การโกงด้วย AI เผยให้เห็นข้อบกพร่องพื้นฐานในกระบวนการสัมภาษณ์งานด้านเทคโนโลยี

วิกฤตการสัมภาษณ์ด้วย AI: การโกงเปิดโปงกระบวนการจ้างงานที่พังของวงการเทคโนโลยี

คำนำ

กระบวนการสัมภาษณ์วิศวกรซอฟต์แวร์ ที่ถูกวิพากษ์วิจารณ์มายาวนานเรื่องการพึ่งพาปริศนาอัลกอริทึมและแบบทดสอบการเขียนโค้ด กำลังเผชิญกับวิกฤตครั้งใหญ่ที่ไม่เคยมีมาก่อน เมื่อเครื่องมือปัญญาประดิษฐ์มีความฉลาดมากขึ้น ผู้สมัครงานจึงใช้ AI เพื่อโกงระหว่างการสัมภาษณ์ทางเทคนิค บังคับให้บริษัทต่างๆ ต้องทบทวนแนวทางการจ้างงานเสียใหม่ สิ่งที่เริ่มต้นจากเสียงบ่นเกี่ยวกับการสัมภาษณ์แบบ LeetCode ได้ปะทุกลายเป็นการสนทนาทั่วทั้งอุตสาหกรรมเกี่ยวกับวิธีการประเมินความสามารถทางเทคนิคอย่างแม่นยำในยุคที่ได้รับความช่วยเหลือจาก AI

โรคระบาดแห่งการโกง

ผู้สัมภาษณ์งานทั่วทั้งอุตสาหกรรมเทคโนโลยีรายงานว่ามีจำนวนผู้สมัครที่ได้รับความช่วยเหลือจาก AI เพิ่มขึ้นอย่างมากระหว่างการสัมภาษณ์ทางไกล ผู้สัมภาษณ์ที่มีประสบการณ์คนหนึ่งซึ่งทำการสัมภาษณ์ประมาณ 60 ครั้งในปีนี้ สังเกตเห็นรูปแบบที่ชัดเจนในผู้สมัครที่น่าสงสัย: พวกเขาทุกคนพูดชัดเจนและเป็นเส้นตรงเกินไปเมื่อต้องแก้ปัญหา ไม่มีการสงสัยในตัวเอง ไม่มีการเสนอแนวทางที่แตกต่าง และไม่มีการแสดงออกถึงกระบวนการคิด มีเพียงคำตอบที่ชัดเจนจาก A ไป B สิ่งที่บ่งชี้ได้แก่ การหยุดพักที่ไม่เป็นธรรมชาติตามด้วยการตอบคำตอบที่สมบูรณ์แบบ การที่ตาขยับไปมาบนหน้าจอเหมือนกำลังอ่าน และคำตอบที่ขาดความลึกซึ้งซึ่งมาจากการแก้ปัญหาที่แท้จริง

วิธีการโกงมีความซับซ้อนมากขึ้น ผู้สมัครใช้เครื่องมือที่ฟังคำถามสัมภาษณ์และแสดงคำตอบ прямоบนหน้าจอ โดยไม่ปรากฏเมื่อแชร์หน้าจอ บางคนใช้ AI แปลงเสียงเป็นข้อความเพื่อสร้างคำตอบแบบเรียลไทม์ ผลที่ได้คือผู้สมัครที่ดูเหมือนมีความสามารถทางเทคนิคระดับยอดเยี่ยมระหว่างการสัมภาษณ์ แต่กลับต่อสู้กับงานพื้นฐานเมื่อได้รับการจ้างงานแล้ว ดังที่ผู้สัมภาษณ์คนหนึ่งค้นพบ ผู้สมัครที่ทำการสัมภาษณ์ได้ดีด้วยความช่วยเหลือจาก AI กลับกลายเป็นพนักงานที่แย่และดูเหมือนไม่รู้อะไรเลยในสภาพแวดล้อมการทำงานจริง

ผลลัพธ์ที่ได้ช่วยกรองคนบางส่วนที่ไม่สามารถคิดได้ออกไป ฉันเพิ่งสัมภาษณ์ใครบางคนที่เคยเป็นวิศวกรอาวุโสในโครงการกระสวยอวกาศ แต่หลังจากนั้นก็ไปจัดการศูนย์บริการ呼叫センター คำถามที่เราตอบไม่ได้คือคนๆ นี้ยังสามารถเขียนโค้ดได้หรือไม่ ดังนั้นเราจึงต้องปฏิเสธไป

