Bijna elke ingenieur die je vandaag interviewt zal je waarschijnlijk vertellen dat ze AI-tools gebruiken.
Een jaar of twee geleden zou dat antwoord nuttig kunnen zijn geweest. Vandaag vertelt het je heel weinig. AI is zo'n normaal onderdeel van softwareontwikkeling geworden dat iemand vragen, "Gebruik je AI?" begint te voelen als vragen, "Gebruik je e-mail?"
De belangrijkere vraag is wat er gebeurt nadat ze de tool openen.
Weten ze hoe ze het goed moeten gebruiken?
Merken ze op wanneer het hen het verkeerde antwoord geeft?
Stellen ze ter discussie wat het produceert, of nemen ze eenvoudigweg aan dat iets dat door AI is gegenereerd correct moet zijn?
Dat is waar het verschil tussen kandidaten veel duidelijker wordt. Twee ingenieurs kunnen beide zeggen dat ze elke dag AI gebruiken, maar de ene zou het doordacht kunnen gebruiken terwijl de ander gewoon aanneemt wat het hun geeft. De meeste interviewprocessen zijn niet erg goed in het onderscheid maken tussen deze twee personen.
We hebben een vraag gevonden die veel dichter bij het antwoord komt, en interessant genoeg gaat het helemaal niet om AI-tools; het gaat om wat er gebeurt wanneer de tool iets fout doet.
Waarom "Gebruik je AI?" niet meer genoeg is
AI is niet langer een ongebruikelijke vaardigheid voor ingenieurs. De Stack Overflow Developer Survey 2025 vond dat 70% van de ontwikkelaars dagelijks AI-tools gebruiken. Wanneer iets zo gewoon wordt, stopt het eenvoudig hebben van ervaring ermee niet als een nuttige manier om kandidaten uit elkaar te houden.
Het probleem is dat veel bedrijven nog steeds interviewen naar AI-vaardigheden alsof het iets nieuws is. Ze vragen kandidaten welke tools ze hebben gebruikt, hoe vaak ze ze gebruiken, of ze weten hoe ze goed prompts moeten schrijven. Die vragen zouden je kunnen vertellen of iemand een AI-coderingshulp ooit heeft geopend, maar ze vertellen niet of die persoon het verantwoord kan gebruiken.
Denk er zo over na. Je zou iemand niet inhuren om te rijden alleen omdat ze je hebben verteld dat ze elke dag vijf jaar lang een auto rijden. Je zou ook willen weten of ze weten wanneer ze moeten afremmen, hoe ze reageren wanneer iets misgaat, en of ze aandacht besteden aan wat er om hen heen gebeurt.
AI-ondersteunde ontwikkeling is niet zo anders. De bruikbare vaardigheid is niet eenvoudigweg weten hoe je de tool moet gebruiken. Het is weten wanneer je het moet vertrouwen, wanneer je het moet bevragen, en wanneer je moet stoppen en het zelf moet doen.
Probeer deze vraag in plaats daarvan
Hier is de vraag die we zouden aanbevelen:
Vertel me over een specifiek moment waarop een AI-tool je iets fout gaf, en hoe je het hebt opgemerkt voordat het een echt probleem werd.
Dat is alles. Je hoeft kandidaten niet te vragen om uit te leggen hoe een bepaald AI-model werkt. Je hoeft ze niet te testen op AI-terminologie. Je hoeft niet eens te vragen welke tool ze prefereren.
Je vraagt om een echt verhaal, en dat verhaal kan je veel vertellen over hoe iemand eigenlijk werkt.
Dit is wat die vraag onthult:
Ten eerste vertelt het je of ze echt AI als onderdeel van hun werk gebruiken. Iemand die deze tools regelmatig gebruikt zal meestal een paar voorbeelden hebben waarover ze kunnen praten zonder hun geheugen te hoeven doorzoeken.
Ten tweede vertelt het je of ze het werk controleren. AI kan iets produceren dat volkomen redelijk lijkt terwijl het nog steeds fout is. Als iemand nooit een AI-fout heeft opgemerkt, waren ze ofwel ongebruikelijk geluk hebben, ofwel kijken ze niet goed genoeg.
