Næsten alle ingeniører, du interviewer i dag, vil sandsynligvis fortælle dig, at de bruger AI-værktøjer.
For et år eller to siden kunne det svar have været brugbart. I dag fortæller det dig meget lidt. AI er blevet så normal en del af softwareudvikling, at spørge nogen, "Bruger du AI?" begynder at føles lidt som at spørge, "Bruger du email?"
Det vigtigere spørgsmål er, hvad der sker, efter de åbner værktøjet.
Ved de, hvordan man bruger det godt?
Bemærker de, når det giver dem det forkerte svar?
Stiller de spørgsmålstegn ved det, det producerer, eller antager de bare, at noget genereret af AI må være korrekt?
Det er her, forskellen mellem kandidater begynder at blive meget klarere. To ingeniører kan både sige, at de bruger AI hver dag, men den ene bruger det måske velovervejet, mens den anden bare accepterer, hvad som helst det giver dem. De fleste interviewprocesser er ikke særlig gode til at skelne mellem disse to personer.
Vi har fundet ét spørgsmål, der kommer meget tættere på svaret, og interessant nok handler det slet ikke rigtig om AI-værktøjer; det handler om, hvad der sker, når værktøjet laver en fejl.
Hvorfor "Bruger du AI?" Ikke længere er nok
AI er ikke længere en usædvanlig færdighed for ingeniører. Stack Overflow Developer Survey 2025 viste, at 70% af udviklere bruger AI-værktøjer dagligt. Når noget bliver så almindeligt, holder det ikke længere at have erfaring med det som en brugbar måde at skelne kandidater.
Problemet er, at mange virksomheder stadig interviewer for AI-færdigheder, som om de er noget nyt. De spørger kandidater, hvilke værktøjer de har brugt, hvor ofte de bruger dem, eller om de ved, hvordan man skriver gode prompts. Disse spørgsmål kan måske fortælle dig, om nogen har åbnet en AI-kodningsassistent før, men de fortæller dig ikke, om den person kan bruge det på ansvarlig vis.
Tænk på det på denne måde. Du ville ikke ansætte nogen til at køre bil bare fordi de fortalte dig, at de har kørt bil hver dag i fem år. Du ville også gerne vide, om de ved, hvornår de skal sænke farten, hvordan de reagerer, når noget går galt, og om de er opmærksomme på, hvad der sker omkring dem.
AI-assisteret udvikling er ikke så forskelligt. Den brugbare færdighed er ikke blot at vide, hvordan man bruger værktøjet. Det er at vide, hvornår man skal stole på det, hvornår man skal stille spørgsmål ved det, og hvornår man skal stoppe og gøre noget selv.
Prøv dette spørgsmål i stedet
Her er spørgsmålet, vi ville anbefale at stille:
Fortæl mig om et specifikt tilfælde, hvor et AI-værktøj gav dig noget forkert, og hvordan du opdagede det, før det blev til et rigtigt problem.
Det er det. Du behøver ikke at bede kandidater om at forklare, hvordan en bestemt AI-model fungerer. Du behøver ikke at teste dem på AI-terminologi. Du behøver ikke engang at spørge, hvilket værktøj de foretrækker.
Du beder om en rigtig historie, og den historie kan fortælle dig overraskende meget om, hvordan nogen rent faktisk arbejder.
Her er, hvad det spørgsmål afsløre:
For det første fortæller det dig, om de virkelig bruger AI som en del af deres arbejde. Nogen som bruger disse værktøjer regelmæssigt vil sædvanligvis have nogle få eksempler, de kan tale om uden at skulle søge i deres hukommelse.
For det andet fortæller det dig, om de tjekker arbejdet. AI kan producere noget, der ser fuldstændig rimeligt ud, mens det stadig er forkert. Hvis nogen aldrig har bemærket en AI-fejl, er de enten usædvanligt heldige, eller de ser ikke tæt nok.
