ถ้าพรุ่งนี้คุณต้องไปสัมภาษณ์งานนักพัฒนาซอฟต์แวร์หรือ Dev แล้วผู้สัมภาษณ์ขอให้ปิดเครื่องมือ AI ทุกตัว จากนั้นให้นั่งรีวิวโค้ดคนเดียว 20 นาที คุณคิดว่าตัวเองยังไหวไหม?

ยิ่งถ้าทุกวันนี้คุณเขียนโค้ดผ่านเครื่องมือ AI อย่าง Claude Code หรือ Cursor จนคุ้นมือแล้ว คำถามนี้คงไม่ใช่เรื่องไกลตัวเลย

ในฝั่งผู้สัมภาษณ์เองก็กำลังเจอปัญหานี้เช่นกัน ล่าสุดมีผู้สัมภาษณ์งาน Dev คนหนึ่งไปตั้งกระทู้ถามใน Hacker News เว็บบอร์ดแลกเปลี่ยนของคนสายเทคโนโลยี โดยเล่าว่า ผู้สมัครราว 80% ที่เขาเจอ บอกตรงๆ ว่าแทบไม่ได้เขียนโค้ดเองแล้ว แต่สั่งให้ AI Agent หรือระบบปัญญาประดิษฐ์ทำงานแทน

เรื่องนี้ทำให้เขากังวล เพราะเขายังอยากรู้ว่าคนที่จะเข้ามาร่วมทีมนั้นเขียนโค้ดเองเป็นจริงไหม และเข้าใจการออกแบบระบบมากน้อยแค่ไหน เขาจึงตั้งคำถามว่า ทุกวันนี้เราควรใช้เว็บรวมโจทย์เขียนโปรแกรมอย่าง LeetCode หรือให้วาดโครงสร้างระบบแบบเดิมต่อไป หรือถึงเวลายอมรับความจริงว่ายังไงทุกคนก็ใช้ AI ช่วยทำงานอยู่ดี?

คำตอบจากผู้สัมภาษณ์ตัวจริงในกระทู้แตกออกเป็นสองฝั่งอย่างชัดเจน ฝั่งหนึ่งเลือก "ปิด AI" เพื่อดูว่าผู้สมัครคิดเองเป็นไหม ส่วนอีกฝั่งเลือก "เปิด AI เต็มที่" เพื่อดูว่าคุมงานและสั่งงานเป็นหรือเปล่า แต่พอไล่ดูข้อสอบที่แต่ละคนเล่า ทั้งสองฝั่งกลับวัดทักษะพื้นฐาน 3 เรื่องเดียวกัน

ปิด AI เพื่อดูวิธีคิด หรือเปิด AI เพื่อดูการคุมงาน

ฝั่งที่เลือกปิด AI ให้เหตุผลอย่างตรงไปตรงมาว่า ถ้าปล่อยให้ AI ทำโจทย์แทน ผู้สัมภาษณ์ก็จะไม่มีทางรู้เลยว่าวิธีคิดจริงๆ ของผู้สมัครเป็นอย่างไร

ส่วนฝั่งที่เลือกเปิด AI ก็มองจากอีกมุมหนึ่งว่า ในชีวิตการทำงานจริง โค้ดส่วนใหญ่ก็ต้องเขียนผ่าน AI อยู่แล้ว ห้องสัมภาษณ์จึงไม่ควรต่างไปจากการทำงานจริง สิ่งที่ฝั่งนี้สนใจคือผู้สมัครดูออกหรือไม่ว่าโค้ดที่ AI สร้างขึ้นมานั้นถูกต้อง เขียนมาเรียบร้อย และพร้อมนำไปใช้งานบนระบบจริงแล้วหรือยัง

