रसोई से प्रॉम्प्ट्स तक – रिक्रूटमेंट AI प्रतिभा को क्यों नहीं पहचान पाती
एक रिक्रूटर ने एक बार मुझसे कुछ ऐसा कहा जो मेरे मन में घर कर गया: कि CV और नौकरी के इंटरव्यू से यह वास्तव में नहीं बताया जा सकता कि कोई व्यक्ति किसी दिए गए पद पर अच्छा काम करेगा या नहीं। कि इसमें अंतर्ज्ञान की बड़ी भूमिका होती है — चाहे आप इसे जो भी नाम दें। वह साधारण, सुपरिभाषित भूमिकाओं की बात कर रही थी। पारंपरिक पदों की, जिनकी जिम्मेदारियों की सूचियाँ वर्षों से चली आ रही हैं।
अब कल्पना कीजिए कि वही रिक्रूटर किसी ऐसे व्यक्ति का आवेदन प्राप्त करती है जो किसी रेस्तरां में किचन शिफ्ट करता है। अपने खाली समय में, वह नेचुरल लैंग्वेज प्रोसेसिंग सिस्टम बनाता है, मानव-AI सहयोग पर एक ब्लॉग चलाता है, और एक भाषा मॉडल के साथ एक ही सत्र में एक कच्चे विचार से एक कार्यशील एप्लिकेशन प्रोटोटाइप तक पहुँच सकता है। इस व्यक्ति के पास कंप्यूटर साइंस की डिग्री नहीं है। किसी टेक कॉर्पोरेशन में अनुभव नहीं है। उसका CV पढ़ता है: “फूड सर्विस वर्कर।”
सवाल यह है: क्या वह रिक्रूटर उस CV को खोलेगी भी?
और दूसरा सवाल, शायद इससे भी महत्वपूर्ण: क्या उस व्यक्ति को खुद पता है कि उसे यह CV भेजना चाहिए?
रिक्रूटमेंट अंधी है — और यह कोई रूपक नहीं है
इससे पहले कि हम AI के विषय पर आएं, रिक्रूटमेंट की समस्या के पैमाने को समझना ज़रूरी है। 2025 की TestGorilla अध्ययन, जो अमेरिका में एक हजार HR और रिक्रूटमेंट नेताओं के साथ आयोजित की गई, एक ऐसी तस्वीर सामने लाती है जिसे उत्साहजनक नहीं कहा जा सकता:
58% रिक्रूटर मानते हैं कि उन्हें उम्मीदवारों द्वारा अपने CV में दावा किए गए कौशल को सत्यापित करने में कठिनाई होती है। 47% किसी उम्मीदवार की सांस्कृतिक अनुकूलता का प्रभावी ढंग से मूल्यांकन नहीं कर पाते। और 46% अपने मौजूदा सोर्सिंग टूल्स को सीधे-सीधे अप्रभावी मानते हैं।
लेकिन यह तो बस शुरुआत है। 2025 की SHRM रिपोर्ट दिखाती है कि रिक्रूटमेंट की लागत और किसी पद को भरने में लगने वाला समय, दोनों पिछले तीन वर्षों में बढ़े हैं — ठीक उस अवधि में जब कंपनियाँ HR प्रक्रियाओं के लिए AI टूल्स को बड़े पैमाने पर लागू कर रही थीं। SHRM की Nichol Bradford ने इसे सीधे शब्दों में कहा: “AI की हथियारों की होड़ से किसी भी पक्ष को फायदा नहीं हो रहा।”
उम्मीदवार परफेक्ट CV और कवर लेटर बनाने के लिए AI का उपयोग करते हैं। कंपनियाँ उन CV को फ़िल्टर करने के लिए AI का उपयोग करती हैं। नतीजा? दोनों पक्ष एक ऐसे खेल में लगे हैं जिसमें असली योग्यता कहीं बीच में खो जाती है।
