Jak AI zmienia sposób oceny kandydatów w rekrutacji

Testy domowe już nie mówią tego, co powinny

Jeszcze niedawno zadanie do domu dawało realny wgląd w to, jak programista myśli i podejmuje decyzje. Dziś wygląda to zupełnie inaczej.

Trzy lata temu recenzja pull requestu pokazywała, w jaki sposób ktoś rozkładał problem na części, wybierał kompromisy i budował rozwiązanie. Teraz ten sam PR może być efektem godzinnej pracy albo jednym promptem do ChatGPT. Różnica wychodzi dopiero po trzech miesiącach, gdy kandydat zaczyna realnie pracować.

Najgorsze jest to, że im bardziej dopracowany wygląda efekt końcowy, tym mniej wiadomo o tym, jak naprawdę wyglądał proces jego tworzenia.

Whiteboard interview nie nadąża za zmianami

Rozmowa przy tablicy nigdy nie była idealna. Ale przynajmniej pozwalała zobaczyć, jak ktoś radzi sobie z problemem na bieżąco.

Dzisiaj, gdy duża część pracy programisty polega na skutecznym używaniu AI i ocenie tego, co model wygenerował, klasyczne podejście do whiteboardu staje się jeszcze bardziej oderwane od rzeczywistości. Testujemy umiejętność odwrócenia drzewa binarnego, podczas gdy codzienna praca polega na pisaniu promptów, analizowaniu wyników AI i decydowaniu, czy warto je poprawić.

Co naprawdę warto sprawdzić

W nowej rzeczywistości najważniejsze jest pytanie: jak kandydat współpracuje z AI?

• Czy planuje, zanim coś wyśle do modelu, czy raczej rzuca szybkie wymagania i liczy na szybową odpowiedź?
• Czy potrafi dostrzec, że coś jest technicznie poprawne, ale architektura jest słaba?
• Czy rozumie, dlaczego pewne podejście nie działa, i zmienia strategię promptowania, czy dalej iteruje bezrefleksyjnie?
• Jak dokładnie analizuje wyniki generowane przez AI?

Te zachowania nie są widoczne w finalnym PR-ze. Nie ma ich też w session przy tablicy.

Obserwuj proces, nie tylko wynik

Jeśli zamiast analizować tylko końcowy pull request, mógłbyś zobaczyć cały proces?

• Które prompty doprowadzą do konkretnych decyzji architektonycznych?
• W których miejscach kandydat naprawdę czytał i analizował output?
• Kiedy akceptował sugestie bez większej weryfikacji?
• Kiedy zauważył problem i zmienił taktykę?

Nie chodzi tu o wykrywanie „AI-generated code” – to nie jest tak wichtig. Ważniejsze jest, jak kandydat ocenia i zarządza wynikami AI.

Rekrutacja w praktyce

W czasach AI najlepszymi inżynierami nie są ci, którzy wszystko kodują od zera. Są nimi ludzie, którzy potrafią:

• Wyraźnie określić, czego expectują od AI
• Dobrze ocenić jakość tego, co model wygenerował
• Decydować, czy coś przyjmować, czy odrzucić
• Inteligentnie poprawiać prompty, gdy pierwsze próby failują

Tego typu umiejętności nie są tested przez tradycyjne metody rekrutacyjne. Jeśli więc nie dostosujesz procesu do nowej rzeczywistości, zmierzasz coś zupełnie innego niż to, co kandidat będzie robił na co dzień.

Klasiche rozmowy i vibe check nadal mają znaczenie. Ale część rekrutacji, która polega na squintingu na polished PR i guessingu, czy ktoś naprawdę rozumie, co robi, powinna zostać zmieniona.

Komentarz na koniec

Proces pracy zmienia się błyskawicznie. Dlatego też rekrutacja powinna nie tylko śledzić, co ktoś produkuje, ale przede wszystkim jak ktoś pracuje.