Блог CosySoft
2026-02-12 14:27 Разработка Карьера

На собеседованИИ: как распознать и противостоять читерам

Еще пару лет назад идея, что кандидат будет пользоваться ChatGPT на собеседовании, казалась шуткой. Сегодня же ситуация стала совершенно серьезной – по нашим наблюдениям, каждый четвертый кандидат пытается использовать нейросеть при прохождении технического интервью и еще больше — для подготовки резюме и HR-собеседования. Это новая реальность, с которой сталкиваются и технические специалисты, и рекрутеры. В этой статье мы поделимся нашим опытом противостояния нечестным практикам, расскажем, почему это плохо влияет на процесс найма и как распознать кандидата, который приходит на интервью «не один».

Почему использование ИИ на интервью — это проблема

На первый взгляд может показаться, что нет ничего страшного: кандидат нашел способ отвечать лучше с помощью современных инструментов. Но на деле дорисовка своих знаний с помощью ИИ приводит к ряду негативных последствий.
ДИСКЛЕЙМЕР
Мы не против использования LLM в работе, но на собеседовании хотим понять реальные инженерные навыки. Мы понимаем, что на данном этапе развития технологии только специалист с реальным опытом сможет:
  • грамотно ревьюить код, написанный в условном Cursor;
  • вылавливать галлюцинации;
  • безопасно встраивать новые инструменты (и их выдачу) в процесс разработки.

Риск найма неквалифицированного сотрудника

Кандидат, прошедший собеседование с подсказками ChatGPT, на практике может не обладать нужными навыками. Компания потратит время и ресурсы на его онбординг, введение в проект, а затем столкнется с тем, что он не справляется с работой. Придется расставаться с ним и снова искать замену – лишние затраты и потерянное время команды.

Ущерб для репутации

Если такой кандидат попадает на проект к клиенту (что особенно актуально для нашей компании) и там вскрывается подлог, страдает репутация нашей компании. Нам доверяют подбор специалистов, и обнаружение нечестной игры ставит под удар доверие партнера.

Риски информационной безопасности

Часто в процессе собеседования обсуждается код, архитектура, задачи компании. Если кандидат копирует эти данные в публичные сервисы, это чревато нежелаельными утечками информации. В банковской сфере и других чувствительных индустриях использование общедоступных ИИ вовсе запрещено из соображений безопасности.

Несправедливость и демотивация

Для интервьюеров это просто неприятно: вы тратите время, стараетесь раскрыть знания человека, а он фактически пытается вас обмануть. Честные кандидаты при этом оказываются в невыгодном положении по сравнению с читерами. Если не принимать мер, можно упустить реально сильных специалистов или, наоборот, нанять того, кто лишь умеет пользоваться шпаргалкой.
Появление таких кандидатов частично связано с тревожным трендом, известным как «волчизм» в IT – когда люди стремятся обойти классический путь развития и притворяются более опытными специалистами ради быстрой карьеры. В итоге обесценивается сам институт технического интервью, снижается доверие между кандидатами и работодателями.

Как распознать кандидата с AI-помощником

В общем, игнорировать проблему уже никак не получается. Поэтому мы пересмотрели свой подход к оценке кандидатов и ввели дополнительные методы проверки честности на собеседованиях. Наш опыт показывает, что распознать кандидата, пользующегося подсказками нейросети, вполне реально.
Эти признаки редко проявляются по одному. Мы смотрим на совокупность сигналов. Например, кандидат может говорить плавно, но без камеры – уже повод присмотреться. Или хорошо отвечает на общие вопросы, но проваливается на практике.

Неуверенное поведение и странности при ответах

Часто общая манера отвечать выдает подвох. Например, кандидат делает длинные паузы с потупленным взглядом, слышно клацание клавиатуры, после чего следует слишком гладкий, книжный ответ. Или постоянно отводит глаза: смотрит вверх, в сторону – возможно, читает подсказку с другого экрана. Такие шаблонные паузы и движения сразу настораживают. Мы просим кандидата работать с камерой, следим за мимикой и даже положением рук.
Нередко достаточно сказать вначале шутливо: «Давайте, руки на стол – нам важно, что вы сами знаете», – и у недобросовестного соискателя пропадает уверенность в своем плане. Видя, что за ним наблюдают, многие банально теряются или сразу сдаются.

Отказ включить видео или плохая камера

Если кандидат настаивает на общении без камеры под сомнительными предлогами («не работает», «нет камеры»), это красный флаг. В 2026 году у множества компаний есть стандарт в коммуникациях на созвоны с видео, а у людей — нормальная веб-камера. Бывает, конечно, объективная причина, но чаще таким образом пытаются скрыть глаза, чтение ответов или присутствие посторонней помощи. У одного кандидата «с читами» изображение было нарочно затемнено и размыто – как позже выяснилось, он подглядывал в экран, где генерировались ответы.

