Тренд 2025 года: в некоторых бигтехах кандидату дают сложную задачу и разрешают пользоваться ChatGPT.
Мол, мы же всё равно работаем с ИИ, давайте проверим, как кандидат с ним ладит.
Звучит прогрессивно, на деле - странновато. Если смотреть глубже — это далеко не первый случай, когда компании увлекаются "модными форматами собеседований".
И далеко не всегда это заканчивалось хорошо.
Мы это уже видели
Когда-то в моду вошли алгоритмы на доске. Вакансия — про веб-разработку, а на собесе надо было писать сортировку пузырьком фломастером. Зачем? Чтобы проверить чистую алгоритмическую мысль.
Результат: половина сильных инженеров отваливалась, потому что они не тренировали соревновательные задачи. Компании хвастались жёстким отбором, а на деле упускали талант.
Потом пошёл тренд на домашки на неделю. Дескать, "мы проверим, как кандидат работает в реальной среде".
На практике это было издевательство: разработчик бесплатно тратил 20–30 часов, бизнес получал готовые прототипы, а нанимать могли и другого.
Теперь у нас новая волна: "разрешим ChatGPT".
Логика та же:
модно
кажется прогрессивным
вроде как ближе к реальной работе.
Но проблема всё та же — компания проверяет не то, что нужно.
Что реально проверяет собес с LLM
Представим: кандидат кидает задачу в ИИ, получает решение, запускает — и оно работает.
Выглядит отлично, но давайте посмотрим, что компания проверила:
Умение формулировать запрос, полезно, но слишком поверхностно.
Навык копипаста, работает ли Ctrl+C → Ctrl+V? Да.
Везение, ChatGPT иногда выдаёт решение с первого раза, иногда с пятого. На собесе это больше похоже на лотерею.
А что не проверили?
Понимание архитектуры.
Умение оптимизировать.
Навык читать и рефакторить чужой код.
Знание ограничений бизнеса и продукта.
Иными словами, вы проверили быструю руку, но не ясную голову.
Что получит бизнес
Если компания нанимает "вайб-кодеров" — тех, кто полагается на ИИ как на костыль, — проект очень быстро превращается в болото.
Начинает плодиться код, который люди не понимают(не они его писали, не они его читали, не они и будут о нем думать). Как следствие - рост багов, техдолга и страх трогать легаси.
И всё это не потому, что LLM плох, а потому что компания не то проверяла - проверили инструмент, а не мозги.
Плюсы все таки есть
Сегодня писать код с помощью ИИ — уже обычная практика. Не для того, чтобы выключить мозг и переложить всю работу на машину, а чтобы ускорять рутину. Шаблонные тесты, однотипные API-интеграции, скучный boilerplate — всё это давно проще сгенерировать и доработать, чем делать с нуля.
Поэтому, когда кандидат принципиально не использует LLM, вариантов немного.
Либо он сознательно замедляет себя и работает дольше, чем мог бы.
Либо он просто не понимает, как встроить инструмент в процесс.
Для бизнеса и то и другое звучит тревожно, в первом случае это вопрос скорости, во втором — вопрос вменяемости.
И в этом смысле проверка на собеседовании может быть полезна. Она показывает, умеет ли человек пользоваться ИИ как инструментом, а не заменой мышлению. Потому что в 2025 году игнорировать такой инструмент — всё равно что писать код без поиска по проекту.
Как я бы подошел к этому
Если уж давать ИИ на собесе, то смысл не в том, чтобы посмотреть, как он пишет.
Смысл в том, чтобы проверить: а что кандидат делает с результатом?
Ревью кода. Мы в некоторых командах начали применять подход, когда даем кандидату сгенерированный кусок кода - чтобы разобрал и объяснил проблемы в нем.
Архитектура. Спрашиваем, как решение впишется в общую систему, какие риски могут быть.
Немного про читинг
В тему рассматриваемой проблемы, хочу упомянуть еще проблему списывания. Сейчас появилось очень много инструментов, позволяющих с легкостью проходить алгоритмические собеседования. (Уже и гугл начал возвращаться к очным собесам)
Поэтому мы начали давать перегруженные контекстом задачи.
Такие, где не хватает просто подставить формулу. Задачи, где важно следить за ходом рассуждений, держать в голове разные ограничения и бизнес-логику. Там ИИ часто начинает плыть, а вот живой кандидат либо справляется, либо нет. (человеку следить за контекстом гораздо проще)
В итоге, плохо или хорошо?
