【要約】候補者のコードがAI製か見抜けなくなったので、「AI禁止」のコーディングテストをやめたい [Qiita_Trend] | Summary by TechDistill
> Source: Qiita_Trend
Execute Primary Source
// Problem
採用担当者が、AIの進化によって候補者の実装力が正しく測定できなくなる問題に直面している。従来の選考手法では、以下の課題が顕在化している。
- ・AI製コードの判別不能：指示次第で文体やコメントを制御できるため、客観的な判別根拠が存在しない。
- ・実務との乖離：実務でAI利用が前提となる中、選考時のみ禁止することは、道具の習熟度を無視することになる。
- ・監視コストの増大：画面録画などの監視強化は、候補者体験の悪化と選考コストの増大を招く。
// Approach
筆者は、AIを排除するのではなく、AIを道具として使いこなす「判断力」を評価する手法を提案している。具体的には、以下の3つの評価軸を設ける。
- ・仕様把握能力の測定：あえて曖昧な要件を提示し、実装前に確認すべきリスクや論点を特定できるかを見る。
- ・AI活用実装力の測定：AIとの対話過程を画面共有させ、タスク分解や指示の出し方、リカバリー能力を評価する。
- ・検証力の測定：AIが生成した「動くが欠陥のあるコード」を提示し、問題の特定と修正優先順位の判断力を測る。
// Result
筆者は、AI時代のエンジニアに求められる本質的な能力への評価シフトを提唱している。このアプローチは、以下の展望を示している。
- ・評価対象の変化：コードを書く速度よりも、「なぜそのコードで良いのか」を説明する力の価値が高まる。
- ・海外事例との整合性：Canva等の企業では、既にAI利用を前提とした面接が導入され始めている。
- ・今後の課題：面接官の負荷増大や、AI環境の差による公平性の確保が、組織的な課題として残る。
Senior Engineer Insight
> 採用基準を「実装」から「設計・検証」へ移行させる動きは、技術の抽象化が進む中で必然である。しかし、現場の責任者としては、面接官のスキルに依存する「評価のブレ」をどう抑えるかが最大の懸念だ。また、有料AIモデルの利用環境による格差は、純粋な能力評価を歪めるリスクがある。自動採点テストを完全に捨てるのではなく、AI活用能力を測る高度な定性評価を組み合わせるハイブリッドな設計が現実的だろう。