AI i ansættelser: Sådan måler du processen bag resultatet
Når AI tager over: Sådan ændrer du din rekrutteringsproces
Tag-hjemmeopgaven er ikke længere nok
For bare tre år siden kunne du stadig stole på en take-home opgave. En pull request viste, hvordan en udvikler tænkte, prioriterede og strukturerede sin løsning. I dag kan den samme PR være resultatet af dyb teknisk indsigt – eller bare et smart prompt i ChatGPT, der ramte rigtigt. Først når kandidaten har været ansat i flere måneder, finder du ud af, hvilken af de to det var.
Og jo pænere koden ser ud, desto sværere er det at gennemskue, hvad der egentlig ligger bag.
Whiteboard-interviewet er forældet
Whiteboard-interviews har aldrig været perfekte. De målte, hvor hurtigt kandidaten kunne løse problemer under pres – ikke hvor godt de løste dem i praksis. Men i det mindste var der et menneske til at se efter, hvordan de tænkte.
Nu er det anderledes. I en verden, hvor jobfunktionen selv har ændret sig – fra "skriv selv koden" til "guide AI'en og evaluere dens resultater kritisk" – har whiteboard-interviewet ingen realitetsforankring. Det tester stadig på binary trees og algoritmer, while the job demands prompt engineering and critical review of AI output.
Hvad du bør måle i stedet
Det, der betyder mest nu,是 hvordan kandidaten arbejder med AI.
- Planlægger de før de prompt-er,還是 de kaster bare krav i AI'en og håber på et resultat?
- Spotter de, når AI'en leverer k technically correct, but architecturally flawed løsning?
- Forstår de, at når første forsøg ikke fungerer, skal de ændre prompt-strategien – eller fortsætter de med to same question in different ways?
- Betaler de virkelig opmærksomhed til, hvad AI'en producerer?
De færdighed