AI-korszakú technikai interjúk: Hogyan értékeljük a fejlesztők valódi tudását?

Pár éve még reggel hatkor Leetcode feladatokkal indult a nap egy állásinterjúra készülő fejlesztőnek. Ez a világ gyorsan változik.

A mesterséges intelligencia ma már nem jövőbeli elképzelés, hanem napi eszköz. Claude és GitHub Copilot segítségével írják a fejlesztők a kódot – a cégek viszont még mindig a régi értékelési módszerekkel próbálják megmérni a jelölteket. Ez a szakadék egyre feltűnőbb.

Miért nem működik jól a „vibe check” módszer?

Sok startupnál már megengedik, hogy a jelölt AI-t használjon a feladat megoldása során. Ez logikus: ha a csapat napi szinten Cursorral vagy Claude-dal dolgozik, akkor miért ne keresnének olyan fejlesztőt, aki ezt jól csinálja?

A gyakorlatban azonban ez kaotikus helyzetet teremt.

A házi feladatként beadott repók tele vannak hibátlan kóddal – de senki sem tudja, mennyi volt ebből a jelölt saját ötlete, és mennyi jött az AI-tól. Az élő interjúk során pedig az interjúztató egy órát tölt azzal, hogy végignézi, ahogy valaki promptokat ír és kódot iterál. Ez drága és nehezen skálázható.

A legnagyobb veszteség pedig az, hogy a legfontosabb információ – vagyis a fejlesztő és az AI közötti párbeszéd – egyszerűen elveszik.

Mit mutat meg az AI-val folytatott beszélgetés?

A megoldás az lenne, ha nem csak a végső kódot néznénk,而是 magát a folyamatot.

Ha egy fejlesztő Claude-dal vagy hasonló eszközzel dolgozik, ott van minden döntés, félreértés és javítás. Ezek a lépések sokkal jobban mutatják a valódi problémamegoldó képességet, mint a végső, szép kód.

Egy ilyen elemző rendszer meg tudja mutatni:

• Hogyan értelmezi a jelölt a feladatot – kérdez-e, vagy csak rohan előre?
• Hogyan kezeli a hibákat – megérti-e őket, és tud-e alkalmazkodni?
• Hogyan irányítja az AI-t – hatékonyan irányítja, or túl sokat bíz rá?
• Milyen gondolkodási mintái van – mit ismer fel azonnal, és mit ignorálja?

Ez nem játékosítás és не játékosítás. Ez egyszerűen arról szól, hogy a modern munkavégzéshez hasonló helyzetben mérjük a jelöltet.

Miért praktikus ez a megközelítés?

A jelöltnek egyetlen, timed vagy untimed feladatot kell megoldani AI segítségével. Ezzel spórolt idővel és valódi használat során.

A toborzóknak pedig egy strukturált jelentést kapnak, amely a gondolkodási lépéseket elindítja. Tanulmányok nélkül időt spórol és egy óra per jelölt időt spórol.

A folyamat során a legfontosabb jelzéseket – együttműködést, iterációt és problémamegoldást – meg tudja mérni.

Mit hoz ez még az interjú folyamatnak?

A gondolkodási stílusok alapján a cégek sokkal jobban tudnak csapatokat építeni. A ges<|eos|>