मार्च 2025 की Gartner अध्ययन एक और आयाम जोड़ती है: केवल 26% उम्मीदवार (1Q25 अध्ययन, 2,918 प्रतिभागी) यह विश्वास करते हैं कि आर्टिफिशियल इंटेलिजेंस रिक्रूटमेंट प्रक्रिया में उनका निष्पक्ष मूल्यांकन करेगी। उसी समय, 39% से अधिक (एक अलग 4Q24 अध्ययन, 3,290 प्रतिभागी) आवेदन करते समय खुद AI का उपयोग करना स्वीकार करते हैं — CV फिर से लिखने, रिक्रूटमेंट प्रश्नों के उत्तर तैयार करने, पोर्टफोलियो बनाने के लिए।
हमारे सामने एक ऐसी स्थिति है जिसमें कोई किसी पर भरोसा नहीं करता, और सभी एक-दूसरे को “मात” देने के लिए एक ही टूल्स का उपयोग कर रहे हैं।
और ठीक इसी संदर्भ में AI दक्षता का सवाल उठता है — असली, गहरी, मापने में कठिन किस्म की।
प्रॉम्प्ट इंजीनियरिंग के तीन जीवन
यह समझने के लिए कि हम अभी कहाँ हैं, हमें 2023 में वापस जाना होगा। ChatGPT ने अभी-अभी धमाकेदार एंट्री की थी। टेक मीडिया ने एक नए पेशे के जन्म की घोषणा की: प्रॉम्प्ट इंजीनियर — “AI का मनोवैज्ञानिक।” Anthropic ऐसी नौकरियों के विज्ञापन पोस्ट कर रहा था जिनमें सालाना $375,000 तक की तनख्वाह थी। कंप्यूटर साइंस की डिग्री ज़रूरी नहीं थी (हालाँकि बुनियादी प्रोग्रामिंग कौशल चाहिए था)। सीधे शब्दों में कहें तो, बस आपको यह पता होना चाहिए था कि किसी भाषा मॉडल से कैसे बात करें।
यह किसी सपने जैसा लग रहा था। Indeed पर “prompt engineering jobs” की खोजें अप्रैल 2023 में अपने चरम पर पहुँचीं। और फिर गिरने लगीं। लगातार।
31 देशों के 31,000 कर्मचारियों पर किए गए 2025 के Microsoft सर्वेक्षण में, प्रॉम्प्ट इंजीनियर की भूमिका उन पदों में दूसरे से आखिरी स्थान पर आई जिन्हें कंपनियाँ अगले 12-18 महीनों में बनाने की योजना बना रही हैं। Microsoft के AI at Work के Chief Marketing Officer Jared Spataro ने सीधे कहा: “दो साल पहले, सभी कह रहे थे कि प्रॉम्प्ट इंजीनियर एक हॉट जॉब होगी। लेकिन अब आपको परफेक्ट प्रॉम्प्ट की ज़रूरत नहीं रही।”
OpenAI के CEO Sam Altman ने यह और भी पहले — 2022 में ही — भविष्यवाणी कर दी थी कि पाँच साल में कोई भी प्रॉम्प्ट इंजीनियरिंग नहीं कर रहा होगा। मॉडल इतने अच्छे हो जाएँगे कि आप बस वही कह सकेंगे जो आप चाहते हैं।
और एक अर्थ में, वे सही थे। लेकिन केवल एक अर्थ में।
क्योंकि असल में जो हुआ वह यह था: प्रॉम्प्ट इंजीनियर का जॉब टाइटल मूलतः वाष्पित हो गया। लेकिन भाषा मॉडलों के साथ प्रभावी ढंग से काम करने की क्षमता न केवल बची रही — बल्कि यह बाज़ार में सबसे अधिक माँगी जाने वाली दक्षताओं में से एक बन गई। बस कोई नहीं जानता कि इसे कैसे मापें, कहाँ खोजें, या इसके लिए कितना भुगतान करें।
Indeed की अर्थशास्त्री Allison Shrivastava ने इसे अच्छी तरह कहा: “एक कौशल के रूप में प्रॉम्प्ट इंजीनियरिंग अभी भी निश्चित रूप से मूल्यवान है। लेकिन यह पूर्णकालिक नौकरी नहीं है।”
