30 pytań rekrutacyjnych do oceny umiejętności AI kandydata.

Jak dobrze pracuje z samą AI. Tak samo na każdym stanowisku.

✓Czego słuchać ✕Na co uważać

1. 1

   Kiedy ostatnio AI pomyliła się w Twojej pracy? Jak to wyszło na jaw?

   ✓Konkretny moment i kontrola, która to wykryła.

   ✕„Zwykle ma rację.”

2. 2

   Udostępnij ekran i pokaż prompt użyty w tym tygodniu. Dlaczego ma taką formę?

   ✓Kontekst, ograniczenia, przykład i definicja gotowego.

   ✕Jedna linijka i nadzieja.

3. 3

   Kiedy decydujesz, żeby nie używać AI?

   ✓Jasne granice: dane wrażliwe, decyzje wymagające osądu, rzeczy szybsze ręcznie.

   ✕„Nigdy” albo „zawsze”.

4. 4

   Co sprawdzasz, zanim praca zrobiona z AI trafi do kogoś innego?

   ✓Konkretne kontrole: źródła, uruchomione testy, wyrywkowo sprawdzone liczby.

   ✕„Czytam to jeszcze raz.”

5. 5

   Jakich narzędzi AI używasz do jakich zadań i dlaczego?

   ✓Czat, agenci i AI w innych narzędziach, z powodem dla każdego.

   ✕Jedno narzędzie do wszystkiego, bez powodu.

6. 6

   Opowiedz o zadaniu podzielonym na kroki dla AI zamiast jednej prośby.

   ✓Dzieli pracę i sprawdza każdy krok, zanim pójdzie dalej.

   ✕Wszystko w jednym ogromnym prompcie.

7. 7

   Jak musi wyglądać odpowiedź AI, żeby można jej było zaufać?

   ✓Można ją zweryfikować i zgadza się z tym, co już wie.

   ✕Ufa, gdy brzmi pewnie.

8. 8

   Co masz gotowe do ponownego użycia: szablony, własne instrukcje, workflow, agenta?

   ✓Coś, co oszczędza czas co tydzień.

   ✕Za każdym razem zaczyna od zera.

9. 9

   Co z AI nie zadziałało mimo prób? Co było zamiast tego?

   ✓Szczerze o ograniczeniach i zmiana podejścia.

   ✕Nie potrafi podać przykładu.

10. 10

    Jak Twoja praca zmieniła się przez AI w ostatnim roku?

    ✓Więcej czasu na decyzje, mniej na pierwsze wersje.

    ✕„Po prostu jestem szybszy.”

Czy odróżnia prawdziwą poprawkę od takiej, która tylko wygląda dobrze?

✓Czego słuchać ✕Na co uważać

1. 11

   Poprawka od AI sprawia, że test przechodzi. Co sprawdzasz przed mergem?

   ✓Czy naprawia przyczynę, czy tylko ukrywa objaw. Przypadki brzegowe. Czyta cały diff.

   ✕„Test przechodzi, więc naprawione.”

2. 12

   Jak przeglądasz 400-liniowy pull request napisany przez AI?

   ✓Przegląda jak kod kogoś obcego, prosi o podział, uruchamia.

   ✕Przelatuje wzrokiem i zatwierdza.

3. 13

   Kiedy pozwalasz agentowi działać samodzielnie, a kiedy idziesz krok po kroku?

   ✓Zależy od ryzyka i tego, czy da się cofnąć. Testy jako zabezpieczenie.

   ✕Zawsze pozwala albo nigdy.

4. 14

   Jak dajesz agentowi kontekst kodu, którego nie widział?

   ✓Wskazuje pliki, konwencje i przykłady. Prowadzi plik z instrukcjami projektu.

   ✕„Sam sobie poradzi.”

5. 15

   Opowiedz o błędzie wprowadzonym przez AI i wykrytym późno. Co wykryłoby go wcześniej?

   ✓Wskazuje lukę i to, co potem zmienił.

   ✕Nie potrafi podać przykładu.

