जिस साल मैंने 2,200 से ज़्यादा नौकरी के आवेदन भेजे, उस दौरान मैंने एप्लिकेंट ट्रैकिंग सिस्टम (ATS) का नाम तक नहीं सुना था। यह शब्द मैंने क़रीब डेढ़ साल पहले ही जाना, जब मैं Medium (एक नए टैब में खुलता है) पर सक्रिय हुआ। इस बीच मैं अपना सीवी वैसे ही सुधारता रहा जैसा सब मुझसे कहते थे: साफ़-सुथरा दो-कॉलम वाला लेआउट, अपने LinkedIn पते और ई-मेल पते के आगे छोटे-छोटे आइकन, यहाँ-वहाँ एक स्किल बार। देखने में यह अच्छा लगता था। जब मैंने आख़िरकार पढ़ना शुरू किया कि उस सॉफ़्टवेयर के बारे में क्या लिखा जाता है जो असल में इसे खोल रहा था, तो मैंने पाया कि उसका ज़्यादातर हिस्सा उतना ही ग़लत था जितने मेरे कॉलम।
तो यहाँ आठ दावे हैं जिन पर मैं यक़ीन करता था, और जिन्हें मैंने वेंडरों के अपने दस्तावेज़ों और मौजूद शोध के आधार पर जाँचा है। हर एक को एक फ़ैसला मिलता है, ग़लत से लेकर आधे सच तक।
मिथक 1: “75 प्रतिशत सीवी कोई इंसान कभी नहीं देखता”
फ़ैसला: ग़लत। इस संख्या के पीछे कोई अध्ययन नहीं है।
यह इस पूरे विषय में सबसे ज़्यादा दोहराया जाने वाला आँकड़ा है, और इसके स्रोत का पीछा एक से ज़्यादा बार किया जा चुका है। अक्टूबर 2020 में एक HR पेशेवर Christine Assaf ने इसे एक प्रस्तुति में सुना और उद्धरणों का पीछा किया: वक्ता ने सीवी लिखने वाली कंपनी TopResume का हवाला दिया, TopResume ने एक Forbes लेख का हवाला दिया, और Forbes के लेख ने किसी का हवाला नहीं दिया। जिन प्रकाशनों ने कोई स्रोत बताया, CIO और CNBC, उन्होंने इसे “जॉब सर्च सेवा कंपनी Preptel” से जोड़ा, एक सीवी लिखने वाली कंपनी जो अगस्त 2013 में बंद हो गई और जिसने कभी कोई अध्ययन, डेटासेट या पद्धति प्रकाशित नहीं की (Ask a Manager, Christine Assaf का पुनर्प्रकाशन (एक नए टैब में खुलता है))।
जुलाई 2026 में दो कनाडाई शिक्षाविद, Mount Royal University की Leda Salazar de Leon और University of Calgary की Mehnaz Rafi, The Conversation में इसी नतीजे पर पहुँचीं: यह आँकड़ा “2012 में Preptel की एक सेल्स पिच से निकला था, एक रिज़्यूमे-ऑप्टिमाइज़ेशन कंपनी जो अगले ही साल बंद हो गई। कोई पद्धति कभी प्रकाशित नहीं हुई” (The Conversation (एक नए टैब में खुलता है))।
जिस लेख से यह लहर शुरू हुई, जनवरी 2012 में Wall Street Journal में Lauren Weber का “Your Résumé vs. Oblivion”, उसने भी ऐसा नहीं कहा था। NPR पर इन सिस्टमों को समझाने के लिए कहे जाने पर Weber ने ऐसे सॉफ़्टवेयर का वर्णन किया जो “उम्मीदवारों को स्कोर और रैंक करेगा” ताकि रिक्रूटर नौकरी खोलकर शीर्ष 25 या 50 को देख सके। उनके हिसाब से सबसे बुरी स्थिति कूड़ेदान नहीं थी। वह थी “रैंकिंग सिस्टम का सबसे निचला हिस्सा” (NPR, Talk of the Nation, फ़रवरी 2012 (एक नए टैब में खुलता है))। यह संख्या 70, 75 और 88 प्रतिशत के बीच डोलती रहती है, इस पर निर्भर करते हुए कि कौन इसे दोहरा रहा है, और ऐसा तब होता है जब जाँचने के लिए कोई मूल स्रोत कभी रहा ही न हो।
