Технический контекст
Я посмотрел, как Coinbase пересобрала интервью для инженеров, и тут не косметика. Они больше не делают вид, что разработчик работает в вакууме без Copilot, Cursor, документации и моделей. Наоборот, использование AI на оценках стало обязательной частью процесса, и это уже прямой сигнал для AI implementation в командах.
Сдвиг простой, но жёсткий: раньше интервью мерило память на паттерны и аккуратность в «стерильном» лайвкодинге, теперь оно мерит, как человек управляет моделью. Я бы сформулировал это так: не «умеешь ли ты писать код без подсказок», а «умеешь ли ты получить нормальный результат с AI, увидеть бред модели и не уронить систему».
По фактам: этапы найма у них в целом знакомые, recruiter screen, OA, техинтервью, system design, behavioral. Но внутри этапов поменяли саму механику. В live coding разрешены AI и документация, а hiring managers должны отдельно оценивать AI fluency как обязательный сигнал, а не приятный бонус.
Меня здесь зацепил не сам допуск AI, а то, что Coinbase сместила фокус на judgment. Если модель сгенерила мусорный кусок кода, кандидат должен не радоваться скорости, а остановить это, поправить архитектуру, проверить края, не сломать идемпотентность и audit trail. Для fintech это, честно, единственный взрослый подход.
История не вчерашняя, а уже результат примерно года перестройки процесса, то есть это скорее не новость-однодневка, а оформленный индустриальный сдвиг. Источник тут сам Coinbase и публичные комментарии их инженеров, так что базовые выводы вполне опираются на первичку.
Что это меняет для бизнеса и автоматизации
Первое: компании, которые до сих пор нанимают «олимпиадников без среды», начнут промахиваться по реальной продуктивности. В проде сегодня выигрывает не тот, кто помнит редкий алгоритм, а тот, кто быстро собирает решение и держит качество.
Второе: интервью теперь ближе к тому, как реально строится automation with AI. Я это постоянно вижу в клиентских проектах: ценность не в том, что модель что-то нагенерила, а в том, как человек встраивает её в процесс, проверяет выход и ограничивает риски.
Третье: проиграют команды, где нет культуры ревью AI-кода. Если у вас artificial intelligence integration уже зашла в разработку, но найм всё ещё тестирует людей как в 2018-м, вы сами создаёте разрыв между интервью и продом.
Если у вас сейчас похожая развилка, можно не гадать на ощущениях. В Nahornyi AI Lab я с такими вещами и работаю: помогаю пересобрать процессы, где AI automation и найм должны совпасть с реальной инженерной практикой, а не с красивой легендой про «чистое» интервью. Если нужно, вместе разложим ваш workflow и соберём рабочую схему без лишнего шума.