ส่วนเรื่อง LeetCode หลายเสียงในกระทู้มองว่าโจทย์แบบเดิมๆ ไม่ใช่ข้อสอบที่ดีอีกต่อไป ผู้ร่วมสนทนาคนหนึ่งชี้ว่า มันวัดได้แค่ว่าใครจำโจทย์และเฉลยมา ถึงอย่างนั้น ผู้สัมภาษณ์บางส่วนก็ยังเลือกใช้โจทย์ DSA ซึ่งเน้นทดสอบโครงสร้างข้อมูลและอัลกอริทึม ควบคู่กับการให้ออกแบบระบบบนไวท์บอร์ดเหมือนเดิม

ข้อสอบ 6 รูปแบบที่คนในกระทู้ใช้และเสนอ

ข้อสอบทั้ง 6 รูปแบบนี้มาจากคนละคนในกระทู้ แต่ละแบบจึงเป็นประสบการณ์หรือข้อเสนอของคนคนเดียว

รีวิวโค้ดที่จงใจฝังจุดผิดเอาไว้

ผู้สัมภาษณ์คนหนึ่งเล่าว่า ตอนเปิดรับสมัครตำแหน่ง Senior สาย Java และ Spring Boot เขาเขียนแอป Todo ขนาดเล็กขึ้นมาเอง ตัวแอปเป็น REST API ที่มี Controller ตัวเดียว และทำหน้าที่เพียงสร้าง อ่าน แก้ไข และลบข้อมูล

จากนั้นเขาจงใจฝังจุดผิดพลาดลงไป ทั้งแบบที่สังเกตเห็นได้ง่ายและแบบที่ต้องดูอย่างละเอียด เช่น ไม่มีระบบยืนยันตัวตน ไม่ได้เขียนเทสต์ และใช้คำสั่ง System.out บันทึก Log

ผู้สมัครจะได้นั่งรีวิวโค้ดนี้บนแล็ปท็อปที่ติดตั้งโปรแกรมเขียนโค้ดไว้หลายตัว แต่ไม่มีเครื่องมือ AI เลยแม้แต่ตัวเดียว เมื่อผู้สมัครชี้ให้เห็นจุดที่ผิด ผู้สัมภาษณ์จะสวมบทบาทเป็นโปรแกรมเมอร์รุ่นน้อง แล้วถามกลับว่าจุดนี้ผิดอย่างไร เพราะเขาต้องการดูว่าผู้สมัครอธิบายเหตุผลทางเทคนิคให้คนที่เข้าใจน้อยกว่าฟังรู้เรื่องหรือไม่

เขาไม่ได้คาดหวังให้ผู้สมัครหาจุดผิดเจอครบทั้งหมด แต่ถ้าหาไม่เจอเลยสักจุด นั่นคือสัญญาณเตือนทันที การสอบนี้ใช้เวลาราว 20 ถึง 25 นาที ซึ่งช่วยวัดได้ทั้งความช่างสังเกตของผู้สมัคร และความสามารถในการอธิบายให้คนอื่นเข้าใจ

ให้การบ้านโจทย์เล็กๆ แล้วเอามาต่อยอดสดๆ ในวันสัมภาษณ์

ผู้สัมภาษณ์อีกคนแชร์ว่า เขาจะให้การบ้านชิ้นเล็กๆ ไปทำก่อน เป็นโจทย์จัดการไฟล์ตารางข้อมูลอย่าง CSV ที่มีข้อมูลเพียง 3 คอลัมน์ 10 แถว ผู้สมัครต้องแปลงข้อมูลเข้า Data Model พื้นฐาน เขียน Unit Test และสั่งรันผ่าน Terminal ได้ โดยส่วนใหญ่ใช้เวลาเพียง 1 ถึง 2 ชั่วโมงก็ทำเสร็จ

พอถึงวันสัมภาษณ์จริง เขาจะเปลี่ยนเงื่อนไขหนึ่งข้อ และเพิ่มข้อมูลใน CSV เข้าไปอีก 5 แถว จากนั้นให้ผู้สมัครเขียนโค้ดต่อยอดงานเดิมของตัวเองสดๆ โดยมีวิศวกรในทีมนั่งประกบเขียนไปด้วยกัน

