۸ غول فناوری: تغییر معیار مصاحبه‌های کدنویسی از نوشتن به بازبینی

تصور کنید در یک مصاحبه شغلی حساس در شرکت‌هایی مثل متا (Meta) یا آمازون (Amazon) هستید: دیگر خبری از آن ویرایشگر متن خالی و سفید نیست. اکنون متقاضیان به‌طور فزاینده‌ای با یک پایگاه کد (Codebase) موجود و یک دستیار هوش مصنوعی روبه‌رو می‌شوند. در این فضای جدید، هدف مصاحبه از «نوشتن کد» به «بازبینی و حسابرسی» (Auditing) آن تغییر کرده است.

این گذار بازتاب‌دهنده یک حرکت گسترده‌تر در کل صنعت به سمت دورهای «با کمک هوش مصنوعی» است. در حالی که شوپیفای (Shopify) در سال ۲۰۲۵ پیشگام این رویکرد بود، اجرای آزمایشی متا در اکتبر ۲۰۲۵ این فرمت را به جریان اصلی تبدیل کرد. امروزه این رویه به شرکت‌های گوگل (Google)، آمازون، استرایپ (Stripe)، دور‌دش (DoorDash)، اینستاکارت (Instacart) و کوین‌بیس (Coinbase) گسترش یافته است. این تغییرات با ظهور پلتفرم‌های پیشرفته کدنویسی هوش مصنوعی که استک توسعه‌دهندگان را متحول کرده‌اند، هم‌سو است.

تصور کنید در یک مصاحبه با ریسک بالا هستید. در دنیای قدیمی، شما ۶۰ دقیقه را صرف جنگیدن با یک مسئله سخت از LeetCode می‌کردید. اما در دنیای جدید، هوش مصنوعی ممکن است راه حل را در چند ثانیه بنویسد و مصاحبه‌کننده ساعت بعدی را صرف این بپرسد که چرا شما به آن خط خاص از کد اعتماد دارید.

این تغییر در ۸۵ رشته‌گفتگوی متقاضیان در شرکت‌هایی مانند آمازون، استرایپ و کوین‌بیس مستند شده است. داده‌ها نشان می‌دهند که این مصاحبه‌ها صرفاً یک فرمت واحد با لوگوهای مختلف نیستند، بلکه ارزیابی‌های متمایزی هستند. طبق گزارشی از dev.to، این مصاحبه‌ها بر اساس اینکه چه کسی «بار اصلی کار» را به دوش می‌کشد، به دو اردوگاه متمایز تقسیم می‌شوند:

اردوگاه «انسان‌محور»

در آمازون، هوش مصنوعی نقش یک ناوبری (Navigator) را ایفا می‌کند. در ارزیابی آنلاین SDE آن‌ها، متقاضیان ابتدا با یک سؤال الگوریتمی ۴۰ دقیقه‌ای مواجه می‌شوند و سپس ۶۰ دقیقه را در یک مخزن کد دارای خطا (Buggy Repository) می‌گذرانند. دستیار داخلی به شما کمک می‌کند فایل‌ها را بیابید و منطق را توضیح دهد، اما از نوشتن کد اصلاحی (Fix) خودداری می‌کند. یکی از داوطلبان اشاره کرد که هوش مصنوعی دقیقاً در لحظه‌ای که او به پاسخ نزدیک شد، از کمک کردن دست کشید. در این مدل، متقاضی باید راه حل را شخصاً تایپ کرده و تست‌ها را به‌صورت دستی اجرا کند.

اردوگاه «هوش مصنوعی‌محور»

در استرایپ، دور‌دش و شوپیفای، هوش مصنوعی کد را می‌نویسد و انسان باید آن را توجیه کند. دور برنامه‌نویسی جفت (Pair Programming) با کمک AI در شوپیفای صراحتاً بر این موضوع متمرکز است که آیا شما می‌توانید کدی را که هوش مصنوعی تولید کرده است، بخوانید یا خیر.

در دور‌دش، بخش «AI Code Craft» در مصاحبه‌های حضوری به شما اجازه می‌دهد از IDE و ابزارهای شخصی خود از طریق اشتراک صفحه (Screen Share) استفاده کنید. مصاحبه‌کنندگان بر سرعت تأکید دارند و متقاضیان را ترغیب می‌کنند که تغییرات هوش مصنوعی را بپذیرند؛ با این حال، پذیرفتن یک تغییر بدون خواندن آن می‌تواند منجر به کاهش شدید امتیاز شود.

