کیوں "بھرتی میں اے آئی" زیادہ تر مبالغہ ہے اور اصل میں کیا کام کرتا ہے | Mike Cohen

Mike Cohen اپنے LinkedIn پیغامات کا جواب Batman Recruiter کے طور پر دیتے ہیں؛ ان کا یو آر ایل واقعی linkedin.com/in/batmanrecruiter ہے۔ وہ 21 سال کی عمر سے ایجنسی سائیڈ سورسنگ اسپیشلسٹ ہیں؛ اپنی کمپنی Wayne Technologies چلاتے ہیں، اور بھرتی میں اے آئی پر سب سے صاف گو آوازوں میں سے ایک ہیں۔

Xobin Talks کے ایپی سوڈ #12 میں، Xobin کے شریک بانی اور سی او او Amrit Acharya نے Mike کے ساتھ گفتگو کی کہ ChatGPT کے لانچ کے صرف سات ماہ بعد سورسنگ میں اصل میں کیا بدلا ہے۔ اس گفتگو میں عملی استعمال، حقیقی نتائج، واضح حدود اور وہ بڑا سوال شامل ہے جو بہت سے ریکروٹرز خاموشی سے سوچ رہے ہیں: "کیا اے آئی بالآخر بھرتی کی نوکریوں کی جگہ لے لے گی؟"

رکیے - آپ کا LinkedIn یو آر ایل Batman Recruiter کیوں ہے؟

Amrit، اے آئی کی گفتگو سے پہلے خود کو روک نہیں پاتے۔

Amrit: "آپ کا LinkedIn پروفائل linkedin.com/batmanrecruiter ہے۔ اس کے پیچھے کہانی کیا ہے؟"

Mike: "جب میں نیو یارک سٹی میں کام کر رہا تھا، میں نے اپنی ذاتی برانڈ بنانے کا سوچا۔ اسی وقت Donald Trump نے اپنی صدارتی مہم شروع کی۔ اس وقت ان کے وکیل Michael Cohen خبروں میں چھائے ہوئے تھے۔ چونکہ وہ سرچ رزلٹس پر چھائے ہوئے تھے، میں نے فوراً سمجھ لیا کہ میرے نام سے گوگل پر پہلی صفحے پر آنا ممکن نہیں۔"

پھر ان کے ذہن میں Batman آیا۔

Mike: "میں نے بچپن میں کامکس نہیں پڑھے۔ لیکن جب میں نے 19 سال کی عمر میں Batman: The Long Halloween پڑھی، سب کچھ بدل گیا۔ مجھے فوراً Batman، Superman اور Wonder Woman کے کرداروں کا تضاد پسند آیا، اور ان کی شخصیات کا توازن مجھے بہت متاثر کر گیا۔ Superman اور Wonder Woman خود کو عام انسانوں کے روپ میں چھپاتے ہیں۔ لیکن Batman؟ Bruce Wayne اس کا بھیس ہے۔ اصل انسان ماسک ہے، ہیرو نہیں۔ اور Batman دنیا کے پہلے عظیم جاسوسوں میں سے ایک تھا۔ Detective Comics - DC Comics - دراصل Detective Comics کا مخفف ہے۔ اور میں نے سوچا: میں بھی تو ایک طرح سے جاسوس ہوں۔ دیکھتے ہیں یہ کیسے چلتا ہے۔"

آٹھ سال سے زیادہ گزرنے کے بعد بھی یہ نام ان کے ساتھ جڑا ہوا ہے۔

ChatGPT کو سات ماہ ہو گئے ہیں۔ کیا واقعی کچھ بدلا ہے؟

Amrit: "آج جون 2023 ہے، یعنی ChatGPT کے لانچ کو سات ماہ ہو گئے ہیں۔ سورسنگ اور بھرتی میں کوئی بڑا فرق آیا ہے؟"

Mike: "یہ کافی بھرا ہوا سوال ہے۔ GPT تو کئی سالوں سے ایک لینگویج ماڈل کے طور پر موجود ہے جس پر ڈیولپرز کام کرتے ہیں۔ میں یہاں خاص طور پر ChatGPT پر بات کروں گا، یعنی وہ سائٹ جہاں آپ چیٹ پرامپٹ کے ذریعے بات چیت کرتے ہیں۔ کیا اس نے کچھ بدلا ہے؟ ہاں۔ لیکن میرا خیال ہے یہ تبدیلی حکمت عملی سے زیادہ سوچ میں آئی ہے۔"