और Fast Company के एक टिप्पणीकार ने प्रॉम्प्ट इंजीनियरिंग की तुलना “Excel विशेषज्ञ” या “PowerPoint गुरु” होने से की — एक मूल्यवान दक्षता, लेकिन ऐसी नहीं जिसके इर्द-गिर्द कंपनियाँ समर्पित भूमिकाएँ बनाती हैं। यह अन्य पदों में समा जाती है।
समस्या यह है कि जब कोई दक्षता “समा” जाती है — तो वह अदृश्य हो जाती है। यह जॉब टाइटल में नहीं दिखती। ATS सिस्टम के फ़िल्टर में नज़र नहीं आती। यह आवश्यकताओं की सूचियों में जगह नहीं बनाती, क्योंकि कोई नहीं जानता इसे कैसे वर्णित करें। और अचानक हमारे सामने एक ऐसी स्थिति होती है जहाँ एक कंपनी को बेताबी से किसी ऐसे व्यक्ति की ज़रूरत है जो AI के साथ प्रभावी ढंग से सहयोग कर सके, लेकिन नौकरी के विज्ञापन में लिखा होता है “AI टूल्स से परिचय एक अतिरिक्त योग्यता” — जिसका मतलब लगभग कुछ भी नहीं होता।
पेपर सीलिंग — कागज़ से बनी काँच की छत
रिक्रूटमेंट की दुनिया में एक ऐसा शब्द है जो इस समस्या का एकदम सटीक वर्णन करता है: “पेपर सीलिंग।” काँच नहीं, कंक्रीट नहीं — कागज़। क्योंकि डिग्रियाँ, सर्टिफिकेट, और CV की पंक्तियाँ ही तय करती हैं कि किसे नोटिस किया जाएगा।
आँकड़े बेरहम हैं: टेक्नोलॉजी सेक्टर में 87% नियोक्ता कौशल की कमी के कारण पद भरने में कठिनाई बताते हैं। उसी समय, औपचारिक शिक्षा की आवश्यकताएँ प्रतिभा के दायरे को लगातार सीमित करती जा रही हैं, उन लोगों की पहुँच बंद करते हुए जिन्होंने अपने कौशल स्वतंत्र रूप से या अनौपचारिक तरीकों से अर्जित किए। LinkedIn नोट करता है कि डिग्री की आवश्यकता हटाने वाले नौकरी के विज्ञापन 2019 और 2022 के बीच 36% बढ़े — लेकिन यह अभी भी अल्पमत में है।
जैसा कि 2025 के लेख “Beyond the CV” में विश्लेषकों ने लिखा: भारत का एक स्व-शिक्षित प्रोग्रामर या नाइजीरिया का एक मार्केटर सिर्फ इसलिए नज़रअंदाज़ किया जा सकता है क्योंकि उनके CV में प्रतिष्ठा का अभाव है — कोई प्रसिद्ध विश्वविद्यालय नहीं, कोई पहचाना हुआ कंपनी नाम नहीं, कोई परिचित करियर पथ नहीं।
लेकिन एक विशेष रूप से दिलचस्प मामला है: न्यूयॉर्क स्थित गैर-लाभकारी संस्था Pursuit। Pursuit कम आय वाले कामगारों को — बिना कॉलेज डिग्री के, अक्सर बिना किसी तकनीकी अनुभव के — IT करियर के लिए तैयार करती है। ऐतिहासिक रूप से, उनके स्नातक औसतन 400% वेतन वृद्धि हासिल करते हैं — लगभग 18,000 से 90,000 सालाना। 2025 में, Pursuit ने उसी प्रतिभागी प्रोफाइल को लक्षित करते हुए एक नया AI-केंद्रित प्रशिक्षण कार्यक्रम शुरू किया।
चार सौ प्रतिशत की वृद्धि। शारीरिक श्रम से टेक तक। MIT की डिग्री नहीं, Google की इंटर्नशिप नहीं।
लेकिन Pursuit एक अपवाद है — एक ऐसी संस्था जो सक्रिय रूप से दो दुनियाओं के बीच एक पुल बनाती है। अधिकांश लोग जो वही यात्रा कर सकते थे, उन्हें यह भी पता नहीं कि पुल मौजूद है। क्योंकि उन्हें पता कैसे होगा?
