Canva wymaga AI na rozmowach technicznych. Ty też powinieneś?

Tak, możesz wymagać od kandydatów korzystania z AI na rozmowach technicznych, a trzy z największych firm zatrudniających inżynierów już to robią. Canva, Meta i Google otworzyły po jednym konkretnym etapie na asystentów AI, uprzedziły o tym kandydatów i przepisały zadanie tak, żeby jeden prompt go nie rozwiązał. Żadna z nich nie przestawiła przełącznika dla całej firmy. Liczy się nie to, czy dopuścić AI, tylko na którym etapie i co wtedy oceniasz.

Canva przestała tropić użycie AI na rozmowach i zaczęła je wymagać

11 czerwca 2025 roku dział inżynierii Canvy opublikował tekst Simona Newtona z tytułem, który nie zostawia pola do interpretacji: „Tak, możesz używać AI na naszych rozmowach. Wręcz na to nalegamy”.

Kandydatom na role backendowe, frontendowe i związane z uczeniem maszynowym Canva skasowała rozmowę z podstaw informatyki, czyli klasyczną rundę z algorytmów i struktur danych. W jej miejsce weszła nowa kompetencja: programowanie ze wsparciem AI. Kandydat przychodzi z własnymi narzędziami, a w tekście padają nazwy Copilot, Cursor i Claude. Uzasadnienie bez owijania w bawełnę: „Zamiast walczyć z tą rzeczywistością i próbować kontrolować użycie AI, postawiliśmy na przejrzystość i pracę w nowych realiach”.

Najbardziej pouczająca jest tu jednak nie sama zasada, tylko to, co stało się z zadaniem. Canva wycofała zamknięte ćwiczenia w rodzaju Gry w życie Conwaya i zastąpiła je nieostrymi scenariuszami produktowymi. Opublikowany przykład: zbuduj system sterowania startami i lądowaniami na zatłoczonym lotnisku. Tego nie da się rozwiązać za pierwszym podejściem. Nie ma odpowiedzi do wykucia i nie ma drogi na skróty, bo trzeba zdecydować, co zbudować najpierw, i obronić tę decyzję na głos.

Canva uprzedziła też kandydatów, co ich czeka. Słowami samej firmy: „informujemy teraz kandydatów z wyprzedzeniem, że będą musieli skorzystać z narzędzi AI, i mocno zachęcamy do wcześniejszych ćwiczeń”.

Wewnętrzne uzasadnienie było prozaiczne i dla większości zespołów inżynierskich znajome: prawie połowa frontendowców i backendowców w Canvie codziennie korzystała już z asystenta do kodu. Rozmowa kwalifikacyjna oderwała się od tego, jak wygląda praca.

Obronna taktyka nie daje sygnału

Większość zespołów poszła w drugą stronę, a dane sugerują, że ten wysiłek idzie na marne.

Raport Karat „AI Workforce Transformation” 2025-2026, opublikowany 7 stycznia 2026 roku na podstawie odpowiedzi 400 liderów inżynierii z USA, Indii i Chin, przynosi trzy liczby, które mają sens tylko razem. 62% organizacji nadal zakazuje używania AI na rozmowach technicznych. Ci sami liderzy szacują, że ponad połowa kandydatów i tak korzysta z AI, mimo zakazu. I 71% mówi, że przez AI trudniej ocenić umiejętności techniczne.

Jednym zdaniem: większość zespołów zakazuje, większość wierzy, że zakaz nie działa, a ocenianie i tak stało się trudniejsze. Taki zakaz daje ci pozory porządku, nie pomiar.

Egzekwowanie wygląda jeszcze gorzej. Wewnętrzne dokumenty Amazona, do których Business Insider dotarł w lutym 2025 roku, zakazują kandydatom korzystania z narzędzi GenAI podczas rozmów, „o ile nie zostało to wyraźnie dozwolone”, i ostrzegają, że złamanie zasady „może skutkować dyskwalifikacją”. Amazon rozesłał też wskazówki, jak wyłapać korzystanie z AI: kandydat pisze na klawiaturze w trakcie zadawania pytania, czyta zamiast odpowiadać, ucieka wzrokiem. To amatorskie wykrywanie kłamstw upchnięte w 45 minut rozmowy i najlepszy dostępny argument za tym, że wykrywanie nie działa. O tym wyścigu zbrojeń pisaliśmy w tekście o rekrutacji inżynierów, kiedy wszyscy mają to samo AI.

Rachunek płacisz też własnym kalendarzem. Robert Half w listopadzie 2025 roku zapytał ponad 2000 amerykańskich menedżerów rekrutujących: 67% mówi, że przeglądanie zgłoszeń pisanych przez AI spowolniło rekrutację, a 65%, że weryfikacja umiejętności kandydatów stała się trudniejsza.