وہ دو فوری عملی تبدیلیاں بیان کرتے ہیں۔

پہلا تو سب کو معلوم ہے: جاب ڈسکرپشنز، امیدواروں کے پیغامات اور آؤٹ ریچ کاپی تیار کرنا۔ ریکروٹرز اب سب کچھ خود لکھنے کے بجائے پہلا ڈرافٹ تیار کر لیتے ہیں اور پھر اس میں ترمیم کرتے ہیں۔

Mike: "اس سے بھی زیادہ اہم بات یہ ہے کہ لوگوں کو یہ سمجھ آیا کہ ٹیکنالوجی اصل میں کیا کر سکتی ہے۔ لوگ حیران ہیں کہ 'میں نے ایک پرامپٹ لکھا اور اس نے Minnesota میں کیمیکل انجینئر کے لیے جاب ڈسکرپشن بنا دی جو بالکل حقیقت لگتی ہے؟' اور سچ میں، یہ کر سکتا ہے۔"

دوسرا استعمال اصل میں زیادہ دلچسپ ہے۔

یہ ہے وہ استعمال جس پر کوئی بات نہیں کر رہا

Mike: "میرے خیال میں ChatGPT ڈیٹا کو اکٹھا اور خلاصہ کرنے کے لیے شاندار ہے۔ اور میں چاہتا ہوں لوگ اس پر زیادہ بات کریں۔"

وہ Clay نامی ایک اسپریڈشیٹ پلیٹ فارم کے ساتھ ChatGPT کے استعمال کا ورک فلو بیان کرتے ہیں، جس میں ڈیٹا اینرچمنٹ اور APIs شامل ہیں۔

Mike: "Clay میں، میں ایک کالم میں کمپنی کی خبریں رکھتا ہوں۔ پھر امیدوار کے LinkedIn پوسٹس اور LinkedIn سمری کے الگ کالمز ہوتے ہیں۔ اس کے ساتھ ساتھ، میں ان کا نام، موجودہ کمپنی، جاب ٹائٹل، لوکیشن اور کمپنی میں مدت جیسی تفصیلات بھی رکھتا ہوں۔ اس کا مطلب ہے کہ ہر شخص کے لیے میں چار مختلف معلومات دیکھ رہا ہوں۔ چاہے آپ تیز پڑھنے والے ہوں، پھر بھی 100 لوگوں کا ڈیٹا پڑھنے میں تقریباً دو گھنٹے لگیں گے۔ اور یہ سب کچھ خلاصہ کرنے یا ہر امیدوار کے لیے ذاتی نوعیت کا ای میل لکھنے سے پہلے ہے۔"

ChatGPT یہ سب پڑھ کر ہر شخص کے لیے ذاتی نوعیت کا ای میل تیار کر دیتا ہے، جس میں ان کی حالیہ پوسٹس، کمپنی کی خبریں اور پس منظر کا حوالہ ہوتا ہے۔

Mike: "یہ ایک ریکروٹنگ ای میل تیار کرتا ہے جو میری طرح نہیں لگتی؛ یہ وہ نہیں جو میں عام طور پر لکھتا ہوں۔ لیکن مجھے اب دو گھنٹے یہ سب پڑھنے کی ضرورت نہیں۔ سب کچھ میرے سامنے ہے، اور مجھے صرف دس منٹ میں اسے اپنی زبان میں ڈھالنا ہے۔"

Amrit: "تو آپ تین گھنٹے کا کام دس منٹ میں کر لیتے ہیں؟"

Mike: "بالکل۔"

اچھا، لیکن کیا یہ واقعی کام کرتا ہے؟ اعداد و شمار کیا ہیں؟

Amrit صرف نظریہ نہیں، بلکہ اصل ردعمل کی شرح جاننا چاہتے ہیں۔

Mike: "میں پچھلے تین ماہ سے اپنے تمام کلائنٹس کے لیے ہر سیریز کی پہلی ای میل اسی طریقے سے بھیج رہا ہوں۔ میرا ایک کلائنٹ نیو یارک کی ایک سیکیورٹی SaaS کمپنی ہے۔ ہر رول کے لیے پہلی ای میل ChatGPT سے تیار شدہ اور میری ترمیم شدہ ہوتی ہے۔"

