلکہ SalesCode.ai کے مخصوص تجربات ہیں۔ ہر کمپنی کو چاہیے کہ اپنی کیمپس ہائرنگ لسٹ بنانے کے لیے ہر ادارے کے امیدواروں کی 6-12 ماہ کارکردگی ٹریک کرے اور اسی ڈیٹا سے اپنی لسٹ بنائے۔

MBA لیول ہائرنگ میں، SalesCode.ai کا تجربہ FMS Delhi اور Indian Institute of Foreign Trade جیسے Grade A اداروں سے لے کر IBS جیسے مڈ رینج پروگرامز تک ہے۔ دونوں صورتوں میں سبق یہی ہے: ادارہ جاتی درجہ صرف ابتدائی مفروضہ ہے، اصل نتیجہ کارکردگی کے ڈیٹا سے نکلتا ہے۔

بغیر بڑے برانڈ کے اسٹارٹ اپ میں ٹیکنیکل ٹیلنٹ کو کیسے برقرار رکھا جائے؟

اسٹارٹ اپ میں برقرار رکھنے کا انحصار دو چیزوں پر ہے: حقیقی سیکھنے کا موقع اور سینئر لیڈرشپ کی نظر آنے والی سپورٹ۔ بھارت میں اسٹارٹ اپ ہائرنگ اب مہارت پر مرکوز ہے، لیکن ان مہارتوں کو برقرار رکھنے کے لیے صرف مارکیٹ ریٹ تنخواہ کافی نہیں (ManpowerGroup, 2026)۔ تنخواہ بنیادی ضرورت ہے، لیکن ابتدائی کیریئر کے ٹیکنیکل ٹیلنٹ کو وہیں روکے رکھتا ہے جہاں انہیں تیز رفتار ترقی کا احساس ہو۔

Neha کا SalesCode.ai میں برقرار رکھنے کا فلسفہ وعدے کے بجائے عملی ترقی دکھانے پر مبنی ہے۔

پہلا عنصر رول میں لچک ہے۔ 35-100 افراد کے اسٹارٹ اپ میں، کوئی بھی شخص جو اپنے اصل کام میں بہترین ہے، وہ کسی ملحقہ شعبے میں جانے کی تجویز دے سکتا ہے، وہاں اپنی صلاحیت دکھا سکتا ہے اور کمپنی کی سپورٹ سے منتقلی کر سکتا ہے۔ بڑی کمپنیوں میں یہ صرف کاغذ پر ہوتا ہے، اسٹارٹ اپ میں حقیقتاً ہوتا ہے۔

دوسرا عنصر سینئر قیادت تک براہ راست رسائی ہے۔ جب ڈیٹا سائنٹسٹ براہ راست CTO سے ماڈل کی کارکردگی پر بات کر سکتا ہے، یا انجینئر بانی ٹیم سے تکنیکی مسئلہ اٹھا سکتا ہے، تو سیکھنے کا معیار مختلف ہوتا ہے۔ یہ صرف ثقافتی بیان نہیں، بلکہ حقیقی برقرار رکھنے کا ذریعہ ہے۔

تیسرا عنصر مارکیٹ سے آگاہی ہے۔ معاوضہ مارکیٹ کے مطابق ہونا چاہیے، چاہے ہمیشہ سبقت نہ لے سکے۔ اگر ملازم جانتا ہے کہ اسے اپنی مہارت اور تجربے کے مطابق منصفانہ معاوضہ مل رہا ہے اور وہ مارکیٹ کے ساتھیوں سے تیز ترقی کر رہا ہے، تو اس کے پاس رکنے کی دو مضبوط وجوہات ہیں۔ ان میں سے کوئی ایک بھی ختم ہو جائے تو وہ خاموشی سے اپنی سی وی اپ ڈیٹ کر رہا ہوتا ہے۔

نوجوان ٹیک امیدوار نوکری میں اصل میں کیا ترجیح دیتے ہیں؟

پراسیس میں شفافیت وہ سب سے مضبوط اشارہ ہے جو کمپنی اپنی ثقافت کے بارے میں امیدوار کو دیتی ہے، اس سے پہلے کہ وہ دفتر میں قدم رکھے۔ مقابلے کی مارکیٹ میں جہاں امیدوار بیک وقت کئی مواقع دیکھ رہے ہیں، کمپنی کا ہائرنگ پراسیس ہی اس کے باقی کاموں کا معیار ظاہر کرتا ہے۔

