AIコーディングエージェント時代のソフトウェアエンジニア採用面接

AIコーディングアシスタントや自律型エージェントの台頭により、従来の技術面接と現代の開発者の日常業務の間にギャップが生じています。より多くの候補者が手動でコードを書くのではなくエージェントを指示する作業に集中していると報告する中、採用マネージャーたちは、基礎的なエンジニアリングスキルに欠ける「エージェント依存型」の開発者と、AIを既存の専門性を強化するツールとして活用する開発者を区別するための評価戦略を進化させています。

構文から問題分解へとシフトする

AIが実装の詳細を処理する現在、複雑な問題を分解する能力を評価することが、特定の言語構文を思い出せるかをテストするよりも重要になっています。AIが実装を担う中で、主なエンジニアリングスキルは分解と誘導に移行しています。

プロンプト工学をシグナルとして扱う: 一部の面接官は、プロンプト作成を核心的な能力として扱うようになっています。これは、広範な問題を提示し、候補者がAIに投入する前にどのように問題を分解するかを観察することを意味します。高品質なシグナルには、候補者がモデルを効果的に誘導しているか、AIの提案を盲目的に受け入れているか、タスクの要件に応じてモデルを切り替える能力があるかが含まれます。
「エージェント最優先」ワークフロー: 一部の組織では、完全にAI最優先の採用プロセスに移行しています。これらのモデルでは、候補者が実際のリポジトリに投入され、社内AIハーネスを使って機能を実装するよう求められます。成功は、候補者の対話パターン、質問の仕方、およびルールと品質ゲートが設けられたシステム内での最終出力の質によって測定されます。
「ワンショット」のリスク: 完全にエージェント中心の面接は不安定な側面があります。一部のマネージャーは、準備なしにチケットをLLMに「ワンショット」で投入する候補者が、結果が一貫性に欠けることが多いと報告しており、一部の企業では初期スクリーニングのために制限付き環境に戻っています。

基礎的なエンジニアリングの厳密さを検証する

プロンプトはできるが、エンジニアリングはできない候補者のリスクに対処するため、いくつかの戦略が採用されています。これにより、技術的スキルの最低限の基準を確保します。

コードレビューとバグハンティング

候補者がコードをゼロから書くように求めるのではなく、一部の面接官は意図的に欠陥のある小さなコードベース（例：シンプルなCRUD API）を提供し、AIツールを使わずにレビューを依頼します。これにより、以下の点をテストします：

批判的思考: 認証の欠如や劣悪なログ記録の実装を特定する能力。
コミュニケーション: なぜそのコードがエラーなのかを説明する能力。これは、シニアからジュニアへのメンターシップの状況を模倣しています。

「修正・拡張」ペアリングセッション

もう一つの有効な方法は、二段階のプロセスです。まず、簡単なコードの提出（例：CSVからの基本的なデータマッピング）を行い、その後、ライブペアリングセッションで、AIツールを使わずに論理を修正したりデータセットを拡張したりするよう求めます。これにより、候補者が提出したコードの下地を理解しているか、それとも単に理解せずに生成しただけかが明らかになります。

代替評価フレームワーク

多くの経験豊富な採用担当者は、従来のLeetCodeスタイルの面接はAIの有無に関わらずほとんどシグナルを発しないと主張し、より上位レベルのプロフェッショナルな資質に注目すべきだと提言しています。

経験に基づく質問: 候補者の実際の経歴に焦点を当て、履歴書に記載された特定のプロジェクトについて、採択された意思決定や学んだ教訓を深く掘り下げる質問をします。
有給の仕事試験: 初期の技術面接の後に、1〜2日間の有給の試用期間を設けることで、採用側と候補者の両方のリスクを軽減します。
プロダクトマインドセット: CSの細部にこだわるよりも、好奇心、誠実さ、プロダクト志向のマインドセットといった「ソフト」なシグナルを重視します。

面接戦略の要約

戦略	注目点	AIポリシー	収集されるシグナル
コードレビュー	解析とメンターシップ	AI不可	エラーの発見力と技術的負債の説明能力
エージェントタスク	誘導と分解	AI最優先	高品質な機能を生成するためにAIを管理する能力
ペアリング拡張	理解度	提出時はAI可、拡張時はAI不可	生成されたコードを理解しているかの検証
仕事試験	統合と納品	フリーポリシー	実際の現場でのパフォーマンスとチームとのマッチング
CVの深掘り	経験と判断力	不適用	経験の真実性とアーキテクチャ的思考力