وہ کال پر اپنے ڈیٹا کو براہ راست دکھاتے ہیں۔

Mike: "چار مختلف رولز۔ دو ایگزیکٹو اور دو نان ایگزیکٹو۔ پوری سیریز میں اوسط ردعمل کی شرح 51.14 فیصد ہے۔ یہ کولڈ آؤٹ ریچ کی شرح ہے۔"

Amrit: "پہلے کیا شرح تھی؟"

Mike: "پوری سیریز کی اوسط 30 فیصد سے کم رہتی تھی۔ لیکن میں آپ کو پہلی ای میل کی شرح بتاتا ہوں۔ گورنمنٹ افیئرز رول (ایگزیکٹو) کی پہلی ای میل کو 36 فیصد جواب ملا۔ VP of Sales کی پہلی ای میل کو 19 فیصد، اور VP of Professional Services کی پہلی ای میل کو 25.5 فیصد۔"

موازنہ کے لیے، پچھلے طریقے سے پہلی ای میل کی شرح: فل اسٹیک انجینئرنگ رول کو 7 فیصد، اور پروڈکٹ مینیجر رول کو 9 فیصد جواب ملا۔

Amrit: "آپ نے پہلی ای میل کی ردعمل کی شرح تین گنا سے زیادہ بڑھا دی۔"

Mike: "بالکل۔ اور جو کام پہلے صرف ایک یا دو لوگوں کے لیے ممکن تھا، اب میں اسے 200 لوگوں کے لیے بھی کر سکتا ہوں۔"

ریفرنس کے طور پر، سورسنگ کیمپین کی اوسط ریپلائی ریٹ 19.6% ہے (Ashby Talent Trends Report, 2024)۔ Mike کی پہلی ای میل ہی کئی ٹیموں کی پوری سیریز سے بہتر ہے۔

لیکن اصل میں اے آئی ہے کیا؟ کیونکہ ہر کوئی یہ لفظ استعمال کر رہا ہے۔

Amrit وہ سوال اٹھاتے ہیں جو ان کے کلائنٹس اکثر پوچھتے ہیں: ہر بھرتی کا ٹول خود کو اے آئی کہتا ہے، تو اصل میں کیا ہے؟

Mike: "لوگوں کی اس پر مختلف رائے ہو سکتی ہے۔ لیکن ایک بات واضح ہے: زیادہ تر ہائرنگ پلیٹ فارمز جو خود کو اے آئی کہتے ہیں، وہ اصل میں مصنوعی ذہانت پر مبنی نہیں ہوتے۔ حقیقت میں، وہ ایڈوانسڈ مشین لرننگ سسٹمز ہیں جو وقت کے ساتھ ہاں یا نہ کے جوابات سے سیکھتے ہیں۔ یہ انہیں اصل اے آئی نہیں بناتا۔ پھر بھی، ٹیکنالوجی متاثر کن ہے، اور میں اس کی اہمیت کم نہیں کر رہا۔ لیکن جب بھی میں 'اے آئی' سنتا ہوں، مجھے لگتا ہے یہ لفظ حقیقت سے زیادہ مبالغہ کے لیے استعمال ہو رہا ہے۔"

وہ اس کی مزید وضاحت کرتے ہیں۔

Mike: "Google ہر سرچ میں اے آئی استعمال کرتا ہے۔ آپ کو پتہ بھی نہیں چلتا۔ LinkedIn اپنی اے آئی استعمال کرتا ہے۔ جب آپ 'software engineer' لکھتے ہیں تو وہ 'software developers' بھی دکھاتا ہے کیونکہ اس نے سیکھا ہے کہ یہ جڑے ہوئے ہیں۔ یہ غلطی نہیں، بلکہ الگورتھم کا کام ہے۔ اے آئی کا استعمال اکثر مبالغہ آمیز اور غیر واضح ہوتا ہے۔ جب لوگ کہتے ہیں 'ہمیں اے آئی چاہیے'، میرا سوال ہوتا ہے: کیوں؟ پہلے بتائیں آپ کا بزنس مسئلہ کیا ہے، پھر دیکھتے ہیں کہ اے آئی اس کا حل ہے یا نہیں۔ پہلے اے آئی اپنانا اور پھر اس کے لیے استعمال تلاش کرنا الٹا طریقہ ہے۔"

Amrit: "میں یہ بات اپنے کلائنٹس کو ہمیشہ کہتا ہوں۔ کچھ مسائل کے لیے اے آئی کی ضرورت ہی نہیں، کیونکہ اس کا کوئی حقیقی استعمال نہیں۔ لیکن چونکہ یہ نیا رجحان ہے، سب اس کے پیچھے بھاگ رہے ہیں۔"