For det tredje viser det dig, hvor de trækker grænsen mellem at stole på AI og at stole på deres egen dømmekraft. Det bliver en af de vigtigste færdigheder for ingeniører i dag.
Endelig viser det, om de tager ansvar for resultatet. Når noget går galt, siger de, "AI rodede det til," eller forklarer de, hvad de skulle have tjekket, og hvad de ændrede bagefter? Den forskel betyder noget.
Lyt efter historien
De stærkeste svar har sædvanligvis én ting tilfælles: De er specifikke.
En kandidat kan fortælle dig, at et AI-værktøj genererede den forkerte databaseforespørgsel, foreslog en ændring, der ville have brudt en eksisterende funktion, eller misforstod en vigtig del af programmet, og vigtigere nok vil de forklare, hvordan de opdagede problemet.
De vil ikke bare sige, "Jeg kontrollerer altid AI-genereret kode to gange." I stedet vil de fortælle dig, hvad de kontrollerede, hvad der så mistænkeligt ud, hvad de ændrede, og hvad der skete bagefter.
Gode kandidater er sædvanligvis komfortable med at tale om fejl. De behøver ikke at foregive, at AI-værktøjet var perfekt, eller at de opdagede alt med det samme. Faktisk kan det at kunne sige, "Jeg var ved at misse dette, men så bemærkede jeg…" fortælle dig mere end en poleret succeshistorie.
Du leder efter dømmekraft, ikke perfektion.
Et svagere svar lyder sædvanligvis meget mere generelt. Kandidaten kan sige, "AI laver nogle gange fejl, så jeg gennemgår altid alt," og lade det dér. Der er intet teknisk galt med det svar, men det giver dig ikke meget bevis for, hvordan de faktisk arbejder.
Når du stiller et simpelt opfølgningsspørgsmål som, "Kan du give mig et eksempel?", lærer du sædvanligvis meget mere.
Hvad hvis de siger, at AI aldrig har været forkert for dem?
Det er her spørgsmålet bliver særlig nyttigt. Hvis nogen fortæller dig, at de aldrig har fået et AI-værktøj til at give dem et forkert svar, skal det ikke nødvendigvis imponere dig. Det kan faktisk være noget værd at udforske yderligere.
AI-værktøjer laver fejl; nogle gange er de åbenlyse, nogle gange er de subtile, og nogle gange ser svaret helt rimeligt ud, indtil du kontrollerer det mod de faktiske krav eller det eksisterende system.
Så stil et andet spørgsmål: "Kan du tænke på en gang, hvor du var usikker på, om AI's svar var korrekt?" Det giver kandidaten en anden mulighed for at forklare, hvordan de verificerer deres arbejde uden at gøre samtalen til et knebespørgsmål.
Målet er ikke at fange nogen. Det er at forstå, hvordan de tænker.
Virker dette for junior-ingeniører også?
Ja, selvom eksemplerne vil være naturligt forskellige.
En junior-ingeniør kan tale om at opdage en lille logikfejl i genereret kode eller indse, at et AI-forslag ikke matchede, hvad opgaven faktisk krævede. En mere erfaren ingeniør kan beskrive noget mere komplekst: at opdage en risikabel databaseændring, en forkert antagelse om et eksisterende system, eller et sikkerhedsproblem, der ikke var åbenlyst med det samme.
Det vigtige er ikke, hvor dramatisk fejlen var. Det er, om kandidaten kan forklare, hvad der skete, hvordan de bemærkede det, og hvad de lærte af det.
Gør ikke dette til hele dit interview
Dette ene spørgsmål kan være nyttigt, men det bør ikke erstatte resten af dit tekniske interview. Du vil stadig gerne forstå, hvordan nogen løser problemer, kommunikerer, arbejder med andre mennesker, og håndterer de tekniske ansvar for rollen.