Ten derde laat het je zien waar ze de grens trekken tussen het vertrouwen in AI en het vertrouwen in hun eigen oordeel. Dat wordt een van de belangrijkste vaardigheden voor ingenieurs vandaag.
Tot slot laat het zien of ze verantwoordelijkheid nemen voor het resultaat. Wanneer iets misgaat, zeggen ze, "AI heeft het verpest," of leggen ze uit wat ze hadden moeten controleren en wat ze daarna hebben veranderd? Dat verschil telt.
Luister naar het verhaal
De sterkste antwoorden hebben meestal één ding gemeen: Ze zijn specifiek.
Een kandidaat zou je kunnen vertellen dat een AI-tool de verkeerde databasequery genereerde, een wijziging voorstelde die een bestaande functie zou hebben verbroken, of een belangrijk onderdeel van de toepassing verkeerd begreep, en belangrijker, ze zullen uitleggen hoe ze het probleem hebben opgemerkt.
Ze zeggen niet zomaar, "Ik controleer altijd AI-gegenereerde code dubbel." In plaats daarvan vertellen ze je wat ze hebben gecontroleerd, wat verdacht leek, wat ze hebben veranderd, en wat er daarna gebeurde.
Goede kandidaten zijn meestal op hun gemak met het spreken over fouten. Ze hoeven niet te doen alsof de AI-tool perfect was of dat ze alles meteen hebben opgemerkt. In feite kan zeggen, "Ik had dit bijna gemist, maar toen merkte ik op…" je meer vertellen dan een gepolijst succesverhaal.
Je bent op zoek naar oordeel, niet naar perfectie.
Een zwakker antwoord klinkt meestal veel algemener. De kandidaat zou kunnen zeggen, "AI maakt soms fouten, dus ik controleer altijd alles," en laat het daar. Er is niets technisch fout met dat antwoord, maar het geeft je niet veel bewijs over hoe ze eigenlijk werken.
Wanneer je een eenvoudige vervolgvraag stelt zoals, "Kun je me een voorbeeld geven?", leer je meestal veel meer.
Wat als ze zeggen dat AI voor hen nooit fout is geweest?
Dit is waar de vraag bijzonder nuttig wordt. Als iemand je vertelt dat een AI-tool hen nooit een verkeerd antwoord heeft gegeven, zou dat je niet per se onder de indruk moeten maken. Het kan eigenlijk iets zijn om verder te onderzoeken.
AI-tools maken fouten; soms zijn ze duidelijk, soms zijn ze subtiel, en soms ziet het antwoord volkomen redelijk uit totdat je het tegen de werkelijke vereisten of het bestaande systeem controleert.
Dus stel nog een vraag: "Kun je aan een moment denken waarin je niet zeker wist of het antwoord van AI correct was?" Dat geeft de kandidaat nog een mogelijkheid om uit te leggen hoe ze hun werk verifiëren zonder het gesprek in een strikvraag te veranderen.
Het doel is niet iemand te pakken. Het is om te begrijpen hoe ze denken.
Werkt dit ook voor juniore ingenieurs?
Ja, hoewel de voorbeelden natuurlijk anders zullen zijn.
Een juniore ingenieur zou kunnen spreken over het opvangen van een kleine logische fout in gegenereerde code of het beseffen dat een AI-suggestie niet overeen stemde met wat de taak eigenlijk vereiste. Een ervaren ingenieur zou iets complexers kunnen beschrijven: een riskante databasewijziging opvangen, een onjuiste aanname over een bestaand systeem, of een beveiligingsprobleem dat niet meteen duidelijk was.
Het belangrijkste is niet hoe dramatisch de fout was. Het is of de kandidaat kan uitleggen wat er gebeurde, hoe ze het opmerkte, en wat ze ervan hebben geleerd.
Maak dit niet je hele interview
Deze ene vraag kan nuttig zijn, maar het mag het rest van je technische interview niet vervangen. Je wilt nog steeds begrijpen hoe iemand problemen oplost, communiceert, met andere mensen samenwerkt, en de technische verantwoordelijkheden van de rol aanpakt.
