Gotovo svaki inženjer kojeg danas intervjuirate će vam vjerojatno reći da koristi AI alate.
Prije godinu ili dvije, taj odgovor bi bio koristan. Danas vam govori vrlo malo. AI je postao toliko uobičajan dio razvoja softvera da postavljanje pitanja "Koristiš li AI?" počinje izgledati kao postavljanje pitanja "Koristiš li email?"
Važnije je pitanje što se događa nakon što otvorе alat.
Znaju li ga koristiti dobro?
Primjećuju li kada im daje krivi odgovor?
Dovode li u pitanje ono što alat proizvede, ili jednostavno pretpostavljaju da nešto što je generirano AI-om mora biti ispravno?
Tu je gdje razlika između kandidata počinje biti mnogo jasnija. Dva inženjera mogu obojica reći da koriste AI svakodnevno, ali jedan ga može koristiti promišljeno dok drugi jednostavno prihvaća što mu alat da. Većina intervjuskih procesa nije jako dobra u razlikovanju te dvije vrste ljudi.
Pronašli smo jedno pitanje koje se mnogo bliže približava odgovoru, i zanimljivo je što zapravo uopće nije o AI alatima; radi se o onome što se događa kada alat nešto krivo napravi.
Zašto "Koristiš li AI?" više nije dovoljno
AI više nije neobična vještina za inženjere. Stack Overflow Developer Survey 2025 utvrdio je da 70% razvijatelja koristi AI alate svakodnevno. Kada nešto postane toliko uobičajeno, samo imanje iskustva s njim prestaje biti koristan način za odvajanje kandidata.
Problem je što mnoga poduzeća još uvijek intervjuiraju za AI vještine kao da su nešto novo. Pitaju kandidate koje alate su koristili, koliko često ih koriste ili znaju li kako napisati dobro upite. Ta pitanja mogu vam reći trebali li je netko već otvorio AI asistent za kodiranje, ali ne govore vam trebali li ta osoba može li ga koristiti odgovorno.
Razmislite o tome na ovaj način. Ne biste unajmili nekoga da vozi samo zato što vam je rekao da vozi automobil svakodnevno već pet godina. Željeli biste znati trebali li zna kada usporiti, kako reagira kada nešto krivo ide i trebali li pazi na ono što se događa oko njega.
Razvoj s pomoću AI nije puno drugačiji. Korisna vještina nije jednostavno znanje kako koristiti alat. To je znanje kada mu vjerovati, kada ga dovesti u pitanje i kada stati te nešto učiniti sam.
Pokušajte s ovim pitanjem umjesto toga
Evo pitanja koje bismo preporučili postaviti:
Ispriči mi o specifičnom vremenu kada ti je AI alat dao nešto krivo, i kako si to uhvatio prije nego što je postalo pravi problem.
To je to. Ne trebate od kandidata tražiti da objasne kako funkcionira određeni AI model. Ne trebate ih testirati na AI terminologiji. Trebate li čak i pitati koji alat preferiraju.
Tražite pravu priču, a ta priča može vam puno reći o tome kako netko zapravo radi.
Evo što to pitanje otkriva:
Prvo, govori vam trebali li zaista koriste AI kao dio svoga rada. Netko tko redovito koristi te alate obično će imati nekoliko primjera o kojima može govoriti bez da mora pretražiti memoriju.
Drugo, govori vam trebali li provjeravaju rad. AI može proizvesti nešto što izgleda savršeno razumno dok je još uvijek krivo. Ako netko nikad nije primijetio AI grešku, ili je bio neobično sretan, ili ne gleda dovoljno pažljivo.
Treće, pokazuje vam gdje postavljaju granicu između vjerovanja AI-u i vjerovanja vlastitoj prosudbi. To je postajući jedna od najvažnijih vještina za inženjere danas.
Naposljetku, pokazuje trebali li preuzimaju odgovornost za rezultat. Kada nešto krivo ide, trebali li kažu, "AI je zabrljao," ili objašnjavaju što su trebali provjeriti i što su promijenili kasnije? Ta razlika je važna.
Slušajte priču
Najjači odgovori obično imaju jednu zajedničku karakteristiku: Specifični su.
Kandidat vam može reći da je AI alat generirano krivo upite za bazu podataka, predložio promjenu koja bi prekinula postojeću značajku ili krivo razumio važan dio aplikacije, i što je važnije, objasnit će kako je primijetio problem.
Neće samo reći, "Uvijek dvostruko provjerim AI-generirani kod." Umjesto toga, reći će vam što je provjerio, što je izgledalo sumnjivo, što je promijenio i što se dogodilo kasnije.
Dobri kandidati obično su udobno razgovarati o greškama. Ne trebaju pretvarati da je AI alat bio savršen ili da su sve odmah uhvatili. Zapravo, mogućnost da kažu, "Skoro bih to propustio, ali onda sam primijetio…" može vam reći više nego polirana priča o uspjehu.
Tražite prosudbu, ne savršenstvo.
Slabiji odgovor obično zvuči mnogo općenitije. Kandidat može reći, "AI ponekad griješi, pa uvijek pregledavam sve," i tu stane. Nema ničega tehnički krivo s tim odgovorom, ali vam ne daje puno dokaza o tome kako zapravo rade.
Kada postavite jednostavno praćenje poput, "Možeš li mi dati primjer?", obično ćete saznati mnogo više.
Što ako kažu da AI nikad nije bio kriv za njih?
Tu pitanje postaje posebno korisno. Ako netko kaže da AI alat nikad nije dao krivi odgovor, to ne bi trebalo vas nužno impresionirati. To može biti nešto vrijedno dodatnog istraživanja.
