El Proceso de Entrevista de Ingeniería Habilitado por IA de Tolan

Tolan ha rediseñado su proceso de entrevista de ingeniería para reflejar cómo trabajan realmente los ingenieros con agentes de codificación con IA. En lugar de preguntas algorítmicas tradicionales, se centran en habilidades prácticas que importan cuando la IA escribe la mayor parte del código de producción.

La Estructura de la Entrevista

Los candidatos pasan una mañana en su oficina de San Francisco trabajando en un pequeño problema que Tolan ha resuelto ellos mismos. El problema proviene de un archivo de Figma básico o una especificación breve, que normalmente representa un flujo simple o una funcionalidad ligera que normalmente tomaría uno o dos días construir.

Los candidatos tienen solo unas horas para trabajar en el problema, lo que no es tiempo suficiente para crear un producto pulido. La limitación es intencional: quieren ver cómo trabajan los candidatos dentro de las limitaciones.

Herramientas de IA Fomentadas

Se anima explícitamente a los candidatos a usar IA para resolver el problema. Tolan proporciona licencias para Claude, Codex, Cursor o Gemini si es necesario. La expectativa clave es que los candidatos deben equilibrar el código generado por LLM con su propio criterio, incluso si no están escribiendo el código, son responsables del resultado.

Lo que buscan:

• Cómo abordan los candidatos el problema
• Cómo estructuran una solución
• Cómo piensan a través de las limitaciones
• Cómo deciden lo que realmente importa

Criterios de Evaluación

Después de la sesión de trabajo, hay una conversación de 20 a 30 minutos sobre lo que se creó. Los entrevistadores preguntan qué mejorarían los candidatos si tuvieran más tiempo, qué cambiarían antes de enviarlo para revisión y qué cambiarían antes de enviarlo.

Las señales de alerta incluyen:

• Candidatos que usan LLMs para pensar cómo se debe completar el proyecto (como capturar pantallas de Figma y pedir a Claude que lo resuelva)
• Candidatos que no cuestionan especificaciones poco claras
• Candidatos que dicen "Todavía no estoy seguro de qué hace esta parte" pero no cambiarían nada antes de la revisión humana

Las señales positivas incluyen:

• Aclarar enunciados de problemas y explorar casos límite
• Reconocer compensaciones
• Señalar cuando algo se siente extraño o no parece correcto
• Mostrar creatividad (como construir un minijuego para entretener a los usuarios durante las esperas de respuesta de LLM)
• Saber cuándo el trabajo no es lo suficientemente bueno y cómo mejorarlo

La filosofía central: En un mundo donde la implementación se está volviendo más fácil, lo que más importa es el criterio. El código funcional no es la línea de meta: entenderlo y mantenerlo lo es.