Mike: "یہ انسانی فطرت ہے۔ ہم اسے روک نہیں سکتے۔"

کیا اے آئی ریکروٹرز کی نوکریاں لے جائے گی؟ سچ بتائیں۔

Amrit وہ سوال پوچھتے ہیں جسے زیادہ تر لوگ پوچھنے سے گھبراتے ہیں۔

Mike: "ہاں۔"

ایک لمحے کی خاموشی۔

Mike: "ٹھیک ہے، یہ ڈراؤنا جواب ہے۔ لیکن میری بات سنیں۔ ہاں، بالکل اسی طرح جیسے ہر جدت نوکریاں ختم بھی کرتی ہے اور نئی نوکریاں بھی پیدا کرتی ہے، چاہے وہ زرعی انقلاب ہو یا صنعتی انقلاب۔ سب کا ایک ہی اثر ہوتا ہے: کچھ لوگ نوکریاں کھوتے ہیں، اور مزید نوکریاں بنتی ہیں۔"

لیکن ان کا اصل جواب زیادہ گہرا ہے۔

Mike: "کیا بہت بڑی تعداد میں لوگ اپنی نوکریاں کھو سکتے ہیں؟ میں یہ نہیں کہہ رہا کہ ہر کوئی، لیکن شاید 95% سے 99% تک۔ سچ کہوں تو، مجھے نہیں لگتا۔ ہمارا کام انسانی بصیرت، حقیقی دنیا کی سمجھ اور برسوں کے تجربے پر منحصر ہے۔ ہم پروفائلز پڑھتے، لوگوں سے ملتے اور انڈسٹری میں بات چیت کرتے ہیں۔ اس سے ہمیں ایسے انسائٹس ملتے ہیں جو سمجھانا اور اے آئی میں ڈالنا آسان نہیں۔"

وہ بتاتے ہیں کہ کون خطرے میں ہے۔

Mike: "اگر آپ سارا دن صرف امیدواروں کو پیغام بھیجتے، جاب ڈسکرپشن لکھتے اور انٹرویوز شیڈول کرتے ہیں - تو ہاں، شاید۔ ریکروٹنگ کوآرڈینیٹر رول، اس کے دائرہ کار پر منحصر ہے، بدل سکتا ہے۔ تو سوال یہ ہے: آپ اپنی مہارت کو کمپیوٹر سے کیسے مختلف بنا رہے ہیں؟ اگر آپ کو اس کا جواب نہیں معلوم، تو اس پر غور کریں۔"

اگر آپ 2023 میں کیریئر شروع کر رہے ہوتے تو خود کو کیا مشورہ دیتے؟

Mike 21 سال کی عمر سے بھرتی میں ہیں۔ Amrit پوچھتے ہیں: اگر وہ آج نئے سرے سے شروع کرتے تو کیا مختلف کرتے؟

Mike: "کوڈنگ سیکھیں۔ سیدھا جواب۔ بس یہی۔"

وہ اس میں کوئی لفاظی نہیں کرتے۔

Mike: "ہم گھنٹوں وہی کام کرتے رہتے ہیں کیونکہ ہمیشہ سے ایسے ہی کرتے آئے ہیں۔ لیکن ان میں سے بہت سے دہرائے جانے والے کام آسانی سے خودکار ہو سکتے ہیں اگر آپ کو چند سادہ اسکرپٹس بنانے آتے ہوں۔ میں کوڈنگ نہیں جانتا، اس لیے اب ChatGPT سے مدد لیتا ہوں۔ اگر میں نے پہلے وقت دیا ہوتا تو آج بہت آسانی ہوتی۔"

Amrit: "میرا پس منظر ٹیکنیکل ہے، پھر بھی کوڈنگ میں مدد کے لیے ChatGPT استعمال کرتا ہوں۔ اس سے وقت بچتا ہے اور سب کچھ آسان ہو جاتا ہے۔"

Mike: "زبردست۔ تو یہ دونوں طرف کام کرتا ہے۔ میرے خیال میں آپ کی ضروریات مجھ سے زیادہ ایڈوانسڈ ہیں۔"

Amrit: "تھوڑا سا۔"

