اگر امروز برای یک جایگاه برنامه‌نویسی درخواست می‌دهید، دیگر داشتن یک کد بدون نقص، تضمین‌کنندهٔ استخدام شما نیست. HackerRank با عرضه عمومی عامل هوش مصنوعی Chakra در روز دوشنبه، شرط بازی را تغییر داد و «تسلط به هوش مصنوعی» (AI Fluency) را به معیار جدید استخدام تبدیل کرد. این شرکت معتقد است که توانایی یک کاندیدا در حل یک مسئله کدنویسی، دیگر استاندارد طلایی برای استخدام نیست، بلکه معیار جدید این است که یک توسعه‌دهنده چگونه یک هوش مصنوعی را به سمت راه‌حل هدایت می‌کند.
سال‌ها بود که استخدام‌های فنی بر پایه آزمون‌های کدنویسی ایستا یا تکالیف خانگی استوار بود. اما این روش‌ها اکنون شکست خورده‌اند؛ زیرا هوش مصنوعی زاینده (Generative AI) — مثل دستیاری که تمام کتاب‌های مرجع کدنویسی را حفظ است و می‌تواند در یک ثانیه هر مسئله‌ای را حل کند — قادر است خروجی‌های بی‌نقصی تولید کند. طبق گزارش این شرکت، غول‌هایی مثل Snowflake، Snorkel و Capgemini در یک دوره بتای شش‌ماهه، بیش از ۵۰۰ هزار مصاحبه را با Chakra تجربه کرده‌اند. علاوه بر این، HackerRank این محصول را به صورت داخلی نیز آزمایش کرد تا تجربه کاربری آن را بهینه و دقیق‌تر کند.
تغییر در رویکرد ارزیابی
هوش مصنوعی مدتی است که به بخشی جدانشدنی از مصاحبه‌های شغلی تبدیل شده است، که اغلب از طریق عوامل صوتی و ابزارهای غربالگری خودکار اعمال می‌شود. با این حال، جویندگان کار نیز ابزارهای AI خود را برای عبور از این مصاحبه‌ها به کار گرفته‌اند و گاهی این کار را بدون اطلاع کارفرما انجام می‌دهند. این چالش با گزارش‌های اخیر درباره تقلب‌های گسترده در رزومه‌ها با کمک هوش مصنوعی هم‌سو است که نشان می‌دهد اعتماد استخدام‌کنندگان به مدارک سنتی در حال کاهش است.
اکنون HackerRank در حال عبور از ارزیابی ساده‌ی خروجی است. ویوک راویسانکار، هم‌بنیان‌گذار و مدیرعامل این شرکت، اشاره کرد که چون امروزه هر کسی می‌تواند با استفاده از AI یک خروجی یا اثر فنی تولید کند، سؤال واقعی برای کارفرمایان این است که آیا کاندیدا تفکر و قضاوتی را که منجر به تولید آن خروجی شده است، درک می‌کند یا خیر.
Chakra مصاحبه را به یک جلسه کاری زنده تبدیل می‌کند. کاندیدا به‌جای یک ویرایشگر متن خالی، در محیطی قرار می‌گیرد که شامل یک مخزن کد واقعی (Real-world code repository) و یک دستیار هوش مصنوعی است. در حالی که برنامه‌نویس کد می‌زند، این عامل (Agent) — شبیه به یک ناظر هوشمند که هر حرکت شما را می‌بیند و در لحظه سؤال می‌پرسد — رفتار او را رصد کرده و پرسش‌های پویا می‌پرسد.
به نقل از ویوک راویسانکار، مکانیزم عملکرد Chakra بر سه محور اصلی استوار است:
- ارزیابی فرآیند: این عامل ردیابی می‌کند که کاندیدا چگونه به پاسخ می‌رسد، نه اینکه فقط نتیجه نهایی چیست. تمرکز بر سیگنال‌هایی است که ثبت آن‌ها دشوارتر است، مانند تفکر انتقادی و قدرت قضاوت.
- کاوش پویا: Chakra از بافتار (Context) کار کاندیدا استفاده می‌کند تا بپرسد چرا یک رویکرد خاص انتخاب شده است یا اگر یک محدودیت جدید به مسئله اضافه شود، راه‌حل چگونه تغییر می‌کند.
- سنجش تسلط به AI: اندازه‌گیری اینکه کاندیدا چطور مسائل را برای AI قاب‌بندی می‌کند، خروجی حاصل را چگونه قضاوت می‌کند و ابزار را چگونه به سمت راه‌حل نهایی هدایت می‌کند.
بر اساس مستندات HackerRank، این رویکرد قیف استخدام سنتی را که پیش‌تر شامل سه مرحله‌ی غربالگری توسط استخدام‌کننده، ارزیابی تکلیف خانگی و مصاحبه تکمیلی با یک مهندس بود، به یک جلسه واحد تبدیل می‌کند.