AI alati griješe; ponekad su greške očigledne, ponekad su suptilne, a ponekad odgovor izgleda potpuno razumno dok ga ne provjerite u odnosu na stvarne zahtjeve ili postojeći sustav.
Dakle, postavite još jedno pitanje: "Možeš li pomisliti na vrijeme kada nisi bio siguran trebali li je AI-ov odgovor ispravno?" To daje kandidatu drugu mogućnost da objasni kako provjerava svoj rad bez pretvaranja razgovora u zamku.
Cilj nije uhvatiti nekoga. To je razumijevanje kako razmišljaju.
Radi li to i za mlade inženjere?
Da, iako će primjeri prirodno biti drugačiji.
Mladi inženjer može govoriti o hvatanju male greške logike u generiranom kodu ili sjetio se da AI prijedlog nije odgovarao onome što je zadatak zapravo trebao. Iskusniji inženjer može opisati nešto složenije: spottanje rizične promjene u bazi podataka, netočne pretpostavke o postojećem sustavu ili sigurnosnog problema koji nije bio očit na prvi pogled.
Važno nije kako dramatična greška je bila. To je trebalo li kandidat može objasniti što se dogodilo, kako je to primijetio i što je naučio od toga.
Ne čini ovo cijeli svoj intervju
Ovo jedno pitanje može biti korisno, ali ne bi trebalo zamijeniti ostatak vašeg tehničkog intervjua. Još uvijek trebate razumjeti kako netko rješava probleme, komunicira, radi s drugima i bavi se tehničkim odgovornostima uloge.
Jedno korisno dodavanje, međutim, je dopustiti kandidatima da koriste AI tijekom dijela intervjua. Dajte im praktični problem i dozvolite im da koriste alate koje bi normalno koristili na poslu. Zatim promatrajte kako se koriste njima.
Trebali li slijepо prihvatiti prvi odgovor?
Trebali li postavljaju bolja pitanja kada rezultat nije pravo?
Trebali li provjeravaju ono što alat proizvede?
Trebali li primjećuju kada nešto nema smisla?
To vam daje mogućnost da vidite njihovu prosudbu u akciji umjesto samo da je čujete kako je opisuju.
Što naučite od dva kandidata
Zamislite da intervjuirate dvije osobe za istu inženjersku ulogu.
Prvi kandidat kaže, "AI alati ponekad griješe, ali uvijek pažljivo pregledam kod."
Drugi kandidat vam govori o nedavnom projektu gdje je AI alat predložio promjenu baze podataka koja bi uzrokovala probleme s postojećim podacima. Objašnjava što je izgledalo sumnjivo, kako je to provjerio, što je promijenio i što sada čini drugačije kada pregleda slične prijedloge.
Oba kandidata koriste AI, ali ste nešto vrlo drugačito saznali o njima.
Drugi kandidat vam je pokazao da AI ne koristi samo za kretanje brže. On shvaća da kretanje brže pomaže samo ako mogu još uvijek prepoznati kada nešto nije u redu.
Vještina koja zapravo važi
Najbolje AI-povezano intervju pitanje zapravo nije o AI. Radi se o prosudbi.
Alati će se nastaviti mijenjati. Alat koji kandidat koristi danas možda neće koristiti sljedeće godine. Novi modeli će se pojaviti, postojeći će biti bolji, a način na koji inženjeri rade s njima će se nastaviti mijenjati.
Što se neće brže mijenjati je potreba da netko gleda u rezultat i pita, "Ima li ovo zapravo smisla?"
Ta osoba je osoba koju želite na vašem timu.
Dakle, sljedeći put kada kandidat kaže da koristi AI svakodnevno, tu ne stanite. Pitajte ih o zadnjem vremenu kada je nešto krivo napravio. Njihov odgovor bi vam mogao reći mnogo više nego alat koji koriste ikad mogao bi.
A ako przeprojektiranje vašeg intervjuskog procesa kako bi pronašli tu vrstu prosudbe nije gdje trebate potrošiti vrijeme, tu je gdje MyNextDeveloper pomaže povezivanjem startupa s provjerenima inženjerima i AI talentom koji se ocjenjuju ne samo na onome što znaju, već na tome kako zapravo rade.
TL;DR
Gotovo svaki inženjer kojeg intervjuirate reći će da koristi AI alate svakodnevno, pa to pitanje vam više ne govori ništa korisno. Ono što jesu: Pitajte ih o specifičnom vremenu kada je AI alat nešto krivo dao, i kako su to uhvatili. Jak odgovor dolazi s pravim detaljima, iskrenom pričom o onome što je puklo, i jasnom osjećajem za što bi trebali drugačije učiniti, ne nejasnom "Uvijek dvostruko provjerim sve."
Ako netko tvrdi da ga AI alat nikad nije razočarao, to je zapravo znak upozorenja, ne zelena zastava. Ovo jedno pitanje tiho testira točno prosudbu koja odvaja inženjere koji koriste AI za brzo i sigurno kretanje od onih koji se samo brzo kreću.
Želite li izgraditi visoko uspješan udaljeni tehnički tim?
Pogledajte MyNextDeveloper, platformu gdje možete pronaći najboljih 3% softverskih inženjera koji su duboko strastveni o inovaciji. Naša dostupna, posvećena i temeljita rješenja talenta za softver pružaju sveobuhvatno rješenje za sve vaše softverske potrebe.
Posjetite našu web stranicu kako biste istražili kako nam možete pomoći u sabiranju vašeg savršenog tima.
