近日，AI 公司 Anthropic 工程經理 Felix Rieseberg 發表文章表示，他已不再於招募時使用傳統程式面試，並認為在 AI 時代，相對新進的工程師同樣有機會做出成果、超越年資更久的同事。資料與 AI 平台 Snowflake 工程資深副總裁 Vivek Raghunathan 先前也在《Fast Company》撰文指出，Snowflake 目前的招募名額中，初階工程師占 70% 至 80%，因為若淘汰初階工程師，未來將不會有兼具判斷力、直覺，並扎實理解 AI 原生開發方式的資深領導者。
Raghunathan 寫道，科技業最大的招募迷思，是認為 AI 正讓初階工程師變得過時。這個邏輯看似合理：AI 能寫程式，何必再雇人寫更多程式？初階工程師一直以來都是在工作中學習，靠修復程式錯誤、推出小型功能，逐步累積真正的判斷力；如今程式碼代理（coding agent）已能處理許多這類工作，企業便認為可以砍掉職涯階梯最底層的幾階。Rieseberg 則提到，已有大量文章討論 AI 如何讓初階工程師、尤其是求職者面臨挑戰，但他觀察初階工程師使用 AI 一段時間後，抱持較樂觀的看法。
Anthropic 工程經理停用程式面試：企圖心勝過年資
在為自己的團隊招募成員時，Rieseberg 本月起不再要求應徵者參加傳統程式面試。他說，過去能否快速定義問題、找出簡潔解法，雖然只是「微弱但有用」的指標，仍能預測應徵者在他團隊中能否成功；用真實程式碼出的小型程式題，也確實能看出應徵者的一些能力。但這已不再成立，如今出一道 React 小型挑戰題，就和考組合語言一樣沒有意義，因為 Claude 在這兩方面都已經做得更好；團隊中最具影響力的開發者，無論這類測試表現如何，都能做出成績。
在 Rieseberg 看來，傳統程式面試不會再回來。他表示，自己還沒完全找到面試「善於運用 AI 開發的人」的方法，目前會從履歷與作品集中，尋找能展現品味、同理心與原則性思考的小型原型。
Rieseberg 觀察到，一個人能創造的影響力，受多年累積的框架與函式庫知識限制已經變小。他看到一些相對新進的工程師，快速超越那些程式能力可能更好、資歷也久得多的人，並以「Hunger beats tenure」（企圖心勝過年資）形容這個現象。他也表示，「初階」其實不是精準的說法，他的建議真正寫給的是缺乏人脈、地位與權力的工程師。
新人的眼光即使天真，長久以來都被視為一股力量。Rieseberg 剛加入金流公司 Stripe 時，創辦人 Patrick Collison 要新人特別留意那些讓自己覺得奇怪的地方，Collison 認為新人會察覺老員工早已不再注意的摩擦與機會。Rieseberg 到筆記軟體公司 Notion 面試時，其中一關是設計離線模式架構，讓他十分不解的是，Notion 把這當成「陷阱題」，因為離線模式被認為不可能實現：資料模型太複雜，難以輕鬆同步整個工作區，而只下載個別頁面的使用體驗，又被認為是執行長 Ivan Zhao 絕不會接受的。結果資料模型複雜是真的，執行長會反對這點卻不是；大家都把這當成常識，從來沒有人確認過，而 Rieseberg 這個什麼都不懂的新人，只是直接開口問了。
不過，Rieseberg 指出，這股新人力量唯一的問題是「沒人在乎你怎麼想」。多數科技公司由層層中階主管將商業目標轉化為執行，結構上也常由少數人決定個別點子能否推進；在執行成本高昂的情況下，新人通常得先熬出一定地位，整個組織才願意押注其想法。組織架構往往變動緩慢，因此即使是相信 AI 的公司，也常只期待初階員工更快完成任務，而非積極追求商業目標。他接著說，好消息是「執行已經不再昂貴」。
給初階工程師的建議：瞄準商業影響力，用一個週末做出原型
對於初階工程師，Rieseberg 的建議是優先追求商業影響力，而不是埋首消化待辦清單。他引用軟體工程師 Patrick McKenzie 在 AI 寫程式尚未出現的 2011 年寫下的話：「工程師是被聘來創造商業價值，而不是寫程式」，McKenzie 也建議工程師依附在公司賺錢的部門。Rieseberg 認為，可以先了解公司真正想達成的目標，若在大公司則是所屬部門的目標，再站到合適的高度看問題，而了解主管的主管有哪些目標，往往是不錯的參考。
