AI Screenr कैसे काम करता है
AI interview software कैसे काम करता है: कुछ मिनट में job description सेट करें और AI voice interviews से candidate screening ऑटोमेट करें। Candidates बिना scheduling के async इंटरव्यू पूरा करते हैं। कुछ ही मिनट में transcripts के साथ scored reports पाएं। Powered by AI Screenr। 3 इंटरव्यू फ्री। क्रेडिट कार्ड की ज़रूरत नहीं।
फ्री ट्राय करेंTrusted by innovative companies
Job posting से रैंक्ड shortlist तक — सिर्फ तीन स्टेप
AI Screenr वर्कफ़्लो इन समरी — न इंटिग्रेशन, न scheduling।
Role कॉन्फ़िगर करें
Job description पेस्ट करें और वन-क्लिक AI सेटअप पाएं, या ~5 मिनट में मैन्युअल बनाएं। AI Screenr skills, disqualification rules, scoring weights, और 5 तक structured question templates निकालता है। लॉन्च से पहले कुछ भी एडिट करें।
इंटरव्यू लिंक शेयर करें
एक लिंक ATS, ईमेल, SMS या job board में डालें। Candidates किसी भी डिवाइस पर async इंटरव्यू करते हैं — न scheduling, न app install, न अकाउंट। Typical duration 15 से 25 मिनट (5 से 60 कॉन्फ़िगरेबल)।
Scored shortlist रिव्यू करें
हर इंटरव्यू के 2 मिनट में, आपकी डैशबोर्ड पर एक scored रिपोर्ट आती है — Strong Yes / Yes / Maybe / No recommendation, dimension scores, evidence quotes, और एक रैंक्ड shortlist के साथ।
5 मिनट से कम में live walkthrough देखें — 3 इंटरव्यू फ्री।
Try Free — No Credit Cardस्टेप 1 इन एक्शन — एक वास्तविक जॉब कॉन्फ़िगरेशन
पेस्ट किए गए job description से वन-क्लिक सेटअप के बाद AI Screenr क्या तैयार करता है। इंटरव्यू लिंक लॉन्च करने से पहले हर फ़ील्ड एडिटेबल है।
सीनियर प्रोडक्ट मैनेजर (B2B SaaS)
Job Details
Basic information about the position. The AI reads all of this to calibrate questions and evaluate candidates.
Job Title
सीनियर प्रोडक्ट मैनेजर (B2B SaaS)
Job Family
प्रोडक्ट
प्रोडक्ट roles में prioritization, discovery और stakeholder reasoning पर ज़ोर होता है — AI execution डिटेल के बजाय judgement और trade-offs के इर्द-गिर्द follow-ups कैलिब्रेट करता है।
Interview Template
Competency-बेस्ड स्क्रीन
हर प्रश्न पर 4 तक follow-ups की अनुमति। Trade-off reasoning पर पुश करता है और specific पिछले examples मांगता है — अनुभवी PMs और PM-adjacent candidates के बीच फर्क साफ करता है।
Job Description
हम एक सीनियर प्रोडक्ट मैनेजर हायर कर रहे हैं जो एक core B2B workflow surface की ओनरशिप ले। आप engineering, design और go-to-market के साथ पार्टनर करेंगे, असली customer problems डिस्कवर करेंगे, decisively prioritize करेंगे, और outcomes ship करेंगे — सिर्फ outputs नहीं।
Normalized Role Brief
5+ साल के B2B SaaS अनुभव वाला senior product manager, end-to-end product area की ओनरशिप का ट्रैक-रिकॉर्ड, और बिना step-by-step गाइड के scoping calls लेने का judgement। Writing-first, opinionated, ambiguity में calm।
Concise 2-3 sentence summary the AI uses instead of the full description for question generation.
Skills
Required skills are assessed with dedicated questions. Preferred skills earn bonus credit when demonstrated.
Required Skills
The AI asks targeted questions about each required skill. 3-7 recommended.
Preferred Skills
Nice-to-have skills that help differentiate candidates who both pass the required bar.
Must-Have Competencies
Behavioral/functional capabilities evaluated pass/fail. The AI uses behavioral questions ('Tell me about a time when...').
ट्रेड-ऑफ फैसलों को सबूत के साथ डिफेंड करता/करती है; क्या काटा और क्यों — सिर्फ क्या ship हुआ नहीं, यह भी समझा सकता/सकती है
रियल कस्टमर बातचीत चलाता/चलाती है, सर्वे नहीं; सतही शिकायतों और उस underlying जॉब के बीच फर्क करता/करती है जो कस्टमर असल में करना चाहता है
Authority के बिना engineering, design और go-to-market को साथ मूव करता/करती है; scoped conflicts को लिखित analysis से resolve करता/करती है
Levels: Basic = can do with guidance, Intermediate = independent, Advanced = can teach others, Expert = industry-leading.
Knockout Criteria
Automatic disqualifiers. If triggered, candidate receives 'No' recommendation regardless of other scores.
