AI Çağında İşe Alım: Sonuç Değil, Süreci Ölçmek Neden Gerekli

Ev Ödevi Projesi Artık Bir İşe Yaramıyor (Ve Kimse Fark Etmedi)

Zamanı hatırla: bir yazılımcının ev ödevi olarak verilen kod projesi, onun düşünme şeklini, ödünleşimleri ve çözüm yaklaşımını açığa çıkarıyordu.

Üç sene öncesine kıyasla, bugün aynı kod deposu iki tamamen farklı şeyden biri olabilir. Ya gerçekten derinlemesine düşünülmüş bir çözüm, ya da ChatGPT'ye sorulan tek bir sorunun cevabı. İşe alındıktan üç ay sonra, ilk sprintte çalışmaya başladığında fark edeceksin hangisi olduğunu.

En tuhaf kısım bu: output ne kadar parlak görünürse, içinde o kadar az bilgi bulunur.

Beyaz Tahtaya da Yaşlanmış Demiş Olmalı

Beyaz tahtada yazılı sorular her zaman kusurlu bir yöntemdi. Hız ve basınç altında hafızayı test ediyordu, gerçek problem çözme becerisini değil. Ama en azından karşındaki insanın nasıl düşündüğünü görebiliyordun.

Şimdi işin kendisi temelden değişti. Artık "iyi çalışmak" demek, "yapay zekayı etkili biçimde yönlendirebilmek ve çıktısını eleştirel gözle değerlendirebilmek" demek. Beyaz tahta daha da önemsiz hale geldi. Aday ikili ağaç döndürmeyi hafızadan yapmasını gösteriyor, oysa gerçek işinde yapacağı şey prompt yazıp, yapay zekanın ürettiği kodu okuyup, ne zaman itiraz etmesi gerektiğini anlayabilmek.

Açı tamamen yanlış. Ve bu çok sorunlu.

Gözden Kaçırdığın Gerçek Sinyal

Önemli olan tek şey şu: Bu kişi yapay zeka ile nasıl çalışıyor?

• Sorunu sorudan önce planlıyor mu, yoksa gereksinimi modele atıp umut mu ediyor?
• Yapay zeka teknik olarak doğru ama mimaride soru işareti yaratacak bir şey üretirse, bunu anlıyor mu?
• İlk deneme başarısız olduğunda, nedenini anlayıp stratejisini değiştiriyor mu, yoksa aynı şeyi tekrar sorma peşine mi mi düşüyor?
• Üretilen kodun üzerinde gerçekten zaman harcıyor mu?

Hiçbiri, son commit mesajlarında gözükmüyor. Beyaz tahta oturumunda da çıkıp meydana gelmez.

Gerçek ipucu, kod deposunun derinlerinde yatmıyor. İpucu süreçte saklanıyor. "Sorun budur" ile "çözüm budur" arasında alınan kararların içinde.

Yeni Bir Bakış Açısı: Sonucu Değil, Çalışmayı İzle

Parlak görünümlü bir kod deposunu uzun uzun inceleyerek adayın aslında ne anladığını tahmin etmek yerine, tüm etkileşimi görebilir misin?

• Hangi sorular hangi mimari kararları tetikledi?
• Adayın çıktıyı kapsamlı şekilde okuduğu ve incelediği yerler nereler?
• Nereyi sorgusuz sualsiz kabul etti?
• Sorun fark edince ne zaman yön değiştirdi?

Bu, kod satırlarını "insan yazısı" ya da "yapay zeka yazısı" olarak etiketlemek değil. Bu tamamen yanlış bir bakış. Aday, tüm görev için yapay zekayı kullanıyor ve bu sorun değil. Asıl mesele, o yapay zekanın çıktısına ne derece güven duyduğunu anlamaktır.

Fark şu: birini bir aracı ustalıkla kullanırken izlemek ile sadece onun yaptığı şeyi görmek arasında gök ile yerin farkı var.

İşe Alım Açısından Bunun Anlamı

Yapay zeka destekli dünyada en iyi yazılımcılar, her şeyi sıfırdan kodlayabilenler değildir. En başta gelen olanları:

• Yapay zekaya ne yaptırtacağını net olarak düşünebilen
• Yapay zekanın ortaya koyduğu çalışmanın kalitesini değerlendirebilen
• Ne zaman kabul etmesi gerektiğini, ne zaman reddetmesi gerektiğini anlayan
• İlk denemede başarısız olduğunda mantıksal olarak farklı yollar deneyebilen

Bunlar, geleneksel yöntemlerin ölçtüğü becerilerle tamamen farklı. Ve işe alma sürecin bunları test etmiyorsa, adayların gerçek iş performansını ölçmüyorsun.

İş ortamına uyumu kontrol etmek hala önemli. Teknik konularda sohbet etmek hala yerinde. Ama ev ödevi kodunu inceleyip "bu kişi aslında ne biliyorum?" diye kafa patlatma döneminin bitiş saati çalmış.

Çünkü şu an yanlış şeyi ölçüyorsun.

Çalışma biçimi değişiyor. İşe alım sürecin de seninle beraber değişmesi gerekiyor. Biz NameOcean'da, araçlar, platformlar ve onları kullanan insanların kesişimini düşünüyoruz—ister yapay zeka destekli yazılım geliştirme olsun, ister domain yönetimi, ister yeni nesil uygulamalar için altyapı kurma.