मिथक 2: “ATS आपका सीवी अपने आप ख़ारिज कर देता है”
फ़ैसला: ज़्यादातर ग़लत, और जो हिस्सा सच है वह मिथक से भी बुरा है।
Greenhouse, Workday और iCIMS के आधिकारिक दस्तावेज़ों में एकमात्र स्वचालित अस्वीकृति आवेदन फ़ॉर्म पर नियोक्ता के अपने सवालों के आपके जवाबों से शुरू होती है: क्या आपके पास लाइसेंस है, क्या आपको यहाँ काम करने की अनुमति है, क्या आप सप्ताहांत में काम कर सकते हैं (Greenhouse, Auto-reject (एक नए टैब में खुलता है); Workday Administrator Guide (एक नए टैब में खुलता है); iCIMS (एक नए टैब में खुलता है))। इनमें से कोई भी ऐसे छिपे हुए स्कोर का वर्णन नहीं करता जो किसी सीवी को ख़ारिज कर दे। जहाँ AI मैचिंग मौजूद है, वहाँ Greenhouse कहता है कि यह आवेदकों को समूहों में बाँटता है और “किसी भी उम्मीदवार का अपने आप निपटारा नहीं करता और न ही भर्ती संबंधी कोई फ़ैसला लेता है” (Greenhouse, Talent Matching FAQ (एक नए टैब में खुलता है))।
अब सच वाला हिस्सा। रिक्रूटर जो फ़िल्टर लगाते हैं वे असली हैं, और उनमें कोई बारीकी नहीं होती। Harvard Business School के 2021 के सर्वेक्षण में, जिसमें संयुक्त राज्य अमेरिका, यूनाइटेड किंगडम और जर्मनी के 2,275 अधिकारी शामिल थे, लगभग आधी कंपनियाँ छह महीने से ज़्यादा के रोज़गार-अंतराल वाले किसी भी उम्मीदवार को अपने आप छाँट देती थीं, और 88 प्रतिशत अधिकारियों ने कहा कि योग्य, उच्च-कौशल वाले उम्मीदवार इसलिए बाहर कर दिए गए क्योंकि वे सटीक मानदंडों से मेल नहीं खाते थे (Hidden Workers: Untapped Talent (एक नए टैब में खुलता है))। वह नियम एक इंसान ने चुना, और नतीजे पर अस्वीकार का बटन भी एक इंसान ने दबाया। Assaf ने इसे एक वाक्य में कह दिया: “आवेदकों को एक इंसान ख़ारिज करता है; कंप्यूटर तो बस एक इंसान के दिए डेटा के आधार पर आवेदनों को रैंक करता है।”
मिथक 3: “आपका सीवी एक AI पढ़ता है”
फ़ैसला: ज़्यादातर ग़लत, फ़िलहाल।
जनवरी 2024 में Society for Human Resource Management ने संयुक्त राज्य अमेरिका के 2,366 HR पेशेवरों का सर्वेक्षण किया। उनके संगठनों में से केवल 26 प्रतिशत किसी भी HR गतिविधि के लिए AI का इस्तेमाल करते थे; उनमें से 64 प्रतिशत इसे भर्ती, इंटरव्यू या नियुक्ति में कहीं न कहीं इस्तेमाल करते थे, और उस समूह में लगभग हर तीन में से एक इसे सीवी की समीक्षा या छँटाई के लिए इस्तेमाल करता था (SHRM, 2024 Talent Trends (एक नए टैब में खुलता है))। इसे गुणा करके देखें तो AI मोटे तौर पर हर