B2B अनुभव
Fail if: किसी भी स्केल पर पहले B2B SaaS प्रोडक्ट अनुभव नहीं
इस role में B2B-विशिष्ट judgement चाहिए — buyer user नहीं होता, procurement cycles, seat economics
टेन्योर
Fail if: Product management अनुभव 5 साल से कम
Senior लेवल — पहले दिन से structured onboarding के बिना एक area own करना होगा
The AI asks about each criterion during a dedicated screening phase early in the interview.
Custom Interview Questions
Mandatory questions asked in order before general exploration. The AI follows up if answers are vague.
पिछले 12 महीनों में आपका सबसे consequential prioritization कॉल क्या रहा? आपने क्या काटा, क्या रखा, और आज आप क्या जानते हैं जो तब नहीं जानते थे — समझाइए।
वह समय बताइए जब आपकी discovery ने किसी प्लान्ड फ़ीचर की दिशा बदल दी। आपने क्या सुना, कैसे validate किया, और उसकी जगह क्या ship हुआ?
किसी क्रॉस-फंक्शनल असहमति को आपने कैसे resolve किया — असहमति क्या थी, आपने क्या लिखकर रखा, और टीम ने कैसे decide किया?
Open-ended questions work best. The AI automatically follows up if answers are vague or incomplete.
Question Blueprints
Structured deep-dive questions with pre-written follow-ups ensuring consistent, fair evaluation across all candidates.
B1. हमारे प्रोडक्ट के लिए usage-based billing upgrade prompt का पहला वर्ज़न डिज़ाइन कीजिए। User segment, trigger, copy, और success metric की walkthrough दें।
Knowledge areas to assess:
Pre-written follow-ups:
F1. जो users पहले से renewal conversation में हैं, उन्हें prompt होने से कैसे बचाएंगे?
F2. आपका guardrail metric क्या है, और किस threshold पर prompt रोक देंगे?
F3. In-product prompt, ईमेल, या account-manager outreach — इन तीनों में कैसे decide करेंगे?
B2. एक टॉप-10 कस्टमर ऐसा enterprise फीचर मांगता है जिस पर 2 engineer-quarters लगेंगे और किसी दूसरे कस्टमर को फायदा नहीं होगा। आप कैसे decide करेंगे — पूरा सोच-विचार बताइए।
Knowledge areas to assess:
Pre-written follow-ups:
F1. यह फैसला आप account टीम को कैसे बताएंगे?
F2. अगर कस्टमर छोड़ने की धमकी दे तो?
F3. अगर यह फीचर बाद में generalise हो सकता हो तो आपका जवाब कैसे बदलेगा?
Unlike plain questions where the AI invents follow-ups, blueprints ensure every candidate gets the exact same follow-up questions for fair comparison.
Custom Scoring Rubric
Defines how candidates are scored. Each dimension has a weight that determines its impact on the total score.
| Dimension | Weight | Description |
|---|---|---|
| कम्युनिकेशन क्लैरिटी | 12% | क्या candidate जवाबों को साफ़-सुथरे ढंग से structure करता/करती है, ठोस examples देता/देती है, और hedging से बचता/बचती है? |
| जवाबों की प्रासंगिकता | 12% | क्या जवाब सीधे पूछे गए प्रश्न को address करता है, या candidate किसी सुरक्षित टॉपिक पर शिफ्ट हो जाता/जाती है? |
| टेक्निकल नॉलेज | 18% | Product management की बुनियादी समझ — discovery, prioritization, metrics, lifecycle |
| प्रॉब्लम-सॉल्विंग | 14% | अनिश्चित scenarios में सोचने, trade-offs तौलने, और challenge होने पर अपने निष्कर्षों को defend करने की क्षमता |
| Role Fit | 14% | Senior B2B PM role की वास्तविक डिमांड्स से मैच — writing-first, opinionated, ambiguity में सहज |
| कॉन्फिडेंस और प्रेज़ेंस | 6% | Follow-up सवालों में steady; gaps स्वीकारता/स्वीकारती है बिना composure खोए |
| बिहेवियरल फिट | 10% | कोलैबोरेशन संकेत — candidate असहमति, conflict, और टीम को क्रेडिट देने के बारे में कैसे बात करता/करती है |
| जवाबों की पूर्णता | 14% | पूरा प्रश्न कवर करता/करती है, सिर्फ आसान आधा नहीं; caveats और counter-examples खुद से बताता/बताती है |
Default rubric: Communication, Relevance, Technical Knowledge, Problem-Solving, Role Fit, Confidence, Behavioral Fit, Completeness. Auto-adds Language Proficiency and Blueprint Question Depth dimensions when configured.
Interview Settings
Configure duration, language, tone, and additional instructions.
Duration
25 min
Language
English
Template
Competency-बेस्ड स्क्रीन
Video
Enabled
Tone / Personality
दोस्ताना लेकिन structured। AI बातचीत को आगे बढ़ाता है और जवाब अस्पष्ट हों तो विनम्रता से डिटेल मांगता है।
Adjusts the AI's speaking style but never overrides fairness and neutrality rules.
