AI нанимает AI. Как пересобрать IT-собеседования?

Классический процесс собирал профиль кандидата из поведенческого интервью, систем-дизайна, кодинг-сессий и домашних заданий. Крупные технологические компании разделяли сигналы на раунды, чтобы выдерживать единый уровень при большом потоке; небольшие компании сжимали их в одну встречу. Евгений вспоминает более прямой вариант: оплачиваемый день с реальной задачей из бэклога. Он одновременно показывал способность кандидата работать и качество среды, в которой новый человек должен быстро поднять проект.

Даже до AI этот фильтр измерял не только профессиональную пригодность. Способный инженер мог отказаться от длинной воронки или потеряться на задаче под таймером, тогда как натренированный кандидат воспроизводил знакомый шаблон. Алексей рассказывает, как уже в роли архитектора полгода ежедневно готовился к алгоритмам и систем-дизайну. Теперь код, архитектурную подсказку и социально ожидаемый ответ можно получить прямо во время онлайн-встречи, поэтому прежние сигналы стали ещё слабее.

Запретить AI — значит проверить кандидата в среде, не похожей на его работу. Гораздо полезнее разрешить привычный редактор и агентную обвязку, а затем наблюдать, как человек уточняет задачу, задаёт ограничения, распределяет работу и проверяет результат. Один общий запрос показывает лишь доступ к модели; содержательный сигнал появляется, когда кандидат может объяснить решение, заметить неуместную архитектуру и отказаться от убедительного, но ошибочного предложения агента.

Из этого вырастает двухрежимная оценка. Короткий этап без AI проверяет фундаментальные понятия и способность рассуждать, не требуя идеального кода. Этап с AI просит довести ограниченную задачу до работающего результата: развернуть систему в песочнице, пройти автоматические проверки, выдержать нагрузку и найти заложенную неисправность. Задания и критерии нужны разные для продуктовой, платформенной и R&D-работы; масштабирование упирается не в идеи задач, а в калибровку интервьюеров и распознавание нестандартных корректных решений.

Во второй половине выпуска сталкиваются два неполных профиля: сильный доменный специалист, который игнорирует AI и становится медленнее, и AI-native-инженер, который следует подсказкам, но не видит неизвестных ему рисков. Ценным становится их пересечение: фундамент, владение агентами, ясная коммуникация, любопытство и ответственность. Продуктовому инженеру важнее понимать пользователя и домен, платформенному — долгую эволюцию общей системы и компромиссы, R&D-специалисту — сохранять работоспособность в неопределённости.

На рынке это совпадает с уменьшением числа вакансий, пересмотром замен ушедших сотрудников и сближением менеджерских и инженерных ролей. Агенты уже помогают массово подавать и отбирать отклики; участники готовы доверить им исследование и первичный подбор, но не окончательное решение вместо людей. Специализация по одному языку слабеет, а различие всё чаще проходит по уровню автономности и ответственности. Поэтому поиск работы сам становится многомесячным проектом: сформулировать ценности, исследовать компании, сопоставить требования со своим опытом, персонализировать резюме и подготовиться к конкретной воронке. Профессиональная сеть или внутренняя ротация могут сократить путь к новой роли.