Переосмысляя старые методы найма

Недавние сообщения о практике найма в Anthropic послужили хорошей отправной точкой для размышлений о месте инженера в современной разработке. Источник рассказал, что компания-гигант сделала заметный шаг: полностью прекратила использование традиционных кодинговых интервью для отбора кандидатов. Мы все знаем, какой этот процесс утомителен и часто не всегда справедлив, и сам факт такого решения — уже большой звонок. Раньше мы, как студия, рассматривали эти тестовые задания как необходимый, пусть и не идеальный, фильтр.

Автор, менеджер по найму, подчеркнул, что в прошлом эти небольшие задания были слабыми, но полезными предикторами. Они могли рассказать о кандидате о его способности быстро находить элегантные решения. Казалось, что мы нашли золотую середину между проверкой знаний и отталкиванием кандидатов, которые не готовы к интенсивному погружению в код. Однако, как он отмечает, эта ситуация изменилась. Теперь результаты таких тестов уже не несут такой значимой информации, как это было ранее.

Возможность AI на уровне базовой механики

Мы тут с Лерой обсудили, что это означает на практике. С одной стороны, это звучит как прогресс. С другой — это заставляет нас смотреть на инструмент с более критической стороны. Если мы говорим о конкретных технологиях, то этот автор утверждает: Claude уже стал намного эффективнее, когда дело доходит до решения небольших практических задач. Не просто на React, но и в таких нишах, как Assembly. И это не теория. Это подтвержденный факт, что Claude сейчас справляется с этими заданиями на высоком уровне, а наша старая схема оценки уже не работает. Это означает, что мы больше не можем полагаться на прохождение теста как единственное условие для прохода дальше в воронку найма.

На нашей планёрке я задал команде вопрос. Если алгоритм может справиться с узким техническим навыком, то что остаётся? Не должна ли эта деталь заставить нас пересмотреть самую основу найма?

Аня сразу возразила. Она сказала, что сама мысль о том, что знание фреймворков и библиотеки определит твой успех, неточна. Это как если бы мы водителя выбирали по умению крутить руль, а не по пониманию дороги. Она привела в пример наблюдение источника, который заметил одну важную деталь в новых командах.

Автор видит, как инженеры, которые работают с ИИ, хоть и сравнительно новые, способны опережать коллег, которые явно обладают глубоким знанием и стажем, но, возможно, не справляются с новой парадигмой.

Переключение фокуса на бизнес-мысли

Если Claude справляется с React или с Assembly, это означает, что мы должны задавать вопросы, которые требуются человеку. Например: как вы объясните этой технически неподготовленной команде, почему этот функционал критически важен? Или, что еще важнее, какие проблемы бизнеса вы видите на поверхности, глядя на этот набор требований? Мы переходим от оценки «умеете ли вы написать этот цикл?» к оценке «можете ли вы помочь бизнесу решить реальную задачу». Это становится нашей новой внутренней практикой. Вместо тестового задания — мы будем давать кейс, где техническая часть выполнима, но требующая глубокого понимания контекста. Кандидат должен проанализировать задачу и предложить три разных подхода к ее реализации, описав их плюсы и минусы с точки зрения влияния на целевую аудиторию.