技術面接でAI支援コーディング能力を評価する方法
面接の問いが変わった
過去2年間、技術採用で最も議論されてきた質問は「候補者はChatGPTを使ったか？」というものでした。しかしこれは間違った問いです。本当の問いは「どれだけうまく使いこなしているか？」です。2026年半ばの今、採用するエンジニアの誰もが1日の半分をAIアシスタントとともに過ごします。AI利用を選別することは、その仕事そのものを選別することなのです。
Meta、Shopify、Googleは先んじてこの転換を進めました。彼らの面接ではAIの使用を認め、時には要求さえしています。評価軸はどのようにプロンプトを出し、検証し、復帰するかによって採点されます。もし現在のあなたの面接が「30分間でソリューションがクリーンにコンパイルされるか」で採点されているなら、それはもはや職務に対応していないスキルを測定しているのです。
ここでは、AI支援コーディング能力を評価するために推奨する評価軸とフォーマット、そして既に持っている整合性検証ツールでシグナルの信頼性を保つ方法を紹介します。
昔の「AI禁止」型面接が失敗する理由
3つの理由があります：
- 実務がAI支援である。 あなたの上級エンジニアはCopilotやClaudeとペアを組んでコードをデプロイします。ペアリングなしの状態で採用することは、職務が実際に必要とするよりも小さく、狭いスキルセットを選別することになります。
- 検出が非対称である。 コード一貫性分析やキーストロークバイオメトリクスがあっても、規律あるカンニング者は漏れ落ち、パニックに陥った優秀な候補者にはフラグが立てられます。コスト・ベネフィットが成立するのは高リスク職務のみです。
- 強力な候補者が自己選別で外れる。 AIとともに毎日働いているシニアは、45分間のスクリーニングのためにそれを装わない。彼らは自分たちが働く方法を認めてくれる企業のオファーを受け取ります。
修正すべきことは整合性検証を無視することではなく、キーストロークとコード一貫性のシグナルは依然として偽造や身代わりを検出するために重要です。変わるべきは、採点の対象を「単独で書いた」から「AIを上手に使いこなした」に変えることです。
4次元評価軸
各次元を1～5で採点し、以下のアンカーを使用してください。既存の面接スコアカードに組み込んでください。シニアレベルでは「コード品質」軸を置き換え、ジュニアレベルではそれと並行して配置します。
1. プロンプト品質
測定内容：長い往復のやり取りなしにモデルに有用な仕事をさせることができるか？
- 5 — プロンプトには目的、制約条件、関連コードまたはスキーマ、期待される出力形式が含まれます。単一のプロンプトで実用的な応答が得られます。
- 3 — 2～3ラウンドでそこに到達します。不要なスコープまたは不足しているコンテキストがあります。
- 1 — 「これを修正して」のようなワンライナー。モデルが意図を推測することを期待しています。
2. 出力検証
測定内容：モデルを信頼するか、それとも検証するか？
- 5 — 生成されたコードをテストケースに対して実行してからコードを読みます。不足しているエッジケース、微妙に間違ったデフォルト、非推奨のAPIを検出します。確認するためにもう1つのテストを書きます。
- 3 — コードを注意深く読みますが、ほとんど実行することを信頼します。明らかなバグのみを検出します。
- 1 — 貼り付けて提出します。「確実ですか？」と聞かれても、なぜそうなのかを説明できません。
3. 悪い生成からの復帰
測定内容：モデルが軌道を外れたとき、それを軌道に戻すことができるか？
- 5 — 失敗パターン（存在しないメソッド、間違ったフレームワーク、架空の環境変数）を数秒以内に認識します。不足しているコンテキストで再度プロンプトを作成するか、修正を自分で書きます。
- 3 — 実行に失敗した後に気づきます。別のプロンプトを試みます。時々成功します。
- 1 — ループに詰まります。同じ方法で繰り返しプロンプトを出し、同じ壊れたコードを貼り付け続けます。
4. コミュニケーション
測定内容：AIに何を要求したか、何を得たか、なぜそれを保持または破棄したかを説明できるか？
