Yapay zeka çağında teknik mülakat

• Yapay zeka araçları kod yazma ve inceleme alanına da hızla nüfuz ederken, mülakatlarda yapay zeka kullanımını varsayılan olarak dışlamak ve temel yetkinlikleri merkeze alan değerlendirme yapmak gerekir
• İyi bir mülakat iki eksende değerlendirilir: sinyal kalitesi (signal quality) ve şirket maliyeti (cost to company); bu iki unsur birbirinden tamamen bağımsız değildir
• Mülakat türleri Take-home, Live exercise, Presentation, Actual work olmak üzere dört gruba ayrılır ve her birinin sinyal kalitesi ile maliyeti farklıdır
• Yapay zeka ile kodlama nedeniyle take-home görevleri fazla kolaylaşır, inceleme yükü artar ve sızdırılmış sorularda da yapay zeka güçlü bir koç işlevi görür
• Yapay zeka becerisi yalnızca instrumental skill (araçsal beceri) olduğundan, şirketler foundational skill (temel yetkinlik) değerlendirmesine odaklanmalıdır

---

Temel iddia

• Yapay zeka modelleri ve araçlarının hızla evrilmesiyle, mühendislerin 6 ay sonra da kod yazıp inceleyip incelemeyeceği sorgulanıyor; eğer çekirdek beceri ortadan kalkarsa mülakat yöntemi de evrilmeli mi sorusuyla başlanıyor
• Çoğu şirket statükoyu korumayı seçti; buna bu devrimi yönlendiren şirketler de dahil
  • Anthropic’in işe alım kılavuzu, take-home görevinin "aksi özellikle belirtilmedikçe Claude kullanılmadan" tamamlanmasını istiyor
• Bazı şirketler yapay zeka kullanımına izin veriyor, teşvik ediyor ya da zorunlu kılıyor; hatta yapay zeka yeterliliğinin kendisi mülakat konusu olabiliyor
• Sonuç olarak mülakatta yapay zekayı genel olarak dışlamak gerektiği savunuluyor ve mülakatları yapay zekaya göre uyarlamanın somut yolları sunuluyor

İyi bir mülakatın iki boyutu

• Sinyal kalitesi (Signal quality)

  • Belirli bir yetkinlik kümesinde güçlü adayları ayırt etme ve gürültüyü (rol için çekirdek olmayan ya da kolay öğretilebilen unsurlar) göz ardı etme becerisi
  • Hazırlığa karşı dayanıklılık (Invulnerability to preparation): Sonuç hazırlık miktarı ve çabaya bağlıysa, aslında sadece bu özelliğe dair sinyal elde edilir
  • Gerçekçilik (Realism): Mülakat günlük işe benzemelidir ama bu tek başına amaç değildir. "algorithm & data structure" mülakatları, işte doğrudan kullanılmasa da uzun süre varlığını korumuştur
  • Eşitlik (Equality): Önceden alan uzmanlığı, ücretli mentorluk, boş zaman, internette sızmış sorular ya da yakın zamanda süreci yaşamış tanıdıklar nedeniyle bazı adaylar avantajlıdır. İdeal olarak herkes için adil bir ortam gerekir
  • Zorluk (Difficulty): İyi bir mülakat, birçok kişinin başarısız olacağı kadar zor olmalıdır. En iyisi, birden çok içgörü gerektiren geniş ve belirsiz problemlerdir

• Şirket maliyeti (Cost to company)

  • Mülakat soruları ciddi zaman yatırımı ister: ilk tasarım ve deneme onayı, rol ve seviye bazlı scorecard hazırlama, iç ve dış adaylarla test etme, mülakatçı dokümantasyonu ve eğitimi
  • Soru ve scorecard’lar sürekli kalibre edildiği için bu yatırımın devam etmesi gerekir
  • Zorluk (Difficulty): Soru üretmek zaten zordur; yeterince zor soru üretmek daha da zordur. Çok kolay ya da çok zor uçlar herkesin zamanını boşa harcar
  • Adaya çekicilik (Appeal to candidate): Aşırı zaman alan süreçler veya sıkıcı sorular güçlü mühendisleri kaçırır ve dönüşüm oranlarını düşürür. Sorular aynı zamanda mühendislik kültürünü de gösterir
• Bu iki boyut tamamen bağımsız değildir; örneğin zorluk ikisini de etkiler. Zor mülakatlar güçlü adayların parlamasını sağlar ama false negative (yanlış elenme) üretebilir
• Mülakatların kusursuz olması gerekmez; false negative ve false positive her zaman vardır. False negative’i tespit etmek zordur ama iyi onboarding ve net ilk dönem kilometre taşlarıyla false positive hızlıca ayıklanabilir