ระหว่างนั้น ผู้สมัครค้นข้อมูลเรื่อง Library หรือคำสั่งต่างๆ ได้เต็มที่ แต่ห้ามใช้ AI อย่าง Claude ช่วยเขียนวิธีแก้ปัญหาให้เด็ดขาด เพราะถ้าปล่อยให้ AI คิดวิธีแก้แทน ผู้สัมภาษณ์จะไม่เห็นวิธีคิดและกระบวนการแก้ปัญหาของผู้สมัครเลย

จากการสัมภาษณ์ผู้สมัครมาหลายสิบคน เขาพบว่าทุกคนที่ใช้ AI ทำการบ้านส่งมา สอบตกในรอบนี้ทั้งหมด ไม่ว่าประวัติการทำงานจะดูดีแค่ไหนก็ตาม

สิ่งที่คนกลุ่มนี้ขาดไปคือทักษะการย่อยปัญหา หรือการแบ่งโจทย์ออกเป็นขั้นตอนย่อยๆ ว่าต้องทำอะไรก่อนหลัง ผู้สัมภาษณ์เล่าว่าพวกเขาอธิบายวิธีแก้ออกมาเป็นคำพูดไม่ได้ด้วยซ้ำ ว่าจะเริ่มลงมือแก้จากจุดไหน

แม้จะเป็นประสบการณ์จากผู้สัมภาษณ์เพียงคนเดียว แต่ผลเสียที่ตามมาก็เห็นได้ชัด คือการใช้ AI ทำการบ้านช่วยได้แค่วันส่ง แต่ช่วยอะไรไม่ได้ในวันที่ต้องมาต่อยอดโค้ดนั้นด้วยตัวเอง

โจทย์กำกวมที่แอบใส่คำสั่งผิดไว้หนึ่งข้อ

ผู้สัมภาษณ์อีกคนเล่าว่า เขาชอบตั้งโจทย์ที่จงใจให้ข้อมูลไม่ครบมาตั้งแต่ก่อนยุค AI แล้ว ถ้าผู้สมัครรู้จักเอะใจและถามกลับเพื่อขอข้อมูลเพิ่มเติม นั่นคือสัญญาณที่ดี แต่ถ้าเลือกเดาไปเองแล้วก้มหน้าก้มตาทำต่อไป นั่นคือสัญญาณเตือน

ในยุคนี้ เขาจึงวางแผนเพิ่มคำสั่งที่ไม่สมเหตุสมผลเข้าไปอีกหนึ่งข้อ เป็นข้อที่ผู้สมัครควรสะดุดใจและทักท้วง แต่ AI ช่วยเขียนโค้ดน่าจะยอมทำตามคำสั่งไปตรงๆ ในมุมของเขา โมเดลพวกนี้เทรนมาให้ทำตามทุกคำขอมากเกินไป

ถ้าผู้สมัครคัดลอกโจทย์ทั้งหมดส่งให้ AI ทำรวดเดียว จุดผิดนี้ก็น่าจะหลุดไปถึงผลงานสุดท้าย สิ่งที่ข้อสอบข้อนี้ใช้วัดจึงเป็นความกล้าที่จะหยุดคิด กล้าเอ่ยปากถาม และกล้าทักท้วงเมื่อเห็นสิ่งที่ผิดปกติ

เจาะลึกโปรเจกต์ในเรซูเม (CV)

ผู้สัมภาษณ์อีกรายเลือกใช้วิธีตั้งคำถามจากประสบการณ์ในเรซูเมของผู้สมัคร โดยหยิบโปรเจกต์หนึ่งขึ้นมา แล้วถามเจาะลึกว่าทำอะไร ใช้เทคโนโลยีตัวไหน ทำไมถึงเลือกวิธีนั้น และได้เรียนรู้อะไรจากงานชิ้นนั้นบ้าง

