Как обнаружить использование ChatGPT в coding интервью

Новая baseline: каждый претендент имеет ChatGPT open

By 2026, вопрос больше не является претендента use AI в интервью — это сколько, и ли они могут произвести same работа без это. Если вы не adapt ваш screening, вы будете нанять люди чьи advertised навык это AI, не их.

Этот post field guide для обнаруживаем AI-assisted ответы в live и async coding интервью, drawn от сигналов наш integrity engine surfaces.

Signal 1: Keystroke rhythm что не match человека authorship

Когда person пишет код, они pause думать, backspace, refactor variable names, и trail от mid-line. Когда person pastes код, вы видите single burst keystrokes — часто сотни character в under second — followed молчание.

ClarityHire keystroke biometrics модель flags два паттерны:

• Burst-paste события. Sustained typing rates above ~700 chars/min, особенно когда preceded by 10–60 second молчание (classic "alt-tab для ChatGPT" tell).
• Authorship drift. Претендент typing fingerprint shifts mid-task. Первый 10 минут выглядит как one person; minute 30 выглядит как different один.

Ни один conclusive на собственный. Вместе, они almost всегда are.

Signal 2: Code coherence breaks

LLM-generated код fluent но часто over-fluent. Real engineers оставляют artifacts: TODO они forgot удалить, variable named x они meant переименовать, slightly inconsistent стиль между два functions написанные 20 минут apart.

Мы запустите LLM-judge pass над претендент final submission спрашивая один вопрос: это выглядит как one person написали это, end для end? Common red flags:

• Comments что объяснять trivial код в textbook prose
• Sudden upgrades в idiom (raw for loops в one функция, elegant comprehensions в next)
• Defensive error handling за cases претендент никогда tested

Signal 3: Question-to-keystroke latency

Если претендент читает problem и starts typing working решение within 8 секунд, они не thinking — они transcribing. Мы measure time-to-first-meaningful-keystroke и flag что-либо implausibly fast за problem сложность.

Что делать об этом

Detection половина answer. Другая половина interview дизайн что делает AI используйте less полезно:

1. Спросьте follow-up вопросы live. "Почему вы pick hash map здесь? Что happens если input sorted?" LLM-pasted решение будет имеют owner который не может ответить.
2. Используйте problems с novel constraints. Standard LeetCode в training наборе. Small twist — custom data форма, unusual cost function — forces actual мышление.
3. Комбинируйте async с live. 30-минут live follow-up на take-home submission одинокий highest-signal интервью most команд не запускай.

Modern найм не anti-AI. Это anti-fake. Претендента, которые используют AI well, transparently, точно люди вы want нанять. Goal сделать sure они также люди showing up.