Вопросы на собеседовании 1С-программиста: как сеньору обойти джуна с нейросетью

Рынок спорит, зачем платить сеньору (опытному специалисту), если джун (начинающий) с большой языковой моделью закрывает задачи почти так же быстро. Большая языковая модель, или LLM, это нейросеть, которая пишет текст и код по запросу. Автор разбора переворачивает вывод: уравнивает кандидатов не модель, а процесс найма.

Нейросеть подтягивает слабых только на типовых задачах

Автор ссылается на исследование 5 172 сотрудников поддержки, где ИИ-ассистент (помощник на основе искусственного интеллекта) поднял производительность в среднем на 15%. Менее опытные выиграли и в скорости, и в качестве. Самые опытные немного ускорились, но качество у них слегка упало.

Во втором эксперименте 453 специалиста писали профессиональные тексты. Время выполнения сократилось на 40%, качество выросло на 18%, разрыв между работниками уменьшился.

Деталь, которую легко пропустить: оба результата получены на типовых задачах. За их пределами, по словам автора, разрыв сохраняется, а иногда растёт.

Причина в устройстве экспертизы. Эксперт хранит в долговременной памяти готовые схемы решений, а новичок собирает решение шаг за шагом. Снаружи это видно по трём признакам:

• эксперт узнаёт осмысленные конфигурации, как шахматист позицию из реальной партии, и тот же эффект получен на программистах;
• эксперт группирует задачи по сути, новичок по внешним признакам;
• эксперт сразу видит первый шаг решения: метод проверки на этом признаке коррелировал с полным тестом знаний до 0,92 и сокращал время проверки от 2,5 до 4,9 раза.

Вывод автора: модель заменяет исполнение, а экспертиза прежде всего распознавание, то есть умение понять, правильно ли устроен ответ.

Почему собеседование не видит разницы?

Автор разбирает типовую цепочку найма. На каждом этапе измеряется не то, что отличает эксперта:

• Вакансия и ATS. ATS это система автоматического отбора, которая сверяет ключевые слова резюме и вакансии. Подогнанное резюме одинаково напишут и эксперт, и новичок.
• Скрининг неэкспертом. В экспериментах с неструктурированными интервью участники составляли уверенное впечатление, даже когда собеседник отвечал случайно, а само интервью ухудшало прогноз.
• Интервью STAR. Это рассказ о прошлом опыте по схеме «ситуация, задача, действие, результат». Со шкалами оценки его валидность в метаанализе достигала 0,63, без шкал оно во многом измеряет умение рассказывать.
• Технические задачи. Результат смешан с тревогой под наблюдением, а сами задачи типовые и с высокой вероятностью по силам модели.

Распознавание и проверку ответа не измеряет ни один этап. Отсюда и задача кандидата: самому вынести их на поверхность.

Что понадобится для подготовки?

• Текст вакансии и ваше текущее резюме.
• Доступ к нейросети для тренировки. Из доступных в РФ аналогов подойдут YandexGPT и GigaChat.
• От 3 до 5 историй из практики, где вы нашли ошибку, которую не заметили другие.
• Несколько вечеров на репетицию вслух.

Пять шагов, чтобы отбор увидел ваш опыт

1. Отделите в вакансии поверхность от сути. Выпишите стек и годы опыта отдельно, а рядом сформулируйте класс задач, с которыми столкнётся человек на этой роли.
2. Пройдите ATS по её правилам. Вставьте в резюме ключевые слова из вакансии дословно, а одной строкой добавьте класс задач, которые вы решали.
3. Подготовьте короткий рассказ для скрининга. На этом этапе гладкость решает больше, чем глубина, поэтому отрепетируйте рассказ на минуту.
4. Тренируйте распознавание, а не ответы. Если вы ищете вопросы на собеседовании 1С программист, не заучивайте готовые ответы, а гоняйте себя на поиск ошибок:

Ты опытный 1С-разработчик и интервьюер. Сгенерируй 5 фрагментов кода
для типовых задач. В каждом спрячь одну неочевидную ошибку.
Не показывай ошибки, пока я не дам свой разбор. Потом оцени мой разбор
и скажи, какой первый шаг проверки я пропустил.

1. На технической части проговаривайте проверку. Решив задачу, вслух назовите, где решение сломается и как вы это проверите, или предложите разобрать чужой код с ошибкой.

Что делать с этим прямо сейчас, по ролям

Кандидату. Пройдите пять шагов выше и добавьте в каждую историю момент проверки: что вы заметили и почему.

Автору Дзена. Тема найма с ИИ цепляет: разберите один реальный этап отбора в своей нише и покажите, что он на самом деле измеряет.

Нанимающему предпринимателю. Добавьте этап, где кандидат ищет ошибку в ответе нейросети, и введите шкалы с описанием уровней ответа для поведенческого интервью.

Маркетологу и HR. Пишите вакансию через класс задач вместе с тем, кто эти задачи решает, иначе ATS сравнивает поверхность с поверхностью.