Co naprawdę zmieniły Canva, Meta i Google

Trzy firmy, trzy różne cykle rozmów, jedno identyczne posunięcie. Każda zawęziła AI do jednego etapu, resztę zostawiła bez zmian i uprzedziła kandydatów przed tym etapem, a nie po nim.

Rzecznik Mety przedstawił to jako nic nadzwyczajnego: „Skupiamy się oczywiście na tym, żeby AI pomagało inżynierom w codziennej pracy, więc nie powinno dziwić, że testujemy, jak udostępnić te narzędzia kandydatom podczas rozmów”. Wewnątrz firmy padł jeszcze drugi motyw: runda z dostępem do AI lepiej oddaje realne środowisko pracy programisty i osłabia sens oszukiwania z pomocą LLM-ów. Kiedy narzędzie jest dozwolone, przemycanie go przestaje dawać przewagę.

Brian Ong, wiceprezes ds. rekrutacji w Google, oficjalnie podał to samo uzasadnienie: pilot ma „lepiej odzwierciedlać to, jak nasze zespoły pracują w erze AI”. Zgodnie z wewnętrznym dokumentem opisanym przez Business Insider prowadzący ocenia trzy rzeczy: prompt engineering, weryfikację wyników i umiejętność debugowania.

Czwarty punkt to zwrot o 180 stopni i najbardziej przekonujący argument z całej listy. Anthropic zakazał kandydatom korzystania z AI w maju 2025 roku, a już w lipcu wycofał się z zakazu. To, na czym stanął, nie jest ani „tak”, ani „nie”: AI wolno używać przy materiałach aplikacyjnych i przygotowaniu do rozmów, wolno w zadaniach domowych, jeśli instrukcja tak mówi, i nie wolno na rozmowach na żywo, chyba że napisano inaczej. Laboratorium AI nie utrzymało sztywnego zakazu we własnym lejku rekrutacyjnym i zamieniło go na regułę ustalaną etap po etapie.

Otwarty na AI czy bez AI to decyzja etapu, nie firmy

„Czy dopuszczamy AI?” to złe pytanie, bo cykl rozmów nie jest jedną rzeczą. Zadanie domowe i rozmowa o projektowaniu systemu mierzą inne zdolności, odbywają się w innych warunkach i mają zupełnie inną ekspozycję na AI. Jeden przełącznik na poziomie firmy gwarantuje, że przynajmniej jeden z tych etapów będzie źle ustawiony.

Dwie definicje, bo słownictwo ma tu realne znaczenie:

• Etap otwarty na AI zakłada, że kandydat sięgnie po asystenta, a karta oceny punktuje to, jak nim kieruje, jak weryfikuje i jak poprawia jego pracę.
• Etap bez AI zakłada brak asystenta i zostaje na tyle krótki i wąski, że sprawdzanie samodzielnej pracy jest uczciwe.

Domyślny cykl rozmów wygląda tak:

Zasada jest prosta: zostaw etap bez AI tylko wtedy, gdy potrafisz nazwać, czego dowiadujesz się z samodzielnej pracy kandydata, a co wersja z AI by zasłoniła. „Wydaje się bardziej wymagające” to nie odpowiedź. „Ta runda sprawdza, czy kandydat utrzyma w głowie kompromis w systemie rozproszonym, kiedy zacznę go przyciskać kontrargumentami” już tak.

Przeprojektuj zadanie tak, żeby jeden prompt go nie rozwiązał

Otwarcie etapu na AI bez zmiany zadania to prosta droga do porażki. Jeśli w 2023 roku kompetentny inżynier robił twoje zadanie domowe w trzy godziny, dziś asystent kończy je w dwanaście minut, a ty zamieniłeś ocenę w formalność. Cztery zmiany załatwiają większość sprawy:

1. Niech opis zadania będzie nieostry. System sterowania lotniskiem u Canvy nie ma podanego schematu danych, zdefiniowanego zakresu ani oczywistego pierwszego kroku. Kandydat musi wybrać, a ten wybór jest sygnałem.
2. Zacznij od niedoskonałego kodu, nie od pustego repozytorium. Udostępnij repozytorium startowe z prawdziwymi problemami w środku: subtelnym race condition, zapytaniem N+1, testem, który przechodzi z niewłaściwego powodu. Rozumienie i poprawianie to trudniejszy cel niż generowanie i właśnie na tym Google zbudował swoją pilotażową rundę.
3. Wymagaj artefaktu o procesie. Poproś o opis pull requesta, w którym kandydat wskaże jedną rzecz zrobioną przez asystenta źle i opowie, jak ją wyłapał. Kto niczego nie zweryfikował, nie napisze tego akapitu przekonująco.
4. Oceniaj kompromisy, które kandydat wskazał, a nie testy, które przeszły. Jeśli twoje ocenianie sprowadza się do zestawu testów, ocenę wygrywa AI, a ty nie dowiadujesz się niczego.