Mülakat türlerinin sınıflandırılması

• Take-home

  • Adayın (1) belirsiz bir probleme (ör. ürün spesifikasyonu) çözüm üretip (2) bazı teknik kısıtlara (ör. programlama dili listesi) uyarak teslim ettiği görev
  • Çoğu zaman adayın çalışmasını sunduğu ve anlık değişiklik yaptığı bir review mülakatı ile devam eder
  • Sinyal kalitesi: (yapay zeka öncesinde) yüksek — tasarım, kodlama, detaylar, test gibi geniş sinyaller verir; 6 saatten fazla emek motivasyon kanıtı sayılır
  • Şirket maliyeti: orta — değerlendirme otomatikleştirilebilir, çıktı (kod) eşzamansız incelenebilir; ancak adayı süreçten uzaklaştırabilir
  • Yapay zekaya ve aşırı motive bireylere karşı çok kırılgandır

• Live exercise

  • algorithm & datastructure, live coding, system design, postmortem review vb.; genelde 1 saat veya daha uzun sürer. "Netflix mimarisi tasarla", "rate-limiter yaz" gibi sorunlar mülakatçının önünde anında çözülür
  • Sinyal kalitesi: orta — doğru tasarlanıp yürütülürse nesneldir ama sinyal çoğunlukla tek bir konuya odaklanır
  • Şirket maliyeti: orta — aday hazırlığına daha az açık olmak için çok sayıda çeşitli soru gerekir
  • Maliyeti düşürmek için bazı şirketler otomasyon servisleri kullanır

• Presentation

  • "Liderlik ettiğin projeyi anlat", "mimari diyagram", "şunu yaşadığın deneyim" gibi biçimlerde aday hem problemi hem cevabı kendisi seçer
  • Sinyal kalitesi: düşük — çok sayıda başarısızlık modu vardır
    • İlginç bir problem üzerinde hiç çalışmamış olmak (ör. junior seviyede olmak), sıkıcı bir problem seçmek, etki ve katkıyı abartmak, sunuma iyi hazırlanmamak, güçlü iletişimci olup iyi uygulayıcı olmamak, mülakatçının alan bilgisinin yetersizliği nedeniyle yanlış değerlendirme yapmak
  • Şirket maliyeti: düşük — kalibrasyon açısından fazla hazırlık gerekmez
  • "Farklı yapacak olsaydın neyi değiştirirdin?" gibi retrospektif sorular ve "gereksinim X değişseydi?" gibi varsayımsal sorularla düşük sinyal kalitesi azaltılabilir; bu durumda yapılandırılmamış bir live exercise’a yaklaşır. Daha fazla mülakatçı emeği ve uzmanlığı ister

• Actual work (bir mülakat türü değil)

  • Bir hafta boyunca ücretli şekilde birlikte çalışma modeli. Linear gibi şirketler kullanır
  • Sinyal kalitesi: yüksek / şirket maliyeti: yüksek
• Çoğu şirket bu türleri karıştırır ve Live exercise baskındır

Soruların sızması sadece zaman meselesi (yapay zekadan bağımsız)

• Soruların sızması yalnızca zaman meselesidir; Glassdoor gibi siteler mülakat sırlarını listeler. Bazı adaylar soruları satmak için bile mülakat sürecine girer
• Bu görmezden gelinirse sinyal zayıflar ve mülakat performansının ana belirleyicisi "bizim süreci araştırmış mı" haline gelir

• Karşı taktikler

  • Hazırlığı kontrol et (Control the preparation): presentation’ı karışıma dahil etmek veya hassas rehberlik vermek (ör. "sistem tasarımı veritabanı ağırlıklı", "algoritmalar graf odaklı") suretiyle daha adil ortam yaratmak
  • Tür bazında soru çeşitliliği: Eski soruları düzenli olarak arşive almak. Aday soruyu tam tahmin edemiyorsa, daha geniş bir alana hazırlanmak zorunda kalır; hedef de budur. Ama bedelsiz değildir
  • Sızdırmayı zorlaştır (Make it harder to leak): onsite yürütmek, beyaz tahta kullanmak, en kırılgan soruları sürecin sonuna koymak (aday sayısı daha az olduğu için sızma olasılığı da düşer)