Company Instructions
हम एक mid-stage B2B SaaS कंपनी हैं, करीब 80 engineers के साथ। हमारा प्रोडक्ट RevOps और sales teams इस्तेमाल करती हैं। ज़िक्र करें कि यह role VP of Product को रिपोर्ट करता है और एक Principal Engineer तथा एक Lead Designer के साथ पार्टनर करता है।
Injected into the AI's context so it can reference your company naturally and tailor questions to your environment.
Evaluation Notes
लिखित-सम्बंधी संकेतों को पॉज़िटिव मानें (क्या candidate जवाबों को structure करता/करती है, specific metrics रेफर करता/करती है, stakeholders को नाम से बताता/बताती है)। अस्पष्ट सामान्यीकरण और ऐसे जवाब जो इंडस्ट्री terms से भरे हों लेकिन specifics न हों — इन्हें पेनलाइज़ करें।
Passed to the scoring engine as additional context when generating scores. Influences how the AI weighs evidence.
Banned Topics / Compliance
Salary negotiation, references, equity package, compensation structure — scored राउंड के बाद ये अलग से हैंडल किए जाते हैं।
The AI already avoids illegal/discriminatory questions by default. Use this for company-specific restrictions.
AI Screenr 100-candidate पाइपलाइन को कैसे फ़िल्टर करता है
Applications से shortlist तक: हर स्टेज instinct नहीं, evidence पर पाइपलाइन को नैरो करता है। नीचे दिए नंबर mid-volume tech roles के लिए typical हैं।
Applications received
सारे incoming candidates पाइपलाइन में आते हैं — job boards, referrals, ATS auto-responses, और direct outreach से।
Disqualification rules
आपके defined हार्ड फ़िल्टर्स — minimum experience, work authorization, location, salary range, language। फेल होने वाले candidates फ्लैग होते हैं, ऑटो-रिजेक्ट नहीं।
Must-have skills
Role के non-negotiable skills पर pass/fail (जैसे Senior React Developer के लिए senior React depth)। इंटरव्यू के दौरान live evaluate होते हैं।
Language level
आपके चुने language में वैकल्पिक CEFR assessment (A1–C2) एक dedicated इंटरव्यू फेज़ में। कॉन्फ़िगर न हो तो स्किप।
Scored interview
8 डिफॉल्ट स्कोरिंग dimensions (कस्टमाइज़ेबल) हर जवाब को 0–100 स्केल पर स्कोर करते हैं — evidence quotes, quality ratings (Strong / Moderate / Weak / None), और प्रति dimension confidence वैल्यू के साथ।
Ranked shortlist
टॉप-स्कोर्ड candidates के साथ 4-पॉइंट recommendation, executive summary, strengths और risks, notable quotes, और coverage summary। Hiring manager के लिए तैयार।
स्टेप 3 इन एक्शन — एक वास्तविक AI screening रिपोर्ट
Candidate के अलविदा कहते ही 2 मिनट में आपकी डैशबोर्ड में जो आता है, ठीक वैसा ही। हर स्कोर के पीछे transcript evidence, quality rating, और confidence वैल्यू होती है।
Alex Morgan
Confidence: 86%
Recommendation Rationale
मजबूत senior-PM सिग्नल। Alex ने prioritization trade-offs को specifics के साथ बताया — exact metrics, stakeholders के नाम, क्या और क्यों काटा — वो भी कई examples में। Discovery discipline असली है: तीन कस्टमर conversations के बाद प्लान्ड फ़ीचर को रिवर्स करने का केस अच्छी तरह structured था और counter-narrative भी शामिल था (क्या सुनने की उम्मीद थी बनाम क्या असल में सुना)। दिखने वाला गैप disagreement के दौरान cross-functional leadership में है; Alex पुश करने से पहले डिफ़ॉल्ट रूप से consensus की ओर झुकता/झुकती है, जो टीम डायनैमिक्स पर निर्भर करते हुए ठीक भी हो सकता है या रिस्क भी। Hiring-manager राउंड के लिए रिकमेंडेड।
Summary
पाँच+ साल का B2B SaaS प्रोडक्ट मैनेजमेंट अनुभव, स्पष्ट area ownership के साथ। Discovery और prioritization में स्ट्रॉन्ग — metrics और trade-offs वाले ठोस examples। क्रॉस-फंक्शनल लीडरशिप competent है लेकिन consensus-leaning; टीम की दिशा गलत होने पर candidate शुरुआती चरण में पुशबैक नहीं करता/करती। जवाबों की स्ट्रक्चरिंग से writing-first instincts साफ दिखते हैं। Follow-up सवालों में calm।