Karta oceny: oceniaj współpracę, nie wynik

Na rozmowie technicznej z dozwolonym AI oceniaj sześć rzeczy: jak kandydat rozkłada nieostre zadanie na części, kiedy świadomie nie sięga po AI, jak weryfikuje wygenerowany kod, jak go diagnozuje i poprawia, czy sam z siebie podnosi kwestie produkcyjne i czy potrafi wyjaśnić kod, którego nie napisał.

To złożenie pięciu opublikowanych kompetencji Canvy i trzech kryteriów podanych przez Google, oparte na karcie oceny osądu z tekstu o tym, jak prześwietlać inżynierów pod kątem realnych umiejętności w erze AI. Mechanikę wag opisaliśmy w przewodniku po ustrukturyzowanych kartach oceny. Wagi liczą się tu bardziej niż w klasycznym cyklu rozmów, bo to weryfikacja wyników i poprawianie najmocniej różnicują kandydatów.

Za tymi wagami stoją dane. W badaniu Developer Survey 2025 Stack Overflow największą frustracją związaną z AI, wskazaną przez 66% odpowiadających, są „rozwiązania AI, które są prawie dobre, ale jednak nie”. 45,2% mówi, że debugowanie kodu wygenerowanego przez AI zabiera więcej czasu. Aktywna nieufność wobec trafności AI wzrosła do 46% z 31% rok wcześniej, a wysokie zaufanie deklaruje tylko 3,1%.

Teraz trudniejsza liczba. W randomizowanym badaniu kontrolowanym METR z lipca 2025 roku 16 doświadczonych deweloperów open source dostało 246 prawdziwych zgłoszeń z własnych repozytoriów. Z dostępem do narzędzi AI pracowali 19% wolniej. Po fakcie oceniali, że AI przyspieszyło ich o 20%.

Próbka jest mała, ale potraktuj ten wynik jako argument za rozmową otwartą na AI, a nie przeciw niej. Skoro doświadczeni inżynierowie nie potrafią stwierdzić, czy asystent im pomaga, to wiedza o tym, kiedy przestać pisać kolejne prompty, jest rzadką i trudną do udawania umiejętnością. Na rozmowie z zakazem AI jest przy tym zupełnie niewidoczna, bo kandydat, który przyjmuje prawie dobrą odpowiedź, i kandydat, który widzi, że jest błędna, wyglądają przy tablicy identycznie.

Powiedz kandydatom przed etapem, nie po

Jawność zasad to nie kurtuazja, tylko mechanizm kontroli oszustw.

W badaniu Gartnera z II kw. 2025 na 3000 kandydatów 6% przyznało się do oszustwa podczas rekrutacji, czyli do podszywania się pod kogoś albo posłużenia się podstawioną osobą. Gartner prognozuje, że do 2028 roku jeden na cztery profile kandydatów na świecie będzie fałszywy. Jamie Kohn, starszy dyrektor ds. badań w obszarze HR w Gartnerze, mówi wprost: „Pracodawcom coraz trudniej ocenić prawdziwe umiejętności kandydatów, a czasem także ich tożsamość”.

Zalecane przez Gartnera lekarstwo to nie dostawca systemu do wykrywania. To jasne oczekiwania i zakomunikowane standardy rekrutacji, w tym wprost podana definicja tego, jakie użycie AI uznajesz za dopuszczalne. Firma badawcza skupiona na oszustwach kandydatów dochodzi do konstruktywnej odpowiedzi.

Jest drugi powód, żeby to opublikować. To samo badanie pokazało, że tylko 26% aplikujących ufa, że AI oceni ich sprawiedliwie. Kandydat, który wchodzi w proces bez podanej zasady dotyczącej AI, zgaduje twój standard i zakłada najgorsze, a ta niejednoznaczność kosztuje cię dobrych ludzi na samej górze lejka.

