軟體工程職位正受到 AI 的威脅。一些應徵者透過在面試過程中使用 AI 來反擊，他們在遠端技術面試中運用 AI 助理即時提供回應建議。

與此同時，一些雇主也以 AI 來應對，你沒猜錯。他們正在應用 AI 驅動的工具，以偵測面試過程中 AI 使用的明顯跡象。這種雙向動態正將招聘變成一場沒有明確贏家的 AI 軍備競賽。然而，儘管面試官和應徵者都在應對這個艱鉅的現實，專家們相信求職的人性層面終將勝出。

是什麼推動了 AI 在招聘中的增加？AI 招聘策略師 Tatiana Teppoeva 將這種現象描述為一場貓捉老鼠的遊戲，發生在 AI 驅動的科技業裁員不斷、職位空缺少於求職者的環境中。Teppoeva 表示：「AI 工具擅長識別一個人是否按照某種模式或預期結果表現。」她補充說，當應徵者因為不符合模式而屢遭拒絕時，他們可能會被迫使用 AI 面試助理來應對系統。

技術招聘公司 CalTek Staffing 的共同創辦人兼總裁 Archie Payne 將其視為對雙方都感到沮喪的過程的理性回應。他表示：「公司開始使用 AI 履歷篩選器和類似工具來大規模篩選申請。應徵者注意到這一點，並開始在面試中使用 AI 作為反制措施，以應對他們認為已被自動化的流程。」

根據 Navy Federal Credit Union 的資深 AI 資料工程師 Ravi Kiran Pagidi 的說法，這可能導致 AI 對 AI 的循環。Pagidi 曾參與軟體和資料工程職位的技術面試小組，他表示：「這個過程可能變得不再關乎實際能力，而更多是關於誰能更好地優化演算法。」

在技術面試中，軟體工程師可能需要概述演算法並回答與系統設計和其他軟體開發基礎相關的問題。遠端技術面試通常會變成即時編程環節，應徵者需要編寫程式碼來解決特定問題。

AI 面試助理，如 Final Round AI、Interview Coder 和 ParakeetAI，可以即時監聽、處理音訊並生成答案或程式碼。這些工具甚至可以疊加在面試螢幕上，聲稱隱形且無法偵測。

Meta 的軟體工程師 Mudit Saraf 表示：「你可以讀出即時傳來的答案，所以你所要做的就是稍微表演一下。」

Saraf 和 Microsoft 的軟體工程師 Shraddha Sunil 共同創辦了 Ginger，這是一個用於首輪面試的 AI 語音招聘工具。Ginger 會提出預設問題和即時生成的追蹤問題，並在初步篩選電話中標記使用 AI 的應徵者。該軟體會追蹤包括眼球運動、回應時間的持續延遲、分頁切換以及「聽起來像 AI」的語音模式（詞組、句子結構和流暢度）等信號。

Sunil 指出，Ginger 主要針對初階職位進行測試，這些應徵者可能是應屆畢業生或只有幾年經驗。她說：「這些應徵者更習慣使用 AI，而且他們經常使用，所以對他們來說這不是什麼新鮮事。」

AI 招聘工具的不足之處。Payne 注意到越來越多的雇主正在部署 AI 輔助面試平台，但有些在 AI 偵測方面卻得到好壞參半的結果。他表示：「我所見過的平台，其準確性尚未完美，有幾次優秀的應徵者被誤判為假陽性。當尋找合格人才已經是個挑戰時，無故淘汰頂尖人才可能會造成嚴重問題。」

Teppoeva 警告 AI 面試工具可能帶來的其他風險，包括應徵者資料的隱私和安全、面試錄音是否會被用於訓練這些工具背後的模型，以及偏見和公平性。

例如，史丹佛大學人類中心 AI 研究所最近的一項研究發現，AI 招聘工具可能會增加種族偏見並導致系統性拒絕。該研究追蹤了 340 萬名真實求職者，他們的申請都由同一供應商的演算法進行評估，結果發現對亞洲和黑人求職者產生了不利影響。

這些缺陷凸顯了人工監督的必要性。Teppoeva 表示：「我肯定會在流程的某個環節加入人工審核，並讓人們有發言權，以確保結果公平。」

Pagidi 認為，AI 招聘工具也必須進行審計、制定明確政策並保持透明度。他表示：「否則，合格的應徵者可能會被不公平地篩選掉，而公司可能會認為他們正在提高效率，但實際上卻削弱了招聘信號。」

推理能力和真實性至關重要。一些科技公司，包括 Meta，正在允許在技術面試中使用 AI。AI 原生軟體開發平台 Factory 也走同樣的路徑。

Factory 負責技術招聘流程的軟體工程師 Varin Nair 表示：「我們希望面試流程能反映應徵者目前實際使用 AI 工作的方式。」應徵者在一小時內使用 AI 編碼代理建構一個生產品質的系統，或將真實的程式碼庫從一個框架遷移到另一個框架。然後，他們會根據策略而非結果進行評估。

Nair 說：「我們明確不根據通過多少測試或是否完成來評分。我們評估的是規劃能力、如何指導 AI、如何除錯，以及他們是否能解釋其解決方案為何有效。」

他曾看到應徵者完全依賴 AI 編碼工具，接受它返回的一切。Nair 表示：「AI 的好壞取決於使用它的人的判斷力。能力較弱的應徵者依賴它來思考，一旦它出錯就停滯不前；而能力強的應徵者則利用它來加速，讓自己有餘裕思考架構、權衡和產品。」

這種推理能力在軟體開發中仍然至關重要。Pagidi 指出：「透過邊緣案例進行推理，並將答案與生產情境連結，才能展現真正的工程判斷力。開發人員將越來越多地使用 AI 工具，但他們仍然需要對最終解決方案負責。」

CalTek 的 Payne 相信，這種設計面試以偏好真實性的方法，從長遠來看對公司有利。他表示：「我最近見過最好的技術評估是協作式的，除了編碼之外，還包括程式碼走查和架構討論。這種面試方式更難以使用 AI 來應付，因此更有可能揭示應徵者真正的思考方式。」

他也建議應徵者使用 AI 進行準備，但在面試中保持答案的真實性。Payne 警告說：「公司越來越擅長偵測 AI 的使用，被抓到可能會影響你的長期職涯。技術社群比人們想像的要小。」每次面試，應徵者都必須權衡使用這些工具的風險和好處。他表示，冒險很少對應徵者有利。