Een nuttige toevoeging is echter om kandidaten AI te laten gebruiken tijdens een deel van het interview. Geef hun een praktisch probleem en laat ze de tools gebruiken die ze normaal op het werk zouden gebruiken. Kijk dan hoe ze het benaderen.
Accepteren ze blindelings het eerste antwoord?
Stellen ze betere vragen wanneer het resultaat niet juist is?
Controleren ze wat de tool produceert?
Merken ze op wanneer iets niet logisch is?
Dat geeft je een kans om hun oordeel in actie te zien in plaats van het eenvoudigweg te horen beschrijven.
Wat je van twee kandidaten leert
Stel je voor dat je twee mensen voor dezelfde ingenieursrol interviewt.
De eerste kandidaat zegt, "AI-tools krijgen soms dingen fout, maar ik controleer de code altijd zorgvuldig."
De tweede kandidaat vertelt je over een recent project waarbij een AI-tool een databasewijziging voorstelde die problemen met bestaande gegevens zou hebben veroorzaakt. Ze leggen uit wat verdacht leek, hoe ze het hebben gecontroleerd, wat ze hebben veranderd, en wat ze nu anders doen wanneer ze vergelijkbare suggesties beoordelen.
Beide kandidaten gebruiken AI, maar je hebt iets heel anders over hen geleerd.
De tweede kandidaat heeft je laten zien dat zij AI niet alleen gebruiken om sneller te gaan. Ze begrijpen dat sneller alleen helpt als ze nog steeds kunnen herkennen wanneer iets fout is.
De vaardigheid die echt telt
De beste AI-gerelateerde interviewvraag gaat eigenlijk niet over AI. Het gaat over oordeel.
Tools zullen blijven veranderen. De tool die een kandidaat vandaag gebruikt, is misschien niet de tool die ze volgende jaar gebruiken. Nieuwe modellen zullen verschijnen, bestaande zullen beter worden, en de manier waarop ingenieurs ermee werken zal blijven veranderen.
Wat niet zo snel zal veranderen is de behoefte aan iemand die naar het resultaat kijkt en vraagt, "Maakt dit eigenlijk zin?"
Dat is de persoon die je in je team wilt.
Dus de volgende keer dat een kandidaat je vertelt dat ze elke dag AI gebruiken, stop daar niet. Vraag hen naar de laatste keer dat het iets fout deed. Hun antwoord zou je veel meer kunnen vertellen dan de tool die ze gebruiken ooit zou kunnen.
En als het herontwerpen van je interviewproces om dat soort oordeel te vinden niet waar je je tijd in wilt besteden, dat is waar MyNextDeveloper helpt door startups met geverifieerde ingenieurs en AI-talent te verbinden die niet alleen op wat ze weten worden geëvalueerd, maar op hoe ze eigenlijk werken.
TL;DR
Bijna elke ingenieur die je interviewt zal zeggen dat ze elke dag AI-tools gebruiken, dus die vraag vertelt je niet meer iets nuttigs. Degene die wel: Vraag hen naar een specifiek moment waarop een AI-tool iets fout deed, en hoe ze het hebben opgemerkt. Een sterk antwoord komt met echte details, een eerlijk verhaal over wat kapot ging, en een duidelijk gevoel van wat ze anders zouden doen, niet een vaag "Ik controleer altijd alles dubbel."
Als iemand beweert dat een AI-tool hen nooit teleurgesteld heeft, dat is eigenlijk een waarschuwingsteken, geen groen licht. Deze ene vraag test stilletjes precies het oordeel dat ingenieurs die AI gebruiken om veilig snel te gaan scheidt van degenen die gewoon snel gaan.
Op zoek naar het opbouwen van een hoogwaardig remote tech-team?
Bekijk MyNextDeveloper, een platform waar je de top 3% van softwareningenieurs kunt vinden die diepe passie hebben voor innovatie. Onze on-demand, toegewijde en grondige softwaretalentoplossingen bieden een uitgebreide oplossing voor al uw softwarevereisten.
Bezoek onze website om te verkennen hoe we je kunnen helpen bij het samenstellen van je perfecte team.
