CerebrasのAIネイティブエンジニアリング面接

2026年7月9日

AIネイティブな世界のエンジニア採用

著者：Sebastian Duerr と Hagay Lupesko

Cerebrasのエンジニアは日常業務でAIを使用しており、技術面接はその現実を反映すべきです。エンジニアリング組織全体で、候補者がAIを使用しながら、面接官が問題の枠組み、検証、判断、コミュニケーション、所有権を評価する、現実的な多段階演習を採用しています。候補者が利用できるツールは変わりましたが、優れたエンジニアリングの基準は変わりません。

Codex-SparkやCognitionによるCerebras搭載の高速コーディングシステムなどのAIコーディングエージェントは、ソフトウェアエンジニアの働き方を急速に変え、優れたエンジニアに実装、デバッグ、テスト、探求を加速する新しい方法を提供しています。このブログ記事では、技術面接にAIの使用とスキル評価を組み込むために適応した際の学びと洞察を共有します。

ソフトウェアエンジニアリングは急速に変化しています。今日、エンジニアはAIを日常的に使用して、慣れないコードの探索、初期実装の生成、障害のデバッグ、テストの作成、設計オプションの比較、反復作業の自動化を行っています。Cerebrasでは、これらのツールは構築プロセスの一部です。しかし、従来の技術面接では、AIツールなし、コンテキスト不足、時間プレッシャーの中でアルゴリズムや難解な言語構文を思い出すことに重点を置いた人工的な環境で候補者に作業を求めることがよくあります。

このギャップは重要です。面接は、その人が実際の仕事でどのようにパフォーマンスを発揮するかを理解する助けとなるべきであり、消えつつある仕事の方法をどれだけ模倣できるかではありません。

過去数ヶ月にわたり、Cerebrasのエンジニアリング組織のチームは、シンプルな前提に基づいて面接プロセスの一部を再設計してきました。すなわち、AIが仕事の一部であるならば、それは仕事の評価方法の一部であるべきだ、というものです。これは候補者への要求を減らすことを意味しません。むしろ、AI支援面接ではより多くを尋ねることができます。構文の暗記や小さなコーディングパズルを超えて、現実的なエンジニアリングタスクへと移行できます。候補者が答えに到達するかどうかだけでなく、問題をどのように構成するか、AIツールを導くか、出力を検査するか、間違いから回復するか、適切なトレードオフを行うかを見ることができます。

「AIネイティブな組織を構築することは、チームに新しいツールを提供するだけではありません。それらのツールをうまく使う判断力を育成することを意味します。採用プロセスは、技術的な深さとその新しいレバレッジを組み合わせたエンジニアを特定するのに役立つべきです。」——Hagay Lupesko、エンジニアリング上級副社長

以下は、変更点とこれまでの学びです。

面接は実際のエンジニアリングに近づく

面接を孤立したアルゴリズムに集中させる代わりに、チームに参加した後にエンジニアが遭遇する仕事に似た演習を追加しました。候補者は、小さなリポジトリを探索したり、既存のサービスに機能を追加したり、運用データセットを調査したり、開発者ツールを改善したり、不完全なリクエストを動作するプロトタイプに変換したりする可能性があります。環境や詳細は役割によって異なりますが、効果的な演習にはいくつかの共通点があります。複数のステップを必要とすること、判断を必要とする十分な曖昧さを含むこと、計画、テスト、反復を報いることです。多くの場合、具体的な目標から始めて全候補者に明確な問題への道筋を与え、その後面接を開放します。「何を改善しますか？」「どの前提を再検討しますか？」「これを本番稼働させる前に何を変える必要がありますか？」この進行はエンジニアリング能力の異なる次元を示します。具体的なタスクは実行力をテストし、自由回答部分は製品感覚、優先順位付け、コミュニケーション、設計判断を明らかにし、本番議論は候補者がプロトタイプを超えて信頼性、セキュリティ、可観測性、スケーラビリティ、保守性を見ることができるかどうかを示します。

候補者はAIを使用することが期待される

指定されたAI支援コーディングラウンドでは、候補者にあらかじめAIの使用が許可され期待されていることが伝えられます。この明確さは重要です。一部の候補者がこっそりツールを使用し、他の候補者が使用できないと思い込むような隠れたテストは避けたいのです。特定のプロンプトの公式を使用するかどうかで採点するのではなく、候補者が強力だが不完全なツールとどれだけ効果的に協力できるかを、より広範なエンジニアリングタスクの一部として評価します。

AIコラボレーションをスキルとして評価

AI支援面接では、最終的なコードだけでなく、候補者がAI自体とどれだけ効果的に連携するかも評価します。これには、リクエストの構成、有用なコンテキストの提供、作業を検証可能なステップに分割する能力、回答が不完全または間違っていることを認識する能力、ツールに依存するタイミングと挑戦するタイミングを判断する能力が含まれます。これらはそれ自体がますます重要なエンジニアリングスキルです。特定のインターフェースやプロンプトスタイルに精通していることを目標とはしません。重要なのは、候補者がAIを思慮深く使用し、その出力を検証し、結果に対して責任を持てるかどうかです。

私たちが求めるシグナルには、AI生成コードを扱ったことのある人にはおなじみのものがあります。それらは、候補者がAIを生産的かつ責任を持って使用できるかどうかを評価するのに役立ちます。

候補者は問題を委任する前に理解しているか？ ツールに有用なコンテキストと制約を提供できるか？ 生成されたコードを自動的に信頼するのではなく検査するか？ 結果を説明、変更、デバッグできるか？ エッジケースを含む重要な動作をテストするか？ 最良の候補者はソリューションの所有権を保持します。AIを使用してレバレッジを高めますが、判断力を外注しません。