जिस व्यक्ति ने अपना पूरा करियर शारीरिक काम खोजने में बिताया हो, जो जानता हो कि तरक्की का मतलब शिफ्ट में कड़ी मेहनत करना है, जिसका IT की दुनिया से कभी कोई संपर्क न रहा हो — वह व्यक्ति यह कैसे जानेगा कि वह बर्गर पलटने से प्रॉम्प्ट्स से सिस्टम बनाने तक की छलांग लगा सकता है?
यह प्रतिभा की कमी का मामला नहीं है। यह उस जानकारी की कमी का मामला है कि यह रास्ता मौजूद है और बिल्कुल सुलभ है।
AI की दुनिया में प्रवेश की बाधा तकनीकी नहीं है — यह सूचनात्मक और सामाजिक है।
कोई भी फूड सर्विस, लॉजिस्टिक्स, या मैन्युफैक्चरिंग में काम करने वाले लोगों को नहीं बताता: “अरे, काम के बाद के घंटों में आप ChatGPT के साथ जो कर रहे हो — यह एक असली, बाज़ार में मूल्यवान दक्षता है।”
और इसलिए ये लोग आवेदन नहीं करते। और रिक्रूटर नहीं जानते कि उन्हें इन्हें खोजना चाहिए।
वाइब कोडिंग — नया समानता लाने वाला या नया भ्रम?
फरवरी 2025 में, Andrej Karpathy — OpenAI के संस्थापक सदस्य और Tesla के पूर्व AI प्रमुख — ने एक पोस्ट प्रकाशित की जिसने प्रोग्रामिंग के बारे में लोगों की सोच बदल दी। उन्होंने इसे “वाइब कोडिंग” कहा: एक ऐसा दृष्टिकोण जिसमें एक डेवलपर प्राकृतिक भाषा में किसी प्रोजेक्ट का वर्णन करता है, और एक भाषा मॉडल कोड तैयार करता है। हर पंक्ति मैन्युअली लिखने की ज़रूरत नहीं। सिंटैक्स पर माथापच्ची नहीं। बजाय इसके — बातचीत, पुनरावृत्ति, AI के साथ “वाइबिंग।”
यह शब्द Merriam-Webster की ट्रेंड्स सूची में आया। Collins Dictionary ने इसे 2025 का अपना वर्ड ऑफ द ईयर घोषित किया। “वाइब कोडिंग” की खोजें 2025 की वसंत में 6,700% उछल गईं। Y Combinator ने खुलासा किया कि उनके Winter 2025 बैच के 25% स्टार्टअप्स के कोडबेस 95% से अधिक AI द्वारा जनरेट किए गए थे।
लेकिन वाइब कोडिंग के बारे में जो वास्तव में क्रांतिकारी है उसका डेवलपर्स से कोई लेना-देना नहीं है। यह उन लोगों से संबंधित है जो डेवलपर नहीं हैं।
LIT.AI वेबसाइट ने एक अनुभवी HR रिक्रूटर का मामला वर्णित किया जिसने वाइब कोडिंग का उपयोग करके नौकरी के इंटरव्यू के लिए उम्मीदवारों के पेशेवर मूल्यांकन का एक एप्लिकेशन बनाया — घंटों में। इस व्यक्ति ने अपना डोमेन ज्ञान लाया: वह समझते थे कि कौन से सवाल उम्मीदवार की गुणवत्ता को उजागर करते हैं, मूल्यांकन को कैसे संरचित करें, कौन सी बारीकियाँ मायने रखती हैं। AI ने कोड, इंटरफेस, डेटा संगठन संभाला। परिणाम: एक प्रोडक्शन-ग्रेड टूल जिसे परंपरागत रूप से एक डेवलपर टीम के महीनों के काम की ज़रूरत होती।
यही वह क्षण है जहाँ रास्ते मिलते हैं।
एक रसोइया जो काम के बाद के घंटों में NLP टूल्स बनाता है। एक HR रिक्रूटर जो उम्मीदवार मूल्यांकन एप्लिकेशन बनाता है। एक लॉजिस्टिक्स कर्मचारी जो Claude के साथ बातचीत के ज़रिए अपनी कंपनी की रिपोर्टिंग को स्वचालित करता है। ये लोग किसी भी रिक्रूटमेंट टेम्पलेट में फिट नहीं होते — क्योंकि वे टेम्पलेट अभी मौजूद ही नहीं हैं।
