Coinbase полностью переделал процесс найма инженеров: классические раунды написания кода с нуля заменены оценкой AI-Fluency — способности кандидата направлять ИИ, проверять его вывод и применять экспертное суждение там, где модели ошибаются. К четвёртому кварталу 2025 года более половины кода в компании генерируется искусственным интеллектом, что сделало навык работы с ИИ-ассистентами критерием отбора наравне с архитектурным мышлением.
Что произошло
Coinbase запустил новый процесс технических собеседований, состоящий из трёх сигналов: практическая работа с реальным репозиторием компании и отладка, системный дизайн при использовании ИИ-ассистентов и оценка лидерских навыков. Перестройка шла поэтапно — пилот на фронтенд-командах во второй половине 2025 года, расширение на бэкенд в январе 2026 года, запуск на всю компанию в марте 2026 года. Одновременно публикация зафиксировала метрику: доля ИИ-сгенерированного кода в Coinbase выросла с 5,7% в первом квартале 2025 до более 50% в четвёртом, при этом люди продолжают ревьюить примерно 100% всех изменений.
Контекст
Доля ИИ-кода выросла почти в девять раз за один год, что указывает на практическую зрелость моделей кодогенерации — Claude, GPT-4.1, Gemini, Cursor — для массовой интеграции в рабочий процесс разработки. При этом 100% человеческое ревью означает, что качество сгенерированного кода ещё не достигло уровня, при котором можно доверять автоматической валидации: модели по-прежнему вносят логические ошибки, требующие обнаружения человеком. Трёхфазная стратегия перестройки отражает технические ограничения: фронтенд-код проще для ИИ из-за меньших зависимостей и более предсказуемых паттернов, тогда как бэкенд требует понимания распределённых систем, где ошибки ИИ-генерации обходятся дороже.
Почему это важно для индустрии
Пост Coinbase — первый детальный публичный отчёт крупной публичной технологической компании о полном пересмотре процесса найма под ИИ-генерацию кода. Это задаёт референсную точку для отрасли: Canva, Meta, Datadog уже тестируют аналогичные подходы, а Google вернулся к очным раундам для верификации навыков. Публикация Coinbase ускоряет тенденцию — ожидается, что платформы подготовки к собеседованиям (CodeSignal, HackerRank) начнут запускать модули оценки AI-Fluency, а новая категория продуктов — AI-Fluency Assessment Platforms — может заместить классические платформы алгоритмических тестов.
Почему это важно для пользователей
Стратегия подготовки к собеседованиям через заучивание LeetCode теряет эффективность. Ключевые навыки, которые теперь оценивают: качество промптов, умение находить ошибки в коде ИИ, понимание ограничений моделей и архитектурное суждение. Фреймворк из трёх сигналов AI-Fluency, опубликованный Coinbase, даёт конкретные критерии, которые можно использовать для самопроверки — инженеры могут оценить свой уровень по трём направлениям: практика работы на реальных репозиториях, системный дизайн с ИИ и способность принимать решения при неопределённости.
Что пока неизвестно / ограничения
Метрика роста ИИ-кода с 5,7% до более 50% не разделяет объём и качество: при 100% человеческом ревью значительная часть сгенерированного кода, вероятно, требует ручной правки. Неизвестно, насколько новый процесс уже применялся на реальных наймах и какие результаты показывает по сравнению со старым. Данные о других компаниях (Canva, Meta, Datadog) приведены без детализации — степень и характер их экспериментов с AI-Fluency не раскрыты.
Источники
- Interviewing Engineers in the AI Era: Lessons from a Year of Rebuilding — Coinbase Engineering Blog
- Tech Interviews in the AI Era: The Rules Are Being Rewritten — Eason Tech Talk
Автор
Look at AI, редакция