Yapay zeka ile kodlama mevcut mülakat modelini tehdit ediyor

• (1) Take-home aday için fazla kolay, şirket için fazla pahalı hale geliyor

  • 2026’da çoğu teslimin yapay zeka tarafından üretilmiş veya yapay zeka destekli olması muhtemel; bugün dayanan görevlerin de bir sonraki model sürümünde çözülmesi an meselesi
  • Sonuçta çoğu aday ilk aşamayı geçer ve inceleme için büyük zaman gerekir. Yapay zekanın ürettiği teslimleri yapay zekayla incelemek mantıksızdır
  • Yapay zeka ile kodlama, mülakat maliyetini adaydan mülakatçıya kaydırır
    • Brandolini yasasına atıf: kötü kodu çürütmek için gereken enerji, onu üretmek için gerekenden bir mertebe fazladır

• (2) Kod yazma süresi azalırsa live-coding ağırlığını düşürmek doğal görünür

  • Makine dili yazmak yerine yüksek seviyeli dil kullanmak gibi, mülakatta izin verilen araçları da günlük işle hizalamak makul bir bakış açısıdır

• (3) Soru sızdığında yapay zeka güçlü bir koçtur

  • Eskiden soruyu bulmak ve hazırlanmak için zaman ve kaynak gerekiyordu; şimdi yapay zekayla en güçlü ve en ucuz yardım elde edilebiliyor

Klasik okul değerlendirme modeli teknolojiye nasıl direndi

• Fransa’daki lise ve üniversite sınavları büyük ölçüde aynı biçimi korur
  • Materyal (ders notu, kitap vb.) getirilemez, araçlar (özellikle hesap makinesi) neredeyse hiç izinli değildir, içerik önceden açıklanmaz, tahmin edilemezdir (her sınav farklıdır ve bir kez kullanılır), problemler geniş ve belirsizdir
  • Fransız edebiyat sınavının özü dissertation’dır; tek cümlelik bir konu üzerinden 5-10 sayfalık deneme yazılır ve bu gelenek 1830’dan beri vardır. Fen sınavları da benzer şekilde 3-4 belirsiz problemi çözmeye dayanır
• Take-home, çoktan seçmeli bilgi soruları, grup ödevi, sunum gibi diğer değerlendirme biçimleriyle tamamlanır ama bunlar istisnadır, ilke değil
• Sınıflandırmanın yeniden uygulanması
  • Sinyal kalitesi: yüksek — hazırlık alanı çok geniştir ve sürekli emek ister
  • Maliyet: çok yüksek — her sınav için yeni konu ve puanlama kılavuzu gerekir, tüm adayların aynı anda aynı sınava girmesi gerekir (şirket mülakatları için tamamen gerçek dışı)
• İlginç olan, kopyala-yapıştır, internet, hesap makinesi, çözücü araçlar gibi bilişsel araçlarda büyük sıçramalar yaşanmasına rağmen bu modelin ciddi biçimde değişmemiş olmasıdır
  • Eğitim, dönemin araçlarına değil temel yetkinliklere odaklanmalıdır; bu da belleğe (mneme) değil muhakemeye (phronesis) vurgu yapan Aristotelesçi modelle uyumludur

Şirketlerin mülakat sırasında yapay zeka kullanımını sınırlaması neden gerekir

• Temel yetkinlikler ile araçsal beceriler arasındaki ayrım

  • Foundational traits & skills, inşası zor ya da maliyetli yetkinlik, tutum ve alışkanlıklardır
    • Ham entelektüel kapasite, yıllar süren öğrenmeyle kazanılmış derin uzmanlık (saniyede milyonlarca istek alan dağıtık sistemler, yüzlerce mikroservisi monolite dönüştürmek vb.), ikinci dereceden akıl yürütme, iş ahlakı, integrity ve dayanıklılık gibi erdemler
    • Problemi tanımlamayı, soyutlamayı ve çözmeyi sağlayan içselleştirilmiş bilgi (fundamentals) olup, daha fazla beceri inşa etmenin temelini oluşturur. "Zeki, bir yolunu bulur" dedirten şey budur
  • Instrumental skills ise daha ucuza ya da daha hızlı geliştirilebilir
    • Programlama dillerinde orta düzey yetkinlik, metin editörünü düzgün kullanmak, doküman aramak, yapay zeka prompt’larını ayarlamak
  • Mülakatlarda çoğu zaman araçsal becerilere ilişkin çeşitli sinyaller üzerinden adayın temel özellikleri (üretkenliğe yatırım isteği, yapılandırılmış öğrenme) doğrulanmaya çalışılır