बीस में से एक संगठन में सीवी पढ़ रहा था। बाक़ी हर जगह सॉफ़्टवेयर वे नियम और खोजें चला रहा था जो किसी इंसान ने तय की थीं। यह हिस्सा बढ़ रहा है, और यूरोपीय संघ का AI Act भर्ती में इस्तेमाल होने वाले AI को पहले से ही उच्च-जोखिम वर्ग में रखता है, लेकिन अगर आप एक ऐसी मशीन की कल्पना कर रहे हैं जो आपका सीवी समझती है, तो आप अपवाद की कल्पना कर रहे हैं। एक सामान्य सिस्टम क्या करता है, यह मैंने इस शृंखला के पहले लेख (एक नए टैब में खुलता है) में क़दम-दर-क़दम समझाया है।
मिथक 4: “ATS PDF नहीं पढ़ सकता, और दो-कॉलम वाला लेआउट आपको ख़ारिज करवा देता है”
फ़ैसला: आधा सच, और सच वाला आधा हिस्सा मुख्य रूप से लेआउट के बारे में है, फ़ाइल के प्रकार के बारे में नहीं।
पहले फ़ाइल का प्रकार। Greenhouse .doc, .docx, .pdf, .rtf और .txt स्वीकार करता है (Greenhouse, Supported formats (एक नए टैब में खुलता है))। iCIMS PDF, Word, OpenDocument, RTF, HTML और यहाँ तक कि इमेज फ़ाइलों से भी टेक्स्ट निकालता है (iCIMS Developer Community (एक नए टैब में खुलता है))। Textkernel, जिसका पार्सर (वह प्रोग्राम जो सीवी का टेक्स्ट निकालकर उसे अलग-अलग खानों में बाँटता है) इनमें से कई सिस्टमों के अंदर बैठा है, 70 से ज़्यादा फ़ॉर्मैट पढ़ता है, जो उसके अनुसार “व्यवहार में हम जिन दस्तावेज़ों को प्रोसेस करते हैं, उनमें से लगभग 100% को कवर करते हैं” (Textkernel, Supported File Formats (एक नए टैब में खुलता है))। Word या Google Docs से निर्यात की गई PDF टेक्स्ट होती है, और पार्सर उसे पढ़ लेता है। पार्सर जो नहीं पढ़ सकता, वह है टेक्स्ट की तस्वीर: एक स्कैन किया हुआ सीवी, या किसी डिज़ाइन टूल का निर्यात जिसमें अक्षर पिक्सेल हैं। उसके लिए तस्वीर से अक्षर पहचानने वाली तकनीक (OCR) चाहिए, जिसे Textkernel एक ऐड-ऑन के रूप में बेचता है और चेतावनी देता है कि इसे पार्स करने में “काफ़ी ज़्यादा समय लगता है”।
फिर भी फ़ाइल के प्रकार में एक पेच है, जिसकी ओर एक पाठक ने इस लेख के प्रकाशित होने के बाद LinkedIn (एक नए टैब में खुलता है) पर मेरा ध्यान दिलाया। कुछ PDF फ़ाइलें fi, fl और ffi जैसे अक्षर-समूहों को एक ही वर्ण के रूप में सहेजती हैं, जिसे लिगेचर कहते हैं (Unicode, Alphabetic Presentation Forms (एक नए टैब में खुलता है))। आपकी PDF ऐसा करती है या नहीं, यह इस पर निर्भर करता है कि PDF किस प्रोग्राम से बनी और कौन-सा फ़ॉन्ट इस्तेमाल हुआ। मैंने 7 अक्टूबर 2026 को इसका परीक्षण किया: Word के अपने PDF एक्सपोर्ट और Google Docs के PDF डाउनलोड ने हर बार सामान्य अक्षर सहेजे, Calibri में भी और Word में लिगेचर चालू होने पर भी, लेकिन Chrome ब्राउज़र से Calibri या Aptos में प्रिंट