สัญญาณบ่งชี้การโกงด้วย AI ทั่วไปในระหว่างการสัมภาษณ์

• การหยุดพักที่ดูไม่เป็นธรรมชาติตามด้วยคำตอบที่สมบูรณ์แบบ
• ดวงตาเคลื่อนไหวไปมาบนหน้าจอราวกับกำลังอ่านข้อความ
• ให้รายละเอียดทางเทคนิคที่เฉพาะเจาะจงเกินไปโดยไม่มีบริบท
• ขาดคำถามติดตามหรือการชี้แจงข้อกำหนด
• โซลูชันที่ตอบสนองเพียงข้อกำหนดระดับพื้นผิวเท่านั้น

เหตุใดการสัมภาษณ์แบบดั้งเดิมจึงล้มเหลว

วิกฤตการสัมภาษณ์ในปัจจุบันไม่ได้เกิดขึ้นจากความว่างเปล่า มันเปิดเผยจุดอ่อนที่สะสมมานานหลายปี การที่อุตสาหกรรมเทคโนโลยีกำหนดมาตรฐานการสัมภาษณ์ด้วยอัลกอริทึม สร้างระบบที่ทั้งสร้างความเครียดให้ผู้สมัครและโกงได้ง่าย การสัมภาษณ์กลายเป็นเรื่องของการประเมินทักษะทางวิศวกรรมในโลกจริงน้อยลง และกลายเป็นการทดสอบว่าผู้สมัครสามารถท่องจำและนำเสนอวิธีแก้ปริศนาโปรแกรมมิ่งทั่วไปได้ดีแค่ไหนมากขึ้น

ปัญหานี้สามารถย้อนกลับไปได้ถึงสิ่งที่ผู้แสดงความคิดเห็นคนหนึ่งอธิบายว่าเป็นแนวทางของ Google ในยุคแรก: การสัมภาษณ์ที่ถามว่าคุณจำอะไรจากคลาส CS 101 ปีแรกได้บ้าง ซึ่งบังเอิญว่ามีประโยชน์ต่อผู้ที่เพิ่งจบใหม่จากมหาวิทยาลัยชั้นนำ แนวทางนี้แพร่กระจายไปทั่วอุตสาหกรรม สร้างสิ่งที่ผู้แสดงความคิดเห็นอีกคนเรียกว่ากองขยะที่ AI เพิ่งมาทำให้มันระเบิด โครงสร้างของการสัมภาษณ์เหล่านี้เอง — ปัญหาสั้นๆ ที่สมบูรณ์ในตัวเองพร้อมวิธีแก้ไขที่ดีที่สุดที่รู้กัน — ทำให้พวกมันเป็นเป้าหมายที่สมบูรณ์แบบสำหรับความช่วยเหลือจาก AI

ต้นทุนของมนุษย์

เหนือกว่าการโกง กระบวนการสัมภาษณ์สร้างความเสียหายทางจิตใจอย่างมากต่อผู้สมัครที่จริงใจ วิศวกรรุ่นใหม่ต้องเผชิญกับโอกาสในการแข่งขันกับผู้สมัครที่ได้รับความช่วยเหลือจาก AI ซึ่งสามารถแสดงผลงานที่ไร้ที่ติได้ ความกดดันที่จะต้องแสดงได้อย่างสมบูรณ์แบบสร้างความวิตกกังวล โดยเฉพาะเมื่อผู้สมัครรู้ว่าพวกกำลังถูกวัดกับมาตรฐานที่อาจจะไม่จริง

สถานการณ์นี้สร้างวงจรที่เลวร้าย: เมื่อมีผู้สมัครใช้ AI ในการโกงมากขึ้น บริษัทต่างๆ ก็จะสงสัยผู้สมัครทุกคนมากขึ้น นำไปสู่การสัมภาษณ์ที่เข้มงวดและเครียดมากขึ้น สิ่งนี้ผลักดันให้ผู้สมัครหันไปใช้ความช่วยเหลือจาก AI มากขึ้น ซึ่งทำให้ความไว้วางใจในกระบวนการลดลงไปอีก ผู้สมัครที่ซื่อสัตย์พบว่าตนเองอยู่ในฐานะที่ไม่เอื้ออำนวย ต้องเลือกระหว่างการรักษาความซื่อสัตย์หรือตามให้ทันคู่แข่งที่ไม่มีปัญหากับการโกง