แม้จะเป็นวิธีที่ดูเรียบง่ายที่สุดในบรรดาทั้ง 6 แบบ แต่กลับเป็นสิ่งที่ผู้สัมภาษณ์หลายคนในกระทู้พูดถึงซ้ำๆ ไม่ว่าจะอยู่ฝั่งปิดหรือเปิด AI ก็ตาม พวกเขามองว่าการให้ผู้สมัครเล่ารายละเอียดงานเก่าของตัวเองอย่างเจาะลึก เป็นวิธีวัดความสามารถที่เห็นผลชัดเจน และเป็นสิ่งที่ให้ AI มาตอบแทนได้ยาก

เปิด AI เต็มที่ แล้วดูวิธีเขียน Prompt ในช่วงแรก

ข้อสอบรูปแบบนี้มาจากฝั่งที่สนับสนุนการเปิดใช้ AI โดยเสนอให้ตั้งโจทย์กว้างๆ ในเวลาจำกัด เพื่อดูว่าผู้สมัครรู้จักย่อยปัญหาด้วยตัวเองก่อนส่งต่อให้ AI หรือไม่

ผู้เสนอวิธีนี้บอกว่า เพียงแค่สังเกต Prompt หรือข้อความสั่งงานที่ป้อนให้ AI ใน 2 คำสั่งแรก ก็เห็นชัดแล้วว่า ผู้สมัครเป็นคนกำหนดทิศทางให้โมเดล หรือแค่คอยกดตอบรับทุกอย่างที่ AI เสนอมา จากนั้นเขาจะดูต่อว่าผู้สมัครเข้าใจข้อจำกัดของโมเดลที่ใช้ไหม และรู้จักสลับเครื่องมือให้เหมาะกับงานหรือเปล่า ส่วนการให้คะแนนจะดูคุณภาพของผลงานที่ออกมาเป็นอันดับแรก

จ้างทดลองงานจริง 1 ถึง 2 วัน

ผู้สัมภาษณ์คนที่ยังใช้โจทย์แนว DSA คู่กับไวท์บอร์ด เล่าว่าหลังจากผ่านรอบเทคนิคแล้ว เขาจะให้ผู้สมัครเข้ามาทดลองงานจริง 1 ถึง 2 วัน โดยจ่ายค่าจ้างให้ตามจริง ซึ่งที่ผ่านมายังไม่เคยมีใครปฏิเสธเลย เพราะเขามองว่าผู้สมัครเองก็อยากลดความเสี่ยงในการตัดสินใจไม่แพ้ฝั่งบริษัทเช่นกัน

แต่ก็มีคนในกระทู้แย้งว่า วิธีนี้เป็นเรื่องยากสำหรับคนที่มีงานประจำอยู่แล้ว และอาจเป็นการคัดคนกลุ่มนั้นออกไปโดยปริยาย

เมื่อเปิดให้ใช้ AI เต็มที่ ผู้สมัครวัดกันที่การคิดก่อนสั่ง

ผู้สัมภาษณ์คนหนึ่งเล่าว่า เขาลองรูปแบบการสัมภาษณ์ต่างๆ มากว่า 2 ปี และเคยเทียบสองแนวทางในรอบสัมภาษณ์เชิงเทคนิคที่ใช้เวลา 1 ชั่วโมง

แนวทางแรกเป็นแบบดั้งเดิม ผู้สมัครจะได้รับชุดโค้ดทั้งหมดของโปรเจกต์หรือ Codebase มาหนึ่งชุด โจทย์คือให้เขียน Service ตัวใหม่ด้วยภาษาอะไรก็ได้ เพื่อรับส่งข้อมูลกับ Docker Image ที่ทีมเตรียมไว้สำหรับจำลองสภาพแวดล้อม รอบนี้ห้ามใช้ AI Agent แต่ยังค้นหาข้อมูลจากแหล่งอื่นได้ทั้งหมด เขาพบว่าวิธีนี้ช่วยค้นหาคนที่ใช่ได้ดีที่สุด และฝั่งผู้สมัครเองก็ประทับใจกับแนวทางนี้ที่สุดด้วย

