تعصب مصاحبه عالی فنی: چرا ما هنوز هوش مصنوعی را در استخدام نادیده می گیریم؟ 🤔💡

شکار شغلی در فناوری در سال 2025 یک تجربه عجیب است. من سالهاست که تیم های چند منظوره را هدایت می کنم ، که دائماً بین زبان ها و فناوری های مختلف جابجا می شوم. با تشکر از LLMS ، اکنون می توانم بین پایتون ، TypeScript ، Terraform ، Bash ، Go ، SQL (PostgreSQL ، Snowflake ، KSQL) ، Pyspark و Pandas بدون اضافه بار شناختی که برای سوزاندن من به وجود آورد ، پرش کنم. اما مصاحبه؟ آنها در گذشته گیر کرده اند.

در حال حاضر پیدا کردن توسعه دهندگان خوب دشوار است ، اما فرآیندهای استخدام آن را حتی سخت تر می کنند. اگر یک شرکت بخواهد “React+TypeScript Dev” یا “مهندس جرقه” باشد ، آنها چیزهای بی اهمیت یا مصاحبه های بسیار خاصی را تنظیم کرده اند. یک توسعه دهنده با یک ذهنیت مهندسی لزوماً هر ماه با یک فناوری واحد کار نمی کند – این ویژگی بیشتر یک برنامه نویس است که تنها نقش آن تسلط بر یک فناوری است. مشکلی در این مورد وجود ندارد ، اما بسته به شخص ، فن آوری های تعویض ممکن است چند دقیقه طول بکشد تا جزئیات را به یاد بیاورند ، و مهمتر از آن ، نیاز به یک محیط آرام و مناسب برای انتقال دارد-نه یک مصاحبه پر فشار که در جایی که آنها به شکلی فریبنده مورد سؤال قرار می گیرند.

🚨 آیا این بدان معنی است که شما فناوری را نمی دانید؟ شماره

🚨 آیا این بدان معنی است که شما نمی توانید آن را در عرض چند دقیقه انتخاب کنید؟ شماره

🚨 آیا این بدان معنی است که شما در حل مسئله در دنیای واقعی مهارت ندارید؟ مطلقاً نه

این مصاحبه ها برای بهترین مهندسان فیلتر نمی شوند. آنها در حال فیلتر کردن هستند:

افرادی که روزانه کارهای تکراری انجام می دهند
افرادی که وقت خود را برای آماده سازی برای هر سوال چیزهای بی اهمیت ممکن دارند
افرادی که می توانند نحو را در صورت تقاضا مجدداً تنظیم کنند
و در اینجا پارادوکس وجود دارد: برخی از شرکت ها لیست مقدماتی را ارائه می دهند تا بتوانید “آماده شوید.” اما آیا این همه نکته را شکست نمی دهد؟ اگر کسی بتواند با زمان کافی برای آماده سازی بگذرد ، واقعاً چه چیزی را آزمایش می کنید؟ در همین حال ، برخی از بهترین مهندسان حتی وقت خود را هدر نمی دهند زیرا این مقدار در دنیای واقعی صفر دارد.

“اما گوگل ، متا و بچه های بزرگ این کار را می کنند!” 🏢💰 مطمئنا اما آنها همین مشکل را دارند. تفاوت؟ حداقل جبران خسارت آنها به اندازه کافی بالا است که مهندسان با استعداد ممکن است مایل به بازی در کنار هم باشند.

مغالطه “بدون کمک مجاز”
الان بدتر است شرکت ها می گویند “هیچ LLMS! نه گوگل! ” اما پس از آن انتظار پاسخ هایی مانند شما LLM را دارید. منطق؟ اگر نمی توانید مشکلات ساده ای را بدون کمک انجام دهید ، مطمئناً نمی توانید موارد پیچیده را حل کنید.

🚨 این یک مغالطه منطقی است. 🚨

در توسعه واقعی ، شما:

گوگل
سرریز پشته
کتاب
دستیاران کد AI
Devs ارشد شما را راهنمایی می کند ، و همچنین همسالان یا حتی نوجوانان که ممکن است چشم انداز تازه ای داشته باشند
کتابخانه ها برای حل مشکلات مشترک 🛠
خطوط
فرموراتور کد خودکار
تکمیل کننده های نحوی ⌨
خود سازگار
متغیر خودآموز
تولید خود مستندات
پس چرا اجازه نمی دهیم نامزدها از LLMS استفاده کنند؟ 🤯 اکنون ، به جای آزمایش چیزهای بی اهمیت ، می توانید مشکلات دنیای واقعی را به آنها بدهید. واقعیت این است که حتی مصاحبه کننده محدود به چیزهای بی اهمیت یا مشکلات اساسی است زیرا آزمایش سناریوهای دنیای واقعی در چنین مدت کوتاهی غیرممکن است. در پایان ، همه چیز به اعتماد می رسد – اگر به شخصی که استخدام می کنید اعتماد ندارید ، پس نباید آنها را استخدام کنید.