การทบทวนการประเมินใหม่

บริษัทและผู้สัมภาษณ์กำลังทดลองวิธีแก้ปัญหาต่างๆ เพื่อต่อสู้กับการโกงด้วย AI ในขณะเดียวกันก็ปรับปรุงประสบการณ์การสัมภาษณ์ วิธีที่ตรงไปตรงมาที่สุดคือการกลับไปสัมภาษณ์แบบตัวต่อตัวพร้อมเซสชันไวต์บอร์ด แต่นี่ก็สร้างความท้าทายสำหรับตำแหน่งงานทางไกลและการจ้างงานระดับโลก บางองค์กรยอมรับการเปลี่ยนแปลงนี้โดยอนุญาตให้ใช้ AI ได้ แต่เน้นไปที่ว่าผู้สมัครทำงานร่วมกับเทคโนโลยีนี้อย่างไร

ทางเลือกที่มีแนวโน้มดีหลายอย่างกำลังปรากฏขึ้น:

• การแก้ปัญหาแบบร่วมมือ : แทนที่แบบทดสอบการเขียนโค้ดแบบเดี่ยว เป็นการสัมภาษณ์ที่จำลองเซสชันการเขียนโปรแกรมคู่
• แบบฝึกหัดการตรวจสอบโค้ด : ให้ผู้สมัครวิจารณ์และปรับปรุงโค้ดที่มีอยู่แทนการเขียนใหม่ตั้งแต่เริ่มต้น
• การอภิปรายการออกแบบระบบ : มุ่งเน้นไปที่การคิดเชิงสถาปัตยกรรมซึ่งทำปลอมด้วย AI ได้ยากกว่า
• การประเมินแบบโครงการ : โครงงานที่ทำที่บ้านตามด้วยการอภิปรายเชิงลึกเกี่ยวกับการตัดสินใจในการออกแบบ

ข้อคิดสำคัญคือการเปลี่ยนจากการทดสอบวิธีแก้ปัญหาที่ท่องจำ ไปเป็นการประเมินกระบวนการคิด ทักษะการสื่อสาร และการตัดสินใจทางวิศวกรรม ดังที่ผู้แสดงความคิดเห็นคนหนึ่งระบุ ผู้สมัครที่ดีที่สุดแสดงให้เห็นถึงแนวทางการแก้ปัญหาและสไตล์การสื่อสารที่โดดเด่น ซึ่งการอ่านจากคำตอบของ LLM ไม่สามารถเลียนแบบได้

แนวทางการสัมภาษณ์ทางเลือก

• การสัมภาษณ์แบบเขียนโค้ดบนไวท์บอร์ดด้วยตนเอง พร้อมใช้ pseudocode
• แบบฝึกหัด pair programming แบบร่วมมือกัน
• เซสชัน code review และการวิจารณ์โค้ด
• การอภิปรายเกี่ยวกับการออกแบบระบบ
• การประเมินผลแบบโปรเจกต์พร้อมส่วนประกอบการนำเสนอ
• การอภิปรายเชิงสถาปัตยกรรมแบบเรียลไทม์
• คำถามเชิงพฤติกรรมโดยไม่ใช้สคริปต์

ผลกระทบทางการศึกษา

วิกฤตการสัมภาษณ์ขยายเกินกว่าการจ้างงานไปสู่การศึกษา มหาวิทยาลัยเผชิญความท้าทายที่คล้ายกันกับการโกงด้วย AI ในการบ้านและการสอบโปรแกรมมิ่ง บางสถาบันกำลังนำการสอบแบบสั้นลงและสอบแบบตัวต่อตัวมาใช้เพื่อลดโอกาสในการโกง ในขณะที่บางแห่งกำลังทบทวนแนวทางการประเมินผลเสียใหม่ คำถามพื้นฐานคือจะต่อสู้กับการใช้ AI หรือบูรณาการมันเข้ากับกระบวนการเรียนรู้

การเปลี่ยนแปลงทางการศึกษานี้สะท้อนกับปัญหาการจ้างงาน: หาก AI สามารถแก้ปัญหาการเขียนโปรแกรมมาตรฐานได้ บางทีคุณค่าของการศึกษาควรเปลี่ยนไปสู่การสอนให้นักเรียนใช้เครื่องมือ AI ได้อย่างมีประสิทธิภาพ ในขณะเดียวกันก็ยังคงมีความเข้าใจอย่างลึกซึ้งในแนวคิดพื้นฐาน เป้าหมายกลายเป็นการสร้างวิศวกรที่สามารถใช้ AI เป็นเครื่องมือได้ แทนที่จะต้องพึ่งพามัน

