یه پیشنهاد برای استخدام برنامه‌نویس جونیور تو دوران AI
هوش مصنوعیخلاصهٔ کامل‌تر
Laurie Voss، از بنیان‌گذارهای npm، تو این پست سراغ یه سؤال سخت رفته: حالا که خود «کدنویسی» دیگه بخش اصلی کار برنامه‌نویس نیست، چطور باید جونیور استخدام کرد؟ اون قبلاً گفته بود همه الان product engineer شدیم، یعنی کسی که بیشتر از کد نوشتن، تشخیص می‌ده چی باید ساخته بشه.
آمارها وضع بدی نشون می‌دن. طبق تحقیق Stanford، اشتغال برنامه‌نویس‌های ۲۲ تا ۲۵ ساله نسبت به اوج اواخر ۲۰۲۲ نزدیک ۲۰٪ کم شده، در حالی که استخدام سینیورها هنوز رشد داره. Anthropic هم گفته سهم جونیورها تو استخدام‌هاش از ۲۷٪ به ۹٪ رسیده. نویسنده می‌گه دلیل اصلی اینه که مصاحبهٔ کدنویسی دیگه چیزی رو نمی‌سنجه و جایگزینی هم نیست. Canva و Meta و Google دارن راندهای مصاحبه با کمک AI رو امتحان می‌کنن، ولی هنوز کسی راه‌حل قطعی نداره.
به گفتهٔ نویسنده راه‌های فعلی هم جواب نمی‌دن. کارآموزی انبوه، مثل ۱۰۰۰ کارآموز Shopify یا هدف ۱۱۱۱ نفری Cloudflare، کند و گرونه و از دست استارتاپ‌ها برنمیاد. استخدام از دانشگاه‌های معروف عملاً فقط بچه‌پولدارها رو جدا می‌کنه. معیارهایی مثل «hunger» و «taste» هم تعریف روشنی ندارن. مصاحبهٔ آزاد و بی‌ساختار هم طبق تحقیق Sackett در ۲۰۲۲ اعتبار پیش‌بینی ۰.۱۹ داره، در برابر ۰.۴۲ برای مصاحبهٔ ساختاریافته.
نویسنده سه مهارت رو برای product engineer مهم می‌دونه: product sense یعنی پیدا کردن مشکل واقعی از دل اطلاعات به‌هم‌ریخته، نوعی هوش سیستمی که بشه کل سیستم رو تو ذهن نگه داشت، و توانایی توضیح دادن با نوشتن، چون بدون اون نمی‌شه به agent درست پرامپت داد.
پیشنهادش اینه: یه LLM با همهٔ نیازها و محدودیت‌ها نقش مشتری رو بازی کنه و یه مدل دیگه (برای همه یکسان) هر کدی که داوطلب بخواد رو بنویسه. داوطلب یکی دو ساعت وقت داره نیازها رو از مشتری بیرون بکشه و به نرم‌افزار کارکن تبدیل کنه. می‌تونه وسط کار سؤال بپرسه، نسخهٔ نیمه‌کاره نشون بده یا از اول شروع کنه، ولی حق نداره مشتری رو jailbreak کنه تا کل نیازها رو یه‌جا لو بده. یه agent داور هم با داشتن نیازها تست می‌نویسه و نتیجه رو به یه آدم گزارش می‌ده.
نویسنده می‌گه این ایده تازه نیست. تو پزشکی از دههٔ ۱۹۶۰ آزمون OSCE هست که دانشجو از یه «بیمار استاندارد» (یعنی بازیگری که همیشه یکسان جواب می‌ده) شرح حال می‌گیره. تأکید می‌کنه نمرهٔ نهایی نباید کاملاً خودکار باشه، چون داورهای مدل‌محور ممکنه سوگیری داشته باشن و نیویورک هم برای ابزارهای استخدام خودکار حسابرسی سالانهٔ سوگیری می‌خواد. این طرح فعلاً نظریه‌ست و هنوز کسی امتحانش نکرده.
نکات کلیدی:
- اشتغال برنامه‌نویس‌های ۲۲ تا ۲۵ ساله نزدیک ۲۰٪ نسبت به اوج ۲۰۲۲ کم شده.
- سهم جونیورها تو استخدام‌های Anthropic از ۲۷٪ به ۹٪ رسیده.
- مصاحبهٔ بی‌ساختار اعتبار ۰.۱۹ داره و مصاحبهٔ ساختاریافته ۰.۴۲.
- طرح پیشنهادی: LLM نقش مشتری، یه مدل ثابت برای نوشتن کد، و agent داور برای تست.
- نمرهٔ نهایی باید دست آدم باشه، نه کاملاً خودکار.