Neha تین چیزیں بتاتی ہیں جو امیدواروں، خاص طور پر 20-25 سال کی عمر کے افراد کے لیے مستقل اہمیت رکھتی ہیں:

پہلی ہے پراسیس میں شفافیت۔ امیدوار جاننا چاہتے ہیں کہ وہ کس مرحلے میں ہیں، آگے کیا ہوگا، ٹائم لائن کیا ہے اور ہر چیز کیوں مانگی جا رہی ہے۔ پانچ مرحلوں والا واضح پراسیس تین مرحلوں والے غیر واضح پراسیس سے زیادہ اعتماد پیدا کرتا ہے۔

دوسری ہے انٹرویو سے پہلے تیاری کے لیے کمپنی کی معلومات۔ امیدوار کو صرف جاب ڈسکرپشن ہی نہیں، بلکہ پروڈکٹ، ٹیم، بزنس اور کامیابی کی تعریف کے بارے میں بھی معلومات دی جائیں تو وہ بہتر کارکردگی دکھاتا ہے اور زیادہ عزت محسوس کرتا ہے۔

تیسری ہے تسلسل۔ مارکیٹ میں اتار چڑھاؤ کمپنیوں پر دباؤ ڈالتا ہے کہ وہ اپنے معیار اور پراسیس جلدی جلدی بدلیں۔ امیدوار اس بے قاعدگی کو محسوس کرتے ہیں اور اس سے نتائج اخذ کرتے ہیں۔ Neha کا موقف ہے کہ کمپنی کو اپنی اصل ضرورت واضح رکھنی چاہیے اور اس پر قائم رہنا چاہیے، چاہے مارکیٹ میں کچھ بھی ہو رہا ہو۔

بڑھتے ہوئے اسٹارٹ اپ کے لیے درست ریکروٹمنٹ ٹیک اسٹیک کیا ہے؟

آپ کے ریکروٹمنٹ اسٹیک میں ہر ٹول کی بنیاد اس کے قابلِ پیمائش نتائج پر ہونی چاہیے، نہ کہ اس وجہ سے کہ بڑی کمپنی اسے استعمال کرتی ہے۔ 2025 تک 83% کمپنیاں ریزیومے اسکریننگ کے لیے AI استعمال کرنے کا ارادہ رکھتی ہیں۔ لیکن ROI کے بغیر اپنانا صرف لاگت بڑھاتا ہے (Resume Builder, 2025)۔ چھوٹی HR ٹیم کے لیے ٹول کا انتخاب اتنا ہی وسائل کا فیصلہ ہے جتنا ٹیکنالوجی کا۔

Neha کا SalesCode.ai میں اسٹیک تین بنیادی شعبوں پر مشتمل ہے:

پہلا ہے اسکلز اسیسمنٹ پلیٹ فارم۔ ٹیکنیکل رولز کے لیے، کسی بھی انسانی انٹرویو سے پہلے معروضی اسیسمنٹ لازمی ہے۔ اس سے ابتدائی شارٹ لسٹنگ میں ریزیومے کی بنیاد پر تعصب ختم ہوتا ہے اور یہ یقینی بنتا ہے کہ ٹیکنیکل راؤنڈ تک پہنچنے والے امیدوار واقعی متعلقہ معیار پر پورا اترتے ہیں۔

دوسرا ہے سورسنگ پلیٹ فارمز۔ یہ جاننا کہ آپ کے مخصوص امیدوار کہاں سب سے زیادہ دستیاب ہیں-چاہے LinkedIn ہو، مخصوص جاب بورڈز یا کالج پلیسمنٹ پورٹلز-ہر جگہ اکاؤنٹ بنانے سے زیادہ اہم ہے۔

تیسرا ہے ATS۔ 50-100 افراد کی کمپنی میں بھی پانچ مرحلوں والے پراسیس میں امیدواروں کو بغیر مرکزی نظام کے ٹریک کرنا وقت اور امیدوار کے اعتماد کا نقصان ہے۔

Neha کا اصول یہ ہے کہ ہر ٹول کی تجدید یا توسیع کے لیے مینجمنٹ کے سامنے اس کے نتائج کا ڈیٹا پیش کریں۔ کون سا اسیسمنٹ پلیٹ فارم بہترین کارکردگی والے امیدواروں کی شناخت کرتا ہے؟ کون سا سورسنگ چینل سب سے بہتر معیار فراہم کرتا ہے؟ ROI کے بغیر اسٹارٹ اپ لیڈرشپ سے HR انفراسٹرکچر کے لیے فنڈ مانگنا درست نہیں۔