Knockout Criteria
दो कंपनियों में पाँच+ साल का B2B SaaS काम, स्पष्ट area ownership के साथ। specific enterprise-deal scenarios नाम से बताए।
सात साल का product management अनुभव। 5-साल की न्यूनतम सीमा से आराम से ऊपर।
Must-Have Competencies
कई ठोस examples — metrics नाम से, explicit trade-offs, और क्या काटा। बिना hedging के फैसलों को डिफेंड करता/करती है।
रियल कस्टमर-इंटरव्यू examples — न सर्वे, न सिर्फ analytics। बिना पूछे दो बार stated फीचर रिक्वेस्ट्स और underlying जॉब्स में फर्क किया।
Engineering, design और GTM में अच्छी तरह काम करता/करती है पर कड़ा पुश करने से पहले consensus बनाता/बनाती है। कोलैबोरेटिव टीम्स के लिए ठीक; उन environments में रिस्क जहां स्ट्रॉन्ग प्रोडक्ट वॉइस चाहिए।
Scoring Dimensions
लगातार structured जवाब — explicit context, decision, और outcome के साथ। कोई filler नहीं। बिना पूछे specific metrics और stakeholders के नाम बताए।
“मैंने Phase 2 reporting का काम काट दिया क्योंकि चार हफ्तों बाद Phase 1 की adoption 11% थी — हमारे 25% threshold से नीचे। Data टीम आगे बढ़ना चाहती थी; tradeoff adoption को दोगुना करने बनाम एक ऐसे फीचर को ship करने का था जिसे अभी तक कोई इस्तेमाल नहीं कर रहा था। Analytics की Anna और मैंने एक पेज का decision memo लिखा; हमने इसे किल कर दिया।”
जवाब पूछे गए specific scenario पर ही रहा, सुरक्षित ज़मीन पर शिफ्ट नहीं हुआ। प्रेशर में भी Alex ने सवाल को reframe नहीं किया।
“आपने वो prioritization कॉल पूछा जो मुझे खलता है। ईमानदार जवाब है customer-success डैशबोर्ड — हमने बनाया, adoption हाई रही, लेकिन exec टीम ने वह weekly digest कभी यूज़ नहीं किया जो हमने साथ में ship किया था। मुझे digest दूसरे हफ्ते ही किल कर देना चाहिए था, छठे में नहीं।”
Discovery, prioritization फ्रेमवर्क्स, और metric instrumentation में मजबूत फंडामेंटल्स। Activation बनाम retention की डेफिनिशन पर छोटा पॉइंट मिस हुआ पर प्रॉब करने पर खुद करेक्ट कर लिया।
“Upgrade prompt के लिए मैं activation को 'यूज़र ने पहले हफ्ते में तीन saved reports पूरे किए' की behavioural डेफिनिशन से trigger बनाऊंगा/बनाऊंगी, time-based नहीं। हमारे डेटा में activation retention प्रिडिक्ट करता है — month-three cohort analysis से हमें पता है।”
ट्रेड-ऑफ्स में सोचता/सोचती है। टॉप-10 कस्टमर वाले scenario में Alex ने recommendation तक पहुंचने से पहले cost of distraction, precedent risk, और तीन alternatives वॉकथ्रू किए।
“दो engineer-quarters ही एकमात्र लागत नहीं है — precedent cost, integration-debt cost, और opportunity cost भी है। पहले मैं देखूंगा/देखूंगी कि क्या हम services engagement के रूप में 80% वैल्यू दे सकते हैं; यदि नहीं, तो इसे paid, roadmap-committed आइटम की तरह स्कोप करूंगा/करूंगी जिसकी कीमत opportunity cost को रिफ्लेक्ट करे।”
Writing-first, opinionated, और specifics में सहज। तीन decision memos नाम से बताए। कोई generic जवाब नहीं — सारे examples टीम-विशिष्ट।
“कठिन फैसलों के लिए मैं एक पेज लिखता/लिखती हूं: decision, trade-offs, कौन असहमत है और क्यों, और क्या इसे रिवर्स किया जा सकता है। मीटिंग से पहले यह टीम को जाता है। लोग decide करने आते हैं, प्रेज़ेंट करने नहीं।”
प्रोब्स में steady। दो regrets बिना defensiveness के स्वीकारे। 'leadership से असहमति' वाले scenario पर थोड़ा hedging दिखा।
“मेरा CPO-लेवल स्टेकहोल्डर से फुल disagreement नहीं हुआ है — ज्यादातर GTM leads से हुए हैं। अगर वह चले तो एक example दे सकता/सकती हूं।”
कोलैबोरेशन संकेत पॉज़िटिव लेकिन consensus-leaning। कई examples में Alex ने तब पुशबैक किया जब टीम की दिशा पहले ही drift कर चुकी थी, उससे पहले नहीं।