वाइब कोडिंग सॉफ्टवेयर निर्माण को लोकतांत्रिक बनाने का वादा करती है। लेकिन इसके कुछ अँधेरे पहलू भी हैं, जिनके बारे में ईमानदारी से बात करना ज़रूरी है।
जुलाई 2025 की METR अध्ययन — एक randomized controlled trial — ने पाया कि अनुभवी ओपन-सोर्स डेवलपर AI कोडिंग टूल्स का उपयोग करते समय 19% धीमे थे, जबकि उन्होंने खुद को 24% तेज़ अनुमानित किया था। दिसंबर 2025 की CodeRabbit विश्लेषण जिसमें GitHub पर 470 pull requests शामिल थे, पाया कि AI-सह-लिखित कोड में मैन्युअली लिखे कोड की तुलना में 1.7 गुना अधिक गंभीर बग थे — जिनमें 2.74 गुना अधिक सुरक्षा कमज़ोरियाँ शामिल थीं।
Fast Company ने सितंबर 2025 में एक “वाइब कोडिंग हैंगओवर” का वर्णन किया, ऐसे वरिष्ठ इंजीनियरों को उद्धृत करते हुए जिन्होंने AI-जनरेटेड कोड के साथ काम करते समय “डेवलपमेंट हेल” का अनुभव बताया।
तो वाइब कोडिंग कोई जादुई प्रवेश द्वार नहीं है। लेकिन यह एक अलग प्रवेश द्वार है — एक ऐसा जो इतिहास में पहली बार औपचारिक कंप्यूटर साइंस शिक्षा के बिना लोगों को असली टूल्स बनाने की अनुमति देता है।
और यहाँ वह मूलभूत सवाल उठता है: क्या नौकरी का बाज़ार उन लोगों के लिए तैयार है जो उस दरवाज़े से गुज़रते हैं?
बदलाव की जगह कहाँ है?
Stanford के शोधकर्ताओं द्वारा University of Southern California के सहयोग से किए गए एक प्रयोग ने यह रोशनी डाली कि रिक्रूटमेंट किस दिशा में विकसित हो सकती है। प्रयोग ने दो तरीकों की तुलना की: पारंपरिक CV स्क्रीनिंग बनाम AI-संचालित इंटरव्यू। AI इंटरव्यू से गुज़रने वाले उम्मीदवारों ने बाद के मानव इंटरव्यू में 53.12% सफलता दर हासिल की — पारंपरिक समूह में 28.57% की तुलना में।
यह कोई छोटा प्रभाव नहीं है। यह लगभग दोगुनी प्रभावशीलता है।
और जो बात महत्वपूर्ण है वह यह समझना है कि यह तरीका क्यों काम करता है: क्योंकि यह कागज़ पर लिखी घोषणाओं की बजाय वास्तविक दक्षताओं का मूल्यांकन करता है। जैसा कि लेखकों ने नोट किया, AI-संचालित इंटरव्यू “विशेष पृष्ठभूमि को प्राथमिकता देने के जोखिम को कम करते हैं और गैर-पारंपरिक उम्मीदवारों, करियर बदलने वालों, और कम प्रतिनिधित्व वाले समूहों के लिए खेल का मैदान समतल करते हैं।”
SSIR (Stanford Social Innovation Review) एक और भी कट्टरपंथी दृष्टिकोण प्रस्तावित करता है: CV के “प्रॉक्सी संकेतकों” को वास्तविक काम पर आधारित कार्यों से बदलना — नमूने, सिमुलेशन, मानकीकृत मूल्यांकन मानदंडों के साथ पर्यवेक्षित परीक्षण परियोजनाएँ। “डेटा एनालिटिक्स भूमिका के लिए एक उम्मीदवार को यह प्रदर्शित करना चाहिए कि वे गंदे डेटा को साफ कर सकते हैं, एक बुनियादी मॉडल बना सकते हैं, परिणामों की विश्वसनीयता सत्यापित कर सकते हैं, और एक गैर-तकनीकी व्यक्ति को ट्रेड-ऑफ समझा सकते हैं।”
