11月2日、Laurie Vossが「A proposal: how to hire junior engineers in the age of AI」と題した記事を公開した。AIがコーディング面接を事実上無効化した今、ジュニアエンジニア採用の「解」を誰も宣言できていない——そう問題提起したうえで、Vossが提示する答えが「LLMに顧客役を演じさせ、候補者が要件定義から実装まで行う1〜2時間の面接」だ。医療教育で60年以上使われてきた手法をテック採用に転用するという発想は、公開直後から業界で広く話題を呼んでいる。

ジュニア採用が崩壊した背景

AIによるコーディング支援が本格化して以降、ジュニアエンジニアの採用市場は急速に縮小している。Vossの記事では具体的な数字として複数の動向が紹介されているが、読者に補足しておきたい点がある。

※編集部の考察：本文に引用したStanfordの調査・Anthropicの採用比率変化（27%→9%）・シニア求人71%増といった統計については、元記事内での出典表記が明確でなく、TechFeed編集部では一次情報を独立に確認できていない。参照の際はこの点を念頭に置いていただきたい。

Vossが示す状況認識はこうだ。各社はAI駆動の開発体制への移行に伴ってジュニアの新規採用を絞り込み、シニアエンジニアの需要が伸び続けている。「シニアだけ採る」戦略は短期的には合理的だが、シニアの絶対数には上限がある。業界全体で見ればジュニアを採用・育成しなければ人材の供給が途絶える——これがVossの出発点だ。

コーディング面接は終わった

Vossは10年以上にわたってコーディング面接の無意味さを主張してきたが、今やその棺桶に最後の釘が打たれたと断言する。LLMがアルゴリズムやデータ構造の問題を難なく解いてしまう以上、それを問う面接に選抜機能はない。

各社はすでに対応を模索している。Anthropicのあるエンジニアリングマネージャーはチーム内でコーディング面接を廃止したと発表し（会社全体の方針ではないにもかかわらず広く誤報された）、Canvaはコンピュータサイエンス基礎の選考ラウンドをAI支援型に置き換えた。MetaはオンサイトのコーディングラウンドのうちひとつをAI支援版に変更、GoogleはAI支援とコード読解のラウンドを試験導入している。

しかしVossは「誰もまだ解を宣言していない」と指摘する。多くの企業が暫定措置としてシニアのみの採用に逃げ込んでいるのが実態だ。

インターンシップと「一流校フィルター」の限界

ShopifyはインターンをYear 約100人から1,000人超へ拡大し、Cloudflareは2026年に1,111人のインターン採用を目標に掲げた。「面接では判断できないのだから、大量に採って現場で選別する」という発想だが、これは時間とコストがかかりすぎ、スタートアップには不可能な手法だ。

有名大学出身者を優先するアプローチも広がっているが、Vossはこれを「裕福な親を持って生まれたことへの報酬」と切り捨てる。「hunger（ハングリー精神）」「taste（センス）」といった定性的な軸での採用も最近話題になっているが、定義があいまいで面接官の主観に依存する。

構造化されていない自由形式の面接の予測妥当性（predictive validity）は0.19にすぎず、構造化面接の0.42と比べて大幅に劣ることが2022年のSackettらの研究で示されている（リンク先はnoon.aiによる紹介記事であり、一次情報は学術論文であることに注意）。Googleがかつて採用していたブレインティーザー（難問パズル）も、人事責任者が「何も予測できなかった」と認めて廃止している。

核心の提案：「LLMを顧客役に見立てた1〜2時間の面接」

では何を面接すべきか。Vossは現代のソフトウェア開発（彼が「プロダクトエンジニアリング」と呼ぶ仕事）に必要な能力を以下の3つに整理する。

• プロダクトセンス：曖昧な情報の塊から本当に解くべき問題を見つける力
• 知性：システム全体を頭の中で把握し、制約が変化したときに何を変えるべきか判断する力
• 文章で説明する能力：自然言語でエージェントに指示を出すことが仕事の大半になった今、これは必須スキルだ

そのうえで具体的な面接手法を提案する。LLMに顧客役を演じさせ、候補者がそのLLMから要件を引き出しながら別のLLMで実際に動くソフトウェアを作る、というものだ。

仕組みはこうだ。面接官はシステムの仕様・制約・詳細情報をすべてLLMに与え、「顧客」として一貫した回答をするよう設定しておく。候補者は1〜2時間かけて顧客に質問を重ね、要件を整理し、もう一方のLLM（全候補者に共通）を使ってソフトウェアを実装する。途中で顧客に半完成品を見せてフィードバックをもらうことも、アプローチ全体をやり直すことも許可される。ただし顧客のLLMをジェイルブレイク（システムプロンプトを無効化する操作）して要件書を丸ごと吐き出させるのは禁止だ。

採点はエージェントが自動でテストを生成・実行し、最終判断は人間が行う。完全自動化を避けるのは意図的な設計で、ニューヨーク市など一部地域では採用AIに年次バイアス監査が義務付けられているという法的な背景もある。

実はこのアプローチは医療教育では1960年代から標準的だ。医学生が標準化患者（Standardized Patient）——特定の症状を演じる訓練を受けた俳優——から病歴を聴取するOSCE（客観的臨床能力試験）がその原型にあたる。

テック業界での類似例としてはPalantirの「デコンポジション面接」があるが、構築フェーズがない。Promptsterというスタートアップが不完全なチケットとAIチームメイトを使った面接ツールを提供しており、近いアプローチとして言及されている。

シニア採用一辺倒の先にあるもの

プロダクトエンジニアリングは特殊な才能を要する仕事ではない、とVossは強調する。ジュニアを見極める手段がなかっただけで、適性のある人材は変わらず存在する。面接手法が整備されれば、シニアより安価かつ大量に採用できる層として再び注目されるはずだ。

Vossが見据えているのは個社の採用最適化にとどまらない。シニアだけを採り続ける業界全体の戦略は、長期的にエンジニアリング人材のパイプラインそのものを細らせる。ジュニアが現場で経験を積まなければ、10年後のシニアも生まれない——そのことを業界が直視しないまま「AI時代の採用戦略」を語ることへの警鐘として、この記事は読まれるべきだろう。具体的な手法の精緻化はこれからの課題だが、「測れないから採らない」という現状の停滞に対して、Vossは測れる仕組みを自ら設計してみせた点に本稿の意義がある。

詳細はA proposal: how to hire junior engineers in the age of AIを参照していただきたい。