- 5 — ライブでの選択を説明します：「スキーマを与えて、ソフトデリート列を処理するクエリを要求しました。不要なジョインが返されたので削除しています。」結果の責任を負います。
- 3 — 事後に説明します。ほぼ正確です。
- 1 — コードがなぜそのような形をしているのかを説明できません。AIが書きました。彼らがデプロイしました。
これら4つの軸は、従来の「25分間で正しいコードを書く」スコアよりも、実務でのAI生産性とはるかに相関があります。
これらのシグナルが浮き彫りになる面接フォーマット
AI支援での作業に対抗するのではなく、それに基づいた60分間のスロット：
- 0～5分：ブリーフィング。 候補者に小さなあいまいな問題を提示します。既存の200行のリポジトリを新しい機能で拡張するか、実際のコード内の微妙な失敗をデバッグします。AIアシスタントが推奨され、使用するプロンプトが評価の一部であることを伝えます。
- 5～45分：AIでビルド。 協調的なコードエディタで彼らが自分たちが選択したAIアシスタントとともに働く様子を見守ります。最初の10分間は邪魔をしません。評価軸に従ってメモを取ります。
- 45～55分：結果を説明。 コードを一緒に実行します。AIから受け入れた1つの関数と書き直した1つの関数を通じて説明するよう依頼します。なぜそれぞれなのか？モデルは何を間違えたか？
- 55～60分：拡張。 「入力が100倍大きかった場合、AIソリューションはどのように破綻するでしょうか？」実際にコードを理解した候補者は、30秒で問題を指摘します。
LeetCodeなしのフォーマットへの小さなひねり。候補者にAIなしで機能を拡張するよう求める代わりに、AIとともにそれを実行させ、協働を採点します。
AI習熟度を表面化させる質問
これらを面接の終わりではなく、途中で使用します：
- 「これについて、あなたが書くプロンプトを見せてください。」
- 「モデルが今あなたに言ったことの中で、信頼できないものが1つあります。なぜですか？」
- 「AIがオフラインだった場合、どのように異なるアプローチをしますか？」
- 「この関数をステップバイステップで説明してください。何を生成し、何を変更しましたか？」
最後のものはループで最も高いシグナル質の質問です。2分前に「書いた」関数について答えられない候補者は、理解していないAI出力をデプロイしています。これがあなたが採用に対抗する失敗モードです。
一般的な失敗モード、その意味するところ
- プロンプトと貼り付け、実行なし。 検証スコアが低い。本番環境で壊れたコードをデプロイします。
- 同じ壊れた出力での果てしないプロンプト再試行。 復帰スコアが低い。自分たちのツールをデバッグできません。
- 流暢な口頭説明、フォローアップに答えられない。 おそらく電話前にAIとリハーサルされています。「何を変更するか？」という質問をもっと掘り下げ、テイクホーム提出へのフォローアップ質問の手法に似ています。
- AIの使用を完全に拒否。 それ自体では失敗ではありませんが、2026年ではなぜ彼らが現在の職務でデプロイしているのかを尋ねる価値があります。
整合性シグナルをオンに保つ
AIを許可することは、整合性検証をオフにすることと同じではありません。キーストロークイベント取得と顔検出チェックをオンに保ち、偽造と画面ハンドオフを引き続き検出します。変わるのは何にフラグが立てられるかです。ChatGPTをエディタに貼り付けるバースト貼り付けはもはや赤旗ではなく、プロンプト品質に関するデータポイントです。整合性レポートは、候補者がカンニングしたかどうかではなく、どのように働いたかの証拠となります。
次に何をするか
3つの変更が今四半期に報酬をもたらします：
- 1つの職務のスコアカードに4次元AI評価軸を追加します。5人の候補者でそれを実行し、古いスコアと比較します。
- 1つの技術面接プロンプトをAI使用を想定して再度作成します。構造化面接フォーマットを保持します。評価軸のみが変わります。
- パネルを調整します。録画されたセッションを一緒に見て、議論する前に各軸を独立して評価します。コミュニケーション軸の意見の相違は、通常、最も強いシグナルを見つける場所です。
職務が実際に実行する仕事を採用してください。2026年その仕事はAI支援です。あなたの面接もそうあるべきです。