Google के लिए 2025 की Ipsos अध्ययन रिपोर्ट करती है कि 49% हायरिंग मैनेजर औपचारिक कौशल मूल्यांकन का उपयोग शुरू कर रहे हैं — तकनीकी परीक्षण, कार्य सिमुलेशन, फिट मूल्यांकन। यह पहले से ही लगभग आधे हैं।
लेकिन “उपयोग शुरू करना” का मतलब “प्रभावी ढंग से उपयोग करना” नहीं है। इरादे और व्यवहार के बीच एक खाई है। और उस खाई में अवसर छिपे हैं।
उनमें से एक है CV के विकल्प के रूप में पोर्टफोलियो। पारंपरिक प्रोजेक्ट पोर्टफोलियो नहीं — बल्कि सोचने की प्रक्रिया का पोर्टफोलियो। AI के साथ सहयोग को दस्तावेज़ करने वाला एक ब्लॉग। GitHub रिपॉज़िटरी जो केवल अंतिम परिणाम नहीं, बल्कि पुनरावृत्ति, डीबगिंग, मॉडल के साथ संवाद दिखाती हैं। एक वाइब कोडिंग सत्र का रिकॉर्ड जहाँ आप देख सकते हैं कि कोई AI को एक विचार से कार्यशील प्रोटोटाइप तक कैसे ले जाता है।
दूसरा है नौकरी के इंटरव्यू के नए रूप के रूप में “लाइव वाइब कोडिंग सत्र।” Netclues कंपनी पहले से यही करती है: एक उम्मीदवार को हल करने के लिए एक समस्या दी जाती है, वे अपनी पसंद के AI टूल का उपयोग करते हैं, और इसे लाइव हल करते हैं जबकि रिक्रूटर न केवल परिणाम का मूल्यांकन करता है — बल्कि सोचने की प्रक्रिया, प्रॉम्प्ट्स की गुणवत्ता, डीबग करने की क्षमता, AI की त्रुटियों पर प्रतिक्रिया का भी।
तीसरा — और शायद सबसे महत्वपूर्ण — यह है कि इस बारे में नैरेटिव बदले कि AI के साथ कौन काम कर सकता है। प्रचलित धारणा यह है कि AI दक्षता प्रोग्रामर्स और डेटा इंजीनियरों के दायरे से संबंधित है। लेकिन शोध कुछ अलग सुझाता है: उन लोगों की परिभाषित विशेषताएँ जो LLMs के साथ सबसे प्रभावी ढंग से काम करते हैं, वे हैं समस्या-समाधान की क्षमता, अनुकूलनशीलता, और सीखने की इच्छा — न कि तकनीकी कौशल का कोई विशिष्ट समूह।
Universum की “2025 Talent Outlook” रिपोर्ट इस बात पर जोर देती है कि AI-संवर्धित वातावरण में ये “सॉफ्ट” दक्षताएँ कठिन तकनीकी कौशल जितनी ही महत्वपूर्ण हैं।
SSIR के विश्लेषक जिसे “अव्यक्त विशेषज्ञता” कहते हैं वह भी यहाँ उल्लेखनीय है। AI एक छात्र को डेटा का विश्लेषण करने में, एक रिटेल कर्मचारी को कोड स्निपेट जनरेट करने में, और एक हाई स्कूल स्नातक को पेशेवर-स्तरीय मार्केटिंग सामग्री तैयार करने में मदद कर सकता है। AI उन दक्षताओं को प्रकट करता है जिन्हें पारंपरिक रिक्रूटमेंट सिस्टम नहीं देख सकते।
तो सवाल यह नहीं है कि क्या ये अवसर मौजूद हैं। सवाल यह है कि उन्हें पहले कौन हासिल करेगा — कंपनियाँ, उम्मीदवार, या शायद बाज़ार के बिल्कुल नए खिलाड़ी जिन्हें हम अभी नहीं जानते।
उपसंहार
किसी रेस्तरां की रसोई में, कोई अभी-अभी अपनी शिफ्ट खत्म कर रहा है, एप्रन उतार रहा है, कंप्यूटर के सामने बैठ रहा है, और एक भाषा मॉडल के साथ एक और सत्र शुरू कर रहा है।
वह एक ऐसा टूल बना रहा है जिसकी किसी ने उससे उम्मीद नहीं की थी। एक ऐसी समस्या हल कर रहा है जिसके लिए किसी रिक्रूटर ने नौकरी का विज्ञापन नहीं लिखा। कुछ ऐसा बना रहा है जिसे कोई ATS सिस्टम पहचान नहीं सकता।