Skopiuj poniższy tekst, dostosuj szczegóły i umieść go bezpośrednio przy etapie:

Zadanie domowe: oczekujemy użycia narzędzi AI. Korzystaj z tego, czego używasz w pracy, w tym z Copilota, Cursora czy Claude’a. Nie sprawdzamy, czy potrafisz napisać kod bez pomocy. Oceniamy, jak zawężasz nieostry problem, jak weryfikujesz to, co produkuje asystent, i jak to poprawiasz. W opisie pull requesta napisz nam o jednej rzeczy, którą asystent zrobił źle, i o tym, jak ją znalazłeś. Kolejny etap to rozmowa na żywo o tym samym kodzie, bez AI, więc wyślij tylko taką pracę, którą obronisz linijka po linijce.

To ostatnie zdanie robi dla rzetelności oceny więcej niż jakikolwiek system nadzoru nad kandydatem. Kiedy po etapie otwartym na AI następuje rozmowa bez AI o tym samym kodzie, podrobione zgłoszenia rozsypują się przy pierwszym kontakcie.

Problemy ze sprawiedliwością, których nikt nie rozwiązał

Są trzy i żaden nie ma opublikowanej odpowiedzi.

Dostęp do narzędzi. Użyteczne plany Cursora, Claude’a i Copilota kosztują, więc wymaganie AI potrafi obciążyć bezrobotnego kandydata kosztem abonamentu. Google daje Gemini, Meta daje asystenta w CoderPad. Tekst Canvy w ogóle nie odnosi się do tego, kto płaci za narzędzie. Dostarcz narzędzie albo budżet i nigdy nie rób z wyboru narzędzia ocenianej zmiennej.

Nierówny dostęp do praktyki. Canva „mocno zachęca” do ćwiczeń. Kto akurat pracuje w firmie z budżetem na AI, ćwiczy od roku na koszt pracodawcy. Publikuj format i przykładowe zadanie, nie samą zasadę.

Nierówne korzyści. Karat podaje, że AI podniosło średnią produktywność o 34% w deklaracjach samych zainteresowanych, ale nierówno: przepaść między mocnymi a słabymi inżynierami się powiększyła. Przy rekrutacji juniorów to działa w obie strony i nikt tego nie rozstrzygnął.

A jeśli zadanie domowe zajmuje teraz kilka godzin i wymaga płatnych narzędzi, zapłać za nie. Wypłaty dla kandydatów da się w Kit skonfigurować na dowolnym etapie.

Czy dzięki temu zatrudniasz lepiej? Nikt jeszcze nie wie

Bądź uczciwy wobec danych, bo dostawcy sprzedający w tym obszarze uczciwi nie będą.

Canva nie opublikowała żadnych odsetków przechodzących dalej, liczby kandydatów ani porównania jakości zatrudnień. To, co przekazała ustami Joela Knudsena, szefa globalnej rekrutacji technicznej, na konferencji ATC2025 w listopadzie 2025 roku, jest jakościowe: bogatsze dyskusje o kompromisach i przypadkach brzegowych, możliwość stawiania bardziej złożonych, realistycznych scenariuszy oraz obserwacja, że kandydat potrzebuje jednocześnie umiejętności pisania promptów i krytycznego czytania kodu. Przydatne, ale to nie jest wynik z badania kontrolowanego. Meta i Google są na etapie pilotaży. W badaniu METR wzięło udział 16 deweloperów.

Zmierz więc własną zmianę. Śledź odsetek przechodzących dalej na każdym etapie przez sześć miesięcy przed i po, rezygnacje kandydatów na tym etapie, który zmieniłeś, oraz korelację oceny z tego etapu z ocenami menedżerów po 90 dniach. Jeśli etap otwarty na AI nie różnicuje kandydatów lepiej niż runda, którą zastąpił, dowiedziałeś się czegoś konkretnego zamiast podpiąć się pod trend. Warto wyrobić w sobie tę dyscyplinę, biorąc pod uwagę, jak pewne siebie i jednocześnie błędne bywają rady AI dotyczące rekrutacji oraz jak ostrożnie zespoły muszą wytyczać granicę samodzielności AI na samej rozmowie.

Jak skonfigurować cykl otwarty na AI w Kit

Zasada dotycząca AI jest właściwością etapu, a nie firmy, więc jej miejsce jest w konfiguracji etapu. Kit modeluje pipeline jako niezależne etapy z niezależną konfiguracją, więc podzielony cykl rozmów Mety nie wymaga żadnego nowego pojęcia: zadanie programistyczne otwarte na AI i rozmowa na żywo bez AI stoją obok siebie w jednym pipelinie.