• Gerekçe 1: Yapay zeka yetkinliği temel yetkinlik değildir

  • Mühendislik araçları sürekli gelişmiştir ama mülakatlar büyük ölçüde aynı kalmıştır (low-code için ayrı mülakat türü yoktur, sistem tasarımı da çoğunlukla temel ve yönetilmeyen teknolojilerle yapılır)
    • En iyi şirketler tek bir araca ustalık aramaz; LLM’lerin yükselişiyle Expert Generalist daha da önemli hale gelmiştir
  • Programlama dili uzmanlığının mülakatlarda çok kritik görülmemesinin nedeni de aynıdır. Dil, problem çözme gibi daha üst bir amaca hizmet eden bir araçtır
  • Yapay zeka kullanımı için de aynı şey geçerlidir; prompt/context engineering, MCP/skills tanımı, multi-agent workflow, harness engineering gibi nüanslı beceriler gerekse de bunlar araçsal beceridir ve kod yazma, inceleme ve ölçeklenebilir mimari tasarlama için gereken aynı temel yetkinlikleri gerektirir
  • Şirketler beyin işe alır; düşünmeden AI agente komut giren elleri değil
  • İnceleme ve üretim aynı madalyonun iki yüzüdür; kod, mimari ve analiz incelemek; yazma, tasarlama ve analiz etme ile benzer yetkinlikler ister. İş gereksinimlerini üretmek ve doğrulamak için insan gerektiğinden kod inceleme yakında yok olmayacaktır (yeterince ayrıntılı bir spesifikasyon neredeyse koddur)

• Gerekçe 2: Yapay zeka temel özellikleri ve yetkinlikleri örter

  • Peter Drucker’a atıfla: sadece elleri işe alamazsınız; tüm insan birlikte gelir
  • Lewis Mumford’un ayrımı kullanılır — tool (insan işçinin yönettiği) ile machine (kendi mantığıyla çalışan ve ajansı olan). Yapay zeka aşırı kullanıldığında mühendisin özgün katkısını modelin katkısından ayırmak neredeyse imkânsız olur
  • Yapay zekayı bir "tool" değil de bir "machine" gibi kullanan mühendislere karşı dikkatli olmak gerekir. Yapay zeka, güçlü bir otomatik tamamlamanın ötesinde üretkenlik sıçramasıdır ve düşüncenin büyük kısmını dışsallaştırabilir. "taste" gibi insana özgü alanlar bile tehdit altındadır; Fitts' list bile eskimiş görünür
  • Derrida’nın Plato’daki pharmakon çözümlemesindeki gibi yapay zeka hem ilaçtır (tekrarlı refactor işlerini otomatikleştirmek, kütüphane ayrıntılarını öğrenme süresini kısaltmak) hem zehirdir (temel yetkinlikleri köreltme riski)
  • Yapay zekayı aşırı vurgulayan mülakatlar, insanı değil modeli ("machine") değerlendirme riski taşır. Bu yüzden görevin tasarımı, insan muhakemesini mülakatın merkezine almalıdır

• Gerekçe 3: Yapay zeka çok hızlı evriliyor

  • Arthur Mensch’e (Mistral CEO) göre yapay zeka modelleri her 12 ayda yaklaşık 1 yıllık yazılım mühendisliği deneyimi kazanıyor. Yapay zeka ajanlarını stajyere benzeten şakalar artık pek duyulmuyor
  • Çoğu şirketin, temel yetkinlikleri zorlayan yapay zekaya dayanıklı soruları sürekli üretip sürdürmeye gücü yetmez. Modeller her ay gelişirken ve tüm modellere erişim de yokken, en iyi modele sürekli direnebilen sorular üretmek kaybedilmiş bir savaştır
    • Anthropic’in "Designing AI resistant technical evaluations" yazısı, aday yerine yapay zekayla "savaşma" örneğidir
  • Daha zor take-home hazırlamak, hesap makinesine izin verip daha zor zihinden işlem sormaya benzer
  • Yapay zeka için en iyi uygulamalar da her ay değişir; modeller komutları daha iyi anlamaya başladıkça prompt engineering’in önemi azalır. Adayın en güncel tekniği bilip bilmemesi kullanışlı bir sinyal değildir
  • Buna karşılık fundamentals tanım gereği değişmez