ابزارها و محیط‌های اجرا

شرکت‌ها در مورد محل برگزاری این تست‌ها و مدل‌های ارائه شده متفاوت عمل می‌کنند:

• محیط‌های ایزوله (Sandbox): آمازون، استرایپ، اینستاکارت و متا از ابزارهای داخلی استفاده می‌کنند. در متا، برنامه آزمایشی یکی از دو دور کدنویسی حضوری را جایگزین کرده و برای حدود ۶۰ دقیقه در CoderPad تعبیه شده است. اینستاکارت از یک ارزیابی ۹۰ دقیقه‌ای CodeSignal استفاده می‌کند که مدل کلود (Claude) در ویرایشگر آن فعال است، هرچند برای بخش رفع باگ، این مدل خاموش می‌شود.
• انتخاب مدل: متقاضیان استرایپ گزارش داده‌اند که از جمینای فلش (Gemini Flash) و کلود اوپوس (Claude Opus) در محیط HackerRank استفاده کرده‌اند. یک توصیه کاربردی این بود که Gemini Flash انتخاب شود زیرا گزینه‌های دیگر کند بودند.
• IDEهای محلی: دور‌دش و شوپیفای به متقاضیان اجازه می‌دهند از ویرایشگرها و ابزارهای AI خود از طریق اشتراک صفحه استفاده کنند، که باعث می‌شود تنظیمات شخصی متقاضی نیز بخشی از ارزیابی باشد.
• مدل ترکیبی: کوین‌بیس از یک دستیار یکپارچه با IDE استفاده می‌کند که فایل‌های باز و تسک را می‌بیند. مصاحبه حضوری شامل یک باگ، یک سؤال طراحی، یک بازبینی کد (Code Review) و یک مهلت زمانی برای تشخیص خطا از روی لاگ‌ها است. در اینجا اشتراک صفحه اجباری است.
• برنامه‌های آزمایشی: گوگل در حال اجرای یک برنامه آزمایشی برای دور «درک کد» (Code Comprehension) برای نقش‌های جونیور و مید-لول در برخی تیم‌های منتخب ایالات متحده است. این دور از Gemini برای خواندن، عیب‌یابی و بهینه‌سازی یک پایگاه کد موجود استفاده می‌کند.

تغییر در معیارهای امتیازدهی

پاس کردن تست‌های مرئی دیگر تنها معیار موفقیت نیست. گزارش شده است که یک متقاضی اینستاکارت تمام تست‌های مرئی را پاس کرد اما همچنان رد شد، زیرا در تست‌های پنهان (Hidden Test Cases) شکست خورد. برخی دیگر امتیاز ۶۵۰ از ۱۰۰۰ را کسب کردند و باز هم مردود شدند.

در آمازون، تست‌ها تنها عامل نیستند؛ یک داوطلب تنها ۴ تست از ۶ تست را پاس کرد اما همچنان به مرحله مصاحبه حضوری راه یافت.

در استرایپ، مقدار «ایمن» یا مشخصی برای استفاده از هوش مصنوعی وجود ندارد. نمره نهایی به «چرا»ی شما بستگی دارد. مصاحبه‌کنندگان ممکن است بپرسند چرا یک اسکلت کد (Skeleton) را به‌جای استفاده از AI به‌صورت دستی نوشتید، یا برعکس، چرا به کدی که AI نوشته اعتماد دارید. یک گردش‌کار موفق شامل این بود که دستیار ابتدا README را بخواند تا یک برنامه پیشنهادی ارائه دهد، و سپس متقاضی آن کار را بازبینی کرده و تست‌ها را بنویسد.

این تحول به این معناست که «گرایندینگ» (Grinding) یا حل تکراری ۵۰۰ مسئله کدنویسی در حال منسوخ شدن است. مزیت رقابتی جدید، دانستن الگوریتم نیست؛ بلکه توانایی حفظ سرعت در عین ایفای نقش به عنوان یک بازبین سخت‌گیر کد است.

توسعه‌دهندگان باید اکنون تحت محدودیت‌های خاص هر شرکت تمرین کنند. ریسک از «ندانستن پاسخ» به «ارسال کدی که در واقع نخوانده‌اید» تغییر کرده است. هیچ داوطلبی مدل را مقصر ندانست؛ آن‌ها به‌دلیل تست‌هایی که اجرا نکردند یا سؤالاتی که نتوانستند پاسخ دهند، شکست خوردند.

منتظر باشید تا ببینید چگونه این برنامه‌های آزمایشی به استانداردهای دائمی استخدام تبدیل می‌شوند، زیرا شرکت‌ها از تست سرعت کدنویسی به سمت تست «ارکستراسیون هوش مصنوعی» حرکت می‌کنند.

گام بعدی شما

• تمرین بازبینی کد (Code Review) را جایگزین حل صرف مسائل الگوریتمی کنید.
• یاد بگیرید چگونه منطق کدهای تولیدشده توسط مدل‌های مختلف (Claude vs Gemini) را نقد کنید.
• در محیط‌های شبیه‌ساز، سعی کنید با کمک AI کد بزنید اما هر خط را با استدلال فنی توجیه کنید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.