С организационной точки зрения изменения в процессе собеседования часто курируются руководителями инженерных подразделений, которые предпочли бы дождаться пожара, чем создавать потенциальную проблему при первом же запахе дыма.
Несколько компаний среднего размера перешли к более реалистичным, открытым задачам по кодированию, которые лучше отражают реальную работу. Примерами мест, где используются более реалистичные собеседования, являются Stripe, Coinbase и OpenAI. Вместо того, чтобы решать вопросы LeetCode, кандидаты решают такие проблемы, как:
Проектирование механизма запросов
Реализация хранилища «ключ-значение»
Проектирование базы данных in-memory для обработки транзакций
Стартапы на ранней стадии пошли ещё дальше — они часто заменяют традиционные задачи по программированию на домашние проекты, в которых прямо разрешено использовать инструменты на базе ИИ. Янгшун Тэй, основатель GreatFrontEnd, активно продвигает этот подход на LinkedIn и делится опытом того, как его команда успешно внедрила такую практику, чтобы лучше оценивать реальные навыки решения задач у кандидатов:
«Я пришёл из Big Tech и хорошо знаю недостатки типичного интервью. Поэтому я использую немного другой подход при найме фронтенд-инженеров в GreatFrontEnd:
Никакого LeetCode
Домашнее задание
Домашнее задание — это список дел (что?!)
Оценивается продуктовое мышление
Кандидаты, успешно прошедшие домашнее задание, заранее знают, какие будут вопросы на интервью, и могут спокойно подготовиться
За само участие в интервью предусмотрен бонус (...)
Важно понимать, что такой процесс найма требует больше времени по сравнению со стандартными LeetCode-интервью и плохо масштабируется при большом количестве кандидатов.»
Этот сдвиг в подходе к найму служит двойной цели: он лучше отражает реальные условия работы и одновременно помогает бороться с растущей проблемой мошенничества при оценке кандидатов. Один из основателей AI-стартапа на стадии посевных инвестиций в районе залива (Bay Area), с которым мы поговорили, оценил, что как минимум 20% кандидатов явно жульничали во время традиционных тестов по программированию. Проблема касается не только стартапов: один из близких друзей Эвана, интервьюер в Amazon, признался, что половина из последних десяти кандидатов явно использовали ИИ-инструменты на дополнительных экранах во время формально наблюдаемых оценочных тестов. Встраивая такие инструменты напрямую в процесс оценки, компании адаптируются как к реалиям современной рабочей среды, так и к вызовам, связанным с обеспечением честности этих оценок.
Инновации в подходах к технической оценке сегодня зарождаются в небольших, более гибких компаниях, в то время как крупные технологические корпорации лишь наблюдают со стороны. Это интересный переворот исторической тенденции: в течение последнего десятилетия практики проведения собеседований, разработанные Google и другими техногигантами, постепенно перенимались мелкими компаниями, стремившимися повторить их успех. Теперь всё наоборот! Вопрос лишь в том, когда — и случится ли вообще — работодатели из FAANG адаптируются к этой новой реальности.
Правда в том, что крупные технологические компании вряд ли будут менять процессы найма без ярко выраженных негативных сигналов после интервью — например, значительного количества увольнений, о которых никто не жалеет, и которые можно напрямую связать с ошибками в отборе кандидатов.
Скорее всего, Big Tech ограничится незначительными изменениями, вроде возвращения к очным интервью в краткосрочной перспективе. Они понимают, что текущий процесс собеседований по сути является игрой, но он действительно помогает выявлять тех, кто готов серьёзно вложиться в интенсивную подготовку. К сожалению для кандидатов, готовность преодолевать произвольные алгоритмические задачи хоть немного, но всё же коррелирует с теми качествами, которые присущи успешным инженерам в реальной работе — и этого достаточно, чтобы оправдывать сохранение существующего порядка.
Возникает вопрос: насколько жизнеспособны традиционные подходы к собеседованиям в эпоху больших языковых моделей (LLM)? По мере того как ИИ-инструменты всё лучше справляются с типичными алгоритмическими задачами, используемыми на интервью, их ценность как индикатора квалификации неизбежно снижается. В будущем ни одному инженеру не придётся вручную писать код для задач вроде проверки сбалансированности скобок или обхода бинарного дерева — вместо этого он просто даст правильный запрос ИИ, и тот сгенерирует нужное решение. Компании, которые внедряют более реалистичные, проектно-ориентированные оценки, уже сейчас адаптируются к тому, как на самом деле будет выглядеть инженерная работа в ближайшие годы.