En nyttig tilføjelse er dog at lade kandidater bruge AI under en del af interviewet. Giv dem et praktisk problem og tillad dem at bruge de værktøjer, de normalt ville bruge på arbejde. Se derefter, hvordan de går til det.
Accepterer de blindt det første svar?
Stiller de bedre spørgsmål, når resultatet ikke er rigtigt?
Kontrollerer de, hvad værktøjet producerer?
Bemærker de, når noget ikke giver mening?
Det giver dig en chance for at se deres dømmekraft i handling i stedet for blot at høre dem beskrive det.
Hvad du lærer fra to kandidater
Forestil dig, at du interviewer to personer til den samme ingeniørrolle.
Den første kandidat siger, "AI-værktøjer får nogle gange tingene forkert, men jeg gennemgår altid koden omhyggeligt."
Den anden kandidat fortæller dig om et nyligt projekt, hvor et AI-værktøj foreslog en databaseændring, der ville have forårsaget problemer med eksisterende data. De forklarer, hvad der så mistænkeligt ud, hvordan de kontrollerede det, hvad de ændrede, og hvad de nu gør anderledes, når de gennemgår lignende forslag.
Begge kandidater bruger AI, men du har lært noget meget forskelligt om dem.
Den anden kandidat har vist dig, at de ikke blot bruger AI til at gå hurtigere. De forstår, at at gå hurtigere kun hjælper, hvis de stadig kan genkende, når noget er galt.
Færdigheden der faktisk betyder noget
Det bedste AI-relaterede interviewspørgsmål handler ikke rigtig om AI. Det handler om dømmekraft.
Værktøjer vil blive ved med at ændre sig. Det værktøj, en kandidat bruger i dag, er måske ikke det værktøj, de bruger næste år. Nye modeller vil dukke op, eksisterende vil blive bedre, og den måde ingeniører arbejder med dem på vil fortsætte med at ændre sig.
Det, der ikke ændrer sig så hurtigt, er behovet for, at nogen skal se på resultatet og spørge, "Giver dette faktisk mening?"
Det er den person, du ønsker på dit hold.
Så næste gang en kandidat fortæller dig, at de bruger AI hver dag, stop ikke der. Spørg dem om sidste gang det gik galt. Deres svar kan måske fortælle dig meget mere end det værktøj, de bruger, nogensinde kunne.
Og hvis du ikke ønsker at bruge tid på at omdesigne din interviewproces for at finde den slags dømmekraft, er det her, MyNextDeveloper hjælper ved at forbinde startups med verificerede ingeniører og AI-talent, som bliver evalueret ikke blot på, hvad de ved, men på hvordan de faktisk arbejder.
TL;DR
Næsten hver ingeniør, du interviewer, vil sige, at de bruger AI-værktøjer dagligt, så det spørgsmål fortæller dig ikke noget brugbart længere. Det der gør: Spørg dem om et specifikt tilfælde, hvor et AI-værktøj fik noget galt, og hvordan de opdagede det. Et stærkt svar kommer med rigtige detaljer, en ærlig historie om, hvad der gik galt, og et klart billede af, hvad de ville gøre anderledes, ikke en vag "Jeg tjekker altid alt to gange."
Hvis nogen hævder, at et AI-værktøj aldrig har skuffet dem, er det faktisk et advarselstegn, ikke et grønt flag. Dette ene spørgsmål tester stille netop den dømmekraft, der skelner ingeniører, der bruger AI til at bevæge sig hurtigt sikkert, fra dem, der bare bevæger sig hurtigt.
Ønsker du at bygge et højt præsterende fjernbetjent teknologihold?
Tjek MyNextDeveloper, en platform hvor du kan finde top 3% af softwareingeniører, der er dybt passioneret om innovation. Vores software-talent-løsninger på anmodning, dedikerede og grundige løsninger giver en omfattende løsning til alle dine softwarekrav.
Besøg vores hjemmeside for at udforske, hvordan vi kan hjælpe dig med at samle dit perfekte hold.