แนวทางที่สองคือเปิดให้ใช้ AI Agent เต็มที่ โดยเขาส่ง Codebase ภาษา TypeScript แบบ Fullstack ให้ผู้สมัครไปศึกษาล่วงหน้า 1 ถึง 2 สัปดาห์ พอถึงวันสัมภาษณ์ก็ให้แก้ Ticket แบบสดๆ ปรากฏว่าผลลัพธ์ที่ได้แกว่งและคาดเดาไม่ได้เลย เพราะผู้สมัครหลายคนเลือกคัดลอก Ticket ทั้งใบโยนให้ Claude ทำทีเดียวโดยไม่ได้เตรียมตัวทำความเข้าใจโค้ดมาก่อน ทั้งที่ได้รับโค้ดไปล่วงหน้านานเป็นสัปดาห์ สุดท้ายเขาจึงต้องเลิกใช้วิธีนี้ไป

มีคนเข้ามาตอบใต้เคสนี้ว่าตรงกับที่ตัวเองเจอในการทำงานร่วมกับ AI Agent ที่ผ่านมา คือบางคนยังคิดเองอยู่ แต่บางคนกลับปล่อยให้ AI คิดแทนทั้งหมด

ถ้าอยากเห็นตัวอย่างการสัมภาษณ์รอบที่เปิดให้ใช้ AI สดๆ จากมุมมองของผู้สมัคร เราเคยเล่าไว้ในบทความ รอบสัมภาษณ์ที่เปิด AI agent ใช้สด

อีกกรณีหนึ่งมาจากองค์กรที่เน้นรับเฉพาะ Developer สาย AI-first คือกลุ่มคนที่ใช้ AI เป็นเครื่องมือหลักในการทำงานมาตั้งแต่ต้น ผู้สัมภาษณ์จากองค์กรนี้เล่าว่า ทีมสร้างระบบ Harness ขึ้นมาใช้ภายใน ที่ไม่ใช่ AI Agent ตัวใหม่ แต่เป็นชุดกฎเกณฑ์ ระบบอัตโนมัติ และระบบตรวจสอบคุณภาพโค้ดที่วางครอบการทำงานร่วมกับ Codex, Claude หรือ Cursor ไว้อีกชั้นหนึ่ง

ทางทีมจะส่งผู้สมัคร ทั้งระดับ Junior และ Senior เข้าไปใน Codebase ที่ไม่เคยเห็นมาก่อน แล้วให้สร้างฟีเจอร์ใหม่ด้วย AI ล้วนๆ ภายในเวลา 2 ชั่วโมง โดยห้ามเขียนโค้ดเองด้วยมือเลย เกณฑ์การให้คะแนนจะดูจากวิธีที่ผู้สมัครโต้ตอบกับ AI กระบวนการแก้ปัญหา คำถามที่ถามทีมงาน และวิธีเขียน Prompt สั่งงาน

เขาเล่าว่ากระบวนการนี้ได้ผลดีมากสำหรับองค์กรของเขา แต่ถึงอย่างนั้นก็ยังคัดคนออกราว 80% เนื่องจากทักษะการใช้ AI ของผู้สมัครยังไม่ถึงระดับที่ทีมคาดหวัง ทั้งที่คนกลุ่มนี้ใช้ AI ช่วยเขียนโค้ดเป็นอยู่แล้ว

ตัวเลข 80% ตรงนี้เป็นคนละเรื่องกับตัวเลขของผู้ตั้งกระทู้ในตอนต้น เพราะตัวเลขแรกหมายถึงสัดส่วนผู้สมัครที่บอกว่าตัวเองใช้ AI Agent ทำงานแทนการเขียนโค้ดเอง ส่วนตัวเลขนี้คือสัดส่วนคนที่ไม่ผ่านการคัดเลือกขององค์กรนี้แห่งเดียว

ในคอมเมนต์ของเคสนี้ มีคนเข้ามาแสดงความคิดเห็นสั้นๆ ว่า บรรยากาศการทำงานแบบนี้ฟังดูเหมือนนรกของคนเป็นนักพัฒนาชัดๆ