Ясно одно: кандидаты сегодня сталкиваются с раздвоенной реальностью. Чтобы попасть в Big Tech, нужно готовиться к классическим алгоритмическим интервью. Но параллельно важно развивать навыки, которые позволят успешно проходить более открытые, практико-ориентированные оценки в других компаниях.
5. Стратегии подготовки по уровню опыта
Мы обнаружили, что оптимальная стратегия подготовки значительно варьируется в зависимости от уровня опыта, а относительная важность различных компонентов интервью меняется с карьерным ростом. Вот закономерности, которые мы наблюдали:
Для младших инженеров с опытом работы от 0 до 2 лет мы сочли эту подготовку наиболее эффективной:
Технические требования для младших позиций значительно возросли, и теперь владение базовыми алгоритмами и структурами данных стало обязательным. Успешные кандидаты на junior-уровне, как правило, решают от 150 до 200 задач по программированию разной степени сложности перед интервью.
Прежде всего, ты должен стать сильным разработчиком — всё остальное вторично.
Инженерам среднего уровня с опытом от 2 до 4 лет подходит более сбалансированный подход к подготовке:
На этом этапе компании ожидают от кандидатов не только уверенные навыки реализации, но и формирующееся архитектурное мышление. Самые успешные кандидаты среди тех, с кем мы работаем, развивают системный подход к проектированию, сосредотачиваясь на понимании базовых строительных блоков, которые можно комбинировать и адаптировать под конкретные задачи, а не просто заучивать готовые решения.
Для инженеров старшего уровня с опытом от 5 до 8 лет хорошо работает следующая структура подготовки:
На этом уровне ключевое отличие — это способность проектировать надёжные и масштабируемые системы, при этом чётко объясняя компромиссы в архитектурных решениях. От senior-инженеров также ожидается, что они умеют работать с неопределённостью: задают уточняющие вопросы, формулируют разумные допущения, если информация неполная.
Самая распространённая ошибка, которую мы наблюдаем у кандидатов на senior-позиции — недооценка подготовки к поведенческому интервью. Это критическая ошибка: на этом уровне компании оценивают не только технические навыки, но и потенциал к лидерству, умение разрешать конфликты и соответствие корпоративной культуре.
Мы видели, как технически сильные кандидаты проваливали интервью или получали понижение уровня только потому, что не смогли убедительно рассказать о своём вкладе, описать, как они влияли на кросс-функциональные команды, или показать осознанность в отношении собственных ошибок и сложностей. Подготовка к поведенческому интервью — это не формальность. Она оказывает существенное влияние на итоговое решение о найме, особенно на senior-уровне и выше.
Инженеры уровня Staff и выше сталкиваются с другим типом вызова:
На этих позициях компании смотрят далеко за пределы навыков реализации: они оценивают архитектурное видение, кросс-функциональное лидерство и умение общаться на уровне руководства. Успешные кандидаты на Staff+-уровне демонстрируют стратегическое мышление, связывая технические решения с бизнес-результатами во время обсуждения системного дизайна.
Ведущие AI-лаборатории, такие как OpenAI, имеют свои особенности в подходе к найму. Вместо того чтобы делать упор на традиционные лидерские качества, они жёстко отбирают кандидатов по "родословной" и громким достижениям. Явными фаворитами становятся кандидаты из элитных и известных компаний, AI-стартапов, престижных университетов, а также те, у кого есть яркие, легко подающиеся достижения, которые можно эффектно презентовать. Без всего этого кандидатам приходится преодолевать серьёзное сопротивление, даже если они обладают выдающимся техническим уровнем.
Стоит признать реальность: процесс технических собеседований превратился в специализированную игру, всё дальше отходящую от повседневной инженерной работы. Это далеко от идеала — но такова сегодняшняя практика. Компании выбрали стандартизированные методы оценки, которые далеко не всегда отражают реальные рабочие задачи, и этот разрыв нередко вызывает разочарование у инженеров.