接下來，工程師可以提出幾個大膽的點子，只要成功就能大幅提高組織達成目標的機會，再花一個週末把點子做出來。Rieseberg 表示，他看過小團隊與個人工程師直接做出可運作的原型，跳過撰寫產品需求文件（PRD）、爭取支持、遊說設計師或產品經理撥出時間等一般流程。
但原型應該聚焦在一個好點子。根據 Rieseberg 的經驗，初階工程師常犯的錯誤是把多個點子塞進同一個原型，讓 3 個絕佳點子埋沒在 20 個壞點子裡；如果一個原型同時涉及打造新的程式語言、後端，還莫名加上行動應用程式，就不會成功。做出原型的目的，是把點子傳達得夠清楚，讓高層迅速理解其中的機會，也看出提案者就是能推動這件事的人。
新人也應善用自己的新鮮視角。Rieseberg 指出，從事面向使用者的產品時，新人格外能同理使用者，更清楚產品對使用者來說哪裡好用、哪裡不好用，像他在 Slack 與 Notion 的同事，就很難體會以外部使用者身分使用 Slack 或 Notion 的感受；從事基礎設施或開發工具時，新人的優勢則是從沒學過那些事情被視為「不可能」的理由。
以 Claude Code 為例，Rieseberg 提到，Anthropic 內部員工太習慣透過命令列介面（CLI）使用這項工具，反而是兩名相對新進的工程師 Anthony Morris 與 Alice Zhao，用一個週末做出了可運作的圖形介面原型，約 8 天後推出首個公開版本。他說，好用的 Claude Code 圖形介面如今相當受歡迎，這點並不令人意外。
Snowflake 主管：好奇心比寫程式速度更重要
在《Fast Company》的文章中，Raghunathan 提到，他職涯多半待在重視實作速度的環境，在 Google、YouTube 與自己創辦的搜尋新創 Neeva，脫穎而出的都是寫程式比誰都快的工程師。如今深度的系統推理能力雖然仍然重要，但速度已不再是瓶頸；他親眼看到程式碼代理大幅提升員工的生產力，Snowflake 有 95% 的工程師每週都會使用。
程式碼代理普及後，Raghunathan 認為，稀缺的能力已不再是寫程式，而是知道該打造什麼、拆解問題、制定代理能執行的計畫、在代理信心滿滿地出錯時察覺問題，並將實作連結回客戶的問題。他面試時看重好奇心與扎實的工程判斷力，而這些特質與年資沒有直接關係；Snowflake 內部也發現，把 AI 運用成效和年資畫上等號是錯的，許多初階工程師因為天生好奇，又從一開始就學習 AI 原生工作流程，進步速度驚人。
但 Raghunathan 強調，不能把初階工程師丟進龐大的程式碼庫、配一個代理就期待一切順利，Snowflake 必須明確教導他們用代理開發軟體的新方法。他常說「English is cheaper than code」（英文比程式碼便宜），工程師應先花時間寫清楚做法與假設、定義介面，再讓代理生成實作，並要求代理在寫程式之前先寫好驗證器與測試。為了把這套思維制度化，他曾要求工程組織暫停一般工作整整一週，專心提升 AI 技能。
至於現在最優秀的工程師，Raghunathan 觀察到，他們已不再親自寫每一行程式，而是擔任一群代理的技術主管。人類工程師仍須負責，由他們決定哪些事重要、安排工作順序、驗證結果與權衡取捨，代理則撰寫大部分程式碼。Snowflake 工程組織中約有 5% 至 10% 的人已同時管理多個代理，Raghunathan 的目標是在數個月內讓這樣工作的工程師增加為五倍。
放眼未來，Raghunathan 警告，許多公司正準備犯下大錯：若因為 AI 能完成部分初階工作就停止招募初階工程師，短期利潤或許好看，但五年後，當產業急需熟悉這種工作方式的資深領導者時，這些人才將不存在。「我不擔心 AI 會取代初階工程師；我擔心的是，企業會在最需要他們的時候，認定他們不再值得培養。」
【推薦閱讀】
◆ 美國資安職缺年減 8.4 萬筆，AI 資安工程師卻逆勢增 268%，人才需求如何轉變？
＊本文開放合作夥伴轉載，資料來源：Felix Rieseberg、《Fast Company》，圖片來源：Unsplash。