Чересчур общие, шаблонные ответы

Мы заметили, что нейросети обычно выдают максимально нейтральные и расплывчатые формулировки. Поэтому хороший способ проверки – попросить человека рассказать о своем опыте и мнении. Например: «Какая самая сложная задача была у тебя на последнем проекте?» или «Какой инструментарий тебе нравится/не нравится и почему?» Человек, реально работавший над задачами, сможет подробно описать конкретику: что сделал, с какими трудностями столкнулся, какие решения пробовал.
Если же ответ пустой по сути – в духе «задача была сложная и очень полезная, пришлось учитывать архитектурные подходы, что помогло познакомиться с проектом» – это сигнал. Перед нами либо человек без настоящего опыта, либо тот, кто ждет от нейросети ответа с конкретикой.

Нейтральные мнения без позиции

Аналогично, вопросы об отношении к технологиям могут выявить подвох. Кандидаты, пользующиеся ИИ, часто не выражают личного мнения, а отвечают заученно, как статья из интернета. Мы, например, любим спросить: «Как тебе технология X? Что о ней думаешь?»
Однажды кандидат уверенно заявил, что ему «очень понравился» определенный фреймворк, хотя опытные разработчики обычно подсвечивают его известные недостатки. Заподозрив неладное, интервьюер попросил обосновать, чем именно нравится. Последовал неубедительный общий ответ.
Для сравнения, специалист с реальным опытом мог бы сказать: «В библиотеке Y мне нравится гибкость и декларативный стиль, удобные операторы для потоковой обработки данных. Хотя есть минус, когда пайплайн падает, стек нечитаемый. Чтобы понять, где сломалось, приходится вставлять логирование на каждом шаге». Такой ответ звучит живо, персонально. А вот нейросеть обычно избегает острых углов, выдавая примерно одинаково положительное или нейтральное описание любой технологии.
Если у кандидата нет собственного мнения – это повод насторожиться.

Слишком широкий круг знаний без единого пробела

Еще один маркер – идеальные ответы на любые вопросы, даже очень редкие и сложные. Ни один, даже самый опытный, инженер не знает всего на свете. Поэтому в техническом интервью нормально, когда кандидат чего-то не помнит или признается, что не работал с чем-то. Мы иногда намеренно задаем несколько вопросов из разных областей, включая каверзные.
Если человек без запинки отвечает на все подряд, да еще и словами прямо как из документации, возникает сомнение: не подсказывает ли ему кто-то? Так, один мнимый сеньор по памяти рассказал внутреннее устройство ForkJoinPool в Java, почти цитируя учебник – чересчур хорошо, чтобы быть правдой. В норме живой кандидат будет объяснять своими словами, где-то может ошибиться или признать незнание. А сверхчеловеческая эрудиция, как ни парадоксально, является подозрительным признаком.

Странности при лайф-кодинге

Лайф-кодинг на созвоне – едва ли не самый эффективный способ проверки навыков. Когда кандидат шарит экран и решает небольшую задачу, видно все: от знания синтаксиса до способов мышления. Мы обратили внимание на ряд типичных признаков нейро-синьоров при кодинге.
  • Код пишется не постепенно, а целиком вставляется кусками. Человек не обдумывает поэтапно, не проверяет промежуточные шаги. Например, вместо того чтобы писать решение частями и отлаживать, кандидат сразу вываливает готовый блок кода (часто с синтаксисом, которого сам не понимает).
  • Нелогичные фрагменты в решении. Например, кандидат может добавить какую-то функцию, которая не относится к решению. Вполне возможно, что это чужой шаблон, который ему дала LLM.
Мы стараемся не прерывать кандидата сразу, а задаем уточняющие вопросы по коду: почему вы сделали так, что означает эта часть? Если человек писал код сам, он сможет пояснить ход мыслей. Читер же, получив решение извне, теряется при любых отклонениях от сценария.

Практики HR: фильтры до и во время собеседования

Противодействие ИИ-гениям – задача не только для технарей, но и для рекрутеров на самых ранних этапах отбора. Наша HR-команда тоже внесла изменения в практики скрининга и интервью, чтобы вычислять нечестных ребят еще до технического собеседования/
  • Только живое общение. Мы отказались от каких-либо тестовых заданий или опросников, которые кандидат может выполнять удаленно без наблюдения. Первичный скрининг – только созвон (лучше с видео). Это сразу отсекает самых слабых, кто не способен поддержать разговор без посторонней помощи. Нейросеть может написать за кандидата текст, но в режиме реального времени солгать сложнее.
  • Проверка резюме на правдоподобие. Еще до встречи опытный рекрутер внимательно изучает CV. Встречаются явные несостыковки, например: 22-летний кандидат заявляет 5 лет опыта коммерческой разработки – скорее всего, легенда. Или в резюме перечислено три крупных проекта, а в профиле GitHub только один учебный pet-проект годичной давности. Таких кандидатов мы либо сразу отклоняем, либо на интервью задаем дополнительные вопросы по этим местам, ловя на неточностях.
  • Прямой вопрос об использовании подсказок. «Планируете ли он пользоваться подсказками или внешней помощью во время интервью?». В конце концов, честному человеку нечего скрывать. Конечно, тот, кто задумал обман, может и солгать в ответ. Но само неожиданное упоминание ИИ часто выбивает злоумышленника из колеи: он понимает, что его подозревают априори. Мы наблюдали, как после такого вопроса у человека заметно менялось поведение – напряжение, нервный смех, спутанная речь. Это косвенно подтверждает нехорошие намерения.
Наша цель – выявить несоответствие между рассказом и реальными умениями. Когда оно заметно, мы предпочитаем сразу завершать интервью. Смысла тратить полтора часа, изображая «доброго полицейского», нет – ценим время команды. Впрочем, иногда мы, наоборот, доводим собеседование до конца, задавая все более сложные вопросы: просто чтобы точно убедиться и не оставить у кандидата шансов. Подход зависит от интервьюера: кто-то сразу прерывает диалог при первых же явных признаках обмана, а кто-то из спортивного интереса устраивает нечестному соискателю полный разбор полетов.