Хорошей новостью является то, что правила игры общеизвестны. По сути, это «секретное рукопожатие», которому нужно научиться, чтобы попасть в эти компании. Процесс может показаться произвольным, но при должной подготовке ему вполне можно научиться. Любой, кто достаточно предан делу, может освоить эти шаблоны и значительно улучшить свои показатели.
Мы осознаем свою предвзятость; как платформа для подготовки к собеседованиям, мы, очевидно, верим в ценность структурированной практики. Данные говорят сами за себя: кандидаты, которые занимаются осознанной практикой, постоянно превосходят тех, кто этого не делает, независимо от природных способностей или уровня опыта. Закономерности очевидны в тысячах результатов собеседований.
Если вложение в формальные пробные собеседования не соответствует вашим предпочтениям или бюджету, это вполне понятно, и есть множество альтернатив: найдите друга, который работает в вашей целевой компании, познакомьтесь с коллегами в сообществах Reddit или Discord или создайте учебные группы с другими соискателями. Конкретный метод имеет меньшее значение, чем фундаментальный принцип, что собеседование — это навык, который улучшается с практикой, обратной связью и итерацией.
Что точно не работает — это полагать, что повседневная инженерная работа подготовила тебя к интервью. Интервью — это выступление, и оно требует отдельной, целенаправленной подготовки. Умение думать вслух, держать себя под давлением, ясно излагать мысли во время решения задач — всё это навыки, которые развиваются в условиях, приближённых к реальному интервью. Без такой тренировки даже очень сильные инженеры могут не справиться с тем, чтобы показать свой уровень внутри искусственных рамок интервью-процесса.
6. Положительные стороны
Рынок найма в техе в 2025 году кардинально отличается от «золотой лихорадки» 2020–2021 годов. Маятник резко качнулся от «пожалуйста, возьмите наши деньги» к «докажите, что вы того стоите» — и инженеры это ощущают на себе. Давление выросло, конкуренция стала жёстче. Но это не повод сдаваться!
Крупные технологические компании — такие как Amazon, Apple, Microsoft, Google и Meta — в совокупности по-прежнему держат около 40 000 открытых вакансий. Даже те команды внутри этих корпораций, которые формально не расширяются, продолжают нанимать на замещение ушедших сотрудников — несмотря на параллельные волны увольнений.
Сектор искусственного интеллекта продолжает стремительно расти. Компании вроде OpenAI, Anthropic и множество стартапов, работающих над AI-инфраструктурой, активно нанимают. Не стоит поддаваться мрачным прогнозам о скорой замене инженеров. Реальная ситуация с наймом показывает, насколько бизнесу по-прежнему нужны технические специалисты для достижения своих целей. Многие AI-компании предлагают компенсационные пакеты, сравнимые с уровнями 2021 года, особенно для инженеров с релевантной экспертизой или выраженным потенциалом к обучению в смежных с ИИ направлениях.
Инженеры, которые сейчас добиваются успеха, понимают, что современные тех-интервью по сути превратились в отдельный, странный вид спорта — со своими произвольными правилами и специфическими традициями. Они относятся к интервью как к выступлению, а не просто к технической проверке, и тратят время на подготовку соответственно.
Поскольку ИИ продолжает менять то, как выполняется инженерная работа, процессы собеседований также должны будут эволюционировать, поскольку они не могут продолжать проверять навыки, которые ИИ делает устаревшими. Но на данный момент мы застряли в этой неудобной переходной фазе, где вам нужно освоить как старые алгоритмические игры, так и новые, более практичные оценки.
Рискуя констатировать очевидное, в Hello Interview мы видим четкую закономерность: существует сильная корреляция между инвестициями в подготовку и успехом на собеседовании. Кандидаты, которые уделяют время структурированной практике, по-прежнему с большей вероятностью получат несколько предложений, даже в этой более избирательной среде.
Игра может быть сложнее, но, по крайней мере, свод правил публичен. При достаточной осознанной практике и правильной стратегии подготовки для вашего уровня вы все равно можете выйти победителем, даже на этом более жестком рынке.
Выводы
Большое спасибо Эвану и Стефану за то, что они обобщили то, что они видят на рынке технологий. Они собрали большую часть этих идей, взаимодействуя с разработчиками с помощью Hello Interview , сервиса пробных интервью и подготовки к интервью, соучредителями которого они являются.