آپ اے آئی میں تعصب کے مسئلے کو کیسے سنبھالتے ہیں؟

Amrit وہ مسئلہ اٹھاتے ہیں جو ہر سنجیدہ اے آئی-ان-ریکروٹنگ گفتگو میں آتا ہے: ان ٹولز میں تعصب ہوتا ہے۔ Mike اس پر کیا کرتے ہیں؟

Mike: "لوگوں نے اے آئی میں تعصب پر بالکل درست بات کی ہے۔ اس میں تعصب ہے، کیونکہ یہ انسانوں نے بنایا ہے اور انسانوں میں لاشعوری تعصب ہوتا ہے۔ لیکن میرا سوال یہ ہے: آپ اپنے لاشعوری تعصب کے بارے میں کیا کر رہے ہیں؟ اگر آپ اس ٹول کے تعصب پر اتنا فوکس کر رہے ہیں تو امید ہے اپنے تعصب پر بھی کر رہے ہوں گے۔ پھر اس کے لیے کیا کر رہے ہیں؟ وہی کریں۔"

اے آئی میں تعصب سے نمٹنے کے دو اصول

ان کا عملی طریقہ دو اصولوں پر مبنی ہے۔

Mike: "پہلا: ChatGPT سے حاصل شدہ آؤٹ پٹ کو براہ راست استعمال نہ کریں۔ اس جاب ڈسکرپشن کو پڑھیں، کسی اور سے بھی پڑھوائیں، Textio یا کسی اور ٹول سے اس کا تعصب اور پڑھنے کی آسانی چیک کریں۔ آؤٹ پٹ کو حرف آخر نہ سمجھیں۔"

Mike: "دوسرا: یاد رکھیں کوئی بھی نظام مکمل طور پر تعصب سے پاک نہیں۔ ChatGPT بھی نہیں، کیونکہ اس میں بھی لاشعوری تعصب جھلکتا ہے۔ لیکن یہ تعصب کا واحد ذریعہ نہیں۔ اس لیے اداروں کو تعصب سے نمٹنے کے لیے منظم اور مستقل طریقہ اپنانا چاہیے۔ صرف یہ کہہ دینا کہ 'مجھے پسند نہیں، اس لیے استعمال نہیں کروں گا' کافی نہیں۔"

وہ اس کا موازنہ واضح کرتے ہیں۔

Mike: "فرض کریں آپ ChatGPT کو مکمل طور پر ہٹا دیتے ہیں اور صرف انسان جاب ڈسکرپشن لکھتا ہے۔ تو پھر اس میں موجود لاشعوری تعصب کے لیے کیا کر رہے ہیں؟ اگر جواب 'کچھ نہیں' ہے، تو پھر دونوں میں فرق کیا ہے؟ ChatGPT میں آپ کسی اور کا تعصب لے رہے ہیں، انسان میں اپنا۔ دونوں صورتوں میں عمل یکساں سخت ہونا چاہیے۔"

اور ایک بات - ChatGPT پر ریاضی میں بھروسہ نہ کریں

گفتگو کے اختتام سے پہلے Mike ایک وارننگ دیتے ہیں۔

Mike: "ایک چھوٹا سا نوٹ: ChatGPT پر ریاضی کے لیے بھروسہ نہ کریں۔ یہ عجیب لگتا ہے کیونکہ یہ جاوا اسکرپٹ لکھ سکتا ہے، موونگ ایوریج سمجھا سکتا ہے، اور تقریباً ہر چیز کا تصور سمجھا سکتا ہے۔ لیکن اگر آپ اسے دو نمبرز جمع کرنے اور اس کا اسکوائر روٹ نکالنے کو کہیں تو پچاس فیصد امکان ہے کہ غلط جواب دے گا۔"

Amrit: "میں نے اسے چھ کو تین سے تقسیم کرنے کو کہا، اس نے چار جواب دیا۔"

Mike: "بالکل۔ یہ لینگویج ماڈل ہے، کیلکولیٹر نہیں۔ یہ انٹرنیٹ سے بے شمار مواد سیکھتا ہے، اور سچ یہ ہے کہ آن لائن بہت سے لوگ ریاضی میں اچھے نہیں۔ اس لیے ماڈل بھی وہی غلطیاں اور پیٹرنز سیکھ لیتا ہے۔"

آپ کا اصل ٹیک اسٹیک کیا ہے؟

Amrit آخر میں وہ عملی سوال پوچھتے ہیں جو ہر ریکروٹر جاننا چاہتا ہے: Mike روزانہ کون سے ٹولز استعمال کرتے ہیں؟