Каждое поколение собеседований приносило свои модные практики.
Сначала алгоритмы на доске. Потом домашки на неделю. Теперь — собес с LLM.
И каждый раз компании наступают на одни и те же грабли - проверяют форму вместо сути.
Хороший инженер — это не тот, кто умеет быстрее всех копировать код.
Хороший инженер — это тот, кто понимает, что делает, и умеет использовать инструменты осознанно.
ИИ — это калькулятор. Он не понимает, что считает.
И если ваш кандидат тоже не понимает — то у вас теперь два калькулятора и ни одного инженера.
Оффтоп
Если тебе близки подобные темы — приглашаю в Telegram-канал «Техдир на пальцах».
Строим дружное и общительное коммьюнити.
Emelian
Как по мне, это хорошие идеи! Даже, если этим злоупотребляют. В этом случае, оформляйте свой «бесплатный готовый прототип за 20-30 часов» в собственный пет-проект и публикуйте его. Всё равно их делать надо для улучшения своего резюме.
У нас подобная схема была на зачетах по матанализу, на мехмате МГУ. Легче всего, его было получить, если ты систематически решал домашние задачи, некоторые из которых требовали по пять-шесть часов. А давали их по двадцать штук, два-три раза в неделю.
Если запускал домашку, то будь добр прояви свои таланты математика на зачете. Там тебе давали трудную задачу и отпускали. Как решишь – придешь. Можешь пользоваться чем хочешь, библиотекой, помощью сокурсников (компьютеры, в то время, только-только появлялись, а Интернета еще не было, в принципе). Однако, все были в равных условиях. Дай Бог, решить собственную задачу, какая там «помощь другу»? Читальные залы помогали, но требовали кучу времени.
Потом, мало было решить задачу, надо было ее еще «сдать». Цеплялись, всерьез, к каждому нюансу. Если во что-то не вник, должным образом, иди, разбирайся дальше. Это был настолько тщательный анализ, что, когда слушал лекции по ТФКП, часто ловил себя на мысли, что этот профессор, наш зачет по матану не получил бы, просто, он, иногда, был небрежен в деталях доказательств своих теорем.
Пока не сдашь зачет – не будешь допущен к экзаменам. Не сдашь весной экзамены, можешь попробовать пересдать их в конце лета. Иначе, вылет из Универа, минимум на год.
Короче говоря, система обучения там была заточена на уровень самого умного студента. Ему приходилось пахать много, а середянчку – очень много! Были и совсем «наивные чукотские юноши», которые поступали по квоте, как нацмены. К моему огромному удивлению, один из таких «выжил», т.е., дошел до пятого курса (до которого из 300 первокурсников добрались только 150), хотя, как он рассказывал, в его безлюдных степях был только один учитель на всю школу, который преподавал все предметы, какие мог, а какие не мог – не преподавал. Парень был настолько прост и наивен, что мне пришлось заставлять его, стоя, читать газеты, вслух. Меня он слушал, просто потому, что вырос среди военных и их очень уважал. А для меня МГУ – был уже вторым ВУЗом, а, по первому, я уже был лейтенантом запаса. Кстати, в Университете мне снова предлагали пойти на военную кафедру, на что я ответил: «Вы хотите, чтобы я стал дважды лейтенантом запаса?». Юмор мой оценили и разрешили на военку не ходить, что дало мне больше времени для математики.
Несмотря на мое его жесткое воспитание, усилия не пропали даром. В то время уже во всю «бушевала» «Пересройка», пресса была очень актуальна и в дефиците. Нужно было, вставать рано утром (для студента, для которого два часа ночи – начало для домашней учебы), чтобы купить «Огонёк» и газеты в холле главного здания МГУ (в крыльях которого, размещалась наша общага). И я был очень удивлен и обрадован, когда увидел нашего «нацмена» в очереди за прессой. А на пятом курсе мы обсуждали с ним варианты доказательства Теоремы Ферма. Сейчас, он, «хайли лайкли», уже, скорее всего, академик в своем *стане.
В общем, трудности они ведь не только для нас, но и для всех. Поэтому, относимся к ним спокойно и по деловому… :)
P.S. Сорри, за лирическое отступление!