AI を使う候補者がいる場合に技術面接を実施する方法。

1.面接の前にAIのルールを明示する

このロールとこの課題でAIの使用を許可するかどうか、候補者が使用できるアシスタント、および記録する内容を決めます。候補者にはセッション開始時ではなく、招待時に伝えてください。

明確なルールがあれば、候補者を不安にさせ、結果の比較を難しくする不確実さを取り除けます。全員が同じ条件で取り組めば、その根拠は一人ひとりにとって同じ意味を持ちます。

2.パズルではなく、実際の業務に近い課題を使う

現代のエンジニアはAIを使うため、アシスタントが数秒で解けるパズルでは得られる情報はほとんどありません。小規模なテストとログを備えたサービス、失敗を隠さずに修正するバグ、またはレビューすべき変更など、仕事で実際に行う種類の作業を候補者に提示してください。

時間枠を設定し、レビュー可能な成果物を求めます。例えば、パッチと、何を変更したか、なぜ変更したかを説明する短い決定メモなどです。

3.合格結果だけでなく、判断力を評価

アクセスそのものが妥協なのではありません。批判的でない利用こそがリスクです。有用なシグナルは、候補者がAIに指示を出し、その出力に疑問を持ち、検証し、出荷するものに責任を持てるかどうかです。

• 明確な制約のもとでの直接的な AI 利用
• 不正確または不完全な出力を見抜く
• 前提とトレードオフに異議を唱える
• 生成された成果物を証拠に基づいて検証する
• リリースしても安全かどうかを判断する

4.チームがレビューできる根拠を収集

単一のスコアでは、作業の進め方は分かりません。コード、テスト、プロンプト、セッションのリプレイ、候補者自身の説明を一緒に保管することで、レビュアーは結果だけでなく根拠も確認できます。

貼り付けの異常やタブから離れるといった不正行為に関するイベントは、レビュー担当者が調査するためのコンテキストとして扱い、それ自体を不正行為の判定として扱わないでください。

5.根拠が不十分な箇所では、ライブで追加の確認を行う

短いライブ面接を使い、ワークトライアルの提出物で不明確だった点を確認します。説明のない判断、スキップされたテスト、または確認せずに受け入れられたAIの提案などが対象です。

焦点を絞ったフォローアップは、アセスメント全体を繰り返すより素早く、候補者が深い理解を示す機会にもなります。

6.判断の責任は人が負います

アセスメントの証拠は、レビュー可能な判断材料の一つであり、エンジニアに対する完全な評価ではありません。チームが作業をレビューし、次の選考に進む人を決定し、結果を伝えます。