AI面试官Chakra上岗：你可以用AI，但每一步都要给理由

周一，HackerRank 的 AI 面试官 Chakra 结束了约六个月的测试期，正式向客户开放。测试期间它已经做了超过 50 万次面试，Snowflake、Snorkel 和 Capgemini 都试过。

Chakra 看的不只是候选人的答案，还看答案是怎么得出的。HackerRank 想捕捉的是更难量化的信号：批判性思维、判断力，以及它所说的“AI 流畅度”。这个流畅度说的是，候选人怎样为 AI 构建问题、判断 AI 的输出，并引导 AI 走向解决方案。

这种设计的出发点很直接：AI 让答案本身贬值了。CEO Vivek Ravisankar 说，过去招聘评估的是产出。现在任何人都能借助 AI 产出作品，雇主真正想弄清楚的是产出背后的思考和判断。

面试过程是这样的：候选人拿到一个涉及真实代码仓库的任务，在一个集成 AI 助手的画布里完成。Chakra 会基于候选人正在做的事随时追问，比如为什么选这个方法而不是另一个，或者加入一个新限制条件后方案会怎么变。候选人得一边干活，一边准备好为自己的每一步决定给出理由。

原本要经过三轮的招聘流程——招聘人员筛选、家庭作业评估、工程师后续面试——现在被合并成一次 Chakra 面试。候选人只需要参加一轮，但和人类面试官直接互动的机会也少了。

可疑活动的标记明显少了。Ravisankar 说，Chakra 面试中的可疑活动标记比传统 HackerRank 评估低 70% 到 80%，但比率会因地域、资历等因素而不同。他的解释是，允许候选人在面试中使用 AI，降低了他们偷偷用外部工具获取答案的动机。既然面试环境里就有 AI，藏一个外部 AI 的意义就变小了。候选人不再需要猜测用 AI 会不会被判定为作弊。但整个过程都暴露在观察之下，每一步选择都可能成为追问的起点。

HackerRank 在 2012 年的 TechCrunch Disrupt 上推出，靠编码挑战建立业务。这家获 Y Combinator 支持的创业公司现在有超过 3000 家企业客户，包括 Amazon、Nvidia、Clay 和 Replit，还有一个超过 3000 万开发者的全球社区。Chakra 实际上在挑战它自己多年经营的评估模式。Ravisankar 认为 AI 已经让旧模式衡量工程能力的效果变差。他在内部把这次转型比作苹果从 iPod 走到 iPhone，并表示 Chakra 会是公司未来的重点，“它是我们前进的方向”。

Chakra 的设计是给候选人打分，不是做最终招聘决定，最后拍板的仍是人。Ravisankar 说，AI 如果调整得当，可以比人类偏见少得多。系统能对每个候选人遵循同一套评分标准，不被背景或教育经历影响。

这类“AI 更少偏见”的说法，放在监管环境里会受到检验。自动化招聘工具可能继承或放大数据、模型和标准中的偏见，监管机构正在审查它们在就业决策中的角色。纽约市已经要求使用某些自动化就业决策工具的雇主做独立偏见审计，并在使用前通知候选人。Ravisankar 承认招聘是受监管的领域，满足这些要求是 HackerRank 必须构建的一部分。

HackerRank 没有说明 Chakra 的评分标准如何定义，也没说是否对外公开。客户怎么把它的分数与人类面试官的判断对接，同样不清楚。公司也没提它是否适用于非技术岗位。

对候选人来说，这场转变的实际影响很直接：面试里允许用 AI 了，要求也跟着变高。不仅要给出结果，还得在 AI 的注视下解释清楚思考过程。准备面试的方式，正在从背答案变成练过程。