की गई PDF ने “Office” को एक O, एक ffi वर्ण और “ce” के रूप में सहेजा। जो प्रोग्राम उस वर्ण को वापस अक्षरों में बदले बिना टेक्स्ट पढ़ता है, वह ऐसा शब्द खोजता है जो वहाँ है ही नहीं। कुछ प्रोग्राम इसे वापस बदल देते हैं और कुछ नहीं, और आप नहीं जान सकते कि नियोक्ता का सिस्टम कौन-सा इस्तेमाल करता है। बड़ी बात ख़ुद PDF की है: Textkernel, जिसका पार्सर इनमें से कई सिस्टमों के अंदर काम करता है, अपने ही ग्राहकों से कहता है: “अगर आप कन्वर्ज़न की समस्याएँ कम से कम रखना चाहते हैं, तो PDF दस्तावेज़ों का इस्तेमाल न करें” (Textkernel, Getting started (एक नए टैब में खुलता है))। Word फ़ाइल टेक्स्ट को सामान्य अक्षरों के रूप में सहेजती है, इसलिए जब तक नौकरी के विज्ञापन में PDF न माँगी जाए, Word ज़्यादा सुरक्षित विकल्प है।
अब लेआउट। Textkernel का अपना दस्तावेज़ चेतावनी देता है कि कॉलम वाले लेआउट पार्सर को भ्रमित करते हैं और कुछ हिस्सों को “बारीक स्तर पर पार्स करना असंभव” है (Textkernel, Parser Output (एक नए टैब में खुलता है))। नतीजा अस्वीकृति नहीं है। नतीजा एक ऐसा रिकॉर्ड है जिसमें आपकी आख़िरी नौकरी ग़लत नियोक्ता से जुड़ी है, या आपके कौशल किसी भी फ़ील्ड में नहीं हैं, और वह रिकॉर्ड तब सामने नहीं आता जब रिक्रूटर खोज करता है। कोई आपको बताता नहीं। मेरे आइकन और मेरे दो कॉलम ठीक यही कर रहे थे, पूरे एक साल तक।
मिथक 5: “कीवर्ड सफ़ेद टेक्स्ट में छिपा दीजिए और सॉफ़्टवेयर आपको ऊँची रैंक देगा”
फ़ैसला: ग़लत, और इसकी वजह से नौकरी हाथ से निकल जाती है।
पार्सर रंग नहीं देखता। वह टेक्स्ट निकालता है और उसे सादे टेक्स्ट के रूप में संग्रहीत करता है, और वही सादा टेक्स्ट रिक्रूटर खोलता है। सीवी स्कैनिंग बेचने वाली कंपनी Jobscan दिखाती है कि यह कैसा दिखता है: एक पार्स किया हुआ सीवी जिस पर आर-पार “Accounting Accounting Accounting” लिखा है, जिसे “सिस्टम में रिज़्यूमे का टेक्स्ट पार्स हो जाने के बाद पकड़ना आसान” है (Jobscan, नवंबर 2024 (एक नए टैब में खुलता है))। रिक्रूटर आपका नाम देखने से पहले आपकी चाल देख लेता है।
2023 में यह चाल एक नए रूप में लौटी, AI स्क्रीनिंग को निशाना बनाते हुए: पूरा जॉब डिस्क्रिप्शन सफ़ेद फ़ॉन्ट में सीवी में चिपका दीजिए ताकि मॉडल आपको उससे मैच कर दे (Washington Post की एक रिपोर्ट पर Bruce Schneier, अगस्त 2023 (एक नए टैब में खुलता है))। वही चाल, वही सादा-टेक्स्ट दृश्य, वही रिक्रूटर। और 2023 में, जैसा मिथक 3 दिखाता है, ज़्यादातर सीवी पढ़ने वाला “AI” अब भी एक सर्च बॉक्स ही था। मैंने ATS.rip को ठीक उल्टे सिद्धांत पर बनाया है: यह ढाँचा और शब्दावली बदलता है, तथ्य कभी नहीं, और ऐसा कुछ भी कभी नहीं जो पढ़ने वाला देख न सके।