“मैंने चिंता चौथी prioritization मीटिंग में उठाई। hindsight में दूसरी मीटिंग वह जगह थी जहां मुझे उठानी चाहिए थी — तब तक हम तीन हफ्ते अंदर थे और sunk-cost आर्ग्युमेंट बन रहा था।”
बिना पूछे caveats और counter-examples दिए। compound सवालों के दोनों हिस्सों का जवाब दिया — क्या अच्छा गया और क्या नहीं।
“Upgrade-prompt एक्सपेरिमेंट conversion पर सफल रहा पर downstream इफेक्ट यह हुआ कि support volume बढ़ गया — वे यूज़र्स जिन्होंने entitlement समझे बिना अपग्रेड किया। यह एक miss था जिसे हमें anticipate करना चाहिए था।”
Blueprint Question Coverage
B1. Usage-based billing upgrade prompt
+ Activation को time के बजाय ठोस behavioural क्राइटेरिया से define किया
+ Conversion metric को support-volume guardrail से पेयर किया
- किस threshold पर prompt रोकना है — यह discuss नहीं किया
B2. Top-10 customer asking for non-generalizable feature
+ सिर्फ headcount से परे cost फ्रेम किया — precedent और integration debt
+ इनकार से पहले scoped, paid alternative प्रपोज़ किया
- वह केस address नहीं किया जहां फीचर generalised हो सकता है
Interview Coverage
%
Overall Coverage
Strengths
- Writing-first instincts — decision memos डिफॉल्ट टूल हैं, कोई सेरेमनी नहीं
- Prioritization trade-offs named metrics और specific dates से बैक्ड
- स्ट्रॉन्ग डिस्कवरी डिसिप्लिन — underlying customer jobs बनाम stated asks में फर्क
- बिना पूछे counter-examples और regrets बताता/बताती है
Risks
- Disagreement में consensus-leaning — पहले की बजाय drift के बाद पुशबैक
- CPO-लेवल conflict का सीमित evidence; सारे examples GTM-facing
Notable Quotes
“People come in ready to decide, not ready to present.”
“Two engineer-quarters is not the only cost — there's the precedent cost, the integration-debt cost, and the opportunity cost.”
“The honest answer is the customer-success dashboard — we built it, adoption was high, but the exec team never used the weekly digest.”
Suggested Next Step
60-मिनट का hiring-manager राउंड आगे बढ़ाएं — एक 'मैं leadership से असहमत था/थी' scenario और एक 'scope-cut defence' केस स्टडी पर फोकस करें। वे मोमेंट्स प्रॉब करें जहां Alex प्रोसेस में पहले पुशबैक करता/करती, न कि तब जब consensus पहले ही drift कर चुका हो।
AI Screenr चार स्टेप में job description को एक scored shortlist में बदल देता है। यह पेज AI इंटरव्यू प्रोसेस को एंड-टू-एंड वॉकथ्रू करता है, ताकि "create job" क्लिक करने से लेकर पहला रैंक्ड रिपोर्ट खोलने तक बीच में क्या होता है — यह आपको ठीक-ठीक पता हो।
- स्टेप 1: Role कॉन्फ़िगर करें (वन-क्लिक या ~5 मिनट मैन्युअली)
- स्टेप 2: Candidate async voice इंटरव्यू पूरा करता है (आमतौर पर 15 से 25 मिनट)
- स्टेप 3: AI स्कोर करता है और सारांश बनाता है (प्रति candidate 2 मिनट से कम)
- स्टेप 4: आप रैंक्ड shortlist रिव्यू करते हैं
ATS इंटिग्रेशन की ज़रूरत नहीं। किसी भी मौजूदा hiring प्रोसेस के साथ काम करता है।
पूरा AI इंटरव्यू प्रोसेस 3 फ्री इंटरव्यू के साथ ट्राय करें →
स्टेप 1 — Role कॉन्फ़िगर करें
लाइव इंटरव्यू लिंक तक पहुंचने के दो रास्ते हैं। ज़्यादातर टीमें AI-generated रास्ता लेती हैं।
ऑप्शन A — वन-क्लिक AI कॉन्फ़िगरेशन
Job description पेस्ट करें (internal या public, 10,000 कैरेक्टर्स तक)। AI Screenr एक्सट्रैक्ट करके भर देता है:
- Title, description, role brief, job family, interview template
- Required skills और preferred skills
- Must-have skills आवश्यक levels के साथ (basic, intermediate, advanced, expert)
- Disqualification rules (minimum experience, work authorization, salary range, language, और job description में दी कोई और शर्त)
- कस्टम इंटरव्यू प्रश्न