Czy podejmie decyzję, której AI za niego nie podejmie?

✓Czego słuchać ✕Na co uważać

1. 16

   Masz 15 wywiadów z użytkownikami. Jak używasz AI do wyciągania tematów i skąd wiesz, że to prawda?

   ✓Część czyta sam, śledzi każdy temat do cytatów, wypatruje rzadkich, ale ważnych sygnałów.

   ✕Używa podsumowania bez zmian.

2. 17

   AI daje roadmapę, która zadowala każdego interesariusza. Co jest z nią nie tak?

   ✓Nie ma kompromisów. Plan, który nikomu nie odmawia, nie jest planem.

   ✕„Nic, wygląda dobrze.”

3. 18

   Które części specyfikacji piszesz z AI, a które samodzielnie?

   ✓Problem i powód pisze sam. AI do struktury i przypadków brzegowych.

   ✕Całość pisze AI.

4. 19

   Jak przetestować pomysł z AI, zanim inżynieria cokolwiek zbuduje?

   ✓Szybki prototyp lub makieta przed użytkownikami.

   ✕Czeka na inżynierię.

5. 20

   Interesariusz przesyła analizę z AI, która popiera jego funkcję. Co robisz?

   ✓Sprawdza dane wejściowe i metodę, zanim przejdzie do wniosku.

   ✕Ocenia po tym, kto ją wysłał.

Czy wie, które twierdzenia, grupy odbiorców i kanały są prawdziwe?

✓Czego słuchać ✕Na co uważać

1. 21

   Wersja posta o premierze od AI zawiera świetną statystykę. Co robisz przed publikacją?

   ✓Szuka źródła albo usuwa liczbę.

   ✕Zostawia, bo brzmi dobrze.

2. 22

   Jak sprawić, by tekst od AI nie brzmiał jak u wszystkich?

   ✓Język klientów, własne przykłady, jasny punkt widzenia.

   ✕Uważa, że to się nie zdarza.

3. 23

   Jak używasz AI do researchu konkurencji lub klientów i gdzie wprowadza w błąd?

   ✓Wie, że wypełnia luki pewnymi siebie domysłami, i sprawdza prawdziwe źródła.

   ✕Traktuje to jak fakt.

4. 24

   Opowiedz, jak planować kampanię z AI. Gdzie wchodzą Twoje własne decyzje?

   ✓Sam wybiera odbiorców, kanał i budżet oraz ma plan B.

   ✕Pozwala AI wybrać kanał.

5. 25

   Masz 20 wariantów reklam napisanych przez AI. Jak je przetestować bez marnowania budżetu?

   ✓Najpierw zawęża, testuje kilka, z góry ustala, co uzna za sukces.

   ✕Uruchamia wszystkie 20 naraz.

Czy wie, kiedy czysta liczba jest błędna?

✓Czego słuchać ✕Na co uważać

1. 26

   AI pisze zapytanie, które zwraca czystą liczbę. Skąd wiesz, że jest poprawna?

   ✓Sprawdza liczbę wierszy, joiny duplikujące wiersze i znane sumy.

   ✕„Liczba wygląda rozsądnie.”

2. 27

   Kiedy nie pozwolisz AI wybrać metody analizy?

   ✓Gdy metoda przesądza o odpowiedzi albo dane mają osobliwości, o których AI nie może wiedzieć.

   ✕Nigdy o tym nie myślał.

3. 28

   CFO pyta „skąd to wiesz?” o wniosek uzyskany z AI. Co odpowiadasz?

   ✓Wyjaśnia metodę i kontrole, bez zasłaniania się AI.

   ✕„AI to policzyła.”

4. 29

   Jak przekazujesz AI kontekst modelu danych i definicji miar?

   ✓Podaje definicje i schematy oraz przykłady poprawnego wyniku.

   ✕Wkleja surową tabelę i pyta.

5. 30

   Opowiedz o liczbie, która wyglądała dobrze, a była błędna.

   ✓Konkretna historia i kontrola, którą teraz zawsze robi.

   ✕Nie potrafi podać przykładu.