मिथक 6: “आपको 75 प्रतिशत कीवर्ड मैच चाहिए”
फ़ैसला: यह संख्या मौजूद नहीं है। शब्द मौजूद हैं।
मैच प्रतिशत सीवी-स्कैनर टूलों से आता है, नियोक्ता के सॉफ़्टवेयर से नहीं। Jobscan, जो 75 प्रतिशत का लक्ष्य रखने की सलाह देता है, अपने ही स्कैनर पेज पर यह कहता है: “जब आप किसी नौकरी के लिए अपना रिज़्यूमे जमा करते हैं, तो ATS आपके रिज़्यूमे को स्कोर नहीं करता। हमारे स्कैनर का मैच रेट एक विज़ुअलाइज़ेशन टूल है” (Jobscan, Resume Scanner (एक नए टैब में खुलता है))। रिक्रूटर वह संख्या कभी नहीं देखता, और जिन सिस्टमों के बारे में मैंने पढ़ा है उनमें से कोई भी इसकी गणना नहीं करता।
असल में जो होता है वह कहीं ज़्यादा सीधा है। रिक्रूटर नौकरी के विज्ञापन के शब्द एक सर्च बॉक्स में टाइप करता है, और सिस्टम रिकॉर्डों को इस आधार पर रैंक कर सकता है कि वे आवश्यकताओं से कितने क़रीब से मेल खाते हैं (Indeed Career Guide (एक नए टैब में खुलता है))। इससे दो बातें निकलती हैं। पहली, सॉफ़्टवेयर पर्यायवाची शब्दों के मामले में ज़्यादा उदार हो गया है: Textkernel का पार्सर 20 से ज़्यादा भाषाओं में 250,000 से ज़्यादा कौशल-पर्यायों को लगभग 13,000 कौशलों में समेटता है (Textkernel, Tx Platform FAQ (एक नए टैब में खुलता है)), इसलिए Weber के 2012 के उदाहरण वाला “numerical modeler”, जो “statistician” की खोज में अदृश्य था, आज बेहतर स्थिति में है। दूसरी, सर्च बॉक्स अब भी वही ढूँढता है जो टाइप किया गया है, और Harvard सर्वेक्षण के वे 88 प्रतिशत अधिकारी जो योग्य लोगों को सटीक मानदंडों पर बाहर होते देखते हैं, ठीक इसी का वर्णन कर रहे हैं। विज्ञापन के शब्द वहाँ इस्तेमाल कीजिए जहाँ वे आप पर सच में लागू होते हैं। प्रतिशत को नज़रअंदाज़ कीजिए।
मिथक 7: “हर कंपनी ATS इस्तेमाल करती है”
फ़ैसला: आधा सच।
सबसे बड़े नियोक्ताओं के बीच यह लगभग सच है। Jobscan ने 2026 की Fortune 500 सूची की सभी 500 कंपनियों के नौकरी पेज देखे और उनमें से 487 पर, यानी 97.4 प्रतिशत पर, एक ATS का पता लगाया (Jobscan, अगस्त 2026 (एक नए टैब में खुलता है))। यह एक वेंडर की गिनती है, करियर पेज पढ़कर की गई, लेकिन यह गिनती है, अनुमान नहीं। सभी नियोक्ताओं को मिलाकर देखें तो तस्वीर अलग है: Harvard Business School के सर्वेक्षण में संयुक्त राज्य अमेरिका, यूनाइटेड किंगडम और जर्मनी में कुल 63 प्रतिशत नियोक्ता एक रिक्रूटिंग मैनेजमेंट सिस्टम इस्तेमाल करते पाए गए, देश के हिसाब से 75, 58 और 54 प्रतिशत, और 1,000 से ज़्यादा कर्मचारियों वाले नियोक्ताओं में 69 प्रतिशत (Hidden Workers: Untapped Talent (एक नए टैब में खुलता है))। The Conversation के लेखक जोड़ते हैं कि छोटे व्यवसायों के इस पर निर्भर होने की संभावना ख़ास तौर पर कम है (The Conversation (एक नए टैब में खुलता है))। तो: बड़ा नियोक्ता, लगभग निश्चित रूप से। मुख्य बाज़ार की बारह कर्मचारियों वाली कंपनी, शायद नहीं। इस शृंखला का एक बाद का लेख इन आँकड़ों को क्षेत्र-दर-क्षेत्र देखेगा।