ขณะเดียวกัน ในอีกกระทู้ย่อยหนึ่ง มีคนเสนอให้ผู้สมัครสร้างเครื่องมือแบบ Claude Code ในเวอร์ชันของตัวเองเป็นการบ้าน แต่คนที่ทำงานโดยใช้ AI Agent เป็นหลักมาราว 1 ปีกลับตอบว่า ถ้าเขาเจอการบ้านแบบนี้คงขอถอนตัว เพราะจากประสบการณ์ที่ผ่านมา เขาเห็นทักษะและวิจารณญาณของคนรอบตัวลดลงเรื่อยๆ จนทำให้รู้ชัดว่า ตัวเองอยากร่วมงานกับคนที่ยังคิดเองเป็น

ไม่ว่าจะปิดหรือเปิด AI ข้อสอบที่ได้ผลล้วนวัด 3 เรื่องนี้เหมือนกัน

เมื่อนำแนวทางข้อสอบทั้งหมดมาวางเทียบกัน บทสรุปที่เราเห็นคือ ไม่ว่าจะเป็นข้อสอบจากฝั่งปิดหรือเปิด AI ต่างวนกลับมาวัดทักษะพื้นฐาน 3 เรื่องเดียวกัน:

1. ย่อยปัญหาเองได้ก่อนลงมือทำ: อย่างในโจทย์การบ้าน CSV ที่วัดกันตอนเปลี่ยนกฎกะทันหัน หรือในฝั่งที่เปิด AI ก็วัดกันตั้งแต่ 2 Prompt แรก ว่าผู้สมัครวิเคราะห์และแบ่งงานเองก่อน หรือเลือกโยนโจทย์ทั้งก้อนให้ AI ทำแทน

2. อธิบายสิ่งที่ตัวเองส่งได้ทุกจุด: ตั้งแต่การรีวิวโค้ดแล้วอธิบายจุดผิดให้น้องในทีมฟัง การเจาะลึกโปรเจกต์ในเรซูเมว่าทำไมถึงตัดสินใจแบบนั้น ไปจนถึงฝั่งเปิด AI ที่ผู้สัมภาษณ์ต้องการดูว่า ผู้สมัครเข้าใจและอธิบายเบื้องหลังสิ่งที่ตัวเองสร้างขึ้นมาได้จริงหรือไม่

3. กล้าทักท้วงเมื่อโจทย์หรือผลลัพธ์ผิดปกติ: เห็นได้ชัดจากโจทย์กำกวมที่จงใจใส่เงื่อนไขผิดๆ เข้าไป หรือกรณีของผู้สมัครที่คอยกดตอบรับทุกสิ่งที่ AI ตอบมา โดยไม่ตรวจสอบความถูกต้องหรือเอะใจทักท้วงเลย

ในทางกลับกัน ข้อสอบที่ผู้สัมภาษณ์เล่าว่าล้มเหลว คือรูปแบบที่เปิดช่องให้โยนโจทย์ทั้งดุ้นให้ AI ทำแทนได้โดยไม่ต้องคิดก่อน อย่างรอบทำ Ticket สดที่ผลแกว่งจนต้องเลิกใช้

ถ้าคุณเป็นผู้ออกข้อสอบ การจะเลือกปิดหรือเปิด AI ยังคงเป็นทางเลือกที่คุณต้องตัดสินใจเอง การปิด AI จะช่วยให้เห็นวิธีคิดของผู้สมัครอย่างตรงไปตรงมา แต่ฝั่งเปิด AI ก็จะแย้งว่าห้องสอบแบบนั้นไม่สะท้อนการทำงานจริง ส่วนการเปิด AI ก็ต้องออกแบบกติกาให้รัดกุม เพื่อไม่ให้ผู้สมัครโยนโจทย์ทั้งก้อนให้ AI คิดแทนได้ แต่ไม่ว่าจะเลือกทางไหน ให้ลองตรวจสอบดูว่า ข้อสอบของคุณช่วยดึงทักษะทั้ง 3 ข้อนี้ของผู้สมัครออกมาได้แล้วหรือยัง