इस व्यक्ति के पास वे दक्षताएँ हैं जिन्हें कंपनियाँ बेताबी से खोज रही हैं। लेकिन उसे नहीं पता कि वह उनके पास हैं — या उसे नहीं पता कि कोई उनके लिए भुगतान करेगा।
और कंपनियों को नहीं पता कि उन्हें ठीक इसी तरह के लोगों को खोजना चाहिए।
यही वह खाई है। तकनीकी नहीं, शैक्षिक नहीं — सूचनात्मक और कल्पनात्मक।
और जब तक कोई इसे नहीं भरता, AI प्रतिभाएँ उस मृत क्षेत्र में गायब होती रहेंगी जो उस दुनिया के बीच है जहाँ से वे आती हैं और उस दुनिया के बीच जो उन्हें महत्व दे सकती है।
स्रोत
- TestGorilla, 2025 – अमेरिका में 1,000 HR और रिक्रूटमेंट नेताओं का सर्वेक्षण (betanews.com)
- SHRM, 2025 – “Recruitment Is Broken. Automation and Algorithms Can’t Fix It.” (shrm.org)
- Gartner, मार्च 2025 – AI रिक्रूटमेंट में उम्मीदवारों का विश्वास (unleash.ai)
- Microsoft, 2025 – AI भूमिकाओं के भविष्य पर 31,000 कर्मचारियों का सर्वेक्षण (salesforceben.com)
- Fortune / Indeed, मई 2025 – “This six-figure role was predicted to be the next big thing—it’s already obsolete” (fortune.com)
- Fast Company, मई 2025 – “AI is already eating its own: Prompt engineering is quickly going extinct” (fastcompany.com)
- Robert Half, 2025 – “Building Future-Forward Tech Teams” (roberthalf.com)
- LinkedIn, 2022 – 2019–2022 के बीच डिग्री आवश्यकता के बिना नौकरी के विज्ञापनों में वृद्धि (linkedin.com)
- Stanford / USC – AI बनाम पारंपरिक रिक्रूटमेंट की तुलना करने वाला प्रयोग (weforum.org)
- Dice, 2025 – “The Rise of Nontraditional Tech Career Paths” (dice.com)
- Pursuit / Stand Together, 2025 – बिना डिग्री के कामगारों के लिए AI कार्यक्रम (standtogether.org)
- “Beyond the CV” – रिक्रूटमेंट में AI-संचालित कौशल ग्राफ (virtualemployee.com)
- Ipsos / Google, 2025 – “Future-proofing careers in the age of AI” (ipsos.com)
- SSIR – “A New AI Career Ladder” (ssir.org)
- Universum, 2025 – “2025 Talent Outlook” – AI वातावरण में सॉफ्ट दक्षताएँ (skywalkgroup.com)
- Wikipedia – Vibe coding (wikipedia.org)
- LIT.AI – Vibe Coding: A Human-AI Development Methodology (lit.ai)
- METR, जुलाई 2025 – AI के साथ डेवलपर उत्पादकता का randomized controlled trial (wikipedia.org/Vibe_coding)
- CodeRabbit, दिसंबर 2025 – AI बनाम मानव कोड गुणवत्ता का विश्लेषण (wikipedia.org/Vibe_coding)
- Netclues – रिक्रूटमेंट में लाइव वाइब कोडिंग सत्र (netclues.com)
- Anthropic, 2023 – नौकरी विज्ञापन “prompt engineer and librarian,” 280K–375K (businessinsider.com)
- Sam Altman, अक्टूबर 2022 – प्रॉम्प्ट इंजीनियरिंग के भविष्य पर वक्तव्य
