क्या नौकरी बाज़ार मर रहा है?
कम openings, आक्रामक filtering tools, और व्यापक “shotgun” applications tech jobs को पाना बहुत कठिन बना रहे हैं, खासकर juniors और data scientists के लिए, जबकि कुछ seniors अभी भी networks और niche roles के ज़रिए अवसर देखते हैं। Commenters इस बाज़ार को collapse से अधिक post-bubble hangover जैसा बताते हैं: churn कम है, कंपनियाँ कम लेकिन अधिक productive hires पर ध्यान दे रही हैं, और कई public job postings छोड़कर referrals और direct outreach अपना रही हैं। Hiring processes स्वयं — AI résumé screens से लेकर automated video interviews और culture-fit theatrics तक — व्यापक रूप से dehumanizing और inefficient माने जा रहे हैं, जिससे personal networks, government या “boring” corporate jobs, और pay तथा role prestige के बारे में realistic expectations पर अधिक निर्भर रहने की बात उठती है.
टेक नौकरी बाज़ार की समग्र स्थिति
- कई लोग इस बाज़ार को “shitty but not dead” के रूप में वर्णित करते हैं — 2009/2020 से बदतर, लेकिन dot-com nuclear winter जितना नहीं; मोटे तौर पर 2008 के समान।
- संकुचन और “musical chairs” का प्रबल एहसास: कम openings, खासकर speculative/ZIRP-era भूमिकाएँ; प्रति भूमिका कहीं अधिक applicants।
- इस बात पर असहमति है कि सबसे ज़्यादा चोट किसे लगी है: कुछ कहते हैं कि मज़बूत कौशल वाले seniors अभी भी ठीक हैं; अन्य कहते हैं कि बहुत senior लोग भी 1+ साल से जूझ रहे हैं।
- Juniors और नए grads को व्यापक रूप से सबसे खराब स्थिति में माना जा रहा है।
कम churn और कंपनियों का बदलता व्यवहार
- कई लोग employee movement बहुत कम होने की बात करते हैं। कम churn का मतलब है प्रति engineer अधिक efficiency और कम openings।
- Hiring अब सिर्फ growth नहीं, profitability को justify करने के लिए होनी चाहिए; ऊँची rates और capital costs के कारण headcount मंज़ूर कराना कठिन हो गया है।
- कुछ कंपनियाँ public postings बंद कर देती हैं, और ज़्यादातर referrals, direct outreach, या अपनी careers page के ज़रिए hiring करती हैं; उनका लक्ष्य “the best” नहीं बल्कि “good enough” होता है।
Application volume, filters, and AI
- सैकड़ों या हज़ारों roles के लिए apply करना आम है; कुछ लोग दशकों में लगभग 100:10:1 application-to-offer ratios बताते हैं।
- यह volume कंपनियों को crude filters (ATS keywords, simple heuristics, संभवतः AI) की ओर धकेलता है, जो कई योग्य लोगों को random तरीके से बाहर कर देते हैं।
- बहस: कुछ का तर्क है कि ऐसे माहौल में mass-applying rational है; अन्य कहते हैं कि बार-बार rejection यह संकेत है कि resumes/strategy में सुधार की ज़रूरत है।
Dehumanizing hiring practices
- one-way recorded video interviews और AI-scored interviews को व्यापक रूप से नापसंद किया जाता है; इन्हें dystopian और dehumanizing बताया गया है।
- “show your personality” videos और अपमानजनक icebreakers जैसी gimmicks पर शिकायतें।
- चिंता यह है कि उम्मीदवारों को dehumanize करने वाली hiring खराब work cultures का संकेत देती है।
भूमिका-विशिष्ट dynamics (विशेष रूप से Data Science)
- कई लोग “data scientist” को boom के दौरान ज़रूरत से ज़्यादा hired मानते हैं; teams सिकुड़ रही हैं और engineers तथा analysts की ओर झुक रही हैं।
- Data science की तुलना dot-com era के “HTML programmer” से की जाती है: commoditized, flood हुआ, और अक्सर low quality, जिससे hiring अधिक जोखिमपूर्ण हो जाती है।
- कुछ की सलाह: business analyst या ऐसे अन्य roles की ओर pivot करें जिनका business value अधिक स्पष्ट हो।
सामना करने की रणनीतियाँ और विकल्प
- networks और referrals पर ज़ोर, लेकिन यह भी स्वीकार कि networking हर किसी के लिए समान रूप से प्रभावी नहीं होती।
- सुझाए गए fallback: government/defense या state IT, local non-FAANG कंपनियाँ, contracting, tech के बाहर की नौकरियाँ जबकि आप “in the game” बने रहें, या entrepreneurship/side projects।
- “hustle” और extra hours काम करने पर लगातार बहस: कुछ इसे आवश्यक risk-reward मानते हैं; अन्य इसे exploitation और burnout मानते हैं।