Για δεκαετίες, η διαδικασία πρόσληψης ενός software engineer στην Google —και κατ' επέκταση σε ολόκληρη τη Silicon Valley— έμοιαζε με πνευματικό μαραθώνιο σε απομόνωση. Οι υποψήφιοι καλούνταν να λύσουν σύνθετα αλγοριθμικά προβλήματα σε έναν «λευκό πίνακα» ή σε έναν απλό κειμενογράφο, χωρίς πρόσβαση στο διαδίκτυο, βασιζόμενοι αποκλειστικά στη μνήμη και την οξυδέρκειά τους. Όμως, το 2026 σηματοδοτεί το τέλος αυτής της εποχής. Η Google ανακοίνωσε επίσημα ότι ξεκινά τη δοκιμαστική εφαρμογή μιας νέας διαδικασίας τεχνικών συνεντεύξεων, όπου οι υποψήφιοι όχι μόνο επιτρέπεται, αλλά ενθαρρύνονται να χρησιμοποιούν εργαλεία Τεχνητής Νοημοσύνης.
Από την Αποστήθιση στην Αρχιτεκτονική Σκέψη
Η απόφαση της Google δεν είναι απλώς μια αλλαγή πολιτικής· είναι μια παραδοχή της νέας πραγματικότητας στον κλάδο της τεχνολογίας. Στο σύγχρονο περιβάλλον εργασίας, κανένας προγραμματιστής δεν γράφει κώδικα στο κενό. Η χρήση του GitHub Copilot, του Google Gemini και άλλων LLMs (Large Language Models) έχει γίνει αναπόσπαστο κομμάτι της καθημερινής ροής εργασίας. Η απαγόρευση αυτών των εργαλείων κατά τη διάρκεια μιας συνέντευξης άρχισε να φαίνεται ολοένα και πιο αναχρονιστική, σαν να ζητάς από έναν αριθμομηχανή να λύσει μια εξίσωση με το χέρι για να αποδείξει την αξία του.
Σύμφωνα με πηγές από το τμήμα Ανθρώπινου Δυναμικού της εταιρείας, ο στόχος της νέας προσέγγισης είναι η αξιολόγηση της «ικανότητας επίλυσης προβλημάτων σε πραγματικές συνθήκες». Αντί η συνέντευξη να επικεντρώνεται στο αν ο υποψήφιος θυμάται τη σύνταξη μιας σπάνιας συνάρτησης, η έμφαση μετατοπίζεται στον τρόπο με τον οποίο καθοδηγεί την AI (prompt engineering), πώς ελέγχει την ακρίβεια του παραγόμενου κώδικα και πώς συνθέτει επιμέρους λύσεις σε ένα ευρύτερο αρχιτεκτονικό πλαίσιο.
Η Πρόκληση της Αξιολόγησης στην Εποχή του Gemini
Φυσικά, αυτή η αλλαγή φέρνει μαζί της σημαντικές προκλήσεις. Το κύριο ερώτημα που απασχολεί τους recruiters είναι το εξής: Πώς ξεχωρίζεις έναν πραγματικά ταλαντούχο μηχανικό από κάποιον που απλώς ξέρει να χρησιμοποιεί καλά ένα AI chatbot; Η απάντηση της Google φαίνεται να βρίσκεται στην πολυπλοκότητα των ερωτήσεων. Οι νέες δοκιμασίες είναι σχεδιασμένες να είναι πιο ανοιχτές (open-ended), απαιτώντας κριτική σκέψη και λήψη αποφάσεων που η AI δεν μπορεί να κάνει αυτόνομα.
- Ανάλυση Κώδικα: Οι υποψήφιοι καλούνται να βρουν λάθη ή κενά ασφαλείας σε κώδικα που παρήγαγε η AI.
- Βελτιστοποίηση: Η εστίαση μεταφέρεται από το «δουλεύει;» στο «πόσο αποδοτικό είναι για το σύστημα;».
- Επεξηγηματικότητα: Ο υποψήφιος πρέπει να είναι σε θέση να εξηγήσει κάθε γραμμή κώδικα, ανεξάρτητα από το αν την έγραψε ο ίδιος ή η AI.
Αυτή η μετατόπιση αναμένεται να επηρεάσει άμεσα και την εκπαίδευση. Τα πανεπιστήμια και τα coding bootcamps θα πρέπει να επανεξετάσουν το πρόγραμμα σπουδών τους, δίνοντας λιγότερη έμφαση στην αποστήθιση αλγορίθμων και περισσότερη στη συνεργασία ανθρώπου-μηχανής.
Κοινωνικές και Επαγγελματικές Προεκτάσεις
Η κίνηση της Google ενδέχεται να λειτουργήσει ως «δημοκρατικοποιητικός» παράγοντας. Πολλοί ταλαντούχοι προγραμματιστές που δεν είχαν την πολυτέλεια του χρόνου να προετοιμάζονται επί μήνες για τις παραδοσιακές «LeetCode style» συνεντεύξεις, τώρα θα έχουν την ευκαιρία να δείξουν την αξία τους χρησιμοποιώντας τα εργαλεία που χρησιμοποιούν καθημερινά. Από την άλλη πλευρά, υπάρχει ο κίνδυνος της «ομογενοποίησης» των λύσεων, καθώς οι περισσότεροι υποψήφιοι θα βασίζονται στα ίδια μοντέλα τεχνητής νοημοσύνης.
«Δεν προσλαμβάνουμε πια ανθρώπους που είναι ανθρώπινες εγκυκλοπαίδειες κώδικα. Προσλαμβάνουμε ανθρώπους που μπορούν να πλοηγηθούν στην πολυπλοκότητα χρησιμοποιώντας τα καλύτερα διαθέσιμα εργαλεία», αναφέρει στέλεχος της Google.
Σε τελική ανάλυση, η Google δεν αλλάζει μόνο τον τρόπο που προσλαμβάνει· αλλάζει τον ορισμό του τι σημαίνει να είσαι «καλός μηχανικός» στον 21ο αιώνα. Η ικανότητα να συνεργάζεσαι με την AI, να αμφισβητείς τα αποτελέσματά της και να την κατευθύνεις προς τη σωστή λύση, είναι πλέον η πιο κρίσιμη δεξιότητα στην αγορά εργασίας.