نکته غافلگیرکننده و متناقض این است که دادن دسترسی آزاد به AI، انگیزه تقلب را کاهش داده است. راویسانکار به TechCrunch گفت که پرچم‌های مربوط به فعالیت‌های مشکوک در مقایسه با آزمون‌های سنتی ۷۰ تا ۸۰ درصد کاهش یافته است، هرچند این نرخ‌ها بسته به سطح ارشدیت و موقعیت جغرافیایی متفاوت بود. با فراهم کردن ابزار AI در محیط آزمون، انگیزه‌ی استفاده مخفیانه از ابزارهای خارجی برای دریافت پاسخ‌ها از بین می‌رود.
زمینه شرکت و تکامل استراتژیک
شرکت HackerRank که در سال ۲۰۱۲ در رویداد TechCrunch Disrupt معرفی شد، یک استارتاپ تحت حمایت Y Combinator است. این پلتفرم اکنون جامعه‌ای متشکل از بیش از ۳۰ میلیون توسعه‌دهنده در سراسر جهان را ایجاد کرده و به بیش از ۳,۰۰۰ مشتری تجاری، از جمله Amazon، Nvidia، Clay و Replit خدمات ارائه می‌دهد.
این تغییر رویکرد در واقع یک چرخش استراتژیک (Pivot) برای HackerRank است؛ شرکتی که کسب‌وکار اولیه‌اش را دقیقاً بر پایه همان ارزیابی‌های فنی بنا کرده بود که اکنون در حال دگرگون کردن آن‌هاست. راویسانکار این حرکت را به گذار اپل از iPod به iPhone تشبیه می‌کند؛ محصول قدیمی هنوز ارزش دارد، اما بازار جابه‌جا شده است. او صراحتاً بیان کرد: «Chakra قرار است تیتر اصلی باشد. این روشی است که ما از این به بعد پیش خواهیم رفت.»
سوگیری و مقررات قانونی
واگذاری ارزیابی به یک الگوریتم، ریسک‌های نظارتی و قانونی را به همراه دارد. برای مثال در شهر نیویورک، کارفرمایانی که از ابزارهای خودکار تصمیم‌گیری استخدامی استفاده می‌کنند، باید آن‌ها را تحت حسابرسی‌های مستقل برای بررسی سوگیری (Bias) قرار دهند و به کاندیداها اطلاع‌رسانی کنند.
HackerRank مدعی است که اگر هوش مصنوعی به درستی تنظیم شود، کمتر از انسان سوگیری دارد، زیرا یک دستورالعمل (Rubric) یکسان را برای همه کاندیداها، فارغ از پیشینه یا تحصیلاتشان، اعمال می‌کند. با این حال، منتقدان خاطرنشان می‌کنند که ابزارهای خودکار می‌توانند سوگیری‌های موجود در داده‌ها و مدل‌های مورد استفاده در ساختشان را به ارث ببرند یا حتی تقویت کنند.
راویسانکار تصریح کرد که Chakra برای امتیازدهی به کاندیداها طراحی شده است، نه برای اتخاذ تصمیم نهایی استخدام. انتخاب نهایی همچنان بر عهده انسان‌هاست، اما حالا مصاحبه‌کنندگان می‌توانند زمان بیشتری را صرف این موضوع کنند که آیا می‌خواهند با این شخص همکار شوند یا خیر و درباره نقش شغلی و تیم بحث کنند.
برای جوینده کار، این بدان معناست که «پاسخ صحیح» اکنون کم‌اهمیت‌ترین بخش مصاحبه است. ارزش شما اکنون در قدرت قضاوت، توانایی نقد کدهای تولید شده توسط AI و شفافیت در تفکر شما نهفته است.
باید منتظر ماند و دید که سایر پلتفرم‌های ارزیابی چگونه به این تغییر به سمت ارزیابی «فرآیند-محور» (به جای محصول-محور) پاسخ می‌دهند و آیا نهادهای نظارتی، امتیازدهی مبتنی بر AI را به عنوان جایگزینی منصفانه برای قضاوت انسانی می‌پذیرند یا خیر.
گام بعدی شما
- اگر متقاضی استخدام هستید، تمرکز خود را از «حفظ کردن سینتکس» به «تحلیل و نقد کدهای تولید شده توسط AI» تغییر دهید.
- برای مدیران فنی: بررسی کنید که آیا معیارهای ارزیابی شما هنوز بر پایه «خروجی» است یا «فرآیند تفکر».
- ابزارهای مشابه را دنبال کنید تا ببینید آیا استاندارد «تسلط به AI» به یک معیار جهانی در رزومه‌ها تبدیل می‌شود یا خیر.
اما تأثیر این تغییر بر دستمزدهای برنامه‌نویسانی که جایگزین AI می‌شوند، بحثی پیچیده‌تر است — به تحلیل ما درباره اقتصاد جدید توسعه نرم‌افزار مراجعه کنید.
گفتگو