Как меняются подходы к интервью

Массовое использование нейросетей заставило рынок пересмотреть процесс найма, и мы не исключение.

Меняем формат задач

Наши интервьюеры стали придумывать задачи и вопросы таким образом, чтобы проверить именно ход мыслей кандидата, а не способность быстро нагуглить ответ. Да, вопросы стали чуть сложнее и шире, где нужно не определение рассказать, а действительно продемонстрировать умение решать проблему. Хороший кандидат справится и сам (может быть, медленнее), а вот человеку без подготовки будет трудно даже с подсказкой ИИ – ведь нужно понять, что спросить у той же нейросети. Мы считаем, что усложнение собеседований – вынужденная мера рынка. Сегодня это

Используем изображения кода вместо текста

Это наше, как говорится, ноу-хау. Интересный прием, который мы иногда используем: дать кандидату код не в виде текста, а картинкой (скриншот). Пусть попробует найти ошибки или предложить правки. Это нестандартная ситуация: скопировать такой код в редактор или сразу в чат-бот непросто. Если кандидат действительно владеет материалом, он глазами прочтет код и обнаружит проблемы. Но если он полагается на ИИ, ему придется как-то быстро распознать текст на картинке – а многие нейросети могут сразу и не справиться или упустят контекст.
Мы экспериментировали, показывая изображение с кодом, где специально зачеркнули одну очевидную ошибку (чтобы отвлечь внимание). Живой программист сосредоточится на реальных багах, а вот нейросеть при попытке анализировать изображение назвала первым делом зачеркнутый участок. Такой тест еще больше усложняет жизнь махинаторам. Конечно, со временем и эти уловки начнут обходить, но пока они работают.

Испытательный срок никто не отменял

Конечно, одно интервью не даст 100% гарантии. Поэтому остается стандартный механизм испытательного срока. Если кандидат каким-то чудом прошел сито собеседований, прикинувшись экспертом, то за первые месяцы работы правда вскроется. Мы стараемся погружать нового сотрудника сразу в реальные задачи, работать в команде – тогда сразу видно, чего он стоит без внешних помощников.
Сейчас мы в компании пришли к тому, что случаи успешно пролезших «волков» единичны – многоступенчатый фильтр на этапе отбора достаточно эффективно отсеивает их еще на входе.

Всех заменит, и тебя тоже заменит, и тебя…

Параллельно у нас в команде идет дискуссия: а может, разрешить кандидатам использовать AI-инструменты, но наблюдать за тем, как они это делают? Некоторые крупные компании уже так пробуют. Например, в Meta оценивают навык работы с LLM как положительную черту.
Логика в том, что умение эффективно пользоваться ИИ – полезно в работе. Мы тоже задумывались: что если дать на интервью задачу и разрешить кандидату открыто воспользоваться ChatGPT? Посмотреть, какие запросы он формулирует, как интерпретирует полученный ответ. Такой эксперимент мог бы показать уровень компетенции: новичок спросит что-то совсем примитивное или скопирует ответ без проверки, а опытный разработчик сумеет правильно применить подсказку, проверить ее и улучшить решение.
Пока что мы только внедряем подобные практики, но в перспективе это интересный путь. Возможно, со временем вместо борьбы мы переведем использование ИИ в русло еще одного оцениваемого навыка. Кто знает, может, как раз вы будете тем самым кандидатом, который будет показывать мастер-класс по промптам на собеседовании.

Заключение

Эпоха, когда на собеседование можно прийти с открытым на втором мониторе ChatGPT, ставит перед индустрией серьезные этические и практические вопросы. Главный вывод, который мы сделали за последние пару нейросетевых лет: никакие нейросети не заменят настоящих знаний, если выстроить интервью правильно. Опытный специалист всегда проявит себя в беседе и задачах, а фальшивка – рано или поздно споткнется. Наша задача как работодателя – создавать условия, где честным кандидатам комфортно показать свои сильные стороны, а хитрецы сразу попадаются.
Пока гонка вооружений между интервьюерами и айтишными «волками» продолжается, но мы уверены — здоровая инженерная культура и открытость побеждают любые уловки.