อนาคตของการจ้างงานด้านเทคนิค

อุตสาหกรรมดูเหมือนจะกำลังเคลื่อนไปสู่แนวทางการสัมภาษณ์ที่เน้นมนุษย์มากขึ้น โดยมุ่งเน้นไปที่การทำงานร่วมกัน การสื่อสาร และการแก้ปัญหาในโลกจริง บริษัทที่ประสบความสำเร็จมีแนวโน้มที่จะพัฒนากระบวนการสัมภาษณ์ที่สร้างสมดุลระหว่างการประเมินทางเทคนิคกับความเหมาะสมทางวัฒนธรรม โดยตระหนักว่าวิศวกรที่ดีที่สุดไม่จำเป็นต้องเป็นผู้ที่ท่องจำอัลกอริทึมได้ดีที่สุด

องค์กรที่มีความคิดก้าวหน้าบางแห่งกำลังทดลองใช้การทดลองงาน เซสชันการทำงานร่วมกันแบบขยายเวลา และการประเมินผลโดยใช้แฟ้มสะสมงาน สิ่งที่พบร่วมกันคือการเคลื่อนตัวออกจากสภาพแวดล้อมการทดสอบที่เทียม และมุ่งไปสู่การจำลองงานจริง ดังที่ผู้แสดงความคิดเห็นคนหนึ่งแนะนำ การสัมภาษณ์ควรให้ความสำคัญกับการสนทนามากกว่าการแสดง และมุ่งเน้นไปที่การสร้างความสัมพันธ์ที่แท้จริงระหว่างผู้สมัครและเพื่อนร่วมงานที่มีศักยภาพ

สถิติการสัมภาษณ์จากความคิดเห็น

• ผู้สัมภาษณ์คนหนึ่งทำการสัมภาษณ์ประมาณ 60 ครั้งในหนึ่งปี
• มีการสัมภาษณ์ประมาณ 10 ครั้งที่มีการสงสัยว่ามีการใช้ AI (ประมาณ 17%)
• บริษัทกลุ่ม FAANG ได้ทำการสัมภาษณ์ "สองสามร้อยครั้ง" ต่อผู้สัมภาษณ์ที่มีประสบการณ์
• ห้องเรียนในมหาวิทยาลัยบางแห่งใช้การสอบ 15 นาทีเพื่อลดโอกาสการโกงด้วย AI

บทสรุป

วิกฤตการโกงด้วย AI ในการสัมภาษณ์งานด้านเทคโนโลยีได้ทำหน้าที่เป็นสัญญาณเตือนสำหรับทั้งอุตสาหกรรม แม้ว่าการโกงจะเป็นปัญหาทันที แต่ปัญหาที่ลึกซึ้งกว่าคือกระบวนการสัมภาษณ์ที่ขาดการเชื่อมโยงจากงานวิศวกรรมจริง วิธีแก้ปัญหาไม่ใช่เพียงการตรวจจับการโกงที่ดีขึ้นเท่านั้น — มันคือการสร้างวิธีการระบุและประเมินความสามารถทางเทคนิคขึ้นใหม่

บริษัทที่เติบโตในสภาพแวดล้อมใหม่นี้จะเป็นบริษัทที่พัฒนากระบวนการสัมภาษณ์ที่มุ่งเน้นไปที่การประเมินที่แท้จริง แทนที่จะเป็นอุปสรรคเทียม พวกเขาจะตระหนักว่าความสามารถในการคิดอย่างมีวิจารณญาณ สื่อสารอย่างมีประสิทธิภาพ และทำงานร่วมกันอย่างมีประสิทธิผลนั้นสำคัญกว่าอัลกอริทึมที่ท่องจำ การปฏิวัติการสัมภาษณ์ที่ถูกบังคับโดย AI อาจนำไปสู่กระบวนการจ้างงานที่ดีและมีความเป็นมนุษย์มากขึ้นสำหรับทุกคนในที่สุด

เวลาปัจจุบันคือ UTC+0 2025-11-02T07:52:32Z และอุตสาหกรรมเทคโนโลยียังคงต่อสู้กับความท้าทายเหล่านี้ สิ่งที่ชัดเจนคือวิธีการสัมภาษณ์แบบเก่าไม่เพียงพออีกต่อไป และบริษัทที่ปรับตัวได้อย่างมีประสิทธิภาพที่สุดจะได้เปรียบอย่างมีนัยสำคัญในการแข่งขันเพื่อแย่งชิง talent

อ้างอิง: All Broke Interviews