「最も優れた候補者はAIをチャットボットとして扱いません。AIを使ってスピードを上げますが、システムの明確なメンタルモデルを維持し、変更を検証し、結果に対して責任を持ちます。」——Seb Duerr、技術スタッフ

この区別は中心です。コードを生成することは容易になりつつありますが、何を構築すべきかを決定し、答えが間違っていることを認識し、もっともらしいプロトタイプを信頼できるソフトウェアに変換することは依然として困難です。

学んだこと

動作するソフトウェアがより早く現れる

候補者が最新のツールを使用できる場合、面接中により早く動作する最初のバージョンに到達できることがよくあります。それは評価の終わりではなく、より興味深い評価の始まりです。基本実装が存在すれば、会話は実際のエンジニアリングをより反映する質問に移行できます。「これは正しいユーザー問題を解決していますか？」「どの部分を最初にテストすべきですか？」「設計は負荷下でどう動作しますか？」「セキュリティやプライバシーのリスクはどこにありますか？」「次のエンジニアにとってシステムをより使いやすくするにはどうすればよいですか？」これは難易度の考え方に影響を与えました。良いAI時代の面接質問は、難解なトリックを必要とするために難しいのではなく、一連の健全な判断を必要とするために難しいべきです。

検証が第一級のスキルに

AIツールはしばしば、説得力があるが微妙に間違った出力を生成します。その結果、検証は面接における最も強力なシグナルの1つとなっています。優秀な候補者は早期にコードを実行し、エラーメッセージを読み、表現を選択する前にデータを検査し、テストを要求するだけでなく、それらのテストが有意義かどうかを評価し、生成コードがインターフェースを変更したり、制約を無視したり、ハッピーパスのみを扱ったり、問題に不要な複雑さを追加したりした場合に気づきます。これは新しいエンジニアリングスキルではありません。コードレビュー、テスト、デバッグ、懐疑主義は常に重要でした。AIは単にその重要性をより可視化します。きれいに見える間違いを発見して修正する候補者は、大量のコードを生成するが理解を示さない候補者よりも、しばしばより強いシグナルを与えます。

面接の設計がツールの選択よりも重要

伝統的な面接にAIアシスタントを追加しても、それだけで面接が良くなるわけではありません。プロンプトをツールに貼り付けて最初の応答を受け入れるだけで問題が完了する場合、その問題はおそらく私たちが気にしていることを測定していません。演習自体がエンジニアリング判断の余地を作り出さなければなりません。これは、不完全な要件、なじみのないリポジトリ、ノイズの多いデータ、運用上の制約、競合する優先順位、最初のバージョンが動作した後に変更されるリクエストなどから生じます。面接官も準備が必要です。AI支援の仕事を評価するには、完了したテストケースを数える以上のものが必要です。面接官は共有ルーブリック、強弱のコラボレーションパターンの例、経験レベルによって何が異なるべきかのキャリブレーションを必要とします。初期キャリアの候補者には、適切に範囲設定されたタスクと素早く学ぶ能力が正しいシグナルかもしれません。シニア候補者には、より強い問題枠組み、より明確なトレードオフ、長期的なシステム動作へのより多くの注意を期待します。AIは候補者に自分のレベルを示す別の方法を提供します。

人間が仕事を所有する

エンジニアリング判断の基準は変わりません。「AIを許可することは採用のハードルを下げるのではなく、重要な仕事をより多く調べることを可能にします。候補者が曖昧さをどのようにナビゲートし、トレードオフを評価し、決定を伝え、初稿を信頼できるソフトウェアに変えるかです。」——Neeraj Khanna、エンジニアリングディレクター

候補者は依然として明確に推論し、アプローチを伝え、提出したコードを理解し、何かが失敗したときに建設的に対応する必要があります。基礎が重要なのは、エンジニアが生成された回答を評価することを可能にするからです。システム設計と行動面接は、コーディングアシスタントでは代用できない次元、すなわちリーダーシップ、コラボレーション、所有権、技術的深さ、コンテキストに応じた意思決定能力を引き続き評価します。面接官も引き続き不可欠です。AIは活動の要約や探求すべき領域の提案に役立ちますが、採用は重大な人的判断です。面接官は証拠を理解し、フォローアップの質問をし、ルーブリックを一貫して適用する責任があります。

最も重要なのは、目標は変わらないことです。チームと共に優れた仕事ができる人を見極めることです。

面接でのAI使用

採用においてAIを許可の問題として捉える誘惑があります。候補者はAIを使用すべきか否か？より有用な質問は、AIネイティブ組織で優秀なエンジニアを際立たせる能力は何か、ということです。私たちの答えには、常に重要であった多くの能力、すなわち好奇心、厳密さ、センス、コミュニケーション、所有権が含まれます。また、AIを効果的かつ責任を持って使用する能力も含まれます。エンジニアは、いつ加速するか、いつ減速するか、いつ委任するか、いつ目の前の答えを疑うかを知る必要があります。

これらの変更を展開するにつれて、採用した候補者がAIネイティブなエンジニアリング能力を引き上げ、新しいワークフローを導入し、同時に組織全体で重視する判断力、検証、所有権を強化しているという励みになる兆候が見られました。

AIがソフトウェアエンジニアリングを変え続けるにつれて、候補者評価のプロセスも進化し続け、エンジニアリング組織がこの変化を最大限に活用できるように構築されると信じています。AIが初稿をより多く書くかもしれませんが、エンジニアは出荷するものに対して依然として責任を負います。