یک کاربر خوب LLM می تواند مشکلات دشوار را سریع حل کند
روشی که آنها LLMS را فوری می کنند ، روند استدلال خود را نشان می دهد
آنها هنوز هم باید درک کنند که چه کاری انجام می دهند یا این کار نخواهد کرد
آن را با مصاحبه های مدرسه قدیمی مقایسه کنید که در آن موفقیت به سطح قابل توجهی در نگرش و تعصب مصاحبه کننده بستگی دارد. اگر آنها فاقد مهارت راهنمایی بدون دادن پاسخ باشند ، ممکن است نامزد یخ بزند.

مصاحبه با استفاده از چالش های کد بدون کمک بیشتر به جای یک مهارت مهندسی ، مهارت تدریس یا آموزشی است. بیشتر مهندسان ، هر چقدر هم که ارشد باشند ، لزوماً این توانایی را ندارند.

حقیقت سخت: LLMS در حال حاضر بهتر از اکثر توسعه دهندگان است
برای برنامه نویسی ساده و حتی در سطح متوسط ​​، LLMS در حال حاضر از اکثر شیاطین بهتر است. یک کاربر LLM ماهر حتی می تواند با مشکلات پیچیده مقابله کند. بنابراین … آیا واقعاً مهم است که آیا یک DEV می تواند بدون کمک یک مشکل سطح متوسط ​​را حل کند؟

یک توسعه دهنده هنوز ضروری است. نکته این نیست که هوش مصنوعی آنها را جایگزین می کند ، اما حل مشکلات بدون کمک به اندازه برخی فکر نمی کند. یک LLM می تواند در بسیاری از موارد از یک توسعه دهنده انفرادی بهتر عمل کند ، اما فقط در صورت هدایت یک توسعه دهنده ماهر که می داند چه چیزی را بپرسد ، چگونه می توان خروجی ها را اصلاح کرد و چه موقع قدم برداشت.

هرکسی که از LLMS برای توسعه واقعی استفاده کرده است می داند: اگر فناوری را درک نکنید ، هوش مصنوعی شما را نجات نمی دهد.

سازگار یا جایگزین شوید … نه توسط AI ، بلکه توسط کسانی که سازگار هستند
این کل بحث مربوط به جایگزینی AI برای توسعه دهندگان نیست. این در مورد توسعه دهندگان از انطباق است. هوش مصنوعی کار شما را نمی گیرد. مقاومت شما در برابر AI اراده.

شرکت ها باید بیدار شوند. مصاحبه مانند این که هنوز سال 2010 است ، استعدادها را هدر می دهد و مهندسین بزرگی را فیلتر می کند فقط به این دلیل که چیزهای بی اهمیت را به خاطر نمی آورند. بهترین مهندسان در حال حاضر با هوش مصنوعی کار می کنند ، نه بر خلاف آن. شاید وقت آن رسیده که استخدام تیم ها همین کار را انجام دهند. 😉

نتیجه: تغییر در چشم انداز
پس از یک شکست تعجب آور در مصاحبه ، من پس از سالها استفاده از آنها ، دوباره هکرورانک و Leetcode را مجدداً مورد بررسی قرار دادم. چیز جالب؟ من اصلاً زیاد مبارزه نکردم. این باعث شد من در مورد روانشناسی انسان چیزی را درک کنم: من یک تعصب ناخودآگاه داشتم و در برابر چیزی که ارزش آن را نمی دیدم مقاومت کردم.

بنابراین ، من دوباره ارزیابی کردم. اکنون ، من فقط برای تفریح ​​، مشکلات LeetCode و HackerRank را حل می کنم. درس کلیدی؟ در حالی که من هنوز معتقدم که اینها برای مصاحبه ها عالی نیستند ، اما برای کاهش وابستگی به LLM ها و جلوگیری از توهم هوش مصنوعی فوق العاده هستند. به عنوان یک تمرین ذهنی – هنگامی که به روشی آرام و لذت بخش انجام می شود – در واقع نحوه تعامل من با LLMS بهبود یافته است.

بعضی اوقات ، این در مورد رد تغییر نیست ، بلکه درک نحوه تعادل ابزارهای جدید با مهارت های اساسی است. 🚀