Cum să detectezi utilizarea ChatGPT în interviuri de coding

Noua bază: fiecare candidată are ChatGPT deschis

Până în 2026, întrebarea nu mai e dacă candidatele folosesc IA în interviuri — e cât de mult și dacă pot produce aceeași muncă fără. Dacă nu îți adaptezi cribarea, vei angaja oameni a căror abilitate anunțată e cea a IA-ului, nu a lor.

Acest articol e un ghid de teren pentru detectarea răspunsurilor asistate de IA în interviuri de coding live și async, extras din semnalele pe care motorul nostru de integritate le scoate la lumină.

Semnalul 1: ritm de tastare care nu se potrivește cu autorat uman

Când o persoană scrie cod, face pauză să gândească, dă backspace, refactorizează nume de variabile și se oprește la mijlocul liniei. Când o persoană lipește cod, vezi un singur burst de keystroke-uri — adesea sute de caractere în mai puțin de o secundă — urmat de tăcere.

Modelul de biometrie de tastare al ClarityHire flag-uiește două pattern-uri:

• Evenimente burst-paste. Rate susținute de tastare peste ~700 caractere/min, în special când precedate de 10-60 secunde de tăcere (semnalul clasic "alt-tab la ChatGPT").
• Drift de autorat. Amprenta de tastare a candidatei se schimbă la mijlocul sarcinii. Primele 10 minute par o persoană; minutul 30 pare alta.

Niciuna concludentă singură. Împreună, aproape întotdeauna.

Semnalul 2: rupturi de coerență a codului

Codul generat de LLM e fluent dar adesea prea fluent. Inginerii reali lasă artefacte: un TODO uitat, o variabilă numită x pe care voiau s-o redenumească, un stil ușor inconsistent între două funcții scrise la 20 de minute distanță.

Rulăm un pas de judecător LLM peste trimiterea finală a candidatei cu o întrebare: arată asta ca și cum o persoană a scris-o, de la cap la coadă? Semne roșii comune:

• Comentarii care explică cod trivial în proză de manual
• Upgrade-uri bruște de idiom (loop-uri for brute într-o funcție, comprehension-uri elegante în următoarea)
• Tratare defensivă a erorilor pentru cazuri pe care candidata nu le-a testat niciodată

Semnalul 3: latență întrebare-la-keystroke

Dacă o candidată citește o problemă și începe să tasteze o soluție funcțională în 8 secunde, nu gândește — transcrie. Măsurăm timpul-până-la-primul-keystroke-semnificativ și flag-uim orice implauzibil de rapid pentru dificultatea problemei.

Ce să faci în legătură cu asta

Detecția e jumătate din răspuns. Cealaltă jumătate e designul interviului care face utilizarea IA mai puțin utilă:

1. Pune întrebări de follow-up live. "De ce ai ales un hash map aici? Ce se întâmplă dacă input-ul e sortat?" O soluție lipită de LLM va avea o proprietară care nu poate răspunde.
2. Folosește probleme cu constrângeri noi. LeetCode standard e în setul de antrenament. O mică schimbare — o formă de date custom, o funcție de cost neobișnuită — forțează gândire reală.
3. Combină async cu live. Un follow-up live de 30 de minute pe trimiterea take-home e cel mai bun interviu cu cel mai mare semnal pe care majoritatea echipelor nu îl rulează.

Hiring-ul modern nu e anti-IA. E anti-fals. Candidatele care folosesc IA bine, transparent, sunt exact oamenii pe care vrei să-i angajezi. Scopul e să te asiguri că sunt și oamenii care se prezintă.