मिथक 8: “एक ATS-फ़्रेंडली टेम्पलेट ही काफ़ी है”
फ़ैसला: ग़लत।
टेम्पलेट आपको पढ़ने लायक बनाता है। वह आपको प्रासंगिक नहीं बनाता। पार्सर के बाद एक इंसान आता है, और वह इंसान तेज़ है: 2018 में करियर साइट Ladders ने आई-ट्रैकिंग उपकरण से रिक्रूटरों की सीवी पर पहली नज़र मापी और औसत 7.4 सेकंड पाया (Ladders अध्ययन पर HR Dive (एक नए टैब में खुलता है))। Harvard की रिपोर्ट बताती है कि उस नज़र से पहले क्या होता है: सॉफ़्टवेयर “आवेदकों की भीड़ छाँटने के लिए काफ़ी हद तक ‘नकारात्मक’ तर्क पर निर्भर करता है”, यानी लोगों को उसके लिए हटाता है जो उनमें नहीं है, बजाय इसके कि उस पर विचार करे जो उनमें है। एक बिल्कुल सही पार्स हुआ सीवी जो ग़लत बातें कहता है, बस मिल जाता है, और फिर ठुकरा दिया जाता है, इस छोटी-सी तसल्ली के साथ कि इस बार उसे एक इंसान ने देखा। ढाँचा आपको खोज नतीजों में पहुँचाता है। सामग्री आपको फ़ोन कॉल दिलाती है। दोनों के चार पहले-और-बाद के उदाहरण ATS की व्याख्या पेज (एक नए टैब में खुलता है) पर मौजूद हैं।
असल में क्या सच है
- सॉफ़्टवेयर संग्रहीत करता है, खोजता है और रैंक करता है। ख़ारिज लोग करते हैं।
- स्वचालित अस्वीकृति नियोक्ता के सवालों के आपके जवाबों से आती है, और उन फ़िल्टरों से जो किसी रिक्रूटर ने लगाए हैं, किसी छिपे हुए सीवी स्कोर से नहीं।
- आपका सीवी पार्सर के लिए पढ़ने लायक होना चाहिए: एक कॉलम, तस्वीरों के बजाय असली टेक्स्ट, मानक अनुभाग शीर्षक और तारीख़ें उन्हीं नौकरियों से जुड़ी हुई जिनकी वे हैं।
- आपके सीवी में वे शब्द होने चाहिए जो विज्ञापन इस्तेमाल करता है, जहाँ वे आप पर सच में लागू होते हैं।
- फिर एक इंसान उसे लगभग सात सेकंड तक पढ़ता है, इसलिए वह इंसान के लिए भी स्पष्ट होना चाहिए।
काश मुझे यह पहले पता होता
मैंने एक साल उस दस्तावेज़ में आइकन जोड़ने में बिताया जिसे सॉफ़्टवेयर टेक्स्ट के रूप में पढ़ रहा था, और उन कॉलमों को चमकाने में जिन्हें पार्सर शोर के रूप में पढ़ रहा था। कोई मेरा सीवी फेंक नहीं रहा था। वह एक डेटाबेस में पड़ा था, और ऐसे व्यक्ति का सीवी लग रहा था जिसने कभी वह किया ही नहीं जो विज्ञापन माँग रहा था। ऊपर की सूची के तीसरे और चौथे बिंदु वे हैं जिन्हें सॉफ़्टवेयर ठीक कर सकता है, और ATS.rip यही करता है: यह आपके तथ्य बरक़रार रखता है और ढाँचे और शब्दावली को फिर से बनाता है ताकि पार्सर और सर्च बॉक्स उन्हें पढ़ सकें। आख़िरी बिंदु आपके ज़िम्मे है।