Trzy rzeczy do ustawienia, kiedy tworzysz ogłoszenie o pracę i budujesz pipeline:

1. Wpisz zasadę w opis etapu widoczny dla kandydata. Każdy typ etapu ma tekst kierowany do kandydata, więc reguła jest czytana w portalu dokładnie wtedy, kiedy zaczyna obowiązywać, a nie zakopana w mailu sprzed trzech tygodni. To w praktyce ta sama zasada uprzedzania kandydatów, którą stosuje Canva. Podsumowanie całej polityki na wejściu do lejka umieść w informacji przy aplikacji.
2. Umieść zasady korzystania z AI w instrukcji zadania. Przy etapie z zadaniem programistycznym instrukcja trafia commitem do prywatnego repozytorium kandydata razem z szablonem startowym. To tam wymieniasz dozwolone narzędzia i wymagasz akapitu w pull requeście o tym, co asystent zrobił źle. Celowo niedoskonałe repozytorium startowe zamienia zadanie w ćwiczenie z rozumienia i poprawiania.
3. Daj etapowi otwartemu na AI własną, ważoną kartę oceny. Wrzuć dekompozycję, powściągliwość w doborze narzędzi, weryfikację wyników, poprawianie, standardy produkcyjne i wyjaśnianie jako kryteria z wagami, a potem oceniaj je podczas przeglądu aplikacji. Etap otwarty na AI nie powinien mieć wspólnej karty oceny z etapem bez AI.

Kit nie sprzedaje wykrywania AI i nie ma pola wyboru „polityka AI”, bo żadne z tych dwóch nie jest potrzebne. Zasada to konfiguracja etapu, treść dla kandydata i karta oceny. Kiedy cykl rozmów już działa, zapisz go jako szablon procesu, żeby kolejna rola startowała skonfigurowana, a nie budowana od zera.

Najczęstsze pytania

Czy używanie AI na rozmowie technicznej to oszustwo?

Tylko wtedy, gdy etap tego zakazywał. Oszustwo to złamanie podanej reguły, więc lekarstwem jest podanie reguły osobno dla każdego etapu zamiast zakładania wspólnej normy. Karat ustalił, że 62% organizacji zakazuje AI, podczas gdy liderzy szacują, że ponad połowa kandydatów i tak po nie sięga. Tak właśnie kończy się reguła nie do wyegzekwowania zderzona z narzędziem, które każdy ma już otwarte.

Które firmy dopuszczają AI na rozmowach technicznych?

Canva oczekuje użycia AI w kompetencji „programowanie ze wsparciem AI” przy rolach backendowych, ML i frontendowych. Meta pilotuje rundę z dostępem do AI, która zastępuje jedną z dwóch rozmów kodowania na miejscu. Google pilotuje rundę rozumienia kodu ze wsparciem AI dla ról juniorskich i średniego szczebla w USA, z użyciem Gemini. Anthropic dopuszcza AI przy materiałach aplikacyjnych i w zadaniach domowych, jeśli instrukcja tak mówi, ale nie na rozmowach na żywo. Amazon zakazuje, o ile czegoś wyraźnie nie dopuści.

Jak sprawdzać inżynierów, skoro każdy ma AI?

Zmień to, czego wymaga zadanie. Daj nieostry opis bez jednej poprawnej odpowiedzi, zacznij od niedoskonałej bazy kodu zamiast od pustej, wymagaj artefaktu opisującego proces i po etapie otwartym na AI ustaw krótką rozmowę bez AI o tym samym kodzie.

Czy zadania domowe powinny dopuszczać AI?

Tak, prawie zawsze. Zadania domowe są bez nadzoru, a zakazu nie da się wyegzekwować, więc zamienia on etap w test uczciwości kandydata zamiast umiejętności. Dopuść AI, podnieś poprzeczkę i oceniaj weryfikację oraz poprawianie zamiast poprawności samego wyniku.

Jak przekazać kandydatom zasady dotyczące AI?

Na etapie, którego dotyczą, w widoku etapu po stronie kandydata, zanim zacznie pracę. Podsumuj całą zasadę przy aplikacji, a potem powtórz konkretną regułę na każdym etapie. Gartner zaleca komunikowanie, jakie użycie AI uznajesz za dopuszczalne, jako środek przeciw oszustwom, a nie zwykłą uprzejmość.

Canva, Meta i Google nie rozstrzygnęły, czy w rekrutacji jest miejsce dla AI. Zdecydowały, w której rundzie to miejsce jest, przepisały pod to zadanie i uprzedziły kandydatów. To zmiana konfiguracji i jedno popołudnie pisania karty oceny, nie filozofia. Wybierz ten jeden etap, na którym korzystanie z AI najbardziej przypomina realną pracę, otwórz go, zrób zadanie zbyt nieostre na jeden prompt i oceniaj współpracę. Potem zmierz, czy różnicuje kandydatów lepiej niż to, co zastąpił.