面試不考程式了，AI 時代問的是另一件事

「我們不能一邊期待工程師跟 AI 一起工作，一邊用『不准用 AI』的方式面試他們。」 Coinbase 的工程副總在一份報告裡留下這句話，然後花了一整年，把公司的工程師面試重新設計了一遍。 原因很直接：他們發現，現在合併進來的程式碼，幾乎 100% 都有 AI 參與生成。但面試還在考 45 分鐘白板手寫，彷彿 AI 不存在。 他們統計了兩輪面試的評估訊號，發現兩輪的預測效果有 84% 是重疊的。也就是說，他們一直在用兩種方法重複測同一件事，而那件事，AI 兩分鐘就能做完。 所以他們把問題換了一個方向來問：現在的工作環境裡，什麼能力是 AI 給不了的？ 換出來的答案很具體：能不能發現 AI 犯了一個隱密的錯？面對 AI 給的三個解法，能不能判斷哪個最適合這個情境？什麼時候要相信 AI 的輸出，什麼時候要懷疑？ 這些問題，以前不會出現在面試裡，因為這種判斷力以前很難有效測試。現在可以了。 新設計跑下來，他們找到一批以前一直漏掉的候選者。這些人的判斷力沒有問題，只是記憶程式語法的速度沒那麼快。舊測試剛好在測的，正是那件跟實際工作表現關係最小的事。 這週，OpenAI 公布了一份用量研究，抽樣了 720 萬則 ChatGPT 訊息，跨度兩年。 最多人拿 ChatGPT 來做的事，是「找建議」，佔了 32.1%。 以前，找建議要找對的人。要有認識的、願意花時間的、正好懂你這個問題的人，而且你還要敢開口。現在，十億人每天都可以跟 AI 說「我遇到一個狀況，你覺得我怎麼辦比較好」。 這兩件事，背後其實是同一回事。 AI 開了一些原本進不去的門。面試裡，進不去的原因是記不住程式語法；找建議的管道裡，進不去的原因是沒有認識的人。門開了，判斷力、溝通力、把問題想清楚的能力，開始有機會被看到。 會不會用 AI，現在漸漸跟「會不會打字」一樣是基本的事。這個問題之後浮出來的，是在 AI 給你很多答案的時候，你有多少能力判斷哪個是對的。 Coinbase 最後說的很平靜：他們找的是有能力跟 AI 一起完成工作的人，而那種能力，是在用 AI 的過程裡練出來的。 這種事，大概真的要用了才知道。