Вот несколько интересных мыслей, над которыми я размышляю:
Более жёсткий рынок труда стал ожидаемым последствием окончания эпохи нулевых процентных ставок. Год назад мы анализировали, что это изменение будет означать для инженеров. Один из главных выводов тогда — готовиться к более сложной ситуации на рынке: рост конкуренции, меньше возможностей «попробовать разные варианты», особенно тяжело приходится инженерным руководителям. Это подтверждают и наблюдения Эвана и Стефана, которые работают на передовой найма. В каком-то смысле, поскольку такой эффект был предсказуем, его проще принять как одну из причин текущих трудностей с поиском работы.
ИИ сейчас на пике интереса, и ведущие компании в этой сфере уделяют большое внимание «родословной» кандидатов. Немного неожиданно было узнать от Эвана и Стефана, насколько сильно такие компании, как OpenAI, Anthropic и другие крупные игроки, отбирают кандидатов по предыдущим местам работы и достижениями. Хотя, если подумать, в этом нет ничего странного — когда у тебя тысячи заявок, почему бы не выбирать из самых громких имён в индустрии?
Это ещё раз напоминает: даже если ты уже работаешь в сфере AI, попасть в топ-компанию из менее известной — почти невозможно без весомой репутации в отрасли. Если цель — однажды попасть в такую компанию, стоит готовиться к карьерному пути в несколько шагов: начать с менее известных мест, заниматься реальной AI-разработкой, накапливать опыт и переходить в более узнаваемые компании. И только потом — возможно — появится шанс войти в число избранных.
Устройство на работу теперь требует гораздо больше времени и усилий. Разработчики всё чаще жалуются на то, насколько трудоёмка подготовка к тех-интервью. Если речь идёт о компаниях с алгоритмическими собеседованиями в духе Leetcode — недовольство вызывает объём подготовки. Если же формат предполагает объёмное домашнее задание — раздражает само выполнение задания, которое может занимать часы, а то и дни.
Как компетентный инженер, ты, скорее всего, считаешь, что работодатель должен и так понимать, что ты умеешь делать свою работу. И логично было бы просто поверить в твой опыт, пропустить всю эту бессмысленную оценку и сразу предложить оффер, верно?
Но с точки зрения менеджера по найму, новый сотрудник — это всегда риск. И мало что хуже, чем найм, который не оправдал себя — из-за нехватки навыков, мотивации или по любой другой причине. Интервью как раз и нужны для того, чтобы проверить, подходит ли кандидат по уровню и действительно ли он хочет эту работу.
Если раньше, в 2020–2022 годах, рынок был на стороне кандидатов, то сейчас — это уже рынок работодателей. В такой ситуации почти наверняка придётся вкладывать больше времени в подготовку к интервью и прохождение самих процессов. Хорошая новость в том, что такая подготовка не пропадает зря. Форматы интервью не меняются слишком быстро, и наработанные навыки будут полезны в течение долгого времени.
Ожидания растут и будут расти. В Uber мой тогдашний менеджер сказал мне, что ожидания производительности в Uber шли только в одну сторону для одного и того же уровня : вверх. Это было связано с тем, что бизнес быстро рос, и от любого нового сотрудника ожидалось поднять планку. Это означало, что со временем ожидания «нормы» для любого уровня карьеры продолжали расти. Через некоторое время это стало казаться естественным, но было странно к этому приспосабливаться!
Я чувствую, что мы наблюдаем нечто подобное в более широкой отрасли сегодня. Из-за большого количества квалифицированных, способных инженеров, претендующих на работу, ожидания растут на всех уровнях карьеры, и именно поэтому понижение уровня становится более распространенным.
Если вы получили предложение о понижении уровня: прежде всего, поздравляю с получением предложения! На этом рынке труда это само по себе достижение. Полезно принять во внимание текущую ситуацию на рынке труда, прежде чем слишком разочаровываться в таком результате. И если вы еще не получили предложение, знайте, что рынок сейчас жестче, чем был за последнее десятилетие, поэтому поиск работы занимает больше времени, чем раньше.
Если вы в настоящее время находитесь на рынке труда или проходите собеседования и заметили какие-либо изменения в процессах подбора персонала, пожалуйста, поделитесь ими в комментариях.
