क्या नौकरी बाज़ार मर रहा 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।