Вакансия про AI, а на собеседовании — код в блокноте. Где логика?
Недавно я прошёл несколько технических собеседований, и меня удивил один момент. Для всех вакансий требуется навык работы с AI-инструментами. Но на самих собесах меня просили написать рабочий код в текстовом редакторе без подсветки синтаксиса и решать алгоритмические задачи.
Возник вопрос: почему так происходит и нормально ли это для 2026 года?
Что именно пытаются оценить
Кодирование на интервью позволяет оценить общую инженерную грамотность, знание языка программирования, владение стеком и прикладные навыки разработки.
Но написание кода в обычном текстовом редакторе превращается в проверку навыка, который в реальной работе почти не используется. Двадцать лет назад, когда разработчики писали код по книгам, без интернета и современных инструментов, подобный формат выглядел естественным. Сегодня трудно представить рабочее место инженера без IDE, AI-ассистентов, статического анализа и кодовых агентов. Поэтому проверка знания синтаксиса начинает выглядеть несколько искусственно.
То же касается алгоритмов. В эпоху LLM требование воспроизводить популярные алгоритмы из головы уже не выглядит столь очевидным. Любая современная модель способна написать корректную реализацию за несколько секунд. Но это вовсе не означает, что алгоритмы потеряли ценность.
Они по-прежнему позволяют увидеть, как человек рассуждает, декомпозирует задачи, ищет решение незнакомой проблемы и принимает инженерные решения.
Скорее возникает другой вопрос: действительно ли для оценки этих качеств необходимо полностью отказываться от привычных инструментов?
Что говорит статистика
Важно понимать, что техническое интервью состоит из нескольких независимых частей, а их вес зависит от грейда.
По данным ряда исследования платформ для найма, внутри классического технического интервью проверка знания синтаксиса для junior обычно занимает всего около 15-20%.
Основной вклад в оценку дают алгоритмы и решение задач (50-60%), поскольку они считаются индикатором системного мышления и способности решать новые проблемы.
Ещё около 25-30% приходится на коммуникацию, умение рассуждать и объяснять свои решения.
Для Senior и Tech Lead картина меняется ещё сильнее.
Вес знания синтаксиса практически исчезает, а основное внимание смещается на архитектуру, System Design, принятие инженерных решений и опыт работы с большими системами.
Поэтому вопросы по синтаксису для опытного инженера уже не имеют весомого вклада в общей оценке.
Почему процесс почти не меняется
На мой взгляд, причин несколько.
Привычка
Найм это очень стандартизированный процесс. Компании продолжают использовать подходы, которые уже работают. Чтобы изменить процесс, сначала нужно доказать, что существующий не дает желаемый результат, а измерить качество найма объективными метриками крайне непросто.
Инерция крупных компаний
Чем больше компания, тем медленнее меняются процессы. Даже небольшое изменение интервью требует согласований между несколькими отделами. Получить общее решение не всегда рационально.
Статус бренда
Высокая сложность интервью сама по себе поддерживает имидж сильной инженерной компании. В этом смысле сложные алгоритмические задачи становятся частью бренда работодателя.
Ориентир на лидеров
Компании меньшего размера редко проводят собственные исследования эффективности интервью. Проще перенять процесс и использовать его как отраслевой стандарт.
Прагматизм
Но основная причина скрывается за прагматизмом. 2026 год во многом стал рынком работодателя. Количество откликов огромное, а использование AI и накрутки опыта в резюме стали массовым. Алгоритмическая секция позволяет достаточно быстро отсеивать значительную часть кандидатов.
Многоступенчатый найм
Сегодня кандидат нередко проходит через несколько этапов ещё до знакомства с будущей командой. Часто техническое интервью проводят инженеры, которые вообще не относятся к нанимающему проекту. Их задача просто проверить усреднённый уровень подготовки, а не соответствие конкретной вакансии.
Почему алгоритмы всё ещё имеют смысл
При этом у сторонников алгоритмических интервью есть сильные аргументы.
-
Алгоритмы позволяют увидеть обучаемость человека и его способность разбираться с новой задачей.
-
Единая высокая планка повышает вероятность попасть в действительно сильную инженерную среду.
-
Кроме того, это один из немногих способов относительно объективно сравнить сотни кандидатов между собой.
-
И, пожалуй, самый важный аргумент. Полностью полагаться на кодовых агентов опасно. ИИ не отменяет инженерное мышление — он лишь усиливает его. Хороший специалист становится ещё продуктивнее, а слабый рискует попасть в ловушку ложной продуктивности, когда кажется, что всё работает, хотя понимания происходящего нет.
Именно поэтому фундаментальные знания по-прежнему остаются важными.
Что действительно важно
Чем больше интервью я прохожу, тем сильнее склоняюсь к мысли, что на определённом этапе карьеры мэтчинг между человеком и компанией становится не менее важным, чем технические навыки кандидата.
Важно понять:
-
будет ли человеку комфортно в этой команде;
-
как он ведёт себя в конфликтных ситуациях;
-
умеет ли договариваться и брать ответственность;
-
насколько ясно формулирует мысли и аргументирует решения;
-
что именно его мотивирует: только зарплата или ещё продукт, команда и профессиональный рост.
Причём проверка должна быть с обеих сторон. Для осознанного кандидата интервью это не только проверка его компетенций, но и возможность самому оценить насколько компания и проект ему подходят. Сможет ли он работать с самоотдачей.
Вопрос к читателям
Возможно, в своих рассуждениях я что-то упустил. Поэтому интересно услышать мнение и кандидатов, и тех, кто сам проводит технические интервью.
Почему собеседования меняются медленнее, чем сама работа разработчика?
Буду рад конструктивной критике и аргументам с обеих сторон.
А о том, как должно выглядеть современное техническое собеседование, предлагаю поговорить в следующей статье.
Ссылки на источники
Автор: cane