- 5 तक structured question templates — हर एक में must-cover topics, follow-up questions, और strong/weak answer indicators ताकि AI को इस specific role के लिए एक बेहतरीन जवाब कैसा लगता है — यह पता हो
आप ड्राफ्ट रिव्यू करें, जो आपकी वास्तविक स्टैंडर्ड्स से मैच न हो उसे एडजस्ट करें, और सेव करें। Typical समय: 30 सेकंड से 1 मिनट।
ऑप्शन B — मैन्युअल कॉन्फ़िगरेशन
Scratch से बनाना पसंद है? फॉर्म आपको हर फ़ील्ड से पास कराता है। नए role के लिए ~5 मिनट रखें, एक बार टेम्पलेट बन गया तो और तेज़।
क्या-क्या कॉन्फ़िगर होता है
दोनों रास्तों से आउटपुट एक जैसा मिलता है:
- कोर इंटरव्यू प्रश्न — आमतौर पर 6 से 10 मुख्य एरियाज़ जो scoring dimensions से मैप्ड होते हैं।
- Question templates — प्रति प्रश्न must-cover topics, follow-ups, और answer indicators।
- Follow-up depth — shallow जवाबों पर AI कितना पुश करे, प्रति dimension कॉन्फ़िगरेबल।
- Disqualification rules — फ्लैग होते हैं, ऑटो-रिजेक्ट नहीं। अगला स्टेप आप तय करें।
- Scoring dimensions — 8 डिफॉल्ट (पूरी तरह कस्टमाइज़ेबल) और non-English इंटरव्यू पर 9वां language dimension।
- Language और CEFR target — इंटरव्यू भाषा (57 supported) और क्या language proficiency assess होनी है (A1 से C2)।
- इंटरव्यू duration — 5 से 60 मिनट, आमतौर पर 15 से 25।
- वीडियो रिकॉर्डिंग — ऑप्शनल, प्रति role opt-in।
- लिंक expiration — candidate के लिए लिंक कब तक एक्टिव रहेगा।
कंक्रीट role examples के लिए देखें React Developer, Backend Developer, और Sales Manager। हर पेज पर भरा हुआ कॉन्फ़िगरेशन और एक sample रिपोर्ट दिखती है।
स्टेप 2 — Candidate voice इंटरव्यू पूरा करता है
यह अकेला स्टेप है जिसमें candidate शामिल होता है। इसके पहले की सारी चीज़ें recruiter साइड पर हैं, और इसके बाद सब ऑटोमेटेड।
Candidates क्या देखते हैं
- लिंक। एक URL, आपके usual चैनल से भेजा गया — ATS auto-reply, ईमेल, SMS, job-board मैसेज। न अकाउंट बनाना, न app install, न scheduling पेज।
- कंसेंट और माइक्रोफोन चेक। रिकॉर्डिंग शुरू होने से पहले candidate consent स्क्रीन देखता/देखती है, माइक एक्सेस देता/देती है, और 10-सेकंड का माइक्रोफोन चेक पूरा करता/करती है।
- ग्रीटिंग। AI अपना परिचय देता है, इंटरव्यू प्रोसेस समझाता है, role कन्फर्म करता है, और "इस रिकॉर्डिंग का क्या होता है?" का आसान भाषा में जवाब देता है।
- कन्वर्सेशन। AI सवाल पूछता है, सुनता है, और एडजस्ट करता है। Strong जवाबों को acknowledge करके और गहराई में जाता है। Shallow जवाबों पर follow-up पूछता है। Candidate AI से सवाल दोहराने, पॉज़ लेने, या सफाई मांगने को कह सकता/सकती है।
- क्लोज़। AI बातचीत समेटता है, candidate को कोई भी सवाल पूछने का मौक़ा देता है, और आगे क्या होगा — यह कन्फर्म करता है।
इंटरव्यू को फ़ेयर क्या बनाता है
एक ही role के हर candidate के लिए scoring criteria एक जैसा रहता है। AI हर candidate के specific जवाबों के आधार पर follow-ups एडजस्ट करता है, इसलिए दो transcripts एक जैसे नहीं होते, लेकिन सारे transcripts एक ही criteria पर score होते हैं। Candidate इंटरव्यू से यह नहीं भांप पाता/पाती कि उसका प्रदर्शन कैसा चल रहा है, जिससे performance anxiety घटती है और सिग्नल ज़्यादा honest आता है।
टाइमिंग और completion
- Typical duration: 15 से 25 मिनट (प्रति role 5 से 60 कॉन्फ़िगरेबल)।
- Completion rate: 80–90% — one-way recorded वीडियो से काफ़ी ज़्यादा क्योंकि यहां real interaction है।
- अगर candidate डिसकनेक्ट हो जाए, तो 24 घंटों में उसी लिंक से resume कर सकता/सकती है। इंटरव्यू वहीं से जारी रहता है। Partial इंटरव्यू रिपोर्ट में फ्लैग होते हैं।
Async वर्कफ़्लो पर और पढ़ें: async इंटरव्यू software。
स्टेप 3 — AI स्कोर करता है और रिपोर्ट बनाता है
Candidate के अलविदा कहते ही 2 मिनट के भीतर आपकी डैशबोर्ड में एक structured रिपोर्ट तैयार रहती है। रिपोर्ट में क्या-क्या होता है:
रिपोर्ट का टॉप
- Overall score — 0 से 100 का वेटेड एग्रीगेट, सारे scoring dimensions पर।
- 4-पॉइंट hiring recommendation — Strong Yes / Yes / Maybe / No।
- Overall confidence — 0.0 से 1.0, जितना evidence AI को मिला उसका रिफ्लेक्शन।
- Executive summary — 2 से 3 वाक्यों का ओवरव्यू, उन hiring managers के लिए जो सिर्फ टॉप पढ़ते हैं।
डाइमेंशनल स्कोर्स
हर scoring dimension में दिखता है:
- Score (0 से 10, फिर weighted) और 1–2 वाक्यों की rationale
- Quality rating: Strong / Moderate / Weak / None
- Confidence value प्रति dimension (0.0 से 1.0)
- Evidence excerpts — transcript के डायरेक्ट quotes जो स्कोर सपोर्ट करते हैं
- Linked questions — कौन से इंटरव्यू प्रश्नों से evidence आया
- Missing evidence notes — criteria ने क्या एक्सपेक्ट किया जो transcript में नहीं दिखा
Disqualification और Must-Have परिणाम
अगर आपने स्टेप 1 में define किए हों तो:
- Disqualification results — ट्रिगर/असेस्ड फ्लैग्स और हर रूल का evidence।
- Must-have skill results — पास/फेल और प्रति स्किल evidence।
समरी ब्लॉक्स
- Strengths — 3 से 5 bullets जो standout हुए।
- Risks — 3 से 5 bullets जो concern उठाते हैं।
- Notable quotes — transcript की सबसे दिलचस्प पंक्तियां जो AI ने पहचानीं।
- Suggested next step — स्कोर और evidence quality के आधार पर अगला स्टेप।
- Coverage summary — आपकी custom questions, skills, disqualification rules, और question templates का कितना हिस्सा candidate ने अपने जवाबों से कवर किया।
Transcript और रिकॉर्डिंग
- पूरी transcript — searchable और time-stamped।
- Audio recording डिफॉल्ट। Video recording अगर आपने इस role के लिए enable किया है।
स्कोरिंग उसी criteria वर्ज़न से होती है जो इंटरव्यू के समय सेव था। अगर आप hiring प्रोसेस के बीच में criteria बदलते हैं, तो पहले के इंटरव्यू अपने ओरिजिनल स्कोर्स रखते हैं और नया criteria आगे से लागू होता है। आपको silent recalculation की जगह साफ़ वर्ज़न हिस्ट्री दिखती है।
हर role पेज पर एक sample रिपोर्ट है। कुछ देखें: QA Engineer, DevOps Engineer, Software Engineer, Product Manager。
स्टेप 4 — आप रैंक्ड shortlist रिव्यू करते हैं
डैशबोर्ड candidates को overall score के हिसाब से sort करता है, disqualification फ्लैग्स ऊपर रहते हैं। एक typical रिव्यू साइकल:
- रैंक्ड लिस्ट स्कैन करें। टॉप 20% आमतौर पर क्लोज़र लुक के लायक होते हैं। जिन candidates पर disqualification रूल्स ट्रिगर हुए, वे नीचे ड्रॉप होते हैं।
- टॉप रिपोर्ट्स खोलें। पहले 2–3 वाक्यों की समरी पढ़ें, फिर strengths और risks bullets, उसके बाद वह evidence स्किम करें जो AI ने फ्लैग किया है।
- फ़ैसला लें। Advance, reject, या follow-up के लिए फ्लैग करें। साफ़ no-fits को bulk में रिजेक्ट करें। Strong Yes candidates को hiring manager के लिए रखें।
- Hiring managers से शेयर करें। एक क्लिक में शेयर लिंक, PDF, या Slack/ईमेल के लिए paste-able समरी मिलती है। AI Screenr अकाउंट की ज़रूरत नहीं।
Recruiter का प्रति candidate समय 25–45 मिनट की live कॉल + नोट्स से घटकर लगभग 5 मिनट की structured रिपोर्ट रिव्यू पर आ जाता है। Typical वॉल्यूम्स पर कंक्रीट ROI कैलकुलेशन के लिए देखें screening calls रिप्लेस करें。
टाइमिंग समरी
| स्टेप | कौन करता है | Typical समय |
|---|---|---|
| Role कॉन्फ़िगर (AI वन-क्लिक) | Recruiter | 30 से 60 सेकंड |
| Role कॉन्फ़िगर (मैन्युअल) | Recruiter | ~5 मिनट |
| Candidate इंटरव्यू | Candidate | 15 से 25 मिनट (5 से 60 कॉन्फ़िगरेबल) |
| AI स्कोरिंग और रिपोर्ट जनरेशन | Automated | प्रति candidate 2 मिनट से कम |
| प्रति candidate रिपोर्ट रिव्यू | Recruiter | ~5 मिनट |