สิ่งที่ผู้สมัครฝึกซ้อมได้ตั้งแต่วันนี้

ในกระทู้เดียวกัน มี Developer คนหนึ่งเล่าว่า เขาแทบไม่ได้ลงมือเขียนโค้ดเองมาเกือบ 2 ปีแล้ว ในปีที่ผ่านมาเขาใช้ AI ช่วยสร้างโค้ดภาษา Python ออกมาเป็นจำนวนมาก ทั้งที่ไม่เคยเขียน Python ด้วยตัวเองจริงๆ เลยสักบรรทัด โดยอาศัยเพียงประสบการณ์จากภาษาอื่นช่วยตัดสินใจ แม้งานปัจจุบันจะผ่านไปด้วยดี แต่เขาก็ยอมรับว่า ถ้าวันหนึ่งต้องไปสัมภาษณ์งานใหม่ บทสนทนาในห้องสัมภาษณ์คงน่าอึดอัดไม่น้อย

ขณะที่อีกเสียงหนึ่งกังวลตรงกันข้าม โดยตั้งคำถามว่า จะหาบริษัทที่ไม่บีบให้ Developer ต้องกลายเป็นแค่ Prompt Engineer ที่คอยป้อนคำสั่งให้ AI ได้จากที่ไหน

ไม่ว่ามุมมองของคุณจะใกล้เคียงกับคนแรกหรือคนที่สอง นี่คือ 4 ข้อที่เราสรุปจากข้อสอบในกระทู้ และเป็นสิ่งที่คุณเริ่มฝึกซ้อมได้ทันที:

1. ซ้อมเล่าทุกโปรเจกต์ในเรซูเม: ต้องตอบให้ได้ว่าคุณทำอะไร ใช้เทคโนโลยีอะไร ทำไมถึงเลือกวิธีนั้น และได้เรียนรู้อะไรจากงานนั้นบ้าง ถ้าโปรเจกต์ไหนยังเล่าได้ไม่คล่อง ให้กลับไปเปิดอ่านโค้ดเก่าทบทวนก่อนถึงวันสัมภาษณ์
2. ฝึกรีวิวโค้ดโดยไม่พึ่ง AI ครั้งละ 20 นาที: ฝึกมองหาจุดผิดพลาด และหัดพูดอธิบายออกมาว่าแต่ละจุดผิดเพราะอะไร เพื่อให้คนที่เข้าใจน้อยกว่าตามได้ง่าย
3. วางแผนย่อยปัญหาก่อนส่งงานให้ AI: เขียนสรุปสั้นๆ ด้วยตัวเองก่อนเสมอว่าจะทำอะไรก่อนหลัง และมีจุดไหนของโจทย์ที่ยังไม่ชัดเจน ถ้าเจอจุดที่คลุมเครือ ให้เอ่ยปากถามผู้สัมภาษณ์ก่อนเริ่มลงมือทำ
4. โค้ดทุกบรรทัดที่ AI ช่วยเขียน เราต้องเข้าใจและอธิบายได้: อย่างในโจทย์รอบต่อยอดสด งานที่คุณส่งไปก็คือสิ่งแรกที่คุณต้องหยิบมาแก้ต่อหน้าผู้สัมภาษณ์

ต่อให้ AI จะช่วยเขียนโค้ดให้คุณได้ทุกบรรทัด แต่สุดท้ายคนที่ต้องนั่งอธิบายเหตุผลเบื้องหลังโค้ดแต่ละบรรทัดในห้องสัมภาษณ์ ก็ยังเป็นตัวคุณอยู่ดี

ถ้าคุณเป็นผู้สัมภาษณ์ คุณจะเลือกปิดหรือเปิด AI? และถ้าคุณเป็นผู้สมัคร คุณอยากเจอข้อสอบแบบไหนมากที่สุด? มาร่วมแชร์ความคิดเห็นกันในคอมเมนต์ได้เลย

---

ที่มา: กระทู้ Ask HN: How do you interview devs in a post-AI world? บน Hacker News