İtirazlara yanıtlar

• Veri yok eleştirisine yanıt: (1) İstatistiksel anlamlılığa sahip gerçek deneyler (randomize kontrollü deneyler) neredeyse imkânsızdır ve bunların üreteceği false negative’i göze alacak şirket yoktur (2) çoğu mülakat tasarımı kararı klinik deney benzeri testlere değil soyut akıl yürütmeye dayanır
• Yapay zekayla hile yapmak (ör. mülakat sırasında): Açıkça yasaklandıysa yapay zeka aracı kullanımı anında elenme sebebidir
  • Warren Buffett’a atıfla: işe alırken integrity, intelligence ve energy aranır; integrity yoksa diğer ikisi kişiyi daha tehlikeli hale getirir. Integrity’si olmayan biri alınacaksa, bari aptal ve tembel olsun istenir
• Adayları yapay zekayla mı değerlendirmeli: Hayır. (1) Etik olarak yanlış — bilgi çalışanı bir insanı işe alırken her şeyi makinenin değerlendirmesi kabul edilemez (2) yapay zeka değerlendirmesi deterministik değildir ve halüsinasyonlarıyla bilinir; dolayısıyla sonunda yine yapay zeka değerlendirmesini insanların gözden geçirmesi gerekir

Şirketler için somut öneriler

• Mülakatların çoğunda yapay zeka kullanımına izin vermeyin. Belirli araçları aşırı öne çıkarmayın; temel yetkinliklere odaklanın
• Live exercise’a yatırım yapın. Sahte, sıkıcı ya da düşük sinyalli olmak zorunda değildir; kısa olmak zorunda da değildir. data structure & algorithm mülakatlarını yeniden değerlendirin — hâlâ zihinsel olarak en zorlayıcı türlerden biridir. İnsan emeği gerektiren görevler tasarlayın ve tek bir soruya aşırı hazırlanmayı önlemek için çok sayıda soru bulundurun
• Mülakat türlerini karıştırın; böylece maliyet etkin biçimde geniş sinyal elde edebilirsiniz
• Take-home’u yeniden düzenleyin. Yapay zeka kullanımını açıkça yasaklayın ya da izin veriyorsanız, yapay zeka çıktısını incelemeye zaman harcamayın. Take-home mutlaka buna dayalı bir live exercise ile devam etmeli; aday yaptığı işi sunmalı, trade-off yaklaşımını, gereksinim değişikliklerini ve ölçeklenebilirliği açıklamalıdır
• İnceleme becerisini ölçen en az bir mülakat ekleyin. Üretim maliyeti düşüktür, ilginç sinyal verir ve aday için daha az yüklüdür. Örnekler: AI planı, postmortem, mevcut codebase üzerinde Bug squash, ürün gereksinim dokümanı, trade-off analizi, sistem mimarisi incelemesi
• Adayları onsite çağırmayı değerlendirin. Hileyi önlemenin en basit yolu budur; ayrıca soru sızdırmayı da bir miktar zorlaştırır. Ancak bu yalnızca RTO (ofise dönüş) şirketleri için geçerlidir
• Net mülakat hazırlık kılavuzları sağlayın ve daha adil bir ortam oluşturun

[roxie]

Bana göre 1 hafta birlikte çalışmak için iyi gibi görünüyor.

[linusjeh]

O yazıyı da herhalde yapay zekayla yazmıştır lol

[jjpark78]

Zaten iş yaparken yapay zeka kullanılacakken, bunu dışarıda bırakmanın ne kadar anlamı var emin değilim; bence uzak mülakatları kaldırıp sadece yüz yüze yapmak ve sahada kişinin yapay zekayı nasıl kullandığını ve nasıl düşündüğünü iyi tasarlanmış sorularla ve gözlemle değerlendirmek, yapay zeka çağına daha uygun olmaz mı?

Aynı problemde bile kişinin promptu nasıl yazdığına bakınca o kişi hakkında çok şey anlaşılabiliyor.