テイクホーム提出でAI生成コードを検出する方法

なぜ「AI検出ツール」はほぼ機能しないのか

コード提出がAI生成されたかどうかを分類すると主張するツールは、一貫して弱い精度を示しています。彼らは多くの偽陽性（きれいなスタイルで書くことが起こる候補者を罰する）と多くの偽陰性（近代的なLLMは要求時に独特に見えるコードを生成できる）を生成します。彼らの出力に基づいて行動することは危険です。

信頼できる検出は異なる角度から来ます：それはアーティファクトを分類しようとしません。それはアーティファクトをプロセスと比較し、それを生成しました。

何が実際に人間のAI提出を区別するか

3つの信号、コード分類に基づかないもの：

1. プロセストレース

コードはどのように書かれましたか？人間は反復的に書きます — 関数が表示され、編集され、名前変更され、バグ修正されます。AIペーストコードは大きなチャンクで到着し、最初の外観でしばしば完全です。提出のキーストロークおよび編集タイムラインをキャプチャし、違いは見えます。

ClarityHireはテイクホーム提出用のこのタイムラインを記録し、「ペーストレート」および「編集反復」信号を手で書かれたコードと一致しないプロセスパターンにフラグを立てます。候補者を非難しません — レビュー担当者がプローブするための信号を表面化させます。

2. コードと説明の間の整合性

コードを書いた候補者はそれを具体的に説明することができます。ペーストした候補者はできません。テイクホームの最後のウォークスルーインタビューは、AIペーストサブミッションの最も信頼できる検出ツールです。候補者はリアルタイムで彼ら自身の選択を防御する必要があるからです。

具体的にプローブしてください：「このアプローチをなぜ代替案より選びましたか？」「入力が並べ替えられている場合は何が変わりますか？」「この関数が[エッジケース]で呼び出された場合に何が起こるかを歩いてください。」書いた候補者は流暢に答えます。ペーストした候補者は曖昧に即興します。

3. スタイルの一貫性

複数の提出全体または単一の提出の異なる部分にわたって、スタイルは一貫していましたか？命名、コメントスタイル、エラーハンドリングパターン。AI提出はしばしば疑わしい内部一貫性および疑わしい外部矛盾を持っています：人間がプロジェクト内で書くより制服的で、候補者の他の工芸品より可変的です。

信号で何をするか

自動拒否はしないでください。信号は確率的で、偽陽性のコストは高い — 倫理的にもパイプラインの観点からも。

彼らをトリアージとして使用してください：フラグされた提出はより厳格なウォークスルーを取得します。ウォークスルーはほぼ完全にそれを解決します。候補者がコードを流暢に防御する場合、スコアはスタンドします。できない場合は、スコアは彼らが防御できることを反映します。

これはブラックボックス分類器が評決を与えるより人道的で、より良い採用結果を生成します。

候補者に何を伝えるか

事前に彼らに伝えてください：「このテイクホームは30分間のウォークスルーの後にあり、コードを説明します。あなた自身のベストな仕事を助けるツールを何でも使用してください。しかし、あなたの選択を防御する準備をしてください。」

AIアシスタントを効果的にツールとして使用し、彼ら自身の仕事を流暢に説明できる候補者はあなたがフィルターで外したい人ではありません — 2026年のエンジニアの仕事方法です。フィルターは理解せずにペーストする人のためです。ウォークスルーは正しい機器です。

これがどこに向かっているか

検出ベースのアプローチは改善されたLLMに対して地盤を失い続けます。プロセストレースとウォークスルーアプローチは、彼らがアーティファクトがどのように見えるかに依存しないため、彼らが働き続けるでしょう — 彼らは候補者と彼ら自身の仕事の関係が防御可能であることに依存しています。その関係はあなたが雇う人です。