Mike 16 پلیٹ فارمز کی مکمل انٹرپرائز ایکسس رکھتے ہیں، صرف کروم ایکسٹینشنز نہیں:

Amazing Hiring, Chatter Works, Clay, Crunchbase Pro, Entello, Exact Buyer, HireEZ, Heartbeat, Horsefly, Human Predictions, Lead411, LinkedIn Recruiter, Loxo, Recruit'em, SeekOut, ZoomInfo Recruiter, اور Perfect۔

ظاہر ہے، کیا سب ایک جیسے امیدوار دکھاتے ہیں؟

Mike: "جب آپ نے LinkedIn Recruiter اور SeekOut پر ایک ہی امیدوار تلاش کیے، تو آپ نے کتنا اوورلیپ سوچا تھا؟"

Amrit: "شاید 60 فیصد؟"

Mike: "سچ کہوں تو، میں نے کبھی اوورلیپ 40% سے زیادہ نہیں دیکھا۔ زیادہ تر وقت یہ 10 فیصد سے بھی کم رہتا ہے۔ اور جب تیسرا پلیٹ فارم شامل کریں تو بھی اوورلیپ بہت کم بڑھتا ہے۔"

ان کی منطق: اصل فرق ڈیٹا بیس میں نہیں، تلاش کے طریقے میں ہے۔

Mike: "HireEZ میں اے آئی الگورتھم پس منظر میں کام کرتے ہیں۔ SeekOut میں سب سے زیادہ ڈیپ ڈائیو بولین کیپیسٹی ہے۔ LinkedIn Recruiter اپنی اے آئی سے آپ کی تلاش سے متعلقہ نتائج دکھاتا ہے۔ اس لیے ہر ٹول الگ لسٹ دیتا ہے۔ میں جان بوجھ کر مختلف ٹولز استعمال کرتا ہوں تاکہ وہ امیدوار مل سکیں جو دوسرے نہیں ڈھونڈ سکتے۔"

پسندیدہ ٹولز

ان کا سب سے پسندیدہ؟ SeekOut۔

Mike: "وجہ ہے اس کی بولین تلاش کی صلاحیت۔ مجھے بولین پسند ہے۔ مجھے اپنی تلاش پر مکمل کنٹرول چاہیے۔ کوئی اور ٹول یہ اتنا اچھا نہیں کرتا۔"

ای میل آٹومیشن کے لیے وہ SourceWhale، رابطہ معلومات کے لیے Swordfish، اور امیدوار اسکریننگ کے لیے Honeit یا SmartRank استعمال کرتے ہیں۔

Mike: "Honeit ریکروٹرز کو فون اسکرین کے دوران امیدوار کے رویے کو ریکارڈ کر کے زیادہ معیاری سبمیشن تیار کرنے میں مدد دیتا ہے۔ دوسری طرف، SmartRank اس وقت بہتر ہے جب آپ چاہتے ہیں کہ امیدوار تین منٹ میں خود کو اسکرین کر لیں، بجائے اس کے کہ 30 منٹ کی کال کریں۔ اس طرح امیدوار اپنی رفتار سے موقع کو دیکھ سکتے ہیں اور فیصلہ کر سکتے ہیں کہ یہ رول ان کے لیے موزوں ہے یا نہیں۔"

Mike Cohen کے بارے میں

Mike Cohen نے Wayne Technologies کی بنیاد رکھی اور صرف 21 سال کی عمر میں ایجنسی ریکروٹنگ میں قدم رکھا۔ انہوں نے سورسنگ میں گہری مہارت حاصل کی اور پچھلے چھ سال سے اپنی سورسنگ پریکٹس چلا رہے ہیں، مختلف صنعتوں کی کمپنیوں کو بہترین ٹیلنٹ تلاش کرنے میں مدد دے رہے ہیں۔ اس دوران وہ 16 سورسنگ پلیٹ فارمز کی انٹرپرائز لیول ایکسس رکھتے ہیں اور بھرتی کی ٹیکنالوجی، اے آئی اور ہائرنگ ورک فلو پر باقاعدگی سے اپنے تجربات شیئر کرتے ہیں۔

ان کے عملی اور ہینڈز آن انداز کی وجہ سے بہت سے پروفیشنلز انہیں ٹیلنٹ ایکوزیشن میں سب سے حقیقت پسند آواز سمجھتے ہیں۔ آن لائن، بہت سے لوگ انہیں Batman Recruiter کے نام سے بھی جانتے ہیں۔