ข้อสอบเดิมวัดได้น้อยลง เมื่อ AI ทำได้ดีกว่า
สัมภาษณ์เขียนโค้ดคือกระบวนการคัดเลือกผู้สมัครด้วยโจทย์โปรแกรม เพื่อประเมินความสามารถในการแก้ปัญหาและความรู้ด้านภาษาเขียนโค้ด แต่เมื่อเครื่องมือ AI ทำโจทย์มาตรฐานได้ดีขึ้น ผลสอบก็อาจไม่สะท้อนว่าผู้สมัครจะสร้างผลงานในงานจริงได้เพียงใด
เฟลิกซ์ รีเซเบิร์ก ผู้จัดการฝ่ายวิศวกรรมของ Anthropic ระบุในโพสต์บนเอ็กซ์เมื่อวันอังคารว่า เขาเลิกใช้การสัมภาษณ์เขียนโค้ดกับทีมของตนแล้ว และอธิบายเพิ่มเติมว่าได้ถอดวิธีนี้ออกจากกระบวนการสัมภาษณ์ในเดือนนั้น เหตุผลตรงไปตรงมา: Claude ทำโจทย์เขียนโค้ดและคำถามเกี่ยวกับภาษาโปรแกรมได้ดีกว่า จึงยากที่แบบทดสอบเดิมจะช่วยแยกคนที่เหมาะกับงานออกจากคนอื่นได้
การเปลี่ยนแปลงนี้สมเหตุสมผลในบริษัทที่ AI เขียนโค้ดส่วนใหญ่แล้ว หากให้ผู้สมัครแข่งกับเครื่องมือในโจทย์ที่เครื่องมือทำได้คล่อง บริษัทก็อาจกำลังวัดทักษะผิดข้อ ไม่ได้แปลว่าความรู้การเขียนโปรแกรมหมดความสำคัญ แต่ความสามารถท่องจำไวยากรณ์หรือผ่านโจทย์สั้น ๆ ไม่ควรเป็นคำตอบสุดท้ายของการคัดคน

มือใหม่ควรเริ่มจากโจทย์ธุรกิจ ไม่ใช่คิวงานค้าง
คำแนะนำของรีเซเบิร์กไม่ได้ให้คนเริ่มต้นพยายามเขียนโค้ดให้เร็วกว่า AI แต่ให้มองให้พ้นงานชิ้นเล็กที่รออยู่ในคิว แล้วค้นหาว่าบริษัทกำลังติดขัดตรงไหน ต้องการให้ลูกค้าหรือธุรกิจได้ผลลัพธ์อะไร จุดนี้เป็นบททดสอบที่ใกล้กับงานวิศวกรซอฟต์แวร์จริงกว่าโจทย์จำลอง เพราะต้องเลือกปัญหาและอธิบายว่าทางแก้จะสร้างคุณค่าอย่างไร
เมื่อพบปัญหา ให้เลือกแนวคิดหนึ่งที่มีโอกาสผลักเป้าหมายไปข้างหน้า แล้วทำต้นแบบซอฟต์แวร์ที่ใช้งานได้ภายในสุดสัปดาห์ แนวคิดไม่จำเป็นต้องกลายเป็นผลิตภัณฑ์สมบูรณ์ หน้าที่ของต้นแบบคือทำให้คนเห็นภาพว่าปัญหาคืออะไร วิธีแก้ทำงานอย่างไร และอาจสร้างผลกระทบได้แค่ไหน การรวมหลายไอเดียจนโครงการบานปลายกลับทำให้ประเด็นหลักพร่าเลือน
สำหรับผู้สมัครรุ่นใหม่ นี่คือโอกาสพิสูจน์ทักษะนักพัฒนาในแบบที่ข้อสอบจับไม่ได้ ทั้งการตั้งโจทย์ การตัดสินใจเลือกสิ่งสำคัญ และการใช้ AI เป็นเครื่องมือโดยยังรับผิดชอบผลลัพธ์ ต้นแบบที่ชัดเจนจึงมีน้ำหนักกว่ารายการเทคโนโลยีที่รู้จัก แต่ต้องชี้ให้เห็นด้วยว่าใครได้ประโยชน์และปัญหาลดลงอย่างไร
ความกระหายสำคัญขึ้น แต่อายุงานยังไม่ใช่เรื่องไร้ค่า