50-candidate पाइपलाइन के लिए, recruiter समय ~25 घंटे (live screens + नोट्स) से ~5 घंटे (रिपोर्ट रिव्यू) पर आ जाता है। हफ़्ते में 20 घंटे और वैल्यूएबल काम के लिए फ्री हो जाते हैं।
Role के हिसाब से Example Reports
AI Screenr हर जॉब कैटेगरी को कवर करता है — software engineering से लेकर healthcare, retail, construction, और hospitality तक। हर role पेज पर एक sample इंटरव्यू रिपोर्ट है, ताकि आप ठीक-ठीक देख सकें कि आपकी डैशबोर्ड में क्या आता है। नीचे टेक्निकल, स्पेशलिस्ट, और सर्विस-सेक्टर roles का एक चयन:
| Role | Category |
|---|---|
| Backend Developer | Technology |
| UX Designer | Design |
| Data Analyst | Technology |
| Financial Analyst | Finance |
| Recruiter | HR |
| Paralegal | Legal |
| Real Estate Agent | Real Estate |
| Construction Manager | Construction |
| Production Manager | Manufacturing |
| Veterinarian | Veterinary |
या फिर कैटेगरी के हिसाब से सभी 960+ role-विशेष AI इंटरव्यू गाइड्स ब्राउज़ करें।
इंटरव्यू प्रोसेस के दौरान सिक्योरिटी और प्राइवेसी
AI इंटरव्यू प्रोसेस के हर स्टेप का एक स्पष्ट डेटा-हैंडलिंग कॉन्ट्रैक्ट है। कोई भी रिकॉर्डिंग शुरू होने से पहले consent लिया जाता है — candidates एक explicit consent स्क्रीन देखते हैं जिसमें क्या रिकॉर्ड होगा, उसका उपयोग कैसे होगा, और उसे कौन देख सकता है — यह सब कवर होता है। Audio और transcripts इन-रीजन स्टोर होते हैं (GDPR आवश्यकताओं के लिए EU होस्टिंग उपलब्ध) — प्रति role कॉन्फ़िगरेबल retention पीरियड्स के साथ, जिनके बाद डेटा ऑटो-डिलीट हो जाता है।
Candidates किसी भी समय self-service प्रोसेस के ज़रिए अपने डेटा की डिलीशन रिक्वेस्ट कर सकते हैं, और हम रिक्वेस्ट पर Data Processing Agreement प्रदान करते हैं। Hiring साइड पर, सिर्फ़ आपके वर्कस्पेस के authenticated यूज़र्स रिपोर्ट्स देख सकते हैं। Shared रिपोर्ट लिंक्स को ऑटो-एक्सपायर पर सेट किया जा सकता है। फुल सिक्योरिटी और कंप्लायंस डीटेल्स के लिए देखें AI इंटरव्यू software पेज का Security, Privacy and Compliance सेक्शन。
ट्राय करने के लिए तैयार?
3 फ्री इंटरव्यू से शुरू करें, क्रेडिट कार्ड नहीं चाहिए। पहला role एक मिनट (वन-क्लिक) या 5 मिनट (मैन्युअल) में कॉन्फ़िगर करें और उसी दिन अपना पहला scored रिपोर्ट देखें।
- AI इंटरव्यू software — AI इंटरव्यू software का ओवरव्यू, फीचर्स और comparisons सहित।
- ऑटोमेटेड candidate screening — Screening कैसे ऑटोमेट होती है, इसकी व्याख्या।
- Screening calls रिप्लेस करें — उन टीम्स के लिए ROI एनालिसिस जो phone screening पर काफ़ी समय खर्च करती हैं।
- Async इंटरव्यू software — Asynchronous इंटरव्यू कैसे काम करते हैं।
- हाई-वॉल्यूम candidate screening — बड़ी संख्या में candidates को कुशलता से मैनेज कैसे करें।
- Pre-screening इंटरव्यू software — अर्ली-स्टेज candidate screening का ओवरव्यू।
- प्राइसिंग — प्राइसिंग और usage-based प्लान्स का ओवरव्यू।
अक्सर पूछे जाने वाले सवाल
AI Screenr सेटअप करने में कितना समय लगता है?
AI Screenr इंटरव्यू में candidate क्या देखता है?
इंटरव्यू के बाद मुझे कितनी जल्दी स्कोर्स मिलते हैं?
क्या मैं active पाइपलाइन के दौरान scoring criteria बदल सकता/सकती हूं?
मैं AI Screenr रिपोर्ट्स hiring managers को कैसे शेयर करूं?
अगर candidate चुप हो जाए या डिसकनेक्ट हो जाए तो क्या होता है?
क्या candidates AI इंटरव्यू फिर से दे सकते हैं?
Candidates तक इंटरव्यू कैसे पहुँचता है?
क्या AI Screenr रिपोर्ट मेरे ATS में वापस sync होती है?
AI इंटरव्यू स्कोरिंग वास्तव में कैसे काम करती है?
5 मिनट से भी कम में देखें यह कैसे चलता है
- वन-क्लिक जॉब सेटअप
- Candidate इंटरव्यू लिंक
- 2 मिनट में स्कोर किया हुआ रिपोर्ट
- रैंक्ड shortlist
No credit card required
देखें यह कैसे काम करता है — 3 इंटरव्यू फ्री ट्राय करें
Start with 3 free interviews — no credit card required.
फ्री ट्राय करें