รีเซเบิร์กเล่าว่าเคยเห็นวิศวกรที่ประสบการณ์น้อยกว่าแซงหน้าคนที่เขียนโค้ดเก่งกว่าและทำงานมานานกว่า พร้อมสรุปว่า “ความกระหายอยากสร้างผลงานชนะอายุงาน” ประเด็นนี้ไม่ควรตีความว่าองค์กรไม่ต้องการประสบการณ์อีกต่อไป แต่ชี้ว่าความอาวุโสเพียงอย่างเดียวรับประกันผลงานไม่ได้ เมื่อ AI ลดความได้เปรียบจากการจดจำเครื่องมือและรูปแบบโค้ด
สิ่งที่กำลังถูกให้ค่าน้ำหนักมากขึ้นคือการรู้ว่าควรสร้างอะไร และกล้าทำให้แนวคิดกลายเป็นสิ่งที่ทดลองได้ การเปลี่ยนเกณฑ์จึงสะท้อนการขยับจากการวัดว่าใครทำโจทย์ตามแบบได้คล่อง ไปสู่การประเมินวิจารณญาณ ความเข้าใจผู้ใช้ และผลต่อธุรกิจ นี่เป็นทิศทางที่บริษัทเทคโนโลยีอื่นเริ่มสำรวจเช่นกัน โดยมีทั้งการเปิดให้ใช้ AI ในการสัมภาษณ์งานและการเน้นผลลัพธ์ที่ลูกค้าได้รับ
อย่างไรก็ดี การลงมือทำมากไม่ได้แปลว่าทุกต้นแบบจะมีคุณภาพ นายจ้างยังต้องประเมินว่าผู้สมัครเลือกปัญหาได้เหมาะสม อธิบายข้อจำกัดเป็น และมีวิจารณญาณต่อสิ่งที่ AI สร้างหรือไม่ ประสบการณ์ยังช่วยให้ตัดสินใจได้ดีขึ้น เพียงแต่ไม่ควรใช้จำนวนปีทำงานแทนหลักฐานของความสามารถ
ต้นแบบเป็นหลักฐานชิ้นหนึ่ง ไม่ใช่คำตอบสุดท้าย
การเปลี่ยนวิธีคัดเลือกยังมีช่องว่างสำคัญ รีเซเบิร์กยอมรับว่ายังหาวิธีประเมินผู้สมัครที่ทำงานร่วมกับ AI ได้อย่างมีประสิทธิภาพไม่ลงตัว ในระหว่างนี้เขาพิจารณาประวัติและผลงานที่มีต้นแบบขนาดเล็ก ซึ่งแสดงรสนิยมในการออกแบบ ความเข้าใจผู้อื่น และการคิดอย่างมีหลักการ วิธีนี้ฟังดูใกล้งานจริงกว่า แต่ก็ยังต้องมีการพูดคุยเพื่อแยกผลงานของผู้สมัครออกจากสิ่งที่เครื่องมือสร้างให้
ความกังวลของมือใหม่ก็มีมูล เพราะงานแก้บั๊กและสร้างฟีเจอร์ง่าย ๆ ซึ่งเคยเป็นสนามฝึกและทางเข้าสู่อาชีพ กำลังถูก AI รับไปทำมากขึ้น ตำแหน่งเริ่มต้นจึงอาจหายากขึ้น การสั่งให้ผู้สมัครทำต้นแบบเพิ่มจึงไม่ควรกลายเป็นแรงงานฟรีหรือภาระที่ไม่เกี่ยวกับงาน แต่ควรเป็นหลักฐานสั้น ๆ ที่แสดงวิธีคิดและขอบเขตฝีมือ
ข้อสอบเขียนโค้ดแบบเดิมอาจไม่ใช่เครื่องมือที่น่าเชื่อถือพอสำหรับบางทีมอีกต่อไป แต่บริษัทก็ยังต้องออกแบบการประเมินที่เป็นธรรมและตรวจสอบได้ ส่วนผู้สมัครควรแสดงให้เห็นว่าตนเลือกปัญหาเป็น ใช้ AI อย่างมีวิจารณญาณ และสร้างทางแก้ที่เชื่อมโยงกับผลลัพธ์จริงได้ เมื่อความสามารถในการเขียนโค้ดไม่ใช่หลักฐานเดียว คนที่คิดโจทย์ถูกและลงมือทำได